人工智能投资分析报告

人工智能投资分析报告人工智能投资分析报告——2016年人工智能投资超300亿美元，正进入最后突破阶段人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第1页。目录概述1.人工智能已经为商业化做好了准备，但企业准备好接受人工智能了吗？2.人工智能有望提升利润和变革行业3.企业、开发者和政府现在就需要采取行动以实现人工智能的全部潜力附录A：五项案例研究零售电力公用事业制造业医疗保健教育附录B：技术附录人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第2页。人工智能：下一个数字前沿？人工智能正要带来下一波数字颠覆浪潮，而公司企业需要现在就开始做好准备。我们已经看到有少数几家早期进入的公司已经开始从中获得真正的利益，这使得其它公司在寻求和加速它们自己的数字转型上面显得更加紧迫。我们的发现重点围绕五大人工智能技术系统：机器人和自动化载具、计算机视觉、语言、虚拟智能体（virtualagent）、机器学习（其中包括深度学习，并且是近来许多其它人工智能技术的新进展的基础）：人工智能投资正在快速增长，其中谷歌和百度等数字巨头是主导者。从全球范围看，我们估计2016年科技巨头在人工智能上投入了200亿到300亿美元，其中90%花在了研发和部署上，另外10%则花在了人工智能并购上。VC和PE融资、拨款和种子轮投资也在快速增长，尽管基数很小，但已经增长到了总共60亿到90亿美元。机器学习作为一项赋能技术（enablingtechnology），已经在内部投资和外部投资中都占据了最大的份额。人工智能投资分析报告全文共33页，当前为第3页。在科技行业之外采用人工智能还处于早期的实验性阶段。仅有少数公司进行了大规模部署。在我们调查的3000位知道人工智能的首席官级别（C-level）的高管中（来自10个国家，横跨14人工智能投资分析报告全文共33页，当前为第3页。采用人工智能的模式说明了人工智能的早期采用者与其它公司之间日益扩大的鸿沟。处在麦肯锡全球研究院（MGI）的产业数字化指数（IndustryDigitizationIndex）顶部的行业（例如高科技和电信行业、金融服务行业）也是人工智能应用方面的领军者。它们也拥有最为激进的人工智能投资意图。这些领军者的投资兼具广度与深度：跨多个职能部门使用多种技术，并且将其部署到自己业务的核心。比如说，汽车制造商正在使用人工智能来开发自动驾驶汽车和改善汽车操作体验，而金融服务公司则更可能将其用在消费者体验相关的功能中。人工智能投资分析报告全文共33页，当前为第4页。人工智能投资分析报告全文共33页，当前为第4页。人工智能对数字基础的依赖以及人工智能往往需要在特定数据上训练的事实意味着公司没有捷径可走。公司不能推迟和拖延其数字化进步，包括人工智能。早期的采用者已经在创造竞争优势了，而且也似乎正将后进者越甩越远。一个成功的方案需要公司解决数字和分析转型中的许多元素：识别业务案例、设置正确的数据生态系统、开发或购买合适的人工智能工具以及调整工作流程、能力和文化。特别地，我们的调查表明高层的领导、管理和技术能力以及无缝的数据权限是关键的推动因素。人工智能投资分析报告全文共33页，当前为第5页。人工智能投资分析报告全文共33页，当前为第5页。图释：目前的人工智能浪潮在准备最后的突破：人工智能领域的投资有很大的增长率，但采用率依然很低。2016年，公司在人工智能上的投资大约为260亿至390亿美元，其中科技巨头的投资为200亿至300亿美元，创业公司的投资为60亿至90亿美元，从2013年开始外部投资有了3倍增长。人工智能投资分析报告全文共33页，当前为第6页。人工智能投资分析报告全文共33页，当前为第6页。公司如何采用人工智能价值链中人工智能能够创造价值的四个领域1.人工智能已经为商业化做好了准备，但企业准备好接受人工智能了吗？对人工智能潜力与危险的言论一直都很多。人工智能，能够赋予机器类似人类的认知、自动驾驶汽车、偷取隐私、提升公司生产率等能力。它能够替代工人完成重复性的、危险性的工作，或着夺走工人的生计。人工智能投资分析报告全文共33页，当前为第7页。人工智能并非新概念，经历过起起伏伏的历史，既有期望也有失望。这一次是否会有不同？新的分析给出的答案是「yes」：人工智能最终开始交付真实的商业收益。突破所需的条件已经到位。人工智能投资分析报告全文共33页，当前为第7页。数字化前沿的公司，比如谷歌和百度，都在人工智能上投入了大量的资金。包括重大收购在内，我们估计投资额在200亿到300亿美元之间。私人投资者也参与了，我们估计2016年人工智能的风投资金为40亿到50亿之间，私募股权公司投资为10亿到30亿美元之间。2016年的投资额大约为2013年的3倍。此外大约还有10亿美元来自于政府奖助和种子资金。但目前，大部分新闻都出自人工智能技术的提供方。许多新的使用还处于实验阶段，市场上的产品有限，或者说有较少的产品能够很快的有即时、普遍的应用。结果就是，分析师对人工智能潜力的认知分成了两派：一些人对人工智能的潜力很乐观，一些人依然对其经济收益十分谨慎。这种不一致的观念导致对市场的规模预测差别巨大，例如2025年的市场规模从6.44亿美元到1260亿美元[2]。从目前已经对人工智能的投资规模来看，最低的那种估算表明我们又在见证另一个人工智能繁荣衰落的循环。人工智能投资分析报告全文共33页，当前为第8页。我们采用人工智能的业务经验表明这种颠覆性场景是不可能的。为了提供更加强有力的观点，我们决定对用户如何采用人工智能人工智能投资分析报告全文共33页，当前为第8页。一般而言，人工智能是指机器表现出类似人类智能的能力，比如说，无需人工编码包含特定详细指令的软件就能解决问题。人工智能技术的分类方式多种多样，但是却难以拿出一个不互斥且又全面的列表，因为人们往往会混合和匹配多种技术来寻找单个问题的解决方案。这些方法往往会被看作是一种单一的技术，有时候是其它技术的子集，有时候则被看作是技术的应用。一些框架通过基本功能来对人工智能技术进行分类，比如文本、语言和图像识别，另一些分类方式则基于业务应用，比如商用或安全应用[3]。人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第9页。试图更精确地定义这个术语是很困难的，原因有几个：人工智能涵盖大量技术和应用，其中一些只是之前已有技术的些许扩展，而另一些则是全新的。另外，「智能（intelligence）」本身也没有一个得到了普遍接受的理论，而「机器智能（machineintelligence）」的定义也在随着人们对新技术的适应而发生变化[4]。由计算机科学家LarryTesler提出的泰斯勒定理（Tesler'stheorem）断言：「人工智能就是那些还未做成的事。」[5]。在这篇报告中，我们考虑的人工智能技术是所谓的「窄（narrow）」人工智能，即其仅只能执行一项窄范围的任务，这和所谓的寻求实现与人类智能类似的通用人工智能（AGI）不一样。我们关注窄人工智能是因为其有在近期内实现商业价值的潜力，而AGI还尚未实现。人工智能投资分析报告全文共33页，当前为第10页。在这份报告中，我们关注的重点是解决业务问题的人工智能技术。我们还选出了我们关注的5个关键领域：机器人和自动化载具、计算机视觉、语言、虚拟智能体（virtualagent）、机器学习（其基于可以从数据中学习的算法，而非按照基于规则的编程来得出结论或指导行动）。其中一些涉及到处理来自外部世界的信息，比如计算机视觉和语言（包括自然语言处理、文本分析、语音识别和语义技术）；一些则是关于对信息的学习，比如机器学人工智能投资分析报告全文共33页，当前为第10页。由科技巨头驱动，人工智能的投资正在飞快增长，但商业应用仍显落后人工智能投资分析报告全文共33页，当前为第11页。人工智能投资分析报告全文共33页，当前为第11页。图1：科技巨头主导了人工智能投资（单位：10亿美元）关于人工智能的炒作已经大到足够鼓励风投和私募股权公司加大对人工智能的投资力度。其他外围的投资者，比如天使基金和种子孵化器，同样也很活跃。我们估计2016年年度外部投资总额为80-120亿美元。人工智能投资分析报告全文共33页，当前为第12页。机器学习吸引了其中几乎60%的投资，可能是因为机器学习能够满足许多技术与应用的需求，例如机器人和语音识别（图2）。此外，因为机器学习能够更快、更简单的设置新代码从而建立机器人或其他机器，投资者也被机器学习所吸引。这个领域的公司人工智能投资分析报告全文共33页，当前为第12页。人工智能投资分析报告全文共33页，当前为第13页。人工智能投资分析报告全文共33页，当前为第13页。人工智能投资分析报告全文共33页，当前为第14页。人工智能投资分析报告全文共33页，当前为第14页。图4：领先采用人工智能的行业投资也越多2.人工智能有望提升利润，推动行业转型人工智能投资分析报告全文共33页，当前为第15页。人工智能技术近年来飞速发展，然而后续的采用依然处于起步阶段。这使得评估人工智能对于公司和行业造成的潜在影响充满了挑战。我们确实知道很多不采用人工智能技术的人报道说他们在做人工智能投资的商业案例时遇到了困难。但是那些采用人工智能技术的公司发生了什么呢？通过查看数字原住民的案例研究以及来自我们调研的回应，我们发现了大规模地采用人工智能技术带来丰厚回报的早期证据。通过回顾五个行业的大量案例研究，人工智能投资分析报告全文共33页，当前为第15页。产业案例研究表明了人工智能的颠覆性潜力为了发展人工智能广泛应用于商业领域的愿景，我们创建了五项案例研究，以表明人工智能如何通过多种形式影响具体的行为。我们选择创建案例的行业是：零售、电力、制造业、医疗以及教育，类型涵盖私立、公有、社会企业，包括从劳动密集型行业到业务到业务的重资产操作。为了满足人们的期待，人工智能需要在经济领域发挥实际作用，以显著降低成本，增加收益，并提高资产利用率。我们分类了人工智能可在4个领域创造价值的方式：使公司更好地规划和预测需求，优化研发，提升资源；以更低的成本更高的质量，提高公司生产货物、提供服务的能力；以合理的价格，通过正确的讯息，将产品送达到客户手中；允许他们提供丰富、个性化和便捷的用户体验。人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第16页。人工智能投资分析报告全文共33页，当前为第17页。人工智能投资分析报告全文共33页，当前为第17页。人工智能投资分析报告全文共33页，当前为第18页。人工智能投资分析报告全文共33页，当前为第18页。图7：人工智能可以帮助跨价值链地实现显著增益3.企业、开发者和政府现在就需要认识到人工智能的全部潜力人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第19页。虽然人工智能有潜力从根本上重塑整个社会，但我们目前仍然很不确定技术究竟会怎样发展。而对于企业、政府和工人来说，这种不确定性就意味着「等待和观望」。但是，我们还是认为有必要采取积极明确的行动来面对已经明晰的机会和风险。对于许多企业来说，这意味着他们需要加速数字化进程以确保能够高效地部署人工智能工具。因为人工智能将巨量的高质量数据集成到自动工作流程中，它的影响力也变得越来越大。人工智能并不是数字化基础的捷径，它是数字化基础强有力的延伸。开发者在帮助企业实现技术的潜力时起到了关键作用。人工智能产品需要解决实际的商务问题，而不能仅仅只是提供有趣的解决方案，人工智能需要大规模解决现实问题。人工智能投资分析报告全文共33页，当前为第20页。人工智能投资分析报告全文共33页，当前为第20页。图8：成功的人工智能转型需要在数字化和分析转型中成功的类似元素使用案例／价值的来源扫描使用-案例的范围清楚表达商业需求，创建商业案例数据生态系统人工智能投资分析报告全文共33页，当前为第21页。人工智能投资分析报告全文共33页，当前为第21页。决定集成和预分析的层面识别高价值数据技术与工具识别适合目标的人工智能工具合伙或并购以填补能力缺口采取灵活的「测试和学习式」方法工作流程整合将人工智能整合进工作流程优化人机界面开放的组织文化采取开放、协作的文化相信人工智能劳动力重新掌握技能以备不时之需人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第22页。图9：尽管少数职业会被完全自动化，但60%的职业至少有30%的活动可以自动化人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第23页。美国和中国主导了人工智能版图，欧洲正在落后下面是现在最有活力的人工智能中心：美国人工智能投资分析报告全文共人工智能投资分析报告全文共33页，当前为第24页。硅谷：顶级的创业公司中心（有12700～15600家活跃的创业公司，200万名技术工作者）、引领全球风险投资、许多世界顶级科技公司的总部所在地纽约：金融和媒体行业的领先中心、培养人工智能人才的优质大学（比如康奈尔大学）、强大的投资环境（在早期阶段的投资的绝对数量上仅次于硅谷）波士顿：科学界和工业界有悠久的合作历史、世界级的大学（比如MIT）在开发先进技术和培养顶级人才中国北京：清华、北航和北京大学等在创造大量的学术研究成果、百度等科技巨头的广泛参与、中国政府将人工智能看作是具有战略意义的技术深圳：华为和中兴等电子设备制造公司的中心、强大的硬件实力、中国政府将人工智能看作是具有战略意义的技术欧洲人工智能投资分析报告全文共33页，当前为第25页。人工智能投资分析报告全文共33页，当前为第25页。人工智能增长背后的外部投资目前面临的挑战人工智能为政府和社会提出了广泛的问题。在这份报告中，麦肯锡指出了其中的一些问题，也包含部分解决问题的方法。我们在这些问题上的进展对于实现人工智能的潜在利益和避免风险至关重要。人工智能投资分析报告全文共33页，当前为第26页。鼓励更广泛地利用人工智能。目前的人工智能应用集中于相对数字化的行业内，而这些领域已经是新技术的前沿了。扩展人工智能的应用范围，支持新技术领域，特别是其中的小型公司，对于保证生产力的增长和经济发展至关重要，可以保证市场健康，具有竞争力。人工智能在更广泛领域内的应用也可以帮助平衡各行业的工资水平。人工智能可以带动生产力水平的发展，从而提高人工智能投资分析报告全文共33页，当前为第26页。解决就业和收入分配问题。人工智能驱动的自动化变革会深刻影响人们的工作和工资水平。在麦肯锡的调查中，绝大多数公司并不认为自己会在未来大幅减少员工人数。然而，显然会有一些职位的技能会不符合未来要求。政府可能会不得不重新思考社会服务的模式。不同的想法将被纳入思考范围，包括共享劳动力、负所得税和全球基本收入水平。解决道德、法律和监管问题。人工智能提出了一系列道德、法律和监管问题。现实世界的偏见风险正在被写入训练数据集中。由于现实世界存在种族、性别或其他很多类别的歧视，提供给机器学习算法的现实世界数据也不可避免地带有这些特征，而人工智能也会在训练中学会偏见。人工智能投资分析报告全文共33页，当前为第27页。随着偏见的内部化，这些问题正在加剧。同时，人们也对算法本身产生了怀疑，编程人员的道德见解会被编写进算法中，在决策过程中，人们有权得知哪些内容？谁会对人工智能输出的结果负责？这导致了人们对于算法透明度和问责制的呼吁。隐私是另一个问题——谁对数据拥有所有权？需要哪些措施来保护高度敏人工智能投资分析报告全文共33页，当前为第27页。确保训练数据的可用性。大量的数据对于人工智能训练系统至关重要。开放公共部门的数据可以刺激私营企业的创新，设置通用数据标准也会有帮助。在美国，证券交易委员会在2009年强制所有上市公司必须以XBRL（可扩展业务报告语言）格式披露其财务报表，从而确保公共数据具有机器可读性。在政府中部署人工智能。人工智能对公共部门的潜力巨大。它提升计划、目标和个性化服务的能力使提高政府服务水平和效率所急需的。在该报告的附录中，作者探索了人工智能技术在两大公有领域——医疗和教育——的未来。在附录部分，该报告详细描述了5个使用案例。麦肯锡对其中三个使用案例给出了可视