人工智能將率先顛覆這5大行業，你可能會被失業

　　近年來，人工智能(AI)、深度學習(deep learning)、機器學習(machine learning)、AR、VR等形形色色的創業團隊鯨吞了市場上相當一大部分的投資。所有這一切好像跟我們相關，但好像離商業價值又那么遠，那么，接下來的幾年，人工智能將會給哪些領域帶來變革與機遇，哪些行業又將會被顛覆呢?

　　由于人工智能的發展需要數據的訓練，那么這些人工智能相關的技術如果按照數據處理和應用的生命周期來劃分，可以歸結成三大類人工智能技術：基礎類人工智能技術、分析類人工智能技術、應用類人工智能技術。如果將這三類技術作為縱坐標，以行業垂直領域作為橫坐標，可以將現在中國范圍內的人工智能競爭領域劃分成如下的一個行業結構圖：

　　人工智能將率先顛覆這5大行業，你可能會被失業

　　在這個行業布局中，人工智能企業在縱向上的發展是基于技術的發展來打通的，也可以說是技術供給驅動的;而橫向上的發展是基于需求來進行驅動的。

　　1) 縱向分析： 目前AI的應用涉及到相應專業化的數據采集，這就需要底層專用硬件的支持。而根據數據生命周期，在數據的生命歷程的各個環節——收集、鏈接、準備，認知、分析，預測——都會有不同的企業進行分工。有些企業能夠打通數據上周期的多個環節，形成端到端的交付能力。

　　2) 橫向分析： AI最容易影響的領域往往是數據準備度高的行業，例如在人工智能發展上現行一步的金融、醫療等行業。在不同的行業上，人工智能的應用場景也不盡相同，以下將分行業來進行分析。

　　a) 醫療 代表情境：輔助診斷;自動診斷;醫療機器人;健康預警系統;虛擬臨床試驗

　　隨著計算機視覺的不斷發展，自動診斷將會在醫療的最底層得到廣泛應用;個人醫療健康數據系統的建立，可以改變現在從病人口中描述病狀的狀態;大規模的病例和從移動可穿戴設備中采集的個人健康數據，在人工智能的分析下，可能改變分配給臨床醫師的認知任務，并可能從根本上改變醫療輸送系統。醫療機器人的出現可以改變臨床手術的順序，一些簡單的傷口縫合，沖洗傷口等工作可以由永遠不知道疲憊的機器人替代;健康預警技術的成熟可以避免很多疾病的出現;老年人和術后病人的看護問題也將得到解決，個性化的情感機器人和按需定制的服務機器人會對健康護理，陪護等行業產生影響。更加智能的聽力助手，視覺輔助設備，身體輔助設備，可以讓在身體上有創傷的人得到更好的生活。虛擬臨床試驗系統的出現，可以極大提高臨床醫學的發展速度，讓科學工作者從等待中解放出來。

　　b) 金融 代表情境：智能投顧;風險監控

　　人工智能將率先顛覆這5大行業，你可能會被失業

　　智能的投資理財機器人，可能改變人們對理財的理解，金融市場由于信息不平等產生的風險，可能會在一定程度上面得到規避。有了大量數據輸入的人工智能，可以對金融市場的走向進行較為準確的預測，并給出合理的建議。銀行業大規模應用的智能客服，會讓人們得到更好的理財服務;聊天機器人的普及，使得銀行不再需要柜員。

　　c) 政府 代表情境：智能交通系統;公共安全監管;社區升級;宏觀經濟監控和預測

　　無人車的普及使得車輛的整體調度得以實現，交通線路選擇，停車難，堵車等問題得到解決。更加寬廣的路面監控系統和精準人體身份識別的結合，可以有效識別犯罪行為和可疑路人，讓警察迅速抓捕罪犯，有效降低犯罪率。智能社區的出現，可以合理分配社區周邊資源，規劃社區設施配給，豐富社區居民的生活，提高生活幸福度。宏觀經濟的監控和預測也會逐漸成熟，政府對宏觀經濟的調控會依賴人工智能給出的建議。

　　d) 制造 代表情境：智能流水線;無人廠房

　　機器人的迅速發展使得傳統制造業不再需要大量工人，智能流水線的出現讓工人們從繁重、重復的體力勞動中解脫出來，智能調節廠房內的各項指標，分配資源，從而實現無人廠房。

　　e) 商業分析與決策 代表情境：輔助決策系統;預測系統

　　人工智能結合各個企業的自有數據和共享數據，可以做到分析行業發展狀況，輔助老板決策企業的發展方向，預測并規避可能發生的各種風險。

　　中國企業玩家分類及各自的速贏策略

　　在行業布局中，由于不同的人工智能企業在縱向上打通的程度不同，橫向覆蓋的行業范圍也不同，總體上來說，我們可以將現有市場上的人工智能企業分為五種類型的玩家：

　　1)硬件驅動者：這類企業的速贏關鍵因素是硬件集成性，計算能力;一體化能力。GPU的計算能力是毋庸置疑的，深度學習如果沒有GPU的計算加速就不會發展的這么快。為了在市場上占有一席之地，各大硬件廠商爭相推出適合機器學習硬件設備，在GPU芯片方面，Nvida很早就開始布局，推出了很多款不同配置的GPU芯片，占領低中高端市場，并專門為深度學習推出了GeForce 1080P和Tesla K40和K80，尤其是GeForce 1080P因為其極高的性價比，一經推出，一卡難求;Intel不甘人后，推出了適合深度學習的大規模參數服務器;Google有深度學習的一體機，并計劃開放云端的計算資源;Amazon在AWS上面推出了擁有GPU資源的機器。

　　2) 入口占有者：也就是把握住數據供給和需求的端口的企業。這類企業的速贏關鍵因素是數據和需求的察覺和采集。每個行業都生產不同的類型的數據，但是數據類型單一，數據缺乏系統的治理，無法形成數據資產，在企業應用數據的過程中，不可避免的需要各種外部數據，就產生了數據需求。一些公司針對這種情況，著眼于對數據的治理，匯集，針對每一個行業的數據需求的理解和采集，構建數據市場，并且針對外部數據進行匯集，治理，分析，產生更具價值的數據，累積屬于自己的數據資產。當這部分數據資產積累到一定程度，會形成數據壁壘，掌握上下游玩家的數據流向。

　　3) 算法服務提供者：指擁有巨量的算法并提供服務的企業。這類企業的速贏關鍵因素是算法的可復制性、可擴展性;算法開發的速度。由于開源社區的活躍，算法本身已經無法形成較高的競爭壁壘。很多開源算法包已經能夠滿足用戶的需求，例如，如果在數據量很大的情況下，可以用TalkingData推出的大規模機器學習算法包，fregata;否則可以用python中的sklearn、java的weka等。在深度學習方面，開源的深度學習框架caffe，google推出的開源框架tensorflow，還有Torch，百度的Paddle等等，都能夠很快搭建深度學習模型。但是開源的算法在某些場景下并不能很好的發揮作用，所以有些公司仍然提供更加專業的算法模型訓練的服務，以幫助企業規避模型訓練帶來的風險和成本，比如Explosion，如果客戶對模型結果不滿意，就不收費;這類公司擁有專業的數學、工程方面的人才，通常對某些問題有自己的解決方案，在算法的優化，模型的訓練上面積累了大量的經驗，從而能夠提供高效優質的服務。由于算法科學方面人才的緊缺，有些平臺可以讓算法科學家把自己研究的算法代碼放上去，使用者按照調用次數付費。

　　4) 垂直領域玩家：垂直領域玩家指代在探索數據在行業的智能化應用的垂直行業的公司或服務于垂直行業的科技服務公司。這類企業的速贏關鍵因素是對于該垂直領域需求的深耕和閉環的運營。在探尋智能行業應用的過程中，通常以自身行業應用場景和需求為出發點，圍繞新興數據的生命全周期，快速構建“數據平臺層、數據分析層、數據應用層”的智能化應用建設體系，挖掘出契合、提升自身傳統業務體系效率或模式的數據智能化應用，實現行業產能的提升。以醫療科技公司Lifegraph開發的移動健康產品為例，智能可穿透設備為實時采集用戶健康信息的數據提供了可能(基礎層)，其圍繞醫療專家智庫建立智能化情感與健康識別模型(分析層)，實時醫師與病患家屬提供病患健康信息(應用層)，保障病患異常信息被有效監測，從而降低病患事故。傳感器技術的發展，為Lifegraph拓展了數據源的豐富度;通過與專業醫療機構合作伙伴的合作，快速定位移動醫療健康產業需求，并獲取專家知識能力，開發垂直領域數據產品，形成行業競爭優勢。其他垂直領域案例還包括：Tele-Lauguage的醫療智能代理語音治療;Mapquest的智能交通規劃;K-12的教育輔助機器人;螞蟻金服的芝麻信用等等。

　　5)生態領域玩家：生態領域玩家是指能夠建立起跨行業、跨業態，貫穿數據生命周期的數據平臺、分析平臺以及應用平臺的智能數據科技公司。這類公司通常具備極強的平臺技術能力，通過平臺向合作伙伴提供數據整合能力、數據分析的算法能力;并最終在平臺上實現橫向差異化、縱向專業一體化的數據應用服務能力。生態領域玩家快速建立行業壁壘，形成競爭優勢的核心是：一是具備較強的數據平臺與自有數據優勢，支撐生態合作伙伴的數據整合，幫助生態上的合作伙伴的數據交換與整合，加速完整的數據視圖的構建，實現各場景化數據的有效支撐;二是具備較強自有數據科學優勢，與合作伙伴進行能力互補，依托合作伙伴垂直領域的專業性，快速構建行業智能數據分析能力，實現對多維度數據的鉆取，加速從數據到數據價值挖掘的進程;三是具備較強的客戶渠道優勢或品牌優勢，以合作伙伴為應用驗證場景，加速垂直領域智能數據應用的形成，快速復制并輸出。以Google為例，Google生態中的Niantic Labs與任天堂的數據與技術合作推出了風靡全球的Pokemon go;百度生態中的百度聯盟以平臺為支撐，與廣告生態商的數據合作，形成國內最大的網盟之一;蘋果移動設備的功能生態與IBM達成合作，通過IBM的集客資源與大數據能力，打造更加垂直的商業應功能等等。