AI行業(yè)市場基本狀況

行業(yè)玩家情況

行業(yè)玩家情況

第一類玩家即當裁判，也當運動員

阿里、騰訊、華為等行業(yè)巨頭在大數據、云計算、AI(語音語義、視覺圖像、知識圖譜等)技術等方面已有深厚積累，在很多行業(yè)(如零售、金融、教育、交通、出行等)賦能已有完整成熟落地方案，它們不僅提供打包完整方案賦能企業(yè)，也提供底層算力封裝后的PaaS服務給到第三類玩家拓展業(yè)務。

優(yōu)勢：掌握核心技術，引領行業(yè)前進

劣勢：核心技術需要大量研發(fā)資金投入，技術成果轉化與業(yè)務拓展兩者難以平衡

第二類玩家，術業(yè)有專攻

科大訊飛、追一、商湯等企業(yè)，分別在語音語義、視覺圖像等垂直方向上，有著深度自主AI技術研發(fā)實力，為零售、金融、交通、教育、出行、電商、地產、醫(yī)療等眾多行業(yè)提供AI技術方案賦能(如基于語音語義等技術在線機器人、語音機器人、智能客服方案，基于視覺圖像技術的智能駕駛方案)，助力企業(yè)簡化業(yè)務場景處理流程、升級服務能力，為用戶帶來更好體驗，實現降本增效，驅動業(yè)務快速增長。

優(yōu)勢：掌握垂直領域核心技術，擁有行業(yè)話語權

劣勢：核心技術雖有深度，但缺少廣度，垂直領域方向之外業(yè)務發(fā)展易受限

第三類玩家，細耕業(yè)務

天潤融通、容聯-七陌等企業(yè)，主要集成第一類玩家提供AI技術能力，進一步封裝為面向應用化類似SaaS/PaaS產品，細耕耘服務、營銷、辦公、運營、中臺業(yè)務場景，為零售、金融、保險、教育、電商、本地生活等行業(yè)賦能。

優(yōu)勢，專心集成整合大廠技術，耕耘業(yè)務，無需投入大量研發(fā)成本

劣勢，缺少核心技術，業(yè)務拓展易受制于人

商業(yè)模式總結

提供類似SaaS部署解決方案，按使用年期收費 — 主體盈利方案

后續(xù)提供運營類、技能/服務升級服務增值 — 增值業(yè)務點

與生態(tài)鏈伙伴合作研發(fā)產品，共同分享產品成長果實 — 合作分成

AI語音語義技術衍生的業(yè)務分析

智能語音語義賦能業(yè)務技術原理

智能語音語義賦能業(yè)務，這里是以自然語言處理(NLP)+語音識別(ASR)+語音合成(TTS)+知識圖譜(KG)+深度學習(DL)等技術來處理語義文本理解/生成、語音識別轉化為文本、文本轉化語音合成作業(yè)，解決營銷、服務、運營、辦公、中臺業(yè)務場景中實際語音語義相關工程問題。

為進一步闡述其中技術工作原理，見如下簡化流程圖

AI語音語義類業(yè)務框架圖

輸入端

用戶query的內容通常來說有兩種類型，語音或者文本，如是語音，則需要先進行語音識別(ASR)處理轉為文本，便于后續(xù)處理。

語義處理

文本語義處理(NLP)主要為兩部分：內容理解(NLU)+內容生成(NLG);

內容理解(NLU)，即是對用戶query輸入內容進行意圖識別+槽位解析(抽取特征信息);

內容生成(NLG)，即是生成用戶可以理解的內容，將非語言格式數據轉化為用戶可理解的語言。

對話管理

對話管理系統(tǒng)主要分為兩部分：對話狀態(tài)維護(DST)+對話策略(Dialog Policy);

對話狀態(tài)維護(Dialog State Tracking，DST)，管理當前對話狀態(tài);

對話策略(Dialog Policy)，根據當前對話狀態(tài)，生成相應對話策略。

語義語音機器人類型(輸出端)

根據不同業(yè)務場景類型特點，語義機器人類型主要可分為以下四大類

以上類型機器人，通常地先以文本語言方式回復，也可以通過語音合成(TTS)技術處理將文本內容轉為語音回復。

(PS，以上類型機器人背后技術框架和工程后面將專門新文展開來寫，敬請期待)

AI產品應用行業(yè)廣泛

AI語音語義已有成熟產品解決方案落地應用，覆蓋了B、C、G端的大量語音語義領域的業(yè)務，如營銷、咨詢、服務、運營等，解決了企業(yè)傳統(tǒng)人力運維服務質量參差不齊、業(yè)務增長困難、成本居高不下且效率較低的大痛點，如“智能客服(語音機器人)”產品已為銀行、汽車、地產、政務、校園、保險、電商等縱多行業(yè)賦能。

AI技術賦能行業(yè)面臨的痛點

近幾年AI技術發(fā)展非常迅速，很多AI技術廠商已開始跑馬圈地推出了很多有意思的技術解決方案和產品，如智能客服、在線機器人、人臉識別等，很多成熟方案已在電商、金融、教育、地產、交通等行業(yè)里落地應用，為賦能企業(yè)運營效率效能提升、成本優(yōu)化控制取得了很好效果。

AI技術賦能業(yè)務所面臨痛點

AI技術賦能企業(yè)的光鮮亮麗背后，也面臨著因AI本身屬性所帶來的業(yè)務痛點

強依賴數據，無數據不智能AI模型由算法、算力、數據構成，每個性能穩(wěn)定的模型需要大量數據注入，并不斷訓練;真實數據集大部分是臟數據，需要花大量時間成本進行數據清洗

強依賴人工介入，無人工不智能業(yè)務處理不夠成熟，需要依賴人工最后1min介入處理業(yè)務自我學習能力不夠強，需要人為不斷進行數據標注效果調優(yōu)需要人工訓練

產品上線運維門檻要求高產品上線需要人工大量編寫規(guī)則、標注數據BadCase需要人工核查、分析

產品水土不服業(yè)務邏輯理解不足缺少人機協同

針對痛點對策

要始終抱有積極心態(tài)，相信方法永遠多于問題

盡量復用前期經驗&原有模型(主流模型、成熟方案)

不斷優(yōu)化模型對業(yè)務邊界case(前期模型未命中或處理不夠好的案例)泛化能力

提供智能化工具包，簡化運維流程，提高運維效率

產品功能組件化，細化業(yè)務需求顆粒度，通過不同模塊彈性伸縮配置，最快滿足客戶業(yè)務迭代需求

AI技術賦能行業(yè)之未來展望

在新一輪科技進化和產業(yè)變革浪潮中，人工智能從感知往認知不斷發(fā)展。在5G通信技術、物聯網和云計算加持下，人工智能將會成為改變現有社會生產結構科學技術。

隨著技術不斷迭代，市場對人工智能認知也趨于完善，更多產業(yè)開始擁抱人工智能，目前人工智能已進入到技術與商業(yè)結合，與合作伙伴一起重構傳統(tǒng)產業(yè)價值鏈階段，實現降本增效，驅動業(yè)務增長。

產品展望

伴隨5G技術不斷普及，新基建如火如荼，AI技術未來在萬物互聯時代背景下，將有著更寬闊的市場應用空間。

結合行業(yè)已有AI產品形態(tài)和商業(yè)模式經驗，以下是對未來AI技術及業(yè)務形態(tài)模式的大膽思考，以期作為AI產品規(guī)劃、布局的reference。

產品功能組件化，根據業(yè)務場景特征，選擇相應模塊組件拼接集成，即可實現業(yè)務定制和上線運營;

產品云化，萬物互聯不僅帶來了海量設備連接能力，更要求有著對海量數據處理能力，巨量業(yè)務數據處理需求將驅動產品云化;

產品生態(tài)化，5G技術將會催化人工智能對傳統(tǒng)產業(yè)價值鏈重構，細化產業(yè)價值分工，標準化產品解決方案，同時促進AI更好賦能行業(yè)，構建起健康的產品生態(tài)。

商業(yè)模式展望

像水電一樣，按流量使用計費。

5G通信技術加速了萬物互聯，也催化了人工智能在IoT時代的場景應用，未來AI產品形態(tài)將會像水電一樣，無處不在，按需使用，按用計費。