對當?shù)蒯t(yī)院的放射科覺得可憐？沒錯，他們也許有一個很好的MRI機器和強大的軟件來生成圖像。但那是機器陷入困境的地方。放射科醫(yī)師必須找到并閱讀患者的檔案，檢查圖像才能做出決定。如果人工智能(AI)能夠通過啟用實時和更準確的診斷或指導(dǎo)，超出人眼所能看到的東西，那這一過程會怎么樣呢？

　　得益于過去幾年的技術(shù)進步，制造商已經(jīng)接近提供這種領(lǐng)先的MRI解決方案。事實上，他們正在探索幾乎涵蓋從工業(yè)到公共部門的所有主要行業(yè)的新AI應(yīng)用。隨著更好的算法和更多的數(shù)據(jù)存儲，計算機的計算錯誤率現(xiàn)在常常與人類的圖像識別和其他一些認知功能類似或更好。硬件性能也大幅提升，機器可以處理這種前所未有的數(shù)據(jù)量。這是AI模型精度提高的主要推動力。

　　在人工智能中，深度學習(DL)代表了未開發(fā)潛力最大的領(lǐng)域。這項技術(shù)依賴于復(fù)雜的神經(jīng)網(wǎng)絡(luò)，它使用各種架構(gòu)來處理信息，這些架構(gòu)由層和節(jié)點組成，這些架構(gòu)可以近似大腦中神經(jīng)元的功能。網(wǎng)絡(luò)中的每一組節(jié)點都執(zhí)行不同的模式分析，從而使DL能夠提供比早期AI工具更為復(fù)雜的見解。隨著這種復(fù)雜性的提高，對尖端硬件和軟件的需求也越來越大。

　　對AI的巨大潛力越是了解，領(lǐng)先的高科技公司就已經(jīng)在早期采取行動來贏得這個市場。但這個行業(yè)還處于萌芽階段，尚未出現(xiàn)明確的成功秘訣。那么，企業(yè)如何獲得價值并看到他們巨大的AI投資回報呢?

　　我們的研究以及與人工智能最終客戶的互動表明，一旦塵埃落定，六條原則就會成為現(xiàn)實。首先，價值捕獲最初將限制在消費領(lǐng)域，企業(yè)將通過關(guān)注行業(yè)“細分領(lǐng)域” —— 特定行業(yè)內(nèi)的特定用例來實現(xiàn)最大價值。我們對技術(shù)堆棧的分析也表明，機會會因?qū)哟味兴煌?，而且最成功的公司通常會通過合作或收購來追求端到端的解決方案。對于某些硬件公司來說，在經(jīng)歷了多年對軟件傾向的投資者的興趣減退之后，人工智能可能代表著財富的逆轉(zhuǎn)，再加上大量商品化降低了利潤率。我們相信人工智能的出現(xiàn)帶來了重大機遇，在云和邊緣解決方案產(chǎn)生了強大的終端客戶需求。但我們最重要的一點是公司需要迅速采取行動。那些現(xiàn)在大舉押注并徹底改變傳統(tǒng)戰(zhàn)略的人將會成為贏家。

　　AI市場必不可少的細節(jié)

　　盡管大肆宣傳人工智能，但即使是最無畏的分析師和投資者，市場也可能會受到驚嚇。業(yè)界沒有出現(xiàn)技術(shù)堆棧的標準定義，因此很難理解擁擠的競爭領(lǐng)域。在數(shù)百家爭奪市場份額的公司中，誰提供了什么？

　　為了讓看似混亂的供應(yīng)環(huán)境更加清晰，我們將機器學習(ML)和DL技術(shù)堆棧分為九層，包括服務(wù)，培訓，平臺，接口和硬件(圖1)。一些公司正在進行多層次的競爭，而其他公司則只關(guān)注一兩個。正如我們稍后會討論的那樣，那些將注意力集中到特定層次的公司可能會發(fā)現(xiàn)自己處于劣勢。

　　邊緣和云解決方案

　　傳統(tǒng)上，大多數(shù)AI應(yīng)用程序都駐留在云端 —— 一個遠程服務(wù)器網(wǎng)絡(luò) —— 用于培訓和推斷。然而，對于微秒級的延遲是關(guān)鍵任務(wù)的應(yīng)用程序來說，邊緣的推斷將變得越來越常見。例如，對于自動駕駛汽車，制動或加速的決定必須發(fā)生在接近零的等待時間，從而在邊緣推斷最佳選擇。邊緣計算也將成為隱私問題和數(shù)據(jù)帶寬最為重要的應(yīng)用程序的首選，例如啟用了AI的CT掃描診斷。邊緣計算的發(fā)展將為技術(shù)堆棧中的所有參與者創(chuàng)造新的機會，尤其是硬件開發(fā)人員。

　　我們關(guān)于AI未來的核心理念

　　AI被定位為顛覆我們的世界。麥肯錫全球研究院估計，自動化和人工智能的快速發(fā)展將對我們的工作方式和生產(chǎn)力產(chǎn)生重大影響。為了在這個不斷增長的市場中獲得價值，公司正在嘗試不同的策略，技術(shù)和機會，所有這些都需要大量投資。雖然很多不確定性仍然存在，但但關(guān)注以下幾點的公司將更有可能勝出。

　　1.價值捕獲最初將在消費部門受到限制

　　第一批消費者AI產(chǎn)品具有共同特點：它們增強了產(chǎn)品，但并未直接對底線做出貢獻。其中大部分來自大型知名科技公司，其中包括一些在線翻譯和照片標記服務(wù)，或手機上的數(shù)字語音助理。這種產(chǎn)品增強功能絕對會吸引消費者，例如，他們可能會增加某人在網(wǎng)站上花費的時間，但這不會直接提高銷售額或收入。如果小公司創(chuàng)造類似的產(chǎn)品，他們通常會發(fā)現(xiàn)銷售有限或根本不存在，因為消費者傾向于免費解決方案。大型公司還可以訪問更大量的消費者數(shù)據(jù) ——堪稱AI的命脈 —— 這使他們能夠為消費者開發(fā)更準確、更具洞察力的AI解決方案。隨著大型公司的免費產(chǎn)品贏得大部分市場份額，在即時消費領(lǐng)域，AI價值捕獲將受到限制。

　　然而，未來可能并非如此，因為更新的收費產(chǎn)品正在進入市場，包括家庭助理。隨著汽車制造商和其他公司推出新產(chǎn)品，下一輪消費者AI將會看到更多創(chuàng)新。以自動駕駛汽車為例，一些消費者可能滿足于AI能夠?qū)崿F(xiàn)自動制動的車輛，但其他人則需要更多功能，例如完全自駕車功能，即使他們必須支付額外費用。

　　2.企業(yè)優(yōu)勝者將專注于最有前景行業(yè)的細分領(lǐng)域

　　我們對麥肯錫全球研究院數(shù)據(jù)的早期分析，結(jié)合專家訪談和研究，揭示了主要行業(yè)中近600種不同AI用途。其中，大約400個需要某個級別的ML，300個需要DL功能。許多最有趣的AI應(yīng)用程序仍處于試驗階段，尚未大規(guī)模部署。以下是一些AI應(yīng)用程序，由于其強大的視覺感知和處理能力，未來幾年可能會出現(xiàn)高需求：

　　政府可以使用AI來掃描視頻并識別公共場所的可疑活動，或者應(yīng)用AI算法來檢測潛在的網(wǎng)絡(luò)攻擊。包括無人機在內(nèi)的許多軍事應(yīng)用也依賴人工智能。除了安全性之外，人工智能在交通控制中發(fā)揮著重要作用，包括傳感器和攝像頭，它們允許光信號根據(jù)道路上的汽車數(shù)量改變其時間和順序。

　　與公共部門一樣，銀行也開始使用人工智能來檢測可疑行為，例如提示洗錢的模式。人工智能算法還可以幫助處理交易和做出決策，通常比人類員工更準確。例如，人工智能算法可能會揭示某些被忽視的特征，而這些特征會增加特定交易欺詐的可能性。

　　在零售業(yè)內(nèi)，人工智能已經(jīng)在幫助進行盜竊檢測，并可能進一步增強自動結(jié)賬功能。一些零售商正在試行使用攝像頭和傳感器來檢測購物者何時從商店取貨或退貨的系統(tǒng)?？蛻綦x開商店后，他們的賬戶將收取總額。其他零售商使用店內(nèi)視頻來優(yōu)化銷售人員的覆蓋面。如果相機在顯示屏之前檢測到購物者徘徊，系統(tǒng)會通知相關(guān)人員提供幫助。未來，我們可以看到這方面的更多改進，包括通過查看各種特征(面部表情(作為情緒的指示符)，服裝和同伴數(shù)量)來識別具有高購買潛力的顧客的AI系統(tǒng)。然后，他們可以向店員提醒店內(nèi)這些顧客的位置。

　　在公司決定哪些機會可以追求的時候，面臨著艱巨的任務(wù)，但他們可以通過結(jié)構(gòu)化的方法縮小選擇范圍。 第一步涉及選擇行業(yè)焦點。 確實，公司的專長和能力會影響這一決定，但參與者還應(yīng)該考慮行業(yè)特征，包括行業(yè)的規(guī)模。 同樣重要的是一個行業(yè)內(nèi)部可能出現(xiàn)的混亂情況，我們通過查看AI使用案例的數(shù)量，啟動股權(quán)融資以及AI的總體經(jīng)濟影響來進行評估，這種評估被定義為解決方案降低成本，提高生產(chǎn)力的程度 或者在各種應(yīng)用的回顧性分析中以其他方式受益。 經(jīng)濟效益越好，客戶支付AI解決方案的可能性就越大。 圖表2顯示了我們?yōu)?7個行業(yè)編制的AI相關(guān)指標數(shù)據(jù)。

　　正如AI價值因行業(yè)而異，成熟度也一樣。 例如，工業(yè)部門可能從AI中獲益匪淺，但成員公司并沒有像汽車行業(yè)的同行那樣愿意接受這些解決方案。 對于AI產(chǎn)品和服務(wù)的生產(chǎn)商來說，這意味著價值捕獲將是錯開的，一些行業(yè)最初產(chǎn)生的回報高于其他行業(yè)。

　　當我們考慮與成熟度相關(guān)的價值時，很明顯幾個行業(yè)現(xiàn)在為人工智能提供了最強大的機會：公共部門，銀行，零售和汽車(圖表3)。 盡管在政府削減預(yù)算的時代，公共部門的突出地位似乎令人驚訝，但許多官員認為人工智能在提高效率和功效方面的價值，并愿意提供資金。 當他們計劃人工智能策略時，供應(yīng)商應(yīng)該將投資集中在愿意成為第一個多米諾骨牌的AI解決方案的潛在消費者身上。

　　行業(yè)細分。一旦公司選擇了一個行業(yè)或幾個行業(yè)作為他們的重點，他們就必須進一步選擇特定的用例 —— 我們稱之為行業(yè)細分—— 他們將集中注意力。買家對AI沒有興趣，只是因為它是一項令人興奮的新技術(shù)，相反，他們希望AI通過解決特定問題，節(jié)省成本或增加銷售量，產(chǎn)生穩(wěn)固的投資回報(ROI)。例如，希望減少機器停機時間的制造工廠不會簡單地尋找在工業(yè)領(lǐng)域眾所周知的AI供應(yīng)商;它將改為尋求具有成熟的預(yù)測性維護專業(yè)知識和解決方案的公司。如果一個AI提供商試圖提供一個水平解決方案 —— 一個客戶可以在各種不相關(guān)的用例中應(yīng)用的解決方案 —— 價值主張就不那么引人注目。最終客戶會質(zhì)疑解決方案的投資回報率是否值得其更大的花費，特別是如果它適用于他們認為不重要或不相關(guān)的幾個用例。

　　3.公司必須擁有端到端解決方案才能贏得人工智能

　　為了贏得人工智能，企業(yè)必須提供或協(xié)調(diào)跨9個技術(shù)層面的端到端解決方案，因為許多企業(yè)客戶難以實施零散的解決方案。例如，一家醫(yī)院更愿意購買一臺包含MRI設(shè)備和人工智能軟件的診斷系統(tǒng)，而不是單獨獲取這些組件，然后嘗試使它們一起工作。除了提高銷售額之外，采用端到端解決方案的供應(yīng)商可以在客戶中占據(jù)戰(zhàn)略立足點并加速采用。例如，英偉達將Drive PX平臺作為一個模塊提供，而不僅僅是一個芯片，為自動駕駛提供端到端的解決方案。該平臺結(jié)合了處理器，軟件，攝像頭，傳感器和其他組件，以提供汽車周圍環(huán)境的實時圖像。它還可以在地圖上識別其位置，并為車輛規(guī)劃安全路線。

　　大型硬件和軟件公司往往通過收購其他公司來擴大他們的人工智能投資組合。雖然交易在各行各業(yè)都很常見，但由于需要端到端的解決方案，因此在AI內(nèi)更為普遍。自2012年以來，已有250多家涉及擁有人工智能專業(yè)知識的私人公司被收購，其中37家發(fā)生于2017年第一季度。為了與這些巨頭競爭，許多初創(chuàng)企業(yè)正在開展合作，將自己定位為人工智能解決方案的系統(tǒng)集成商。

　　4.在AI技術(shù)堆棧中，大部分價值將來自解決方案或硬件

　　在AI技術(shù)堆棧中，我們對未來趨勢的分析表明，每一層都將直接產(chǎn)生不同數(shù)量的利潤或價值。大部分價值將集中在兩個領(lǐng)域(圖表4)。首先，有些令人驚訝的是，考慮到行業(yè)趨勢，許多最佳機會將來自硬件(頭節(jié)點，推斷加速器和培訓加速器)。我們共同估計，這些組件將占AI供應(yīng)商總價值的40%至50%。

　　盡管硬件已經(jīng)在許多其他領(lǐng)域商品化，但這種趨勢不會很快達到人工智能，因為針對每個細分行業(yè)問題進行優(yōu)化的硬件，將在考慮總體擁有成本時提供更高的性能，而不是普通用途的商用硬件中央處理單元(CPU)。例如，針對卷積神經(jīng)網(wǎng)絡(luò)進行優(yōu)化的加速器最適合圖像識別，因此將由醫(yī)療設(shè)備制造商選擇。但是針對長短期記憶網(wǎng)絡(luò)優(yōu)化的加速器，更適合于語音識別和語言翻譯，因此會吸引復(fù)雜的虛擬家庭助理的制造商。由于每個用例需求略有不同，每個用例都需要部分定制的硬件。

　　在另一種與標準不同的模式中，軟件(定義為平臺和界面層)不可能成為AI唯一的長期差異化因素。從DL加速器的出現(xiàn)可以看出，硬件本身或與軟件相結(jié)合可能會顯著提高性能，例如降低延遲或功耗。在這種環(huán)境下，參與者需要對硬件選擇進行選擇。

　　AI解決方案的另外40%至50%的價值將來自服務(wù)，其中包括解決方案和用例。系統(tǒng)集成商通常可以直接訪問客戶，通過將解決方案集中在所有層的堆棧上，可以獲得大部分收益。

　　在不久的將來，AI堆棧的其他領(lǐng)域?qū)⒉粫a(chǎn)生太多利潤，盡管它們可能會產(chǎn)生間接價值，從而推動DL生態(tài)系統(tǒng)的增長。例如，數(shù)據(jù)和方法(培訓的兩個要素)現(xiàn)在只能提供典型AI供應(yīng)商高達10%的價值。出現(xiàn)這種模式是因為大多數(shù)數(shù)據(jù)來自AI解決方案的最終用戶，而不是第三方提供商。數(shù)據(jù)市場最終可能會出現(xiàn)在消費者和企業(yè)領(lǐng)域，然而，使得這一層的堆棧在未來更具吸引力。

　　5.特定的硬件架構(gòu)將成為云計算和邊緣計算的關(guān)鍵區(qū)別

　　隨著人工智能的發(fā)展，硬件再次成為時尚，在軟件吸引了大部分企業(yè)和投資者的興趣之后。我們與終端用戶的討論表明，對云計算和邊緣解決方案的興趣會很強烈，這取決于用例。鑒于其規(guī)模優(yōu)勢，云計算將繼續(xù)成為許多應(yīng)用程序的青睞選擇。在云硬件中，客戶和供應(yīng)商在圖形處理單元(GPU)方面對特定應(yīng)用集成電路(ASIC)技術(shù)的偏好有所不同，市場可能依然分散。

　　也就是說，我們還看到，在低延遲或隱私問題至關(guān)重要的邊緣，或者連接有問題時，推斷的重要性和日益增長的作用。在邊緣計算，ASIC將贏得消費者空間，因為它們?yōu)樵S多應(yīng)用提供更優(yōu)化的用戶體驗，包括更低的功耗和更高的處理能力。企業(yè)優(yōu)勢將看到現(xiàn)場可編程門陣列，GPU和ASIC技術(shù)之間的良性競爭。然而，由于ASIC具有出色的每瓦性能，因此ASIC可能具有優(yōu)勢，這在性能上至關(guān)重要。我們認為，當需求水平足夠強勁以證明其高昂的開發(fā)成本時，他們可以支配特定的企業(yè)應(yīng)用。

　　6.市場正在騰飛 —— 企業(yè)需要立即采取行動，重新評估現(xiàn)有戰(zhàn)略

　　雖然科技公司可能不知道人工智能需求是如何演變的，但他們認識到了DL內(nèi)部的巨大機遇，并希望獲得它。隨著技術(shù)的不斷發(fā)展，以及多個參與者實施截然不同的策略，成功的秘訣仍不確定。

　　大公司已經(jīng)開始采取行動，主要業(yè)務(wù)方向與當前的智能背道而馳。僅舉一個例子，英偉達在2012年至2016年每年將AI的研發(fā)支出增加了約8%，達到13億美元(圖表5)。這些成本約占英偉達總收入的27%，遠高于同行平均值15%，這表明英偉達愿意采取與許多正在積極削減研發(fā)支出的半導(dǎo)體公司不同的途徑。英偉達還采取了大量措施，創(chuàng)建專注于GPU的端到端產(chǎn)品生態(tài)系統(tǒng)。該公司正在積極地為開發(fā)人員提供使用DL的GPU所需的技能，資助初創(chuàng)公司擴大DL的GPU使用范圍，形成合作伙伴關(guān)系以創(chuàng)建包含其產(chǎn)品的端到端解決方案，并增加GPU驅(qū)動應(yīng)用程序的數(shù)量。其他遵循這種非常規(guī)策略的公司也可以獲得特殊回報。

　　英偉達的成功表明，科技公司不會通過維持現(xiàn)狀贏得AI。 他們需要現(xiàn)在修改他們的策略，并且需要大量的投注來開發(fā)可靠的AI產(chǎn)品。 由于面臨如此多的風險，企業(yè)無法承擔獲取價值的模糊或暫定計劃。

　　如果公司等待兩到三年才能建立人工智能戰(zhàn)略并押注，我們認為他們不可能在這個快速發(fā)展的市場中重新獲得動力。 大多數(shù)企業(yè)都知道其價值并愿意開拓進取，但他們?nèi)狈娪辛Φ膽?zhàn)略。 我們在這里概述的六個核心理念可以指引他們朝著正確的方向前進，并讓他們走向一個堅實的開始。關(guān)鍵問題是哪些參與者會在機會之窗關(guān)上之前朝著這個方向前行。