人工智能在企业中的应用研究(二)

模式一：生态构建着——全产业链生态+场景应用作为突破口。关键成功因素：大量计算能力投入，积累海量优质多维数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户。

模式二：技术算法驱动者——技术层+场景应用作为突破口。关键成功因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户。

模式三：应用聚焦者——场景应用。关键成功因素：掌握细分市场数据，选择合适的场景构建应用，建立大量多维度的场景应用，抓住用户；同时，与互联网公司合作，有效结合传统商业模式和人工智能。

模式四：垂直领域先行者——杀手级应用+逐渐构建垂直领域生态。关键成功因素：在应用较广泛且有海量数据的场景能率先推出杀手级应用，从而积累用户，成为该垂直行业的主导者；通过积累海量数据，逐步向应用平台、通用技术、基础算法拓展。

模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展。 关键成功因素：开发具有智能计算能力的新型芯片，如图像、语音识别芯片等、拓展芯片的应用场景；在移动智能设备、大型服务器、无人机（车），机器人等设备、设施上广泛集成运用，提供更加高效、低成本的运算能力、服务，与相关行业进行深度整合。

二、人工智能企业发展现状

（一）人工智能企业现状分析

1、人工智能企业现状应用

人工智能企业应用涉及到专用应用和通用应用两个方面，这也是「机器学习」、「模式识别」和「人机交互」这三项人工智能企业技术的落地实现形式。 其中，专用领域的应用涵盖了目前国内人工智能企业的大多数应用，包括各领域例如像英飞拓的人工智能以及人脸识别项目，其他的包括语音识别以及服务型机器人等方面；而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能企业应用正处于由专业应用向通用应用过度的发展阶段。

在国内计算机视觉领域，动静态图像识别和人脸识别是主要研究方向： 图像识别，是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。识别、面部识别。

    目前，由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，其中既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、社交、搜索大数据整合。

2、人工智能企业现状分析

我国智能化市场空间年均增长率超过25%，从数据中我们不难看出，智能化市场可发掘市场潜力的巨大。与此同时，智能化与人工智能之间有着密不可分的联系，智能化全面发展也将带动人工智能的高速腾飞。

“互联网+”是在经济新常态中维持运营效率、推进经济增长的主重要动力。而人工智能将会迎来井喷式创新，并超越大数据和云计算等推动互联网进入PC和移动之后的第三个时代。

2018年中国人工智能产业市场规模继续保持稳定增长，整体市场规模达到383.8亿元，同比增长27.6%。伴随各大互联网巨头与人工智能创新独角兽在人工智能生态链的积极布局，人工智能向平台化和产品化演进，同时人工智能平台建设推动了人工智能技术向相关产业的交叉延伸。笔者认为，未来三年，中国人工智能相关政策将深度优化，各地政府会更加细化和有针对性地对当地人工智能发展起到指导和支持作用。边缘计算与5G技术的发展同样会给人工智能产业带来新的变革，市场将从IoT向AIoT迈进。