巨頭們的AI“奪金”戰：谷歌，微軟還是阿里，騰訊？

在曾經的淘金熱中，賺大錢的不僅是淘金者，還有那些給淘金者賣礦泉水的人。

AI淘金熱潮中，企業和國家都在砸大價錢搶佔市場：谷歌、亞馬遜、微軟和IBM在2016年砸下超過200億美元來打這場硬仗。各個企業一邊爭先恐後地觀察對手，確保能搶先意識到AI的生產力優勢，一邊把眼光瞄準初創公司。

中國在AI上投入了大量資金，而歐盟由於擔心失去在中美的市場份額，也計劃了將差不多220億美元投資於AI。

但正如以往的淘金浪潮一樣，最重要的是誰能真的找到“黃金”。

是那些少數敢於創新的巨頭企業獨佔鰲頭嗎？活躍的初創企業能從中分得一杯羹嗎？或者，提供淘金工具的人獲利最大？究竟誰才會拔得頭籌？以及，AI創造的價值到底在哪裡？

這篇文章將目標對象劃分為7種類型，並嘗試用價值鏈模式來分析，這場AI浪潮中，最可能的贏家是誰：

• 芯片製造商
• 平臺運營商，基礎設施提供商
• 模型和算法提供商
• 企業解決方案提供商
• 最佳垂直行業解決方案
• AI企業級用戶
• 國家

注：以下名單中的企業均代表每一類別中的大型參與者，但並不具有全面性或預測性。

一個AI價值鏈的舉例。其中的企業代表每一類的大型參與者，但不具有全面性或預測性。© Best Practice AI Ltd

AI芯片和硬件廠商？

儘管芯片的價格呈指數級下降趨勢，但我們對於計算能力的需求卻越來越高。AI和機器學習中龐大的數據集，加上數以萬億計的矢量和矩陣運算，都需要強大的計算力。因此，芯片的作用不可忽視。

過去兩年，NVIDIA英偉達的股價上漲了1500％，這得益於其歷來用在高速流暢的遊戲界面上的圖形處理單元（GPU）非常適合機器學習。

與此同時，Google最近推出了第二代Tensor Processing Units（TPU）；微軟正在構建自己的Brainwave AI機器學習芯片；像Graphcore這種籌資超過1.1億美元的創業公司也正努力地進入市場。

而IBM、英特爾、高通和AMD等老牌芯片供應商也並沒有停滯不前。有傳言稱，Facebook也正在組建自主AI芯片的設計團隊。上週，Cambricon（寒武紀）宣佈推出第一款雲AI芯片，標誌其成功邁入世界級芯片廠商之列。

究竟誰才是贏家？在第一場淘金浪潮中，Levi Strauss和Samuel Brannan並沒有親自去開採黃金，而是向礦工銷售開採工具——手推車，帳篷，牛仔褲，鎬和鏟等等

顯然，通過設計、製造，繼而成為全球具有領導者地位的芯片廠商，所需花費的成本非常高，不僅需要雄厚的資金支持，還需要世界一流的芯片和軟件工程師團隊。因此，在芯片領域只有極少數的企業能成為贏家，就像上次淘金浪潮一樣——只有提供價格最便宜、用途最廣泛的淘金工具的那些人，賺得了大部分的錢。

AI基礎架構和雲平臺供應商？

在雲計算領域，AI的競賽同樣在進行。亞馬遜早先就意識到，相比於購買，創業公司會更傾向於租用計算機和硬件，因此在2006年就推出了亞馬遜網絡服務（Amazon Web Services）。如今，AI如此龐大的計算力需求，使公司越來越傾向於通過基礎設施即服務（Infrastructure as a Service）和平臺即用服務（Platform as a Service）租用雲端的硬件服務。

亞馬遜是雲服務領域的領導者，但行業的關注點更多集中在微軟，IBM，谷歌和阿里巴巴。

對於其他科技巨頭，競爭也從未停止。微軟正在提供混合公有和私有的Azure雲服務，據說後臺擁有超過一百萬臺計算機。在過去的幾個星期裡，他們宣佈，其Brainwave硬件解決方案能明顯提升機器學習的速度，並通過這一方案將旗下的Bing搜索引擎性能提升了10倍。谷歌也正通過旗下的Google Cloud產品加快追趕步伐。同時我們還看到，阿里巴巴也開始佔據了一定的全球份額。

大型雲端玩家正在競相確保能夠滿足AI帶來的巨大需求

亞馬遜、微軟、谷歌和IBM將繼續爭奪這一領域的寶座。同時來自中國的的大量雲服務企業正在崛起。在這場爭奪戰中，獲勝者仍然會是行業巨頭們。

最佳算法提供商？

如今，谷歌是世界上最大的AI企業，它擁有全世界最頂尖水平的AI人才，研發預算甚至超過了一些國家的GDP產值，並且坐擁來自數十億用戶的最佳數據集。AI技術被廣泛地用在其搜索引擎、自動駕駛車輛、語音識別、智能推理、大規模搜索甚至藥物發現和疾病研究等多個方向上。

難以置信的是，作為Google所有AI產品原動力的機器學習算法，TensorFlow及其軟件竟是完全免費的。

TensorFlow是一個面向全球的開源軟件項目。Google這樣做的目的何在？答案正如Google Brain負責人Jeff Dean最近所說：世界上有2000萬個機構可以利用機器學習來獲益。

如果其中數以百萬計的公司使用了這套最好的AI軟件，那他們就需要大量的計算力，而誰能提供更好的計算服務呢？旗下的Google Cloud就是針對TensorFlow和相關AI服務的開發的最佳選擇。

所以，一旦依賴上他們的軟件和雲平臺，你就成為了一個粘性客戶。難怪說這是場世界級的殘酷競爭。而其他巨頭們，如亞馬遜、微軟、IBM也都在提供著廉價或免費的AI軟件服務。

同時，競爭不僅侷限在機器學習算法，還包含了用於會話代理（conversational agents）和語音助手的認知算法，自然語言處理（NLP）和語義學，視覺和增強核心算法等多種算法。

在這些日益受到爭議的領域中，一家叫Clarifai的創業公司為企業提供了先進的圖像識別系統，以進行近似重複檢測和視覺搜索。在過去三年裡，該企業已籌集了近4000萬美元。據估計，2016年至2025年期間，視覺相關算法和服務領域的市場收入將達到80億美元。

而巨頭們並沒有停步於此。IBM正在提供Watson的產品和服務，擁有二十多個用於聊天機器人、視覺、語音、語義、知識管理和情感認知的API。這些API可以方便地嵌入企業軟件中來直接創建支持AI應用程序。

同時，認知服務(cognitive service)API也無處不在。KDnuggets在這裡列出了來自巨頭和初創公司的50多種頂級認知服務。這些服務正作為“AI即服務（AI as a Service）”加入到雲平臺中以便調用。

最近，微軟首席執行官Satya Nadella聲稱，有100萬名開發人員正在使用雲端的API，服務和工具來構建AI應用程序，同時近30萬名開發人員正使用這些工具來開發聊天機器人。這樣龐大的團隊，讓任何的創業公司都望而卻步。

因此，這個領域的贏家很有可能再次落戶在巨頭中。

畢竟，巨頭企業能聘請最優秀的研究人才和工程人才，能投入鉅額資金，還能獲得龐大的數據集。

而初創公司想要蓬勃發展，必須要有充分的資金支持，具有豐富的相關專利，僱傭有科研論文背景的領導性人才，還得獲取高質量的數據集。除此之外，他們還需要在大企業的夾縫中生存，或者擁有業務全球化的能力。

關於初創公司失敗的實例有不少，而真正存活下來的，都是能將業務全球化，或被巨頭收購的。因此，即便初創公司尚未找到商業化的途徑，若能致力於通過強大的研究團隊來開發AI算法，也有被因人才而被巨頭收購的希望。例如在2014年，谷歌花了4億美元收購了DeepMind公司。這是一家來自於倫敦的公司，僅成立了兩年，但卻開發出了獨特的強化機器學習算法。

最佳的企業解決方案提供商？

企業的軟件市場被Salesforce、IBM、Oracle以及SAP等巨頭壟斷了。這些企業都意識到將AI整合到產品解決方案中的必要性。但是許多初創企業正加速佔據企業服務市場，它們正在填補現任巨頭們沒能涉足的份額，甚至試圖搶奪巨頭們的立足之地。

我們分析了超過200個公司的案例：從客戶管理到市場營銷，從信息安全到智能應用，從人力資源到最近大火的認知機器人流程自動化（Robotic Process Automation，簡稱RPA）。企業解決方案市場相比以前開放得多，有各式各樣的初創企業在以上這些領域裡提供各種細分市場的解決方案。如今，在招聘市場就有超過200家AI驅動的企業，其中很多都是初創公司。

信息安全的領軍企業DarkTrace以及RPA領跑者UiPath已經籌措到了一億美元的資金。這些巨頭們希望確保自己在生態系統中的不敗之地，也正在投資有利於它們解決方案的創業公司。

Salesforce投資了Digital Genius（一家客戶管理解決方案提供商）以及Unbable（一家提供翻譯服務的企業）。高處不勝寒，巨頭們往往面臨著更大的壓力。

例如SAP，正採取各種補救措施，想在雲計算市場和AI市場中佔據一席之地，在AI市場也是同樣。同時，工具提供者們也都在盡力簡化開發、部署以及管理企業AI服務的任務流程。

譬如機器學習訓練就是一個非常“髒”的活，80%的時間可能都得用於數據清洗，也得花費過多的時間用於測試並校準所謂的超級參數。Pettum，一家位於美國匹茲堡的工具廠商，已經籌集了超過一億美金用於加速和改善機器學習模型的部署過程。

企業AI解決方案將驅動客戶服務及生產效率的提高

大多開展企業服務的初創企業都能健康的發展，前提是它們能夠迅速推出能夠切實滿足企業需求、並且能夠規模化的解決方案。但正如歷史上軟件的淘金熱一般，在每個細分領域中只會出現少數幾個贏家。

而這些細分領域的贏家們如果威脅性足夠大，將有可能和該領域中的最棒的工具提供商一起被巨頭收購。

最佳垂直行業解決方案供應商？

AI領域中正發生一場最佳垂直行業解決方案的比賽。有大量的AI初創公司在企業服務領域中提供解決方案，包括健康醫療、金融服務、農業、汽車、法律法規以及工業領域。

而且，許多創業公司都選擇了極具挑戰且野心勃勃的路線：通過直接對同樣的客戶提供服務來爭奪主要企業方案提供者們的位置。

新AI行業解決方案對組織來說，可能是強心劑，也可能是毀滅者

顯而易見，許多初創企業都提供了非常有價值的細分解決方案，並且在滿足了以下條件之後，極有可能獲得成功：

• 大型的專屬訓練數據集；
• 可以幫助發掘某領域潛在機會的專業知識和深度洞察力；
• 懂AI技術的人才資源庫；
• 可以支持迅速增長的足夠資金。

除此之外，那些表現還不錯的初創企業一般都會在市場計劃中使用企業商業語言，例如消費者、商業效率、ROI等。

譬如，ZestFinance已經籌措了三億美元。這家公司通過給每個人提供合理透明的信用信息，從而幫助客戶做出更明智的信貸決策。ZestFinance聲稱他們有世界上最好的數據科學家。

但誰知道呢？對於希望爭奪現有企業玩家們生存之地的初創企業而言，一個充足的、持續不斷的資金來源非常重要。例如Affirm公司，一家在銷售階段給消費者提供貸款的企業，已經籌集了超過7億美元。對於這些公司迫在眉睫的事情，是在於建立夠結實的“戰壕”，從而保證它們的競爭優勢。

這可以來源於數據網絡效應，即更多的數據助力於更好的AI服務、AI產品，從而獲得更多的收入和客戶，促進數據的再增長。如此以往，飛輪效應就能不斷積累。

哪家公司能真正獲取AI價值？

企業有可能在行業中通過尋找新的廠商，使用AI解決方案來擴展業務範圍，但是它們絕不會坐以待斃，讓新人操控它們的消費者。同樣，它們也不會坐等競爭者們使用AI技術獲得市場優勢。

現如今，大型企業們都創建了專門的投資團隊，試圖分一杯初創企業的羹，比如建立企業孵化器，甚至是成立自己的創業公司，以保證它們在AI驅動的創新中保有領導者地位。

通過改良的客戶服務、提高的生產效率以及進步的產品與服務，企業們都身處其位、充分利用AI技術

相較於初創企業與小型企業，大型企業因為有了充足的數據資產得以佔據優勢地位，因為數據就是AI技術和機器學習的燃料。誰能比擁有了巨量理賠歷史數據的保險公司更能充分利用AI呢？諸如瞭解消費者金融產品購買行為偏好的金融服務公司、擁有用戶搜索數據的搜索引擎公司，也無人能出其右。

大型、小型企業都做好了準備，從AI技術中獲取儘可能多的價值。事實上，Gartner研究預測，到了2022年，AI驅動的商業價值有望達到3.9萬億美元。

即使沒有上千個，但至少上百個AI應用於組織的企業案例是存在的。企業可以藉助AI改善他們的消費者體驗、節約成本、降低價格、促進增長以及提供更好的產品和服務。

AI能夠幫助大企業變得更大，當然，是以小公司的犧牲為代價。但是，這一切都是以它們的遠見卓識、執行力、同時不做第一個吃螃蟹的忍耐力（即不要總是第一個嘗試新技術驅動的項目）。

哪個國家將從AI獲益最多？

國家也處在AI之戰中。中國從不吝嗇在AI上的投資，在培養技術人才及發展創業公司上投資巨大，同時國內相對寬鬆的政策環境，尤其是在數據隱私方面，也幫助中國在AI領域中獲得優勢地位，譬如信息安全和臉部識別領域。

最近，中國警方就通過AI技術在一場五萬人的音樂會中識別出了目標人物。

大量進行臉部識別及圖像識別的商湯科技有限公司表示，他們已籌到6億美元，成為了全球最有價值的AI初創企業。中國指出，其國內的移動市場規模是美國的三倍，同時發生的移動交易是50倍——這是巨大的數據優勢。專注於數據隱私政策的歐洲在AI的某些領域中，將把自己放在不利地位，即使歐盟正在討論220億美元AI投資的可能性。

英國、德國、法國以及日本最近都宣佈了它們的國家AI戰略。譬如，法國總統馬可龍就說，法國政府接下來五年將會花費18.5億美元支持建立AI生態系統，包括大型公共數據集的建立。

而Google的DeepMind以及三星已經承諾將成立新的巴黎實驗室，富士通也正在擴張其在巴黎的研究中心。英國也宣佈了14億的AI投資，包括對1000個AI博士的資助。

問題在於，這麼多國家都在對AI人才以及生態系統進行投資，誰會笑到最後？

AI的確會促進國家和企業的生產力和財富增長，但是當我們看到30%到40%的工作將被機器所取代時，我們不禁會想：未來的財富將如何分配？

經濟學家會引用上百年前不斷增長的自動化技術作為解釋，但最終這場技術革命的結果是工作機會的淨增長還是淨減少？

在公眾討論中，人們常常引用機器學習之父Geoffrey Hinton的話：放射科醫生將會失去工作，因為機器能從醫療照片中診斷疾病。

但同時，我們也應該把注意力轉向中國，他們用AI技術成功幫助放射科醫生每年從14億CT掃描像中識別肺癌，滿足了巨大需求。

結果並不是工作機會的喪失，而是更加高效、更加準確的診斷，最終市場將會擴張。

不可否認的是，未來可能會有一段劇變時期，掌控了AI技術和數據的企業和國家將籠絡大部分價值，而技術欠缺的國家將不得不承受由AI自動化而帶來的失業之痛。能從AI技術中獲益的，將是擁有高水平技術的大型組織。