20世紀50年代到70年代初，人們認為如果能賦予機器邏輯推理能力，機器就能具有智能，人工智能研究處于“推理期”。當人們意識到人類之所以能夠判斷、決策，除了推理能力外，還需要知識，人工智能在20世紀70年代進入了“知識期”，大量專家系統(tǒng)在此時誕生。隨著研究向前進展，專家發(fā)現(xiàn)人類知識無窮無盡，且有些知識本身難以總結(jié)后交給計算機，于是一些學者誕生了將知識學習能力賦予計算機本身的想法。發(fā)展到20世紀80年代，機器學習真正成為一個獨立的學科領(lǐng)域、相關(guān)技術(shù)層出不窮，深度學習模型以及AlphaGo增強學習的雛形-感知器-均在這個階段得以發(fā)明。隨后由于早期的系統(tǒng)效果的不理想，美國、英國相繼縮減經(jīng)費支持，人工智能進入低谷。 80 年代初期，人工智能逐漸成為產(chǎn)業(yè)，  但又由于5代計算機的失敗再一次進入低谷。2010年后，相繼在語音識別、計算機視覺領(lǐng)域取得重大進展，圍繞語音、圖像等人工智能技術(shù)的創(chuàng)業(yè)大量涌現(xiàn)，從量變實現(xiàn)質(zhì)變。但是一個市場的形成會經(jīng)歷不同的階段，每一個階段的環(huán)境帶來不同的利潤。

　　正如吳恩達曾在一次訪談中舉出了iPhone和深度學習的例子：iPhone這樣的產(chǎn)品，會在2007年而不是1993年發(fā)布的原因就是1993年的芯片、電池和屏幕技術(shù)都沒有發(fā)展到位;而深度學習也是一樣，上個世紀90年代的數(shù)據(jù)和計算量都不足以支撐深度學習的需求，只有到了2007年，有了大數(shù)據(jù)做基礎(chǔ)，深度學習才可以緩慢地發(fā)展。

　　對于人工智能技術(shù)來說，也是一樣。進入2018年以來，越來越多的媒體開始關(guān)注人工智能技術(shù)落地的問題，也有一些先行者開始唱衰“人工智能”，認為AI的新一輪寒冬即將到來，或許人工智能目前已經(jīng)處在了泡沫化的低谷期，但越是在這種時候，才越能看出真正能賺錢的人工智能商業(yè)應(yīng)用是怎樣的。正像那句話所說的：“只有等到浪潮褪去，才能看到誰在裸泳。”

　　人工智能公司的幾種類型

　　目前市面上的人工智能公司主要分為以下幾種：

　　第一種是傳統(tǒng)互聯(lián)網(wǎng)公司巨頭，跨國市場超巨頭包括谷歌和微軟亞洲研究院，國內(nèi)巨頭包括大家熟知的阿里、騰訊、百度，當然也包括乘著人工智能算法的東風不斷壯大的今日頭條、滴滴等企業(yè)。

　　第二種是人工智能創(chuàng)業(yè)公司，即以某種類別的人工智能技術(shù)為基礎(chǔ)創(chuàng)業(yè)的公司，也是前兩年媒體會大肆報道的公司。在不同的人工智能技術(shù)領(lǐng)域里，也有不同的明星企業(yè)。比如說在自動駕駛領(lǐng)域里的蔚來、小馬智行、Momenta、圖森未來等;在語音識別領(lǐng)域的科大訊飛、出門問問、云知聲、思必馳等;在計算機識別領(lǐng)域的商湯科技、曠視科技、云從科技、依圖科技、圖普科技等。

　　第三類則是將人工智能技術(shù)融入到自身業(yè)務(wù)當中的企業(yè)，比如前段時間上市的英語流利說、第四范式、學霸君等等。

　　人工智能商業(yè)應(yīng)用如何變現(xiàn)

　　縱觀人工智能市場，如果根據(jù)商業(yè)應(yīng)用或者產(chǎn)業(yè)鏈進行分析，可以大致從上至下分為三類：應(yīng)用層、技術(shù)層和基礎(chǔ)層。

　　人工智能基礎(chǔ)層主要以硬件為主，分為運算芯片、終端數(shù)據(jù)采集、終端數(shù)據(jù)傳輸、云計算、用戶行為大數(shù)據(jù)、行業(yè)大數(shù)據(jù)、智能終端等等。人工智能技術(shù)層則包括機器學習、語音及NLP處理、計算機識別。人工智能應(yīng)用層則可以細分為十三類，包括通用機器學習、應(yīng)用機器學習、通用自然語言處理、語音識別、通用圖像識別、應(yīng)用圖像識別、手勢控制、虛擬私人助手、智能機器人、推薦引擎和協(xié)助過濾算法、情景感知計算、語音翻譯、視頻內(nèi)容識別等。

　　而根據(jù)商業(yè)應(yīng)用類型的不同，盈利能力也有區(qū)分。解決方案是大部分公司最容易進入而且相對來說變現(xiàn)速度較快的部分，通過將技術(shù)應(yīng)用在垂直行業(yè)或者跨行業(yè)當中實現(xiàn)盈利，但是競爭相對激烈，難以形成行業(yè)壁壘，在這一步拼的不僅僅只是算法能力，更多的是對深耕行業(yè)的理解、服務(wù)能力和最終產(chǎn)品效果，舉例來說，在新零售的風口之中，很多知名的圖像識別公司紛紛開始為零售商研發(fā)相應(yīng)的解決方案，比如智能貨柜，客流分析等等，其中曠視科技、依圖科技、圖普科技均是其中典型;其次就是大數(shù)據(jù)，但是大數(shù)據(jù)的進入門檻基本已經(jīng)壟斷在了巨頭手中，像騰訊、阿里均為其中典型案例。而在技術(shù)層的通用技術(shù)和算法框架則對技術(shù)要求較高，適合中長期布局，比如圖像識別公司中的商湯科技;而在基礎(chǔ)層中的計算能力則大多也是巨頭在布局。

　　人工智能的常見商業(yè)模式

　　如上圖所示，人工智能的商業(yè)模式大概分為以上五種，但是大部分盈利都來自于項目整合，比如像云從科技、依圖科技的人臉識別技術(shù)在安防領(lǐng)域的應(yīng)用，圖普科技的圖像識別技術(shù)在鑒黃和零售領(lǐng)域的應(yīng)用等等，但是就盈利部分來說，也不算很高，因此之前一度有媒體聲音說人工智能就是用錢堆出來的行業(yè)，人工智能不靠B，不靠C，只靠VC存活。據(jù)前瞻產(chǎn)業(yè)研究院分析，2018年有關(guān)人工智能的融資，在企業(yè)數(shù)量上放緩，但是融資數(shù)額仍舊增大。僅2018年上半年，融資事件就有146件，但融資規(guī)模達到402億元。這是因為商湯科技、云從科技和優(yōu)必選等企業(yè)獲得高額投資，半年的融資額已經(jīng)超過2017年全年，而一些頭部的人工智能公司估值累積起來已經(jīng)達3500億。

　　從2016到2017年，國內(nèi)投資過人工智能領(lǐng)域的機構(gòu)多達145家，而無論是否投資過人工智能企業(yè)，幾乎所有投資機構(gòu)在公開場合都認為：人工智能的確是未來，只是在未來有多遠，以及如何估值這個問題上存在一定疑問。 以學術(shù)水平論估值，是正在布局這個行業(yè)的一些VC的基本邏輯。但是隨著人工智能技術(shù)從過高的期望峰值回落以及資本的相對吃緊，相信未來VC投資的基本邏輯也將有所改變。

　　目前來看，人工智能的炒作還是集中在一些標志性的技術(shù)型公司，變現(xiàn)渠道還不明確，而另一些開始有盈利的垂直應(yīng)用公司，由于方案落地需要時間和精力，相對來說則不太為媒體所知。

　　人工智能商業(yè)落地代表性公司(以下非全面數(shù)據(jù))

　　計算能力層：大數(shù)據(jù)、云計算、GPU/FPGA等硬件加速、神經(jīng)網(wǎng)絡(luò)芯片等計算能力提供商 數(shù)據(jù)層：身份信息、醫(yī)療、購物、交通出行等各行業(yè)、各場景的一手數(shù)據(jù)。

　　框架層：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系 統(tǒng) 算法層：機器學習、深度學習、增強學習等各種算法 通用技術(shù)層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規(guī)劃等技術(shù)或中間件。

　　應(yīng)用平臺層：行業(yè)應(yīng)用分發(fā)和運營平臺，機器人運營平臺 解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機器人等場景應(yīng)用，人工智能產(chǎn)業(yè)鏈中，基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)，價值最高，需要長期投入進行戰(zhàn)略布局;通用技術(shù)層是構(gòu)建技術(shù)護城河的基礎(chǔ)，需要中長期進行布局;解決方案層直戳行業(yè)痛點，變現(xiàn)能力最強.