一個市場的形成會經(jīng)歷若干階段，每一個階段的環(huán)境造就不同的利潤。

持有以上觀點(diǎn)的一些探討，AI大神吳恩達(dá)在一次訪談中提過：

• 一個新科技的出現(xiàn)要掐著時(shí)間，不能太早也能太晚。比如說iphone，2007年才是它發(fā)布的正確時(shí)間，而不是在1993年，因?yàn)槟菚r(shí)的芯片，電池，屏幕技術(shù)還沒到位。
• 另外一個極端的例子是達(dá)芬奇發(fā)明直升機(jī)，他發(fā)明直升機(jī)的時(shí)間是1480年代，而飛機(jī)引擎技術(shù)在1900年代才出現(xiàn)。
• 還有自動駕駛技術(shù)，2007年研究自動駕駛技術(shù)還太早，因?yàn)锳I要用到的傳感器還沒生產(chǎn)出來。2015年以后，整個自動駕駛的生態(tài)系統(tǒng)才算比較完善。
• 同樣在1990年代，網(wǎng)絡(luò)，視頻流還不足以支撐慕課問世，到2011年，整個網(wǎng)絡(luò)基礎(chǔ)建設(shè)才為在線視頻教育提供了較好的環(huán)境。
• 深度學(xué)習(xí)也是，90年代數(shù)據(jù)/計(jì)算比較小，淺層算法效果更好。從2007開始，有了大數(shù)據(jù)做基礎(chǔ)，深度學(xué)習(xí)才取得了更好的效果。
• 但是，我們還是要感謝歷史中所有的革新者，包括早期的那些人，他們的工作對后來的發(fā)展進(jìn)步也非常具有影響和幫助。

歷史的條件具備，所謂天時(shí)。

產(chǎn)業(yè)鏈中的公司要賺錢，一定要等到市場環(huán)境成熟。

人工智能的目前的公司：

第一類是互聯(lián)網(wǎng)巨頭，包括“超第一梯隊(duì)”的跨國公司Google和微軟亞洲研究院，以及第一梯隊(duì)的巨頭——大家熟悉的百度、阿里和騰訊；以及第二梯隊(duì)的今日頭條和滴滴等公司。

第二類是人工智能創(chuàng)業(yè)公司，以某種人工智能技術(shù)為主營業(yè)務(wù)的創(chuàng)業(yè)公司，典型的如自動駕駛領(lǐng)域的Momenta、地平線、馭勢科技；視覺識別領(lǐng)域的格靈深瞳、商湯科技和曠視科技等。

第三類是將人工智能融入到自身業(yè)務(wù)中的其它創(chuàng)業(yè)公司，如學(xué)霸君、潑辣熊和智齒科技等。

目前我們所見到的風(fēng)口上的幾家技術(shù)層公司，大多屬于學(xué)院派，無論是提供服務(wù)還是軟件授權(quán)，收益都是極其有限的。

人工智能產(chǎn)業(yè)鏈的公司靠什么存活？

人工智能產(chǎn)業(yè)鏈非常龐大而且一直在演變，每一次的演變都有有相應(yīng)的設(shè)備基礎(chǔ)支撐.

1.人工智能市場總覽

自下而上可以分為三類，我認(rèn)為最早賺錢的一波公司就是硬件公司，比如之前GPU運(yùn)算爆發(fā)的英偉達(dá)，其次數(shù)據(jù)采集公司，其次是應(yīng)用公司。

BCG人工智能產(chǎn)業(yè)鏈格局

A. 人工智能【基礎(chǔ)層】：主要以硬件為主

1. 運(yùn)算芯片：GPU\TPU\FPGA等 2. 終端數(shù)據(jù)采：攝像頭\麥克風(fēng)\智能運(yùn)動佩戴（心率、血壓）等等 3. 終端數(shù)據(jù)傳輸：Lora、NB-iot、BLE、WIFI、3G/4G等 4. 云計(jì)算：BAT、IBM、亞馬遜、華為、微軟等公司的云服務(wù) 5. 用戶行為大數(shù)據(jù)：BAT、京東、新浪、今日頭條等用戶數(shù)據(jù) 6. 行業(yè)大數(shù)據(jù)：社保、醫(yī)療、政府的工商農(nóng)建行業(yè)數(shù)據(jù)等 7. 智能終端：智能手機(jī)（很難想象，但是確實(shí)是組成之一）

B. 人工智能【技術(shù)層】：主要以機(jī)器學(xué)習(xí)、語音、自然語言處理、計(jì)算機(jī)視覺

1. 機(jī)器學(xué)習(xí)（深度學(xué)習(xí)）：模型的建立和數(shù)據(jù)訓(xùn)練 2. 語音及NLP處理：語音識別和解析，等 3. 計(jì)算機(jī)視覺：圖片識別、分類及解析、人臉識別、物體識別

C. 人工智能【應(yīng)用層】：

人工智能行業(yè)細(xì)分為13類：

深度學(xué)習(xí)/機(jī)器學(xué)習(xí)（通用）：這類公司主要建立可依靠現(xiàn)存數(shù)據(jù)進(jìn)行學(xué)習(xí)的算法。典型例子包括預(yù)測數(shù)據(jù)模型與分析行為數(shù)據(jù)的軟件平臺。

深度學(xué)習(xí)/機(jī)器學(xué)習(xí)（應(yīng)用）：這類公司同樣使用計(jì)算機(jī)算法，但卻是基于非常垂直的特殊案例中存在的數(shù)據(jù)運(yùn)行。典型例子有利用機(jī)器學(xué)習(xí)技術(shù)偵查金融詐騙或者識別最好的銷售線索。

自然語言處理（通用）：此類公司構(gòu)建的算法能夠處理輸入的自然語言，并將其轉(zhuǎn)化為可理解的表達(dá)。例子包括文本自動生成以及文本挖掘生成數(shù)據(jù)。

自然語言處理（語音識別）：公司產(chǎn)品能夠處理人類語音的片段，準(zhǔn)確識別單詞并推測含義。典型的例子是語音指令的檢測并將其轉(zhuǎn)化為可執(zhí)行的數(shù)據(jù)。

計(jì)算機(jī)視覺/圖像識別（通用）：這類公司研發(fā)的技術(shù)主要是圖像處理、分析，可從中提取信息、識別圖像中的物體。典型例子包括圖像搜索平臺和研發(fā)員使用的圖像標(biāo)簽應(yīng)用程序接口。

計(jì)算機(jī)視覺/圖像識別（應(yīng)用）：這類公司是在非常垂直的案例中使用圖像處理技術(shù)。典型案例包括面部識別軟件和能讓用戶通過拍照搜索商品的軟件。

手勢控制：公司產(chǎn)品可讓用戶通過手勢與計(jì)算機(jī)互動或交流。典型例子包括讓人們通過肢體動作控制游戲角色的軟件以及僅用手勢就能控制計(jì)算機(jī)和電視的軟件。

虛擬私人助手：這是一類基于反饋和指令來為個體完成日常任務(wù)和服務(wù)的軟件助理。典型例子有網(wǎng)絡(luò)客服助理和個人助理app，管理個人日程安排等。

智能機(jī)器人：可以進(jìn)行經(jīng)驗(yàn)學(xué)習(xí)并根據(jù)身邊環(huán)境自主進(jìn)行活動的機(jī)器人。典型例子有家庭機(jī)器人，可以在互動中根據(jù)情感做出反應(yīng)，還有幫助人們找到商品的銷售機(jī)器人。

推薦引擎和協(xié)助過濾算法：軟件能夠預(yù)測用戶對電影、餐廳等的偏好，并推薦個性化的內(nèi)容。典型例子有音樂推薦app和基于用戶過去選擇進(jìn)行推送的美食推薦網(wǎng)站。

情境感知計(jì)算：軟件能夠自動感知周圍環(huán)境以及使用背景，例如位置、方向、光度，并以此調(diào)整行為。典型例子包括感知環(huán)境的黑暗度并調(diào)高亮度的應(yīng)用。

語音翻譯：識別人類語音并立刻自動從一種語言翻譯至另一種語言的軟件。典型例子是自動以及實(shí)時(shí)的將視頻談話或網(wǎng)絡(luò)研討會翻譯為多種語言的軟件。

視頻內(nèi)容自動識別：這類軟件可以將視頻內(nèi)容的一個樣本與源內(nèi)容文件相比較，通過它獨(dú)特的特點(diǎn)識別內(nèi)容。典型例子有對用戶上傳的視頻與版權(quán)視頻文件比較以偵測是否侵權(quán)的軟件。

從變現(xiàn)賺錢能力來看不同產(chǎn)業(yè)鏈的變現(xiàn)能力如下：

解決方案是大部分公司最容易進(jìn)入，而且最快可以變現(xiàn)的部分。 其次就是大數(shù)據(jù)：但是大數(shù)據(jù)的進(jìn)入門檻基本已經(jīng)被壟斷。 通用技術(shù)和算法框架：這個類比較尷尬，來錢慢，對技術(shù)要求也要高。 應(yīng)用平臺：API接口調(diào)用，各種開發(fā)者生態(tài)群落.

人工智能的產(chǎn)業(yè)常見商業(yè)模式

過去數(shù)十年的互聯(lián)網(wǎng)及新科技產(chǎn)業(yè)無非以下四種商業(yè)模式:

人工智能公司常見變現(xiàn)模式如下：

實(shí)際上人工智能產(chǎn)業(yè)中盈利部分大多數(shù)來自項(xiàng)目，比如人臉識別+，圖像識別加+，但是盈利非常弱。

相關(guān)內(nèi)幕（人臉識別公司）：

以Y公司的幾個項(xiàng)目中標(biāo)金額看：多個銀行項(xiàng)目1元中標(biāo)，國家項(xiàng)目免費(fèi)做。Y公司2016年去年?duì)I業(yè)額2000萬，開銷6000萬，凈虧4000萬。

以K公司的在線API為例，全年API調(diào)用付款不到3000萬次，每次0.1元，收益大概300萬。K公司去年?duì)I業(yè)額1250萬，開銷3500.

以S公司的集成授權(quán)為例，全年的項(xiàng)目集成不超過80個，很多還是免費(fèi)提供技術(shù),S公司2016年除了幾個APP公司給的一些合作費(fèi)用，總計(jì)收入不到1000萬，開銷6500萬。大部分是虧得不要不要的。

那么整體人工智能行業(yè)并不賺錢，那么人工智能從業(yè)人員的高薪是誰支付的？

很多人說，不靠B，不靠C，靠VC存活。

與所有風(fēng)口吹泡泡的故事一樣，資本再次充當(dāng)了那個“老好人”的角色。

從2016到2017年，國內(nèi)投資過人工智能領(lǐng)域的機(jī)構(gòu)多達(dá)145家，而無論是否投資過人工智能企業(yè)，幾乎所有投資機(jī)構(gòu)在公開場合都認(rèn)為：人工智能的確是未來，只是在未來有多遠(yuǎn)，以及如何估值這個問題上存在一定疑問。 以學(xué)術(shù)水平論估值，是正在布局這個行業(yè)的一些VC的基本邏輯。

人工智能這一波的猛烈炒作，實(shí)際上炒作的這些標(biāo)志性公司大多屬于技術(shù)型公司，并沒有太好的變現(xiàn)渠道，真正在賺錢的公司都是一些行業(yè)的垂直應(yīng)用公司（解決方案公司），而且完全不知名。這波炒作的公司在后面的篇幅會單獨(dú)介紹。

人工智能產(chǎn)業(yè)鏈代表性公司(以下非全面數(shù)據(jù))

基礎(chǔ)層（按技術(shù)層級從上到下，下同）

計(jì)算能力層：大數(shù)據(jù)、云計(jì)算、GPU/FPGA等硬件加速、神經(jīng)網(wǎng)絡(luò)芯片等計(jì)算能力提供商 數(shù)據(jù)層：身份信息、醫(yī)療、購物、交通出行等各行業(yè)、各場景的一手?jǐn)?shù)據(jù)。

框架層：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系 統(tǒng) 算法層：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等各種算法 通用技術(shù)層：語音識別、圖像識別、人臉識別、NLP、SLAM、傳感器融合、路徑規(guī)劃等技術(shù)或中間件。

應(yīng)用平臺層：行業(yè)應(yīng)用分發(fā)和運(yùn)營平臺，機(jī)器人運(yùn)營平臺 解決方案層：智能廣告、智能診斷、自動寫作、身份識別、智能投資顧問、智能助理、無人車、機(jī)器人等場景應(yīng)用，人工智能產(chǎn)業(yè)鏈中，基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)，價(jià)值最高，需要長期投入進(jìn)行戰(zhàn)略布局；通用技術(shù)層是構(gòu)建技術(shù)護(hù)城河的基礎(chǔ)，需要中長期進(jìn)行布局；解決方案層直戳行業(yè)痛點(diǎn)，變現(xiàn)能力最強(qiáng).

本系列包含（可以加入豆列）：

1. 人工智能產(chǎn)業(yè)的相關(guān)資料和產(chǎn)業(yè)現(xiàn)狀 2. 人工智能產(chǎn)業(yè)鏈及商業(yè)模式 3. 人工智能產(chǎn)業(yè)鏈重要產(chǎn)品和行業(yè)應(yīng)用 4. 人工智能產(chǎn)業(yè)的收入水平和技能樹 5. 人工智能產(chǎn)業(yè)之人臉識別項(xiàng)目入門