企业机器学习后来居上，吃螃蟹者引领前行？

以前有一种说法：软件正吞噬一切，谁也逃不开它。由此软件市场持续高速增长二十多年。

然而，现在正在流行一种新说法，机器学习ML正在吞噬吃软件。

专家认为，ML正在给医疗健康、信息安全、零售、制造、金融等产业创造数万亿美元的商业机会。

中国软件网认为，下一个万亿价值的市场机会就在企业机器学习领域。那么，谁能玩转企业机器学习市场？哪类企业会是这个市场的幸运儿？

万亿机会带动企业ML投资疯狂增长

AI特别是机器学习在我们的日常生活中无处不在。无论是大家使用的移动设备、可穿戴设备，还是办公协同设备上，人工智能应用不断丰富。

谷歌的地图、翻译，高德的导航，特斯拉的自动驾驶汽车，亚马逊的语音助手，甚至机器帮我们推荐喜欢的视频节目，背后都有机器学习的身影。

每天我们都会看到一些人工智能应用的新突破，都体现了身临其境的人工智能。

不过，现在企业毫无疑问正在成为机器学习应用的中心。麦肯锡表示："到2030年，AI/ML可能带来约13万亿美元的额外经济产出，使全球GDP每年增长约1.2%。

AI/ML应用实现了分析、数据科学和自动化的融合，加速了企业数字化转型，并推动了业务创新，带来成本降低和效率提升等成效。

通过新的场景应用推动创新，通过无可挑剔的即时创新，吸引了投资者，从而成为进入创新发展的前沿、效率提升的推动者。

从Facebook、亚马逊、苹果、Netflix、谷歌等孵化出来的ML创新成果，从智能搜索到购物推荐，从智能音箱到语音助手等，均创造了巨大的经济效益。

但大多数企业并没有意识到传统行业对ML的需求不断增加。

根据Salesforce研究报告《企业技术趋势》发现，83%的企业IT领导者表示，AI &ML正在改变客户参与度，69%的领导者表示它正在改变公司的业务。

另一项调查显示，76%的企业在2021年IT预算中优先考虑人工智能和机器学习。

AI和ML应用可提高客户收入、降低成本。改进客户体验，实现自动化流程，以及生成财务报告，提高财务可见性等，是启动AI或ML概念验证最主要的原因。

46%的企业使用AI &ML来打击欺诈行为，鉴于违规行为（包括 SolarWinds 网络攻击）的增长和严重程度，欺诈行为很可能会增长。

CAP最近对网络安全人工智能采用情况的研究发现，网络、数据和端点安全是当今网络安全ML的三大主要使用场景，这些场景在2021年将获得更多资金投入。

ML重树企业5大竞争力

企业保持长盛不衰的秘诀无非是保持市场竞争力、增加收入和降低运营成本等。目前，ML在AI中脱颖而出，成为企业快速做出明智的决策、推动新业务发展、吸引新客户和优化业务运营成本等在内的最强大的工具之一。

实施ML系统，能为企业带来更强的竞争力。

快速做出实时决策。在不断变化的技术环境中，机器学习能帮助企业快速决策。

假设您发现网站后端存在数据泄露，显然公司希望安全部门能够快速弄清这个会造成业务中断的潜在问题。但是团队查看了整个网站的流量源后，却找不到任何漏洞。

怎么办？如果使用机器学习软件，可以在几秒钟内识别安全漏洞。这些程序会查找异常情况并将信息发送回技术团队，以便能够解决问题。

等待的时间越长，企业数据和重要用户信息就越有可能遭到破坏。在这种情况下，监控企业安全并做出瞬间决策的能力可以为企业减少大量损失。在信息安全方面，机器学习正在发挥越来越重要的作用。

提高对重复任务处理的速度。除了机器人业务流程自动化（RPA）外，AI和机器学习正在加入对企业重复性任务自动化处理的行业，这一工作在提高效率、降低成本的同时，更加智能化。

ML、深度学习和自然语言处理（NLP）等技术，可以使企业中重复性工作或者流程自动化，生成可靠、相关、动态和智能的信息，从而有助于任务的处理或者决策。

例如，在客户服务中使用基于NLP的聊天机器人，可用于回答客户提出的大多数问题。在复杂的查询中，可以无缝地将其传递给人类代表。它们还提供与API及其案例管理或ERP系统的集成。

提供个性化服务。个性化已成为所有行业企业最有效的营销策略之一。没有人会把时间和金钱投入到一个不了解自己特定需求的品牌上。

个性化是亚马逊增长的一个重要因素。庞大的在线商店使用AI根据其他客户的类似购买行为，对商品进行分类，然后根据用户的购物历史，创建自定义的产品列表和优惠。

这些个性化列表是使用机器学习技术创建的，该软件分析消费者行为，并快速决定他们接下来可能想要购买或阅读的内容。

当然，中小企业也能够利用这项技术。许多科技企业主使用ML驱动的智能广告，根据消费者在网站上的消费经验，向消费者展示引人注目的内容。同样，企业也可以收集数据并使用营销活动中学到的内容，为更多的消费者提供一流的个性化体验。

推出创新产品或者发现新的业务线索。虽然大多数企业都受益于机器学习应用带来的成本节约，但也有一些利用ML系统，发现新的业务、加快推出新的产品的成功应用。

健身品牌Armour使用机器学习自动识别精确的用户细分市场，以创建高度定制的健身建议。这使得Armour获得更多新产品发展的信息，加快新产品推出的速度。

澳大利亚领先的能源公司AGL过去三年来，一直在以各种创新方式使用机器学习来管理和分析其370万客户的能源使用情况。公司启用一种名为"虚拟发电厂"的新产品，使客户能够将自己太阳能的能源回馈电网。该产品帮助AGL创造了额外的收入。

降低运营成本。降低运营成本是企业发展根本动力。一般来说，人工智能的采用率提高可归因于手动或统计驱动任务的自动化，这些任务可节省重复任务的时间，并增加对高价值工作的关注。

最常导致成本降低的机器学习案例是库存或定价优化、联系中心自动化和索赔处理。

ML应用提供了令人难以置信的机会，无论是在成本节约和收入增长方面。在企业服务的众多领域，如金融、制造、媒体、广告、医疗等行业创造的增长更显得突出。

在过去3～5年中实施机器学习算法的企业如今看到了投资回报。如果您的企业还没有将AI/ML 纳入业务战略，那么是时候考虑在2021年开始投资AI/ML，以保持市场竞争力，并在满足客户期望的同时增加收入。

谁都能分杯羹？

涉足机器学习领域的企业越来越多，除了专注于视觉、语音、算法等专业的AI公司外，包括云服务商、垂直行业领域的服务商、大数据与AI工具服务商等逐渐在机器学习领域暂露头角，受到用户的青睐。

机器学习作为服务的MLaaS市场增长迅速。

采用人工智能不仅仅是孤立的模型或算法开发，还涉及企业范围的协作和模型的运行。具有全面无代码、低代码平台（自治ML）的工具供应商，以 AI 作为服务（AIaaS）或ML作为服务（MLaaS）或通常作为嵌入式 AI 服务的形式，引入了托管服务 AI。

据估计，到2023年，全球AIaaS市场将达到60亿至70亿美元，MLaaS市场将从2020年的10亿美元增至2026年的84.8亿美元，在预测期内（2021-2026年）的复合年均增长率为43%。

谷歌云ML、Azure ML、AWS ML、IBM沃森、阿里云、腾讯云、华为云等是MLaasS服务、AI作为服务（AIaaS）和自动ML产品的重要参与者。

在ML服务托管方面，云服务商无疑走到前列。ML服务已经成为云服务商未来增长的核心业务之一。

从2016年起，亚马逊云科技开始在云上提供机器学习服务，目前服务的用户数量超过十万个。

经过近几年的持续创新，亚马逊云科技在机器学习领域已经构建起一个“全家福”工具集。顶层，提供预先训练好的模型，涵盖视觉、语音、对话、文字、业务工具、客服中心、搜索、代码+运维、工业AI等，用户在输入自己的数据后，就可以拿来就用。

中间层，推出了拥有200多项功能的ML工具平台——Amazon SageMaker，首个全托管的机器学习集成开发环境，最大限度地提高用户开展机器学习的效率，降低开展机器学习的门槛。

底层，AWS提供强大的算力、全面的算力选择和丰富的机器学习框架选择。

公共云服务商采取了"端到端平台"的方法，除了可以销售更多的基础设施服务外，目标是扩大ML用户使用范围。

对于像亚马逊云科技这样的科技巨头来说，销售ML工具是推动客户云基础设施销售的一种手段，这意味着他们有能力以低成本提供这些工具。

同时亚马逊云科技的ML平台Sagemaker最初是为专家开发人员和数据科学家准备的，它最近推出了Sagemaker工作室，将受众扩展到技术用户。同时使ML透明化，使记录、数据管理、部署和可重复性等工作变得更容易，使模型培训高效且可调试。

机器学习模型需要专门构建的、速度快、具有可扩展的计算的支持，因此专用芯片市场开始形成。

在GPU市场，先入者包括了 NVIDIA 的 GPU、谷歌的 TPU、微软、英特尔和高通，中国的阿里、华为等都推出了自己的AI芯片，它们都是这一领域的领跑者。

这一行业也出现了一些独角兽企业，如Run在AI 引入了计算服务（CaaS），并构建了用于协调和加速人工智能的计算管理平台。

TinyML 使得直接在微控制器上运行越来越复杂的深度学习模型成为可能。

C3.ai 平台已经配备了他们独特的XaaS产品。

OpenCV（开源计算机视觉库）API 应用基础架构加快了商业产品中嵌入式 CV 的使用。

将ML嵌入到垂直行业应用中，出现了一批创新型公司。

在美国，Athelas将ML应用于免疫监测，通过收集白细胞计数数据，帮助患者优化药物摄入量。Curai 利用 ML 来提高医生建议的效率和质量，使他们能够花更多的时间治疗患者。斑马和AIdoc通过培训数据集来更快地识别医疗状况，使放射科医生获得权力。

在工业和物流领域，Covariant 是一家将强化学习和神经网络相结合的初创公司，使机器人能够管理大型仓库设施中的物体。敏捷性和灵巧性同样出现在制造机器人上，以越来越复杂的方式适应不可预知的情况。Interos 使用 ML 评估全球供应链网络，帮助企业围绕供应商管理、业务连续性和风险做出关键决策。

在安全和防御方面，Verkada 通过智能分析和实时镜头学习，重新构想了企业物理安全。安杜里尔已经建立了一个ML骨干，集成来自传感器塔的数据，以增强情报，以利于国家安全。盾牌人工智能的软件允许无人系统在战场上解释信号和智能行动。

机器学习是人工智能的重要组成部分，它使计算机能够从数据分析中学习。ML可以改变企业开展业务的方式，无疑将继续以比以往更快、更广的速度向前推进。

数据是ML成功的关键推动因素，模型开发、管理是ML应用效率提供的核心环节，部署与运营是ML成功的保障措施。ML需要企业数字化，也会促进企业数字化向纵深发展。