人工智能产业链的商业模式

一个市场的形成会经历若干阶段,每一个阶段的环境造就不同的利润。

持有以上观点的一些探讨,AI大神吴恩达在一次访谈中提过:

  • 一个新科技的出现要掐着时间,不能太早也能太晚。比如说iphone,2007年才是它发布的正确时间,而不是在1993年,因为那时的芯片,电池,屏幕技术还没到位。
  • 另外一个极端的例子是达芬奇发明直升机,他发明直升机的时间是1480年代,而飞机引擎技术在1900年代才出现。
  • 还有自动驾驶技术,2007年研究自动驾驶技术还太早,因为AI要用到的传感器还没生产出来。2015年以后,整个自动驾驶的生态系统才算比较完善。
  • 同样在1990年代,网络,视频流还不足以支撑慕课问世,到2011年,整个网络基础建设才为在线视频教育提供了较好的环境。
  • 深度学习也是,90年代数据/计算比较小,浅层算法效果更好。从2007开始,有了大数据做基础,深度学习才取得了更好的效果。
  • 但是,我们还是要感谢历史中所有的革新者,包括早期的那些人,他们的工作对后来的发展进步也非常具有影响和帮助。

历史的条件具备,所谓天时。
产业链中的公司要赚钱,一定要等到市场环境成熟。 
人工智能的目前的公司:

第一类是互联网巨头,包括“超第一梯队”的跨国公司Google和微软亚洲研究院,以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯;以及第二梯队的今日头条和滴滴等公司。
第二类是人工智能创业公司,以某种人工智能技术为主营业务的创业公司,典型的如自动驾驶领域的Momenta、地平线、驭势科技;视觉识别领域的格灵深瞳、商汤科技和旷视科技等。
第三类是将人工智能融入到自身业务中的其它创业公司,如学霸君、泼辣熊和智齿科技等。
目前我们所见到的风口上的几家技术层公司,大多属于学院派,无论是提供服务还是软件授权,收益都是极其有限的。
人工智能产业链的公司靠什么存活?

人工智能产业链非常庞大而且一直在演变,每一次的演变都有有相应的设备基础支撑.
1.人工智能市场总览
自下而上可以分为三类,我认为最早赚钱的一波公司就是硬件公司,比如之前GPU运算爆发的英伟达,其次数据采集公司,其次是应用公司。

BCG人工智能产业链格局

A. 人工智能【基础层】:主要以硬件为主
1. 运算芯片:GPU\TPU\FPGA等 2. 终端数据采:摄像头\麦克风\智能运动佩戴(心率、血压)等等 3. 终端数据传输:Lora、NB-iot、BLE、WIFI、3G/4G等 4. 云计算:BAT、IBM、亚马逊、华为、微软等公司的云服务 5. 用户行为大数据:BAT、京东、新浪、今日头条等用户数据 6. 行业大数据:社保、医疗、政府的工商农建行业数据等 7. 智能终端:智能手机(很难想象,但是确实是组成之一)
B. 人工智能【技术层】:主要以机器学习、语音、自然语言处理、计算机视觉
1. 机器学习(深度学习):模型的建立和数据训练 2. 语音及NLP处理:语音识别和解析,等 3. 计算机视觉:图片识别、分类及解析、人脸识别、物体识别
C. 人工智能【应用层】:
人工智能行业细分为13类:

深度学习/机器学习(通用):这类公司主要建立可依靠现存数据进行学习的算法。典型例子包括预测数据模型与分析行为数据的软件平台。

深度学习/机器学习(应用):这类公司同样使用计算机算法,但却是基于非常垂直的特殊案例中存在的数据运行。典型例子有利用机器学习技术侦查金融诈骗或者识别最好的销售线索。

自然语言处理(通用):此类公司构建的算法能够处理输入的自然语言,并将其转化为可理解的表达。例子包括文本自动生成以及文本挖掘生成数据。

自然语言处理(语音识别):公司产品能够处理人类语音的片段,准确识别单词并推测含义。典型的例子是语音指令的检测并将其转化为可执行的数据。

计算机视觉/图像识别(通用):这类公司研发的技术主要是图像处理、分析,可从中提取信息、识别图像中的物体。典型例子包括图像搜索平台和研发员使用的图像标签应用程序接口。

计算机视觉/图像识别(应用):这类公司是在非常垂直的案例中使用图像处理技术。典型案例包括面部识别软件和能让用户通过拍照搜索商品的软件。

手势控制:公司产品可让用户通过手势与计算机互动或交流。典型例子包括让人们通过肢体动作控制游戏角色的软件以及仅用手势就能控制计算机和电视的软件。

虚拟私人助手:这是一类基于反馈和指令来为个体完成日常任务和服务的软件助理。典型例子有网络客服助理和个人助理app,管理个人日程安排等。

智能机器人:可以进行经验学习并根据身边环境自主进行活动的机器人。典型例子有家庭机器人,可以在互动中根据情感做出反应,还有帮助人们找到商品的销售机器人。

推荐引擎和协助过滤算法:软件能够预测用户对电影、餐厅等的偏好,并推荐个性化的内容。典型例子有音乐推荐app和基于用户过去选择进行推送的美食推荐网站。

情境感知计算:软件能够自动感知周围环境以及使用背景,例如位置、方向、光度,并以此调整行为。典型例子包括感知环境的黑暗度并调高亮度的应用。

语音翻译:识别人类语音并立刻自动从一种语言翻译至另一种语言的软件。典型例子是自动以及实时的将视频谈话或网络研讨会翻译为多种语言的软件。

视频内容自动识别:这类软件可以将视频内容的一个样本与源内容文件相比较,通过它独特的特点识别内容。典型例子有对用户上传的视频与版权视频文件比较以侦测是否侵权的软件。

从变现赚钱能力来看不同产业链的变现能力如下:

解决方案是大部分公司最容易进入,而且最快可以变现的部分。其次就是大数据:但是大数据的进入门槛基本已经被垄断。通用技术和算法框架:这个类比较尴尬,来钱慢,对技术要求也要高。应用平台:API接口调用,各种开发者生态群落.

人工智能的产业常见商业模式

过去数十年的互联网及新科技产业无非以下四种商业模式:

人工智能公司常见变现模式如下:

实际上人工智能产业中盈利部分大多数来自项目,比如人脸识别+,图像识别加+,但是盈利非常弱。
相关内幕(人脸识别公司):

以Y公司的几个项目中标金额看:多个银行项目1元中标,国家项目免费做。Y公司2016年去年营业额2000万,开销6000万,净亏4000万。

以K公司的在线API为例,全年API调用付款不到3000万次,每次0.1元,收益大概300万。K公司去年营业额1250万,开销3500.

以S公司的集成授权为例,全年的项目集成不超过80个,很多还是免费提供技术,S公司2016年除了几个APP公司给的一些合作费用,总计收入不到1000万,开销6500万。大部分是亏得不要不要的。

那么整体人工智能行业并不赚钱,那么人工智能从业人员的高薪是谁支付的?
很多人说,不靠B,不靠C,靠VC存活。
与所有风口吹泡泡的故事一样,资本再次充当了那个“老好人”的角色。
从2016到2017年,国内投资过人工智能领域的机构多达145家,而无论是否投资过人工智能企业,几乎所有投资机构在公开场合都认为:人工智能的确是未来,只是在未来有多远,以及如何估值这个问题上存在一定疑问。 以学术水平论估值,是正在布局这个行业的一些VC的基本逻辑。
人工智能这一波的猛烈炒作,实际上炒作的这些标志性公司大多属于技术型公司,并没有太好的变现渠道,真正在赚钱的公司都是一些行业的垂直应用公司(解决方案公司),而且完全不知名。这波炒作的公司在后面的篇幅会单独介绍。

人工智能产业链代表性公司(以下非全面数据)

基础层(按技术层级从上到下,下同)

计算能力层:大数据、云计算、GPU/FPGA等硬件加速、神经网络芯片等计算能力提供商 数据层:身份信息、医疗、购物、交通出行等各行业、各场景的一手数据。

框架层:TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系 统 算法层:机器学习、深度学习、增强学习等各种算法 通用技术层:语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件。

人工智能产业链的商业模式8.jpg (64.6 KB, 下载次数: 0)

下载附件

昨天 15:15 上传

应用平台层:行业应用分发和运营平台,机器人运营平台 解决方案层:智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用,人工智能产业链中,基础层是构建生态的基础,价值最高,需要长期投入进行战略布局;通用技术层是构建技术护城河的基础,需要中长期进行布局;解决方案层直戳行业痛点,变现能力最强.