1.5 人工智能的商业模式

随着人工智能技术的不断发展，人工智能产品也层出不穷，从深蓝到AlphaGo，从专家系统到智能家居，人工智能在很多商业场景、生活场景中都得到了不同程度的应用。在人工智能技术发展和应用的过程中，人工智能产品也从实验室走向了产业落地。智能手机、智能手表、智能手环、智能音箱已经完全进入了人们的生活中，指纹识别、人脸识别、画面增强等实用性技术，也成了人工智能产品中必不可少的技术。随着商业化场景的逐渐丰富，人工智能的商业化模式也将逐渐形成。目前，人工智能商业化模式主要包括5类，分别是基础硬件模式、技术驱动模式、垂直行业模式、深挖应用模式和建设生态模式。

1．基础硬件模式

近年来人工智之所以能有长足发展，主要得益于三方面的发展，即数据、算法、算力。其中，算力的发展主要表现在芯片上。人工智能的快速发展很大程度上得益于多年来芯片技术的发展与积累，也正是因为芯片技术已经发展到了可以支撑机器学习、深度学习所需要的处理能力和速度，我们才能享受到人工智能产品带来的便利，也正是由于芯片在人工智能产业链中的重要地位，很多企业会选择以芯片研发等基础硬件建设模式切入人工智能市场。芯片研发对于企业硬件技术、制造工艺的要求都非常高，所以从事芯片研发的企业仍属少数。

传统的x86架构以CPU系统为核心，GPU主要应用在处理图像渲染上。由于GPU的加速能力远超CPU，随着人工智能和深度学习的成熟，GPU找到了新的用武之地，加之GPU计算时间短、功耗低，因此GPU已经逐渐成了人工智能的算力核心。

英伟达公司在GPU芯片界中占有重要的地位。在GTC 2017大会上，英伟达公司发布了Volta架构的GPU，在Volta架构中强调了对深度学习的支持，还增加了专为深度学习设计的张量计算核心（Tensor Core）模块，其关键参数在数据中心的训练方面较之前有很大提升。

GPU相比CPU拥有了更强大的算力，所以在机器学习的训练阶段，GPU是目前的最优选择。由于GPU在推理和神经网络运算中仍存在一些缺陷，为了更好地获取推理能力，谷歌公司提出并研发了TPU芯片，如图1-6所示。谷歌公司在ISCA 2017上发表了一篇名为《张量处理单元的数据中心性能分析》（In-Datacenter Performance Analysis of a Tensor Processing Unit）的论文，论文中公开了TPU的设计细节，引发了极大的关注。TPU针对机器学习进行了专门的优化，在AlphaGo身上，谷歌公司就使用了该芯片。

从2016年开始，人工智能芯片越来越受到传统企业的重视，很多软件和互联网公司都纷纷进入该行业，除谷歌、英伟达外，苹果、微软、Facebook、英特尔、高通、AMD、阿里巴巴等公司也都开始自主研发人工智能芯片或垂直领域的行业人工智能芯片。

一般来讲，从基础芯片研发切入人工智能行业的公司，其应在芯片领域具备技术优势，如英伟达公司是世界最大的GPU生产厂商。除生产通用性的GPU、CPU、TPU产品外，更多的公司则根据自身在某一行业中的积累，选择了生产在该行业领域中运用的人工智能芯片产品。例如，针对无人驾驶技术所使用的处理芯片、针对汽车制造行业所使用的多轴转向机械臂使用的芯片等。这些芯片与行业场景深度融合，为该行业场景提供专用的芯片。人工智能芯片的分类如图1-7所示。

2．技术驱动模式

一些技术实力较好的软件公司，凭借其在软件行业积累的良好经验，也正在逐步构建人工智能领域的优势，如微软、Facebook、IBM等公司。这类公司在软件时代就有着较强的技术实力，在算法和通用技术方面都有着强大技术优势，他们利用这种技术优势，将某一个行业作为切入口，逐步建立该行业的应用平台。以技术驱动型的公司通过建立应用平台形成技术积累、输出、分享模式，进而发展平台用户数量，以占领更多的市场。例如，IBM的Watson平台、亚马逊的AWS平台、微软的Azure平台等。

3．垂直行业模式

垂直行业模式适合在细分垂直领域有优势的企业，如在电商领域占优势的阿里巴巴、在出行领域占优势的滴滴出行、在政务领域占优势的开普云等。这类公司一般利用其在某个行业占有的领先优势，积累的海量行业数据，并以数据为基础，开展垂直领域的人工智能技术和算法的研究，提出针对该行业的整体解决方案。针对垂直行业深入研究，一般有以下两个方向。

（1）通过积累大数据形成产品。企业通过在垂直领域深耕细作，逐渐建立其自身在行业中的领先优势，通过不断积累，形成该行业大数据，并利用数据优势针对行业内的具体场景率先推出独角兽级的人工智能应用。此类人工智能应用一旦出现，往往会形成新一轮的用户和数据积累，从而成为该行业的人工智能引领者。例如，滴滴出行通过打车业务占领市场，并逐步扩大应用场景，推出专车、快车、顺风车等业务，通过人工智能技术优化推荐，逐渐成为行业领头羊。

（2）通过产品应用形成行业解决方案。企业通过领先优势积累该行业的大量数据后，再依靠人工智能的技术手段结合行业特征，抽象出行业应用平台、行业通用技术、行业解决方案，从而扩大在该行业的市场份额。例如，百度公司通过其在地图方面的优势，并结合自身的人工智能技术优势，推出了针对无人驾驶的平台。

4．深挖应用模式

深挖应用模式不再针对具体的技术本身，而是着重于实际应用在具体场景中的应用深入。通过这种“单点突破”的方式，可以快速地形成市场效应。例如，通过对应用场景的深度挖掘，并对该市场进行合理管理，可以在场景中迅速扩大市场。也正因如此，应用深挖应用模式的一般是创业型企业和传统行业企业。

因为创业型企业技术和资源有限，所以投入硬件或深度技术领域的投资与回报严重不成正比，而通过市场反馈寻找合适的场景，并在场景中运用人工智能技术就会相对容易。如果创业型企业自身拥有细分市场数据或具体场景内的数据，则可以针对场景构建人工智能应用，通过该应用形成市场效应，从而积累用户和数据。例如，如果企业自身没有行业数据，可通过借助与第三方公司合作模式，将人工智能与传统商业模式进行结合。

今日头条是典型的将应用价值点与人工智能相结合的企业。今日头条基于数据挖掘的推荐引擎，为用户推荐个性化的信息，其在资讯推荐领域的优秀算法，使其成为移动互联网领域成长飞快的企业之一。

5．建设生态模式

建设人工智能生态，是人工智能重要的一种商业模式，这种模式也是大部分企业的目标。在人工智能产业链中，企业不管拥有硬件研发能力还是拥有技术能力，不管拥有垂直行业领先还是通过深挖应用形成市场积累，都属于单一化模式。但如果能够通过技术、市场相结合，形成人工智能生态圈，不仅可以在单一竞争中形成自己的优势，也可以通过生态体系中的资源优势形成产业壁垒。

构建人工智能生态，要从发展人工智能的支柱要素说起。建立完善的人工智能生态，需要企业针对数据、算法、算力都有长期发展的战略高度，并且有与之匹配的技术实力。数据的本质是描述事物的特征，也是对事物观察的行为过程和结果的记录；算法是用来解决问题的具体方法；算力是指运算能力。如果一个企业要建立完善的人工智能生态，应该已经或正在通过互联网进行大数据的高速积累，已经或正在对算法底层进行研究，并针对硬件进行优化和改造。当然，构建生态的过程相对较长，涉及的领域较多，截至2019年，人工智能生态结构方面比较成功的公司有谷歌、亚马逊、微软、阿里巴巴、百度等。