哈佛商业评论

1956年夏天，美国新罕布什尔州的汉诺佛小镇上，在达特茅斯学院里参加一场历时两月会议的科学家们第一次讨论“用机器模仿人的智能”，他们当时不会想到，一直要到60年后的2016年3月，谷歌旗下的AlphaGo战胜围棋世界冠军、职业九段棋手李世石后，这一轮人工智能的革命才算有了起色。

2016年之后，全球人工智能技术升级和产业化势头汹涌，得益于人工智能技术进展迅速。到了2019年，人工智能技术已步入全方位商业化阶段，在金融、医疗、安防等多个领域实现技术落地，且应用场景越来越丰富。人工智能商业化带来了企业数字化加速、产业链结构改善、信息利用效率提升等积极效应。

《哈佛商业评论》中文版发起的《2019人工智能专项调研报告》（以下简称《报告》）近期完结。我们在2019年第四季度针对人工智能行业和企业的200名公司负责人/创始人、管理者及普通员工展开调查，所有受访者对行业技术和产业发展情况有充分了解。作为补充，我们还访谈了全球主流的咨询机构专业人士及各行各业人工智能转型专家。

我们的调研主题包括了：人工智能各细分技术发展态势、产业落地情况及发展前景、全球人工智能领军企业的综合发展实力等。结果显示，97%的从业人员对人工智能行业持有乐观态度；整体均值表现来看，达4.43分；说明从业人员看好人工智能行业的未来发展。

结合以上调研主题及相关评分，我们遴选出“2019全球AI公司五强”，上榜企业分别为：谷歌、苹果、微软、百度和亚马逊。其中，百度是唯一上榜的中国公司。入围评选的公司包括：Amazon、Apple、阿里、百度、Facebook、Google、华为、IBM、Microsoft、Nvidia、Salesforce、腾讯、Tesla（按字母排序）。最后前述五家公司，最终凭借其在人工智能技术、商业化及生态方面的能力脱颖而出。

它们引领了这一波人工智能技术在全球范围内的商业落地、发展和变革。变革主要包含三个层次：第一层是企业变革，当人工智能技术参与企业管理流程与生产流程，企业数字化趋势日益明显，部分企业已实现了较为成熟的智慧化应用；第二层是行业变革，人工智能技术带来的变革造成传统产业链上下游关系的根本性改变；第三层是人力变革，人工智能等新技术的应用将提升信息利用效率，把人类从简单重复的岗位中解放出来，聚焦更多具有创意性的工作。

全球五大AI巨头都在忙什么

巨头们2019年忙着做两件事情，一是在算法、算力、数据等AI基础领域夯实地基，二是加快脚步技术落地和生态扩张

人工智能到底是系统级技术，还是应用级技术？在过去数十年，这样的争论一直存在。

所谓系统级技术，可以理解为一个产业中的一些共性基础技术，它们支撑整个产业。例如，在信息技术产业中，操作系统、数据库、集成电路等就属于这个层面的技术。而应用级技术，则指自己无法成为构造实际应用系统/产品的基础，必须依附于系统级原理与相关技术才能发挥作用的技术。

普遍观点认为，人工智能领域目前尚未有科学原理层面的成果，也尚未产生支撑一个产业的基础共性技术。它基于目前的系统级技术，如操作系统、数据库、集成电路，得以规模化落地。不过，它又是一个对人类未来有重要决定意义的重要技术——人工智能将改变整个世界。

这一特性决定了两件事：一是人工智能的产业领导者越来越是那些掌握系统级技术的科技巨头；其二，既然是应用级技术，科技巨头布局人工智能的重要目的是落地应用，而落地应用也将极大结合其基因禀赋。

过去数年，国内外平台巨头先后发力人工智能，在人工智能的Algorithm（算法）、Big data（海量数据）、Compute（大规模计算资源）领域基本完成布局。

AI最终要形成大规模生产力有ABCDE五大关键因素：Algorithm（算法）、Big data（海量数据）、Compute（大规模计算资源）、Domain（专业领域应用）、Ecosystem（生态链）。

如果细究，A、B、C前三者为基础，是科技平台巨头布局的基本工作，D、E则更加个性化，需要各大平台巨头结合其基因禀赋从不同角度切入。

（点击查看大图）

具体到2019年，各大巨头在A、B、C方面的重点是进一步做大底盘，大部分精力和资源聚集在D、E两个维度。

例如谷歌，由于功能全面、可以满足不同规模企业的广泛需求，谷歌的TensorFlow是目前市场上使用最广泛的机器学习框架。

在技术开发初始阶段，谷歌通过研究论文和计算资源等形式，为技术开发者提供更为丰富的算法选择和配套资源，此间，谷歌的基础研究能力飞速进化。2017年，谷歌发布了TensorFlow Research Cloud，为研究机构提供免费计算资源。

2017-2018年，到了技术部署阶段，谷歌通过自研的Cloud TPU,为开发者提供了更为高效的测试和部署方式。2018年，随着人工智能技术部署方式越来越向边缘端演进，谷歌又相应发布了Edge TPU。

到了2019年，谷歌TensorFlow生态在前期基础上，进行越来越有利于生态开发者的快速部署。当年10月，谷歌发布了TensorFlow 2.0,再一次提高易用性，对开发者更加友好。

因此，在《报告》中，被认为是拥有整套成系统的自主AI技术，且这些技术全球领先的公司中，谷歌以高达19.4%的百分比位居榜首。接下来是苹果、微软、百度和亚马逊。

位居第四的百度是全球前五中唯一的中国公司。中美两国是人工智能的全球两极，两国的人工智能龙头企业在人工智能的能力部署上均位于全球前列，但具体到基础技术能力有所不同。最大的不同是，中国公司在基础技术的研究开发能力上，整体不如美国。

也正因此，2019年，百度在加强生态、应用场景的同时，持续在算法、算力等基础技术能力上进行突破。这也是中国所有布局人工智能的科技平台巨头正在经历的状态。

2019年，百度大脑的算法、算力取得突破，成为“软硬一体 AI 大生产平台”，实现 AI 技术的标准化、自动化、模块化，成为智能经济的基础设施，语音、视觉、自然语言处理、深度学习等细分领域的技术达到了全球领先水平。

例如，2019年12月，百度ERNIE（可持续学习的知识增强语义理解框架）在自然语言处理领域权威数据集GLUE（General Language Understanding Evaluation）中以9个任务平均得分首次突破90大关刷新该榜单历史，击败微软MT-DNN-SMART, 谷歌T5、ALBERT等一众国际顶级预训练模型。

GLUE是自然语言处理领域最权威的排行榜之一，排名定期更新，虽然百度的成绩很有可能被超越，但百度的AI技术实力在全球竞争中不可小觑。

百度正在研究ERNIE模型为用户提供更适用的搜索结果，删除新闻源中的重复报道，提高人工智能助理小度准确响应请求的能力。

深度学习框架扮演着AI产业操作系统的角色，是AI产业生态的核心平台和基础。2019年，百度宣布旗下“飞桨”深度学习开源开放平台发布和升级数十项技术功能。

其间，百度首席技术官王海峰在接受媒体采访时表示，功能发布和技术升级后，飞桨平台的深度学习模型开发能力、训练能力、预测和部署能力进一步提升，可比肩TensorFlow、PyTorch等国际主流框架，在多项技术上有优于后者的表现。

百度的官方数据显示，飞桨当前拥有超过6.5万企业用户，在定制化训练平台上发布了16.9万个模型，且模型数量呈现显著增长趋势，在工业、农业、服务业等各行各业中广泛应用。同时，飞桨已经累计服务150万开发者，这一数字约占中国软件从业平均人数的1/4。

当然，与TensorFlow等相比，飞桨在生态构建上仍然有较长的道路要走。

落地AI技术能力

各大平台公司已经摸索出了不少AI商业化场景化落地方向，但多有不同

人工智能技术从理论提出到实验室、到技术突破、再到商业化，一路走到今天，可谓历尽沧桑。

今天，全行业的主线和短期目标，都是为了把现有的、相对成熟的AI模型能力封装成为可商业化的组件，代入到现有的行业应用和业务流程中，创造大规模应用的条件。

各大公司已经摸索出了不少可行的方向，打算在今后1-2年内开始产业化推广。

全球最大的电商平台亚马逊在缔造了全球最大的公有云AWS之后，人工智能的全面布局对这家平台巨头的两大业务都产生了不可逆转的积极影响。

作为一家电商平台，亚马逊很早就开始将AI技术用于产品推荐上，但这只是AI的初级应用场景。随着机器学习技术的不断进步，亚马逊开始将AI技术深入到公司运转的每个环节中，除了机器人、数据中心、云这些高高在上的东西，亚马逊还直接落地到了C端环节中，包括智慧零售的全链条解决方案Amazon Go，并且，打破了软件公司与硬件公司之间的墙壁，基于云端和AI语音识别技术，推出了消费电子产品智能音箱Echo。

一个小小的音箱背后，是亚马逊强大的云平台能力以及AI技术，智能音箱需要实现远场语音识别，相比智能手机上的语音识别技术难度要高得多。今天远场语音识别技术已经非常普及，这是Echo带领的风潮，谷歌、苹果以及中国科技公司们，直到2016年才跟上智能音箱的节奏。

智能音箱是离C端最近的AI技术。在B端，亚马逊的AI实力也不容小觑。目前亚马逊的AI产品线包括：Amazon Lex、AmazonPolly 以及 Amazon Rekognition，分别定位于可编写自然人机交互、语音转换服务以及图像识别。

2019年12月，亚马逊又推出5项新AI服务，包括机器学习驱动的企业搜索、代码审核与分析、欺诈检测、医疗转录和AI预测的人工审核。同时，还发布了首款AI芯片Inferentia。

亚马逊是最早看到云服务对商业世界的巨大作用的公司，2006年，AWS推出云服务功能，目前，AWS在全球的用户数量超过1亿，2019年，手握10亿活跃用户的苹果公司，也成为AWS的客户。

第三方市场研究机构FactSet的数据表明，AWS已经成为世界第三大企业软件公司，2019年的销售额估计可达350亿美元，仅次于微软和甲骨文。分析师预计，AWS的收入将在2020年超过甲骨文。

与此同时，在《报告》中，AI商业化最为成功公司中位列第四的百度也在积蓄力量。

过去十年，百度克服了人才稀少、投入巨大、难关重重的人工智能研究障碍，在中国的公司中最早开始人工智能研究和布局，这要归功于百度创始人李彦宏为核心的领导团队对于未来技术的敏锐嗅觉。百度以搜索起家，但在地图、输入法等移动互联网应用；在B端金融、政企等市场均有布局，AI的技术积淀和商业化强化了百度在新时代的生存和发展基石。

在面向C端的移动互联网，百度的打法是APP+“搜索+信息流”双引擎+“百家号+小程序”双生态的完整体系。其中每一个环节，AI 技术都大幅度增强了产品体验，让用户在应用百度移动产品时获得高效、准确、智能化的体验。

百度在C端的另一个拳头产品是电子地图。电子地图恰恰又是AI技术的绝佳落地场景。百度地图首创了智能语音、智能定位、精准规划、ETA（通行时间智能预估）等创新业务；在技术创新方面，深度融合 AI 技术让数据采集自动化程度提高到80%，另外也引入了VPAS技术实现“圆明园大水法遗址再现”等，真实复刻现实世界。

由于时代风向的转变，曾经被视为科技巨头不会染指的To B市场目前已成为兵家必争之地。百度进入这个市场的武器，也是AI。

一位AI领域的资深技术人士评价，如果从技术产业化的角度评价，目前中国几大巨头的AI云应用竞争同质化的趋势越来越明显。各家的能力也没有明显差距，细看的话，百度依靠多年的技术积累优势可以提供相对丰富的服务，比如，在图片识别领域，百度的场景划分最为细致。

第三方调研机构 IDC在2019年12月发布了《IDC MarketScape：2019中国AI云服务市场厂商评估》，报告显示，百度的AI能力位于领导者象限第一位，超越了阿里、腾讯和华为。

公有云较好地解决了AI部署和运行成本高昂的问题，AI应用迁移、重构到云平台，或直接使用云上的AI服务是大势所趋。也因此，AI成为比拼公有云厂商服务能力的重要指标。

由于百度入局AI最早，也是国内唯一拥有完全自主机器学习框架的云服务商，因此在AI云服务领域，百度能够提供各类自定义组件，满足不同用户进行数据预处理、特征工程和算法建模的需求，在长期的应用落地实践中也积累并保持了先发优势。

不过，AI云服务的竞争目前在中国刚刚开始，当前多数案例还是以边实践边优化为主，产品和服务的商业化和标准化程度有待提升。

在做出AI进入工业化阶段的预判后，百度制定了这样的产业智能化行动路线：核心是实现 AI 技术自身的工业化，希望做到工业规模的生产、提供工业化级别的成本、做到工业化规模的切换，进而加速各产业的智能化升级。

什么是 AI 工业化大生产？可以理解为，能够在有限时间内完成批量化的生产，比如，几天之内完成几十万张的图片标注，又比如在帮 A 企业做了针对手机外壳的智能质检后，如何快速实现帮 B 企业做手机插头的智能质检。

当然，要实现上述目标并不容易，无论是在数据层面、算法层面还是算力层面，都要做很多改进，百度已经着手建立数据体系，完善技术体系。

不仅是亚马逊和百度，包括谷歌、微软、苹果，以及阿里、腾讯等平台巨头在AI商业化的道路上都有一些共性。

一是通过开放平台来控制入口。利用自身技术和资源优势建设基础平台，和中小型企业达到共赢的效果，后者为前者的生态繁荣添砖加瓦，前者为后者节省基础技术上的投入，专注做应用。

二是公司基因决定AI发展方向。谷歌具备技术优势，主打通用化适配全行业；亚马逊围绕电商+云紧紧围绕产品化思维；Facebook成长于开放的新一代互联网环境中，AI路径是开放、开源，一直坚持对外开源研究代码、数据集和工具；苹果自身的商业模式是“软+硬”的相对封闭体系，AI路径既围绕产品化，也相对封闭。

如何延续黄金时代

人工智能的前景无人质疑，人们更关心的是自己能不能搭上这列驶向未来的快车

《报告》调研结果显示，受访对象普遍认为AI行业发展前五个重要因素主要来自行业成熟程度和客户的接受度。当上下游有完善的生态支持和5G商用，将能够使得人机交互体验的升级和产品生产成本降低，进而增加消费者的接受度。

一位接受《哈佛商业评论》中文版采访的中国某大型平台公司技术高层表示，2019年，所有公司对于AI的关注点都在求精和场景化，大家都有不少新的落地场景，但没有明显的核心技术突破，“说的都是更快更强更好用的话，但核心技术和前两年基本一致。”

这是技术发展和产业迭代周期的正常现象，技术进步带来产业繁荣，产业繁荣反哺技术进步，尤其在高科技行业。

2020年，人工智能技术的研究将更进一步。有研究机构认为，人工智能将从感知智能的1.0时代向认知智能的2.0时代演进，如何保持大数据智能优势的同时，赋予机器常识和因果逻辑推理能力，实现认知智能。

另外，计算存储一体化的趋势有望突破AI算力瓶颈，使用AI技术保护数据隐私正在成为新的技术热点。

IBM的预判是，人工智能的理解能力提高，又将扩大应用范围。2020年,更多人工智能系统会开始依赖集学习能力和逻辑性于一身的“神经符号 (neuro-symbolic)”技术。

神经符号技术是突破自然语言处理(NLP)技术的关键,它能够结合常识性推理和各领域的专业知识来帮助计算机更好地理解人类语言和对话。此类技术突破将帮助公司去部署那些对话能力更强的自动化客户关怀工具和技术支持工具,同时还大大减少了训练人工智能所需的数据量。

5G也是促成人工智能技术往前一步，商业化更深一步的积极变量。

5G本质是更强的数据传输能力，IoT设备也会采集更多数据，借助于5G传输到边缘侧和云端供AI学习，AI将拥有更多原材料即“数据”。

2020年5G全面商用，将会进一步加速AI的发展。5G具有低延时、高带宽和大容量三大特性，给智能家居、自动驾驶、可穿戴、VR/AR等AI强相关的应用创造了网络条件，将给AI创造更多落地场景。

边缘计算、云端协同和分布式计算会具备更好的网络基础，给AI创造完善的底层计算基础。

人工智能技术自身的迭代，和5G的加持，将进一步助推人工智能商业落地进程。

《报告》调研结果认为，医疗、手机和互联网，以及家庭家居被视为下一阶段最具潜力的应用场景前三名。

医疗行业、互联网和家居三个行业天然具备数据属性，是公认的人工智能首批落地的最佳行业之一。金融证券、工业、消费和政府行业，也是目前巨头开发较多，落地前景可期的领域。这些行业的共同特点有三：数据基础良好；需求旺盛，技术可复制能力强；较为容易找到可落地的丰富场景。

以医疗行业为例，近些年来，传统的医疗巨头和科技巨头都在积极加码布局该领域：强生、西门子等布局包括机器人、影像、辅助诊断在内的多个医疗AI领域，科技巨头中IBM、谷歌以及国内的百度、腾讯等公司在医疗AI领域也均有新成果。伴随巨头的进入，行业整合进一步加剧。

市场调研机构Global Market Insights数据显示，药物发现在智能医疗方面将占据35％以上的最大市场份额，到2024年收入将超过400亿美元；医疗影像和诊断技术将成为2017年到2022年间智能医疗领域增速最快的行业，预计到2024年，行业将达到250亿美元，增速超40％。

人工智能进医疗行业，可以预见将是一个从外延逐步向核心延伸的漫长过程，医疗行业2018年，仅中国已有上千家三甲医院引入AI产品，但同质化、赢利模式不清晰的行业痛点依旧存在。留给平台巨头的一个巨大商业机会就是，如何能够找到一条和本国医疗行业共生共赢的合适路径。

不过，选择哪些行业，重点落地哪些行业，不同的巨头有不同的考量，通常，决定他们战略选择的重要因素，是自身优势适合哪些行业。

当今世界，技术正在经历一个由“硬”变“软”的过程。当人工智能的软实力和传统行业叠加，也就会带来所谓的智能革命，可以预见的是，2020年开始，它将切实融入我们的生产、生活，看得见，摸得着。

施然 | 文   刘铮筝 | 编辑