一、2017 年概况：行业应用大规模探索，2C 应用大宗泛起
总体而言，2017 年，AI 在各个行颐魅展开了大规模应用探索，并取得了不少突出进展 。
这一年里：人脸识别在各地警方监控、火车机场进出站甚至高�？翁枚蓟竦昧擞τ�；不少医院也开展了图像辅助诊断实验；众多法院引入了 AI 庭审语音转录系统；无人驾驶汽车大规模路测；科技部宣布划分依托 BAT 和讯飞的四大国家新一代人工智能开放立异平台，其中 3 个都是面向行业应用领域 。
虽然在 2017 年人工智能泛起在各行业全面渗透，但真正人工智能在行业的应用，已经生长了许多年 。
最早追溯到 2000 年左右，捷通华声，小i机械人等已经建立，并在连续开展智能客服在行业的应用 。
到 12 年左右，陪同着深度学习的突破，人工智能创业显著加速，Face++ 等一批人脸识别企业开始在金融、安防等领域进行探索 。
这一波人工智能创业在 15、16 年抵达热潮，这两年新建立的企业，占了全部企业的近一半 。
2017 年虽然人工智能看法火热，也曝出多笔大额融资，但新建立企业已经少了许多 。
17 年，在首创公司、至公司的配合推动下，AI 行业应用泛起出全面开花状态 。除了少数做芯片和纯技术的公司，绝大部分 AI 首创公司都在做 AI 的行业应用 。
这些公司中的许多在 16-17 年开始推生产品或解决计划，并将产品推向行业进行试用和连续磨合 。
17 年，随着 AI 的火热，大宗互联网公司和古板行业内提供解决计划的公司，开始在产品中引入 AI 技术，或投入 AI 的研发，技术侧和行业侧开始配合推动 AI 的行业应用 。
17 年之前，AI 的行业应用远离公共认知，17 年直接面向公共的产品开始显著增多 。
之前 AI 的行业应用多集中在金融、安防、医疗等专业领域、专业客户，或以智能客服等公共无感知的形式，效劳于公共生活中个体低频场景 。
17 年，刷脸支付、公交刷脸、AI 翻译、无人店、智能语音音箱等许多直接接触公共的，更高频的 AI 应用开始显著增多，天猫智能音箱销量甚至破百万 。
具体各行业应用中，安防和自动驾驶领域进展较快 。安防领域人脸识别相关技术已经比较成熟，各地警方的使用证实了 AI 的应用价值，大宗安防企业和新建立 AI 企业开始跟进，软硬件一体化解决计划大宗推向市场 。
17 年也有大宗自动驾驶汽车公司获得融资，虽然离最终上路运营另有距离，但路测结果及政策连续利好给了行业很强的信心，资本的热情连续高涨，推动行业快速生长 。
AI 在其它大部分行业都有一些应用，但有些处于零散试点状态，许多则处于和行业具体磨合和探索阶段，要么产品与行业需求不完全匹配，要么产品还比较原始，不可完全抵达行业要求，要么落地时保存种种执行层面种种困难，导致企业难以获得销售收入 。
虽然没有直接数据，但业界普遍流传的说法是，大部分公司 AI 产品或计划 17 年没有几多收入，少部分有收入，但还没实现显著盈利 。
二、至公司、政策、资本、舆论热度是 4 大推动力
2017 年 AI 行业应用之所以取得了不少进展，与这一年里至公司、资本、政府以及舆论的强势推动有很大关系 。
2017 是至公司全面结构 AI 战略的一年，互联网三巨头全面战略入局 AI，投入巨大，百度甚至提出了 ALL In AI 的口号（Bobin 最近又否定了） 。
互联网小巨头京东、头条等，也都搞起了 AI 抢人大战，�？怠⑵桨驳裙虐寰尥�，更是全面拥抱 AI 。
一众巨头的入局，增强了行业信心，教育了市场，加速了 AI 的行业应用速度 。尤其是百度免费开放语音和人脸识别能力，更是加速了 AI 的行业落地 。
政府则是在 17 年密集出台了一系列 AI 相关政策 。据亿欧智库统计，2017 年国家和各省市宣布的涉及人工智能的政策共计 35 条，比 16 年的 17 条增长了一倍 。
其中，仅国家层面的政策就有 10 条，7 月份国务院更是专门印发了《新一代人工智能生长计划》，从国家层面对人工智能工业进行了顶层设计 。政策的出台，为人工智能企业获得政府支持和工业健康生长涤讪了基础 。
资本在这一年的投资也创了新高 。据亿欧智库统计，2017 年全年宣布的融资总额抵达 273 亿元，前三季度投资金额合计就已经凌驾 2016 年全年，商汤、旷视等新一轮融资更是高达数亿美元 。
真格、IDG、立异工厂等多个著名投资机构投资的 AI 项目都凌驾 20 个，足见资本对 AI 的看好 。大笔资金的注入，使得各个 AI 公司弹药富足，为各公司进行行业落地实施涤讪了稳健的资金基础 。
三、从技术角度分成 3 个大类，生长不尽相同
具体到实际落地的种种产品形态看，岂论哪种行业，AI 应用的具体产品形态，都可以凭据其背后主要的支撑技术，或许分成三种：
语音文字处理类：医疗语音纪录、法院庭审语音纪录、AI 写新闻稿、金融智能客服等；
图像与视觉类：自动驾驶、医疗影像诊断、机械判卷、机械人分拣等；
大数据剖析预测类： 智能风控、健康治理系统、案件刑期预测等；
同类技术的产品计划在差别行业应用水平显然差别 。差别行业自己的信息化水平差别，行业对技术指标需求也差别，计划为行业带来的价值差别，行业能够蒙受的本钱也差别，同类技术的产品计划的应用水平肯定也就差别 。
例如同样是人脸识别，刷脸支付对识别准确率和召回率的要求，比店肆会员识别高的多，因此人脸识别在两个行业落地进展差别较大 。
不过从技术生长角度，由于在同一时间下，各个行业间同类技术产品的技术不会有很大差别，故技术原理接近的种种 AI 应用计划，其产品形态和应用成熟水平也会比较接近 。
因此，从技术角度，对 AI 在各行业的应用进行跨越行业的综合判断，仍旧有重要参考意义 。
1.语音文字处理类：进展较快
语音文字类应用，如智能客服、语音转文字、语音助手等，已经在许多领域获得了应用 。语音识别技术已经相比照较成熟，已往几年在非专业领域已经取得了不少应用 。
语义理解方面，相关技术近两年进展并不算突出，要抵达更实用的水平，还需要技术的突破，但智能客服、语音助手等，对技术的要求并不高，所以以目前的技术水平，也取得了一些应用，如执法咨询、金融客服、车载语音设备，智能音箱等 。
值得注意的是，语音文字类应用中，许多应用对技术的要求较高，目前多轮对话和上下文理解依旧是语音文字领域的难题，产品体验很难抵达很好的效果，例如车载语音后视镜，还只能执行简单的问答和操作 。涉及到较多专业名词的语音识别、翻译等，准确率也会显著下降 。
2.图像与视觉类：应用较多
图像与视觉类技术计划中，人脸识别技术已经比较成熟，17 年商业落地较多，尤其是在安防领域 。
AI 摄像头能够显著提高警方在监控中查找嫌疑人的时间，已经成为安防领域的主流产品，未来几年陪同着监控摄像头的更新换代，在各地警方的应用还会越来越多 。图像识别等也在营销领域，如视频电商等领域获得了应用 。
图像处理相关技术，17 年也取得了不小的进展，尤其是图像作风转换等笼统内容处理相关，因为评判标准不太清晰，主观性强，内容逻辑自洽也不强，抵达的效果另有娱乐性，因此获得一些应用 。18 年会有更多的相关功效集成到专业软件中 。
医疗图像诊断、自动驾驶等图像类应用，也有许多公司在开展应用测试 。但这类应用除了技术自己，还涉及到决策问题，影响了落地 。
理论上多变量决策可以由机械学习实现，但决策类应用的要害问题在于，机械并不可获取到全部的决策变量，以及机械决策的结果谁来担卖力任 。医生在对图像的诊断不但依赖于图像，还会结合对病人的实际询问等信息，综合做出判断，这点机械无法做到 。
完全自动驾驶汽车爆发撞人事故后的责任认定问题，也一直是讨论的焦点 。决策类机械不可替代人的情况下，在相关行业的应用价值下降许多 。
更庞大的行为识别等技术，在安防、新零售中也找到了应用偏向，但技术上总体离实际应用另有些距离 �；谛形侗鸬奈奕肆闶郾旮� Amazon Go 刚刚宣布面向民众开放，具体技术水平另有待验证 。
3.大数据剖析预测类：应用较慢
许多行业的 AI 解决计划，都是基于行业大数据，搭建深度网络进行建模，从而对一些指标趋势进行剖析和预测，如智能风控，分级教育，工业设备故障预测等 。
但由于数据缺失，许多预测准确率不高 。即便抵达较高准确率，仍然面临上文提到的机械决策保存的问题等，应用推广有难度 。
不少大数据 AI 公司，实际落地的项目主要也照旧信息化系统或数据的挖掘和可视化部分，基于 AI 的剖析预测在许多平台的占比很小 。
4.AI 落田主要限制因素：行业积累、数据、高本钱
虽然 17 年 AI 在各行业都进行了探索，但除了自己的技术局限，在许多行业，行业积累、数据和高本钱都限制了 AI 在行业的落地 。
医疗、金融、工业等行业，专业度高，要找到AI的正确应用方法，需要在行业有深厚积累，同时又熟悉 AI 技术 。
而市面 AI 公司，要么以技术团队为主，缺乏深厚的行业积累，难以掌握行业需求，并调动足够的行业资源 。要么以行业身世的团队为主，有一定行业资源和理解，但技术实力缺乏够强 。
即便技术团队和行业团队开展相助，产品或解决计划的研发需要的磨适时间很是长，关于许多创业公司而言，团队和投资方的耐心不敷，钱缺乏以支撑恒久研发，急于求成做出来的产品实际上并没有解决行业自己的问题，不被行业所接受 。
数据则是许多 AI 行业应用难以落地的要害 。大宗的行业自己数据积累就缺乏，即便有数据也是凌乱且缺乏标签化，数据位置也很疏散，许多疏散存储在之前的种种信息化系统和软件中，实现跨软件数据对接难度很大 。
有的行业数据虽然多，但由于宁静和商业考虑，很难开放给第三方 。反倒是之前为行业做专业软件和信息化系统的企业，或者自己就拥有数据的行业主体自己，以后基于数据开发 AI 相关功效，要容易的多 。
AI 企业要通过销售产品或效劳变现，就必须解决目今 AI 研发本钱过高的问题 。众所周知 AI 工程师人为普遍很是高，月薪 2 万以上很正常 。
然而 AI 在各行业的应用中，目前以产品形式保存的较少，以整体解决计划保存的较多 。解决计划通常都有定制需求部分，历时也会比较长，如果人员人为很是高，计划总价也会很是高 。
就目前 AI 解决计划对企业地带来的价值并不是很大的情况下，高昂的项目用度是企业难以接受的 。
5.人工智能在行业的应用的最终形态
17 年，人工智能技术在强化学习、迁移学习，生成对抗网络等方面取得了不少进展，但总体看，大部分还都是在现有技术上的延伸，还没取得突破性进展 。
在技术没有质变前，AI 在各行业应用的最终形态已经基本清晰，以后随着技术生长只是慢慢进行实现 。总体来看，AI 在各行业的应用最后或许会泛起 3 种状态 。
第一种状态，一些机械人的应用，分流人的初级事情，减少人员的使用 。
例如智能客服，开端具备了一些智能功效，并不可完全替代人，可是已经能够进行一些简单的问答，帮人过滤掉大宗费时的简单问题，把人类客服的时间留给庞大问题，从而减少客服人员数量 。
由于这类应用节约人力本钱明显，企业接受度比较高，在各个行业已经优先应用起来 。
第二种状态，在现有信息化工具上，引入AI增加一部分智能功效，这也将是 AI 在大部分行业的应用形态 。
大部分行业，已经有了许多很庞大的软件工具，协助人进行事情 。人工智能能够实现的功效，相比于目前种种软件工具的所实现的强大功效，只是九牛一毛 。当许多行业的工具遇到 AI，其结果一定是在现有工具基础上的 AI 增强，而不是全新的工具推翻原工具 。
以图像处理为例，虽然目前的 AI 实现了种种奇特效果，但相比于 Adobe 的 Photoshop 软件里成千上万的图像处理功效，仍不值一提，要基于 AI 重新开发一款软件干掉 PS 显然是不现实的 。
更合理的方法显然是 Adobe 在 Photoshop 中嵌入更多 AI 功效，Adobe 也确实在这样做，18 年 AI 抠图功效就将在新版 PS 中上线 。
第三种状态，基于AI降生一些新的工具，实现一些之前做不到的事情 。
好比：AI 图像诊断等系统推动了分级诊疗；阿里的鲁班系统，实现了千人千面的海报制做；CycleGAN 对图像进行局部替换等古板图像处理软件难以处理的操作；完全自动驾驶实现后，新型交通体系的建立 。不过这部分应用的比例会很小 。
基于这三种应用状态看，AI 除了能推动少部分行业大的厘革（如自动驾驶），对大部分行业而言，既不可大面积替代人，也很难深刻厘革大部分行业 。对大部分行业而言，AI 并不是什么转型升级的良药而是优化，而主要是工具的优化，或部分领域的散点式应用 。
四、18 年 AI+行业应用的一些判断和预测
在已经能够基本判断未来几年 AI 在各行业的应用形态的情况下，对 2018 年的 AI 行业应用形势也有了一些基本的判断：
1.加入主体越发宽泛
之前 AI 行业应用的主体是创业公司，17 年已经有至公司大规模加入进来，18 年开始，陪同着资本和至公司赛道结构的完成，AI 行业应用投资将会变得慎重，创业公司再整体的比重进一步降低，更多的古板企业，甚至个人和喜好者，将成为探索行业应用的重要力量 。
尤其是 Google 开放 AutoML 后，AI 开发的门槛进一步降低，将引发更多人加入到AI应用的探索中 。
2.探索规模继续拓宽
创业公司和至公司主导的 AI 行业应用探索，多面向市场空间大，且盈利预期显著的应用场景，许多细小领域无暇顾及 。所以即便经过了 2017 年一年的热潮，亿欧智库预计，仍有 30% 以上的 AI 行业应用形态未被探索 。
随着加入探索 AI 行业应用主体的宽泛，更多市场不大，甚至难以预见盈利，但确确实实与 AI 有结合的应用场景将被探索和验证 。
3.相当一部分行业应用将被证伪
技术和实施层面的诸多困难，使得相当多的 AI 行业应用恒久以来并没有真正落地，可能以后也很难落地，即便能够落地，不少 AI 解决计划对企业而言，投入产出并不可比例，所以难以推广和复制 。
从事这类应用的企业，18 年将面临难以获得资本继续支持的窘境，部分投资人甚至预计 18 年后半年将迎来 AI 隆冬 。目前市面的种种 AI 行业应用场景中，最后能够落地，让企业维持盈利正循环的，可能不高于 20% 。
一部分 AI 行业应用，例如上文提到的在现有信息化系统上增加智能功效，对行业自己的积累和资源要求高，难以从外部突破，但从行业内部有时机实现 。
这部分应用在 17、18 年或许无法被证明建立，但以后随着行业内部的升级将逐步落地 。这部分可能在目前的种种行业应用中，占比抵达 40% 左右 。
验证建立的领域竞争加剧 。安防等少数被验证建立的领域，17 年已经挤进了大宗玩家，18 年随着市场的逐步扩大，各家将迎来增长，但竞争也将连续加剧 。
自由竞争市场下，行业最终或将导向 7-2-1 的市场花样 。而行业资源依赖较重的领域，原有行业内的企业，仍将占据市场的主体职位 。就像安防市场，如今险些没人相信旷视、商汤们能够摆荡�？怠⒋蠡堑氖性爸拔� 。
4.相比于资本事先于市场节奏，略微落后于市场节奏的政策出台，在 2018 年还将继续下沉和扩展 。
18年还将有更多的省和市出台更具体的 AI 相关政策，但意义并不会很大，狭义的人工智能创业门槛很是高，大部分省市不具备人才和工业基础，公司换都会也是难的 。
不过不少所谓 AI 行业应用企业将借机完成从 2VC 到 2B 到 2G 的华美转身，充分利用政策红利维持企业的继续生存 。
渝公网安备 50010602501773号