了解人工智能的产业结构_技术

现在，人工智能已经变成一个网络热词，基本上家喻户晓了。

但是，很多人对人工智能的理解，也仅停留在一个模糊的概念上，

当我们说人工智能产业，或人工智能的风口和机会，具体指向是什么？

要回应这个问题，需要先梳理一下人工智能产业链。

人工智能产业链，可以分为三个层面：

1、硬件层

第一层面是硬件层，涵盖人工智能的硬件和基础设施，如AI芯片、传感器、服务器等。

人工智能硬件厂商，是AI产业第一轮发展的受益者。

国外著名的企业如英伟达、AMD等。

国内也有很多做人工智能芯片研发的企业，坦白讲其实未来还很难预测，我甚至认为做这种专业领域的研发，还不如像FPGA，就是专门为某个领域做人工智能的方案，那个机会还大一点。

做人工智能现在类脑计算芯片、人工智能计算芯片，相对通用性强一点，这种其实压力比较大。

为什么呢？

因为人工智能芯片是需要构筑生态的，这个领域的领军企业是英伟达。

英伟达有几千个工程师，去帮它的芯片做各种应用的场景开发，或者是应用的支持。也就是说基于英伟达的芯片做应用的时候，你会感觉到英伟达的生态是非常健全的。

所以说硬件企业要胜出，不光是要硬件性能好，更主要的是生态构建能力。

我前两天写了两篇公众号文章，专门分析寒武纪上市和中国芯片产业格局，感兴趣的朋友可以在【全球风口】公众号里找来参照阅读。

2、基础服务层

第二层面是基础服务层，涵盖云基础服务，以及在云基础上提供附加的人工智能能力。

在硬件基础上，云服务公司是AI产业第二轮的受益者。它受益要比硬件大得多，因为它能支撑广泛的应用。在美国几乎所有的IT巨头，都在花巨资去建立大的云计算平台，而且都要有强大的人工智能的支撑能力。最领先的是亚马逊的AWS和谷歌这两家，但是其实微软、Facebook，甚至包括苹果，都在云业务上下了巨大的成本。

中国也是一样，现在比较领先的是阿里云，腾讯、百度也在发力，但是现在看起来阿里还是比较领先的空间。当然华为也在做自己的云。中国也会诞生几朵大云，也有很大的市场空间，因为中国的IT市场不比海外小多少。

在云基础上，有很多可以提供的人工智能附加能力，如计算机视觉、智能语音、语义识别、机器学习等，这是一个巨大的市场。

比如视觉识别，现在大量独角兽都在追逐这个市场。但我认为长期看，这个市场机会其实很难把握：一方面，政府会形成统一的大市场，不会全国每个区域都搞自己的，未来应该是打通的，市场总体来说就小了；另一方面，不管是多少客户，将来的提供者很可能不是今天的这些独角兽们，而是由基础云平台直接提供，比如阿里、腾讯或者是华为这样的企业。因为这个能力并不复杂，从云上直接提供是最简单的，如果未来向这个方向演进，我预判有一半的独角兽公司会做不下去。

当然，不光是视觉识别，也包括动作的识别，还有基本的图形识别，比如另一个热门的市场，所谓医学的图像识别。医学里面X光或者B超这样的图像识别，未来有可能也会被整合到云端。提供者可能是第三方公司，也可能是云端的大IT服务商，都可能变成基础服务的一部分了。

另外，语音、语义识别和翻译，未来也有可能变成云端的基础服务。我们知道，今天如果要翻译的话，还需要随身带翻译机。但是未来如果云端的处理能力加强了，所有这些语音全部送到云端去处理，然后把结果返送回来，这时我们每个人的手机就可以是翻译机，而不需要一个单独的设备了。

3、行业应用层

第三层面是行业应用层，就是在前两个层面上衍生出来的、与各行业结合的应用，如无人驾驶、智能医疗、新零售等AI应用。

在这个层面，有大量的人工智能应用公司，而且还会不断繁荣。这些公司的特点很明确，一定要有自己本行业的特色。因为人工智能这个技术本身，没有办法形成壁垒，真正能够形成壁垒的一定是行业特色，也就是说行业数据、行业经验和行业准入会是壁垒，这需要我们去找到这些壁垒，从而把业务做起来。所以任何先进领域，不代表领先就好，还必须找到自己的壁垒和竞争优势，才能够做好。

前面讨论了人工智能的产业结构。

你可以看到，其实第一个层面的硬件层，和第二个层面的基础服务层，要么创业门槛较高，要么竞争壁垒较低，对大多数人而言，第三个层面的行业应用层，创业或从业机会相对更多。

下面就人工智能的产业前沿，列举四个领域的机会：

| 推荐算法

目前最普遍的AI应用就是推荐算法。电商其实就是推荐算法，比如现在有人做海外购，其实就是与国外的数据连接，分享一部分数据，海外有客户就可以利用算法推荐，做的好了，也有可能成为一个小淘宝。另外，比如今日头条，能够从新闻门户及微博网站中杀出重围，依靠的也是推荐算法。我自己就有体会，我现在大量的新闻获得都是从头条上来的。因为我看的东西头条会捕捉到，然后给我推荐的也会越来越精准，所以就成了我获得科技前沿进展的一个好帮手。

| 智能预测

第二个现在做的很多的AI应用是智能预测。比如在车上装一个搜集数据的小盒子，就可以获得每个用户的行车习惯和行车数据，基于这些数据的智能预测就可以和保险业务挂钩，根据用户的风险指数来动态的决定保费。

| 软硬结合

第三个比较大的AI应用机会是软硬结合。

比如自动驾驶就是一个很好的例子。一个新的技术在发展过程中，总会有迭代升级的过程，所以常见于报端的是：特斯拉又出事了，或自动驾驶又撞到人或障碍物了。

其实，特斯拉或自动驾驶救人的例子更多，只是这样的新闻，媒体上没有人愿意报道而已。

另外，比如智能扫地机器人，我在家里就有两台机器人，一个负责扫地，一个负责擦地，节省了我们很多的家务时间。

硬件在经过人工智能改造和赋能以后，就会在很多应用场景中，给人们的工作和生活带来便利。

| 数据掘金

第四个AI应用是数据掘金。

很多数据用人眼或人脑来判断或认知是很有限的，但用人工智能来解读，就会有新的的洞察出来。

比如商业指征数据，人的行为数据，像心电图，原来心电图很多东西解读不出来，特别牛的老医生可能会看出差异，但是现在用人工智能解读，就能把心脏病里很多小的特征都提取出来，甚至能够救命。