人工智能將率先顛覆這5大行業(yè)，你可能會(huì)被失業(yè)

　　近年來(lái)，人工智能(AI)、深度學(xué)習(xí)(deep learning)、機(jī)器學(xué)習(xí)(machine learning)、AR、VR等形形色色的創(chuàng)業(yè)團(tuán)隊(duì)鯨吞了市場(chǎng)上相當(dāng)一大部分的投資。所有這一切好像跟我們相關(guān)，但好像離商業(yè)價(jià)值又那么遠(yuǎn)，那么，接下來(lái)的幾年，人工智能將會(huì)給哪些領(lǐng)域帶來(lái)變革與機(jī)遇，哪些行業(yè)又將會(huì)被顛覆呢?

　　由于人工智能的發(fā)展需要數(shù)據(jù)的訓(xùn)練，那么這些人工智能相關(guān)的技術(shù)如果按照數(shù)據(jù)處理和應(yīng)用的生命周期來(lái)劃分，可以歸結(jié)成三大類(lèi)人工智能技術(shù)：基礎(chǔ)類(lèi)人工智能技術(shù)、分析類(lèi)人工智能技術(shù)、應(yīng)用類(lèi)人工智能技術(shù)。如果將這三類(lèi)技術(shù)作為縱坐標(biāo)，以行業(yè)垂直領(lǐng)域作為橫坐標(biāo)，可以將現(xiàn)在中國(guó)范圍內(nèi)的人工智能競(jìng)爭(zhēng)領(lǐng)域劃分成如下的一個(gè)行業(yè)結(jié)構(gòu)圖：

　　人工智能將率先顛覆這5大行業(yè)，你可能會(huì)被失業(yè)

　　在這個(gè)行業(yè)布局中，人工智能企業(yè)在縱向上的發(fā)展是基于技術(shù)的發(fā)展來(lái)打通的，也可以說(shuō)是技術(shù)供給驅(qū)動(dòng)的;而橫向上的發(fā)展是基于需求來(lái)進(jìn)行驅(qū)動(dòng)的。

　　1) 縱向分析： 目前AI的應(yīng)用涉及到相應(yīng)專業(yè)化的數(shù)據(jù)采集，這就需要底層專用硬件的支持。而根據(jù)數(shù)據(jù)生命周期，在數(shù)據(jù)的生命歷程的各個(gè)環(huán)節(jié)——收集、鏈接、準(zhǔn)備，認(rèn)知、分析，預(yù)測(cè)——都會(huì)有不同的企業(yè)進(jìn)行分工。有些企業(yè)能夠打通數(shù)據(jù)上周期的多個(gè)環(huán)節(jié)，形成端到端的交付能力。

　　2) 橫向分析： AI最容易影響的領(lǐng)域往往是數(shù)據(jù)準(zhǔn)備度高的行業(yè)，例如在人工智能發(fā)展上現(xiàn)行一步的金融、醫(yī)療等行業(yè)。在不同的行業(yè)上，人工智能的應(yīng)用場(chǎng)景也不盡相同，以下將分行業(yè)來(lái)進(jìn)行分析。

　　a) 醫(yī)療 代表情境：輔助診斷;自動(dòng)診斷;醫(yī)療機(jī)器人;健康預(yù)警系統(tǒng);虛擬臨床試驗(yàn)

　　隨著計(jì)算機(jī)視覺(jué)的不斷發(fā)展，自動(dòng)診斷將會(huì)在醫(yī)療的最底層得到廣泛應(yīng)用;個(gè)人醫(yī)療健康數(shù)據(jù)系統(tǒng)的建立，可以改變現(xiàn)在從病人口中描述病狀的狀態(tài);大規(guī)模的病例和從移動(dòng)可穿戴設(shè)備中采集的個(gè)人健康數(shù)據(jù)，在人工智能的分析下，可能改變分配給臨床醫(yī)師的認(rèn)知任務(wù)，并可能從根本上改變醫(yī)療輸送系統(tǒng)。醫(yī)療機(jī)器人的出現(xiàn)可以改變臨床手術(shù)的順序，一些簡(jiǎn)單的傷口縫合，沖洗傷口等工作可以由永遠(yuǎn)不知道疲憊的機(jī)器人替代;健康預(yù)警技術(shù)的成熟可以避免很多疾病的出現(xiàn);老年人和術(shù)后病人的看護(hù)問(wèn)題也將得到解決，個(gè)性化的情感機(jī)器人和按需定制的服務(wù)機(jī)器人會(huì)對(duì)健康護(hù)理，陪護(hù)等行業(yè)產(chǎn)生影響。更加智能的聽(tīng)力助手，視覺(jué)輔助設(shè)備，身體輔助設(shè)備，可以讓在身體上有創(chuàng)傷的人得到更好的生活。虛擬臨床試驗(yàn)系統(tǒng)的出現(xiàn)，可以極大提高臨床醫(yī)學(xué)的發(fā)展速度，讓科學(xué)工作者從等待中解放出來(lái)。

　　b) 金融 代表情境：智能投顧;風(fēng)險(xiǎn)監(jiān)控

　　人工智能將率先顛覆這5大行業(yè)，你可能會(huì)被失業(yè)

　　智能的投資理財(cái)機(jī)器人，可能改變?nèi)藗儗?duì)理財(cái)?shù)睦斫?，金融市?chǎng)由于信息不平等產(chǎn)生的風(fēng)險(xiǎn)，可能會(huì)在一定程度上面得到規(guī)避。有了大量數(shù)據(jù)輸入的人工智能，可以對(duì)金融市場(chǎng)的走向進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，并給出合理的建議。銀行業(yè)大規(guī)模應(yīng)用的智能客服，會(huì)讓人們得到更好的理財(cái)服務(wù);聊天機(jī)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(tǒng);公共安全監(jiān)管;社區(qū)升級(jí);宏觀經(jīng)濟(jì)監(jiān)控和預(yù)測(cè)

　　無(wú)人車(chē)的普及使得車(chē)輛的整體調(diào)度得以實(shí)現(xiàn)，交通線路選擇，停車(chē)難，堵車(chē)等問(wèn)題得到解決。更加寬廣的路面監(jiān)控系統(tǒng)和精準(zhǔn)人體身份識(shí)別的結(jié)合，可以有效識(shí)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(qū)的出現(xiàn)，可以合理分配社區(qū)周邊資源，規(guī)劃社區(qū)設(shè)施配給，豐富社區(qū)居民的生活，提高生活幸福度。宏觀經(jīng)濟(jì)的監(jiān)控和預(yù)測(cè)也會(huì)逐漸成熟，政府對(duì)宏觀經(jīng)濟(jì)的調(diào)控會(huì)依賴人工智能給出的建議。

　　d) 制造 代表情境：智能流水線;無(wú)人廠房

　　機(jī)器人的迅速發(fā)展使得傳統(tǒng)制造業(yè)不再需要大量工人，智能流水線的出現(xiàn)讓工人們從繁重、重復(fù)的體力勞動(dòng)中解脫出來(lái)，智能調(diào)節(jié)廠房?jī)?nèi)的各項(xiàng)指標(biāo)，分配資源，從而實(shí)現(xiàn)無(wú)人廠房。

　　e) 商業(yè)分析與決策 代表情境：輔助決策系統(tǒng);預(yù)測(cè)系統(tǒng)

　　人工智能結(jié)合各個(gè)企業(yè)的自有數(shù)據(jù)和共享數(shù)據(jù)，可以做到分析行業(yè)發(fā)展?fàn)顩r，輔助老板決策企業(yè)的發(fā)展方向，預(yù)測(cè)并規(guī)避可能發(fā)生的各種風(fēng)險(xiǎn)。

　　中國(guó)企業(yè)玩家分類(lèi)及各自的速贏策略

　　在行業(yè)布局中，由于不同的人工智能企業(yè)在縱向上打通的程度不同，橫向覆蓋的行業(yè)范圍也不同，總體上來(lái)說(shuō)，我們可以將現(xiàn)有市場(chǎng)上的人工智能企業(yè)分為五種類(lèi)型的玩家：

　　1)硬件驅(qū)動(dòng)者：這類(lèi)企業(yè)的速贏關(guān)鍵因素是硬件集成性，計(jì)算能力;一體化能力。GPU的計(jì)算能力是毋庸置疑的，深度學(xué)習(xí)如果沒(méi)有GPU的計(jì)算加速就不會(huì)發(fā)展的這么快。為了在市場(chǎng)上占有一席之地，各大硬件廠商爭(zhēng)相推出適合機(jī)器學(xué)習(xí)硬件設(shè)備，在GPU芯片方面，Nvida很早就開(kāi)始布局，推出了很多款不同配置的GPU芯片，占領(lǐng)低中高端市場(chǎng)，并專門(mén)為深度學(xué)習(xí)推出了GeForce 1080P和Tesla K40和K80，尤其是GeForce 1080P因?yàn)槠錁O高的性價(jià)比，一經(jīng)推出，一卡難求;Intel不甘人后，推出了適合深度學(xué)習(xí)的大規(guī)模參數(shù)服務(wù)器;Google有深度學(xué)習(xí)的一體機(jī)，并計(jì)劃開(kāi)放云端的計(jì)算資源;Amazon在AWS上面推出了擁有GPU資源的機(jī)器。

　　2) 入口占有者：也就是把握住數(shù)據(jù)供給和需求的端口的企業(yè)。這類(lèi)企業(yè)的速贏關(guān)鍵因素是數(shù)據(jù)和需求的察覺(jué)和采集。每個(gè)行業(yè)都生產(chǎn)不同的類(lèi)型的數(shù)據(jù)，但是數(shù)據(jù)類(lèi)型單一，數(shù)據(jù)缺乏系統(tǒng)的治理，無(wú)法形成數(shù)據(jù)資產(chǎn)，在企業(yè)應(yīng)用數(shù)據(jù)的過(guò)程中，不可避免的需要各種外部數(shù)據(jù)，就產(chǎn)生了數(shù)據(jù)需求。一些公司針對(duì)這種情況，著眼于對(duì)數(shù)據(jù)的治理，匯集，針對(duì)每一個(gè)行業(yè)的數(shù)據(jù)需求的理解和采集，構(gòu)建數(shù)據(jù)市場(chǎng)，并且針對(duì)外部數(shù)據(jù)進(jìn)行匯集，治理，分析，產(chǎn)生更具價(jià)值的數(shù)據(jù)，累積屬于自己的數(shù)據(jù)資產(chǎn)。當(dāng)這部分?jǐn)?shù)據(jù)資產(chǎn)積累到一定程度，會(huì)形成數(shù)據(jù)壁壘，掌握上下游玩家的數(shù)據(jù)流向。

　　3) 算法服務(wù)提供者：指擁有巨量的算法并提供服務(wù)的企業(yè)。這類(lèi)企業(yè)的速贏關(guān)鍵因素是算法的可復(fù)制性、可擴(kuò)展性;算法開(kāi)發(fā)的速度。由于開(kāi)源社區(qū)的活躍，算法本身已經(jīng)無(wú)法形成較高的競(jìng)爭(zhēng)壁壘。很多開(kāi)源算法包已經(jīng)能夠滿足用戶的需求，例如，如果在數(shù)據(jù)量很大的情況下，可以用TalkingData推出的大規(guī)模機(jī)器學(xué)習(xí)算法包，fregata;否則可以用python中的sklearn、java的weka等。在深度學(xué)習(xí)方面，開(kāi)源的深度學(xué)習(xí)框架caffe，google推出的開(kāi)源框架tensorflow，還有Torch，百度的Paddle等等，都能夠很快搭建深度學(xué)習(xí)模型。但是開(kāi)源的算法在某些場(chǎng)景下并不能很好的發(fā)揮作用，所以有些公司仍然提供更加專業(yè)的算法模型訓(xùn)練的服務(wù)，以幫助企業(yè)規(guī)避模型訓(xùn)練帶來(lái)的風(fēng)險(xiǎn)和成本，比如Explosion，如果客戶對(duì)模型結(jié)果不滿意，就不收費(fèi);這類(lèi)公司擁有專業(yè)的數(shù)學(xué)、工程方面的人才，通常對(duì)某些問(wèn)題有自己的解決方案，在算法的優(yōu)化，模型的訓(xùn)練上面積累了大量的經(jīng)驗(yàn)，從而能夠提供高效優(yōu)質(zhì)的服務(wù)。由于算法科學(xué)方面人才的緊缺，有些平臺(tái)可以讓算法科學(xué)家把自己研究的算法代碼放上去，使用者按照調(diào)用次數(shù)付費(fèi)。

　　4) 垂直領(lǐng)域玩家：垂直領(lǐng)域玩家指代在探索數(shù)據(jù)在行業(yè)的智能化應(yīng)用的垂直行業(yè)的公司或服務(wù)于垂直行業(yè)的科技服務(wù)公司。這類(lèi)企業(yè)的速贏關(guān)鍵因素是對(duì)于該垂直領(lǐng)域需求的深耕和閉環(huán)的運(yùn)營(yíng)。在探尋智能行業(yè)應(yīng)用的過(guò)程中，通常以自身行業(yè)應(yīng)用場(chǎng)景和需求為出發(fā)點(diǎn)，圍繞新興數(shù)據(jù)的生命全周期，快速構(gòu)建“數(shù)據(jù)平臺(tái)層、數(shù)據(jù)分析層、數(shù)據(jù)應(yīng)用層”的智能化應(yīng)用建設(shè)體系，挖掘出契合、提升自身傳統(tǒng)業(yè)務(wù)體系效率或模式的數(shù)據(jù)智能化應(yīng)用，實(shí)現(xiàn)行業(yè)產(chǎn)能的提升。以醫(yī)療科技公司Lifegraph開(kāi)發(fā)的移動(dòng)健康產(chǎn)品為例，智能可穿透設(shè)備為實(shí)時(shí)采集用戶健康信息的數(shù)據(jù)提供了可能(基礎(chǔ)層)，其圍繞醫(yī)療專家智庫(kù)建立智能化情感與健康識(shí)別模型(分析層)，實(shí)時(shí)醫(yī)師與病患家屬提供病患健康信息(應(yīng)用層)，保障病患異常信息被有效監(jiān)測(cè)，從而降低病患事故。傳感器技術(shù)的發(fā)展，為L(zhǎng)ifegraph拓展了數(shù)據(jù)源的豐富度;通過(guò)與專業(yè)醫(yī)療機(jī)構(gòu)合作伙伴的合作，快速定位移動(dòng)醫(yī)療健康產(chǎn)業(yè)需求，并獲取專家知識(shí)能力，開(kāi)發(fā)垂直領(lǐng)域數(shù)據(jù)產(chǎn)品，形成行業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)。其他垂直領(lǐng)域案例還包括：Tele-Lauguage的醫(yī)療智能代理語(yǔ)音治療;Mapquest的智能交通規(guī)劃;K-12的教育輔助機(jī)器人;螞蟻金服的芝麻信用等等。

　　5)生態(tài)領(lǐng)域玩家：生態(tài)領(lǐng)域玩家是指能夠建立起跨行業(yè)、跨業(yè)態(tài)，貫穿數(shù)據(jù)生命周期的數(shù)據(jù)平臺(tái)、分析平臺(tái)以及應(yīng)用平臺(tái)的智能數(shù)據(jù)科技公司。這類(lèi)公司通常具備極強(qiáng)的平臺(tái)技術(shù)能力，通過(guò)平臺(tái)向合作伙伴提供數(shù)據(jù)整合能力、數(shù)據(jù)分析的算法能力;并最終在平臺(tái)上實(shí)現(xiàn)橫向差異化、縱向?qū)I(yè)一體化的數(shù)據(jù)應(yīng)用服務(wù)能力。生態(tài)領(lǐng)域玩家快速建立行業(yè)壁壘，形成競(jìng)爭(zhēng)優(yōu)勢(shì)的核心是：一是具備較強(qiáng)的數(shù)據(jù)平臺(tái)與自有數(shù)據(jù)優(yōu)勢(shì)，支撐生態(tài)合作伙伴的數(shù)據(jù)整合，幫助生態(tài)上的合作伙伴的數(shù)據(jù)交換與整合，加速完整的數(shù)據(jù)視圖的構(gòu)建，實(shí)現(xiàn)各場(chǎng)景化數(shù)據(jù)的有效支撐;二是具備較強(qiáng)自有數(shù)據(jù)科學(xué)優(yōu)勢(shì)，與合作伙伴進(jìn)行能力互補(bǔ)，依托合作伙伴垂直領(lǐng)域的專業(yè)性，快速構(gòu)建行業(yè)智能數(shù)據(jù)分析能力，實(shí)現(xiàn)對(duì)多維度數(shù)據(jù)的鉆取，加速?gòu)臄?shù)據(jù)到數(shù)據(jù)價(jià)值挖掘的進(jìn)程;三是具備較強(qiáng)的客戶渠道優(yōu)勢(shì)或品牌優(yōu)勢(shì)，以合作伙伴為應(yīng)用驗(yàn)證場(chǎng)景，加速垂直領(lǐng)域智能數(shù)據(jù)應(yīng)用的形成，快速?gòu)?fù)制并輸出。以Google為例，Google生態(tài)中的Niantic Labs與任天堂的數(shù)據(jù)與技術(shù)合作推出了風(fēng)靡全球的Pokemon go;百度生態(tài)中的百度聯(lián)盟以平臺(tái)為支撐，與廣告生態(tài)商的數(shù)據(jù)合作，形成國(guó)內(nèi)最大的網(wǎng)盟之一;蘋(píng)果移動(dòng)設(shè)備的功能生態(tài)與IBM達(dá)成合作，通過(guò)IBM的集客資源與大數(shù)據(jù)能力，打造更加垂直的商業(yè)應(yīng)功能等等。