麥肯錫近日發(fā)布最新報(bào)告，對(duì)當(dāng)下全球AI發(fā)展進(jìn)行了全面的調(diào)查。得出以下結(jié)論：包括百度和谷歌在內(nèi)的科技巨頭在AI上的花費(fèi)在 200 億至 300 億美元之間，其中 90％用于研發(fā)和部署，10％用于AI 收購(gòu)。機(jī)器人和語(yǔ)音識(shí)別是兩個(gè)最受歡迎的投資領(lǐng)域。計(jì)算機(jī)視覺(jué)是獲投資最多的子領(lǐng)域。全篇報(bào)告主要焦點(diǎn)在于人工智能的落地現(xiàn)狀，從各大企業(yè)的采納和投資角度來(lái)說(shuō)，人工智能現(xiàn)在只處在“溫?zé)帷睍r(shí)期。高科技、通信和金融服務(wù)將成為未來(lái)三年內(nèi)采用人工智能的主導(dǎo)行業(yè)。

• 2016 年，包括百度和谷歌在內(nèi)的科技巨頭在AI 上的花費(fèi)在 200 億至 300 億美元之間，其中 90％用于研發(fā)和部署，10％用于AI 收購(gòu)。

• 人工智能（AI）投資已成為世界領(lǐng)先的科技公司之間的專利和知識(shí)產(chǎn)權(quán)的（IP）競(jìng)賽。

• 2016 年，美國(guó)公司占了所有AI 投資的 66％。中國(guó)占了 17％，排在第二，增長(zhǎng)迅速。

• Netflix 估計(jì)，取消訂閱原本每年可能減少 10 億美元收入，現(xiàn)在Netflix 可以通過(guò)提供更好的搜索結(jié)果來(lái)避免這一損失。

• 機(jī)器人和語(yǔ)音識(shí)別是兩個(gè)最受歡迎的投資領(lǐng)域 。

• 除了基礎(chǔ)的機(jī)器學(xué)習(xí)技術(shù)，計(jì)算機(jī)視覺(jué)是獲投資最多的子領(lǐng)域。

這些調(diào)查結(jié)果來(lái)自麥肯錫全球研究院上個(gè)月發(fā)布的研究報(bào)告《人工智能，下一個(gè)數(shù)字前沿》（Artificial Intelligence, The Next Digital Frontier）。麥肯錫全球研究院發(fā)表了一篇文章，總結(jié)了調(diào)查結(jié)果，題為《人工智能如何為公司提供真正價(jià)值》。麥肯錫訪問(wèn)了3000多名使用人工智能技術(shù)的高級(jí)管理人員，訪問(wèn)了其公司進(jìn)一步部署 AI 的前景，以及 AI 對(duì)市場(chǎng)、政府和個(gè)人的影響。

調(diào)查結(jié)果的關(guān)鍵點(diǎn)包括：

2016 年，包括百度和谷歌在內(nèi)的科技巨頭在AI 上的花費(fèi)在 200 億至 300 億美元之間，其中90％用于研發(fā)和部署，10％用于AI 收購(gòu)。 

目前AI 投資率是2013 年以來(lái)外部投資增長(zhǎng)的 3 倍。麥肯錫發(fā)現(xiàn)，自覺(jué)采用 AI 技術(shù)的公司中，有20％是早期采用者，集中在高科技/電信，汽車/裝配和金融服務(wù)行業(yè)。下圖顯示了研究小組在分析過(guò)程中發(fā)現(xiàn)的趨勢(shì)。

AI 正在成為世界領(lǐng)先的科技公司之間的專利和知識(shí)產(chǎn)權(quán)（IP）競(jìng)賽。

麥肯錫發(fā)現(xiàn)，風(fēng)險(xiǎn)投資（VC），私募股權(quán)投資（PE）和其他外部資金只占總投資的一小部分（9％）。在所有公開(kāi)數(shù)據(jù)的類別中，并購(gòu)在2013 年至2016 年之間增長(zhǎng)最快（85％）。報(bào)告引用了許多內(nèi)部發(fā)展案例，包括亞馬遜對(duì)機(jī)器人和語(yǔ)音識(shí)別的投資，以及虛擬代理和機(jī)器學(xué)習(xí)方面Salesforce 的案例。寶馬、特斯拉和豐田在機(jī)器人和機(jī)器學(xué)習(xí)方面投資，以用于其無(wú)人駕駛汽車項(xiàng)目。豐田計(jì)劃投資10 億美元建立一個(gè)致力于機(jī)器人和無(wú)人駕駛車輛 AI 技術(shù)的新型研究機(jī)構(gòu)。

麥肯錫估計(jì)，2016 年，AI 的年度外部投資總額在 80 億到120 億之間，機(jī)器學(xué)習(xí)吸引了其中近60％的投資。

機(jī)器人和語(yǔ)音識(shí)別是兩個(gè)最受歡迎的投資領(lǐng)域。投資者最喜歡機(jī)器學(xué)習(xí)初創(chuàng)公司，因?yàn)榛诖a的初創(chuàng)公司能夠快速擴(kuò)展出新功能?；谲浖臋C(jī)器學(xué)習(xí)初創(chuàng)公司比成本更高的基于機(jī)器的機(jī)器人公司更受歡迎。由于這些因素，以及其他一些原因，公司并購(gòu)在這一領(lǐng)域飆升，從2013 年到2016 年，復(fù)合年均增長(zhǎng)率（CAGR）達(dá)到約80％。下圖顯示了外部投資的按類別分布情況。

高科技、電信和金融服務(wù)是機(jī)器學(xué)習(xí)和AI 技術(shù)的早期采用者。這些行業(yè)因?yàn)樵敢馔顿Y新技術(shù)而獲取競(jìng)爭(zhēng)力和內(nèi)部高效流程而聞名。許多創(chuàng)業(yè)公司也開(kāi)始關(guān)注這個(gè)領(lǐng)域。MGI 數(shù)字化指數(shù)（MGI Digitization Index）是歐洲和美國(guó)的國(guó)內(nèi)生產(chǎn)總值加權(quán)平均數(shù)。麥肯錫還創(chuàng)建了一個(gè)總?cè)斯ぶ悄苤笖?shù)，在下面第一欄中顯示，對(duì)AI 可做出貢獻(xiàn)的 KPI 進(jìn)行了比較，覆蓋了資產(chǎn)、用途和勞動(dòng)力。接下來(lái)的圖，按行業(yè)和資產(chǎn)、用途及勞動(dòng)力類別顯示了AI 的相對(duì)采用水平。

麥肯錫預(yù)測(cè)，高科技、通信和金融服務(wù)將成為未來(lái)三年內(nèi)采用人工智能的主導(dǎo)行業(yè)。這三個(gè)行業(yè)的專利和知識(shí)產(chǎn)權(quán)（IP）競(jìng)爭(zhēng)加劇。隨著時(shí)間的推移，領(lǐng)先科技公司目前的設(shè)備、產(chǎn)品和服務(wù)的發(fā)展路徑將展現(xiàn)出其研發(fā)實(shí)驗(yàn)室今天的創(chuàng)新活動(dòng)水平。例如，在金融服務(wù)方面，經(jīng)AI 優(yōu)化的欺詐檢測(cè)系統(tǒng)的準(zhǔn)確性和速度提高帶來(lái)了明顯的益處，預(yù)計(jì)2020 年市場(chǎng)將達(dá)到30 億。下圖概括了今天領(lǐng)先的AI + 產(chǎn)業(yè)，以及其中哪些產(chǎn)業(yè)打算在未來(lái)三年內(nèi)最大限度地進(jìn)行投資。

醫(yī)療、金融服務(wù)和專業(yè)服務(wù)在采用 AI 技術(shù)后，利潤(rùn)取得了最快增長(zhǎng)。麥肯錫發(fā)現(xiàn)，受益于高級(jí)管理人員支持人工智能的公司已經(jīng)投資基礎(chǔ)設(shè)施，來(lái)支持其規(guī)模，并有明確的業(yè)務(wù)目標(biāo)，要提高3％至15％的利潤(rùn)率。在接受調(diào)查的3000 多名商業(yè)領(lǐng)袖中，大多數(shù)人預(yù)計(jì)未來(lái)一年的利潤(rùn)率將增長(zhǎng)5％。

亞馬遜公司7.75 億美元收購(gòu)Kiva ，令人印象深刻。Kiva 是一家機(jī)器人公司，其機(jī)器人產(chǎn)品可以自動(dòng)取貨并打包。人類出貨的時(shí)間為60 至75 分鐘，而Kiva 下降到15 分鐘，庫(kù)存量增加了50％。營(yíng)業(yè)成本估計(jì)下降了20％，投資回報(bào)率接近40％。

Netflix使用算法為全球1 億用戶進(jìn)行個(gè)性化推薦，成果驚人。Netflix發(fā)現(xiàn)，客戶平均每搜索一部電影會(huì)花90 秒時(shí)間，如果搜不到就會(huì)放棄。Netflix 估計(jì)，取消訂閱原本每年可能減少 10 億美元收入，現(xiàn)在Netflix 可以通過(guò)提供更好的搜索結(jié)果來(lái)避免這種損失。

谷歌等科技巨頭們?cè)?016年投資AI的金額約300億美元，90%用于研發(fā)和部署，10%用于AI并購(gòu)

人工智能將造成下一波數(shù)字化顛覆，企業(yè)應(yīng)該為此做好準(zhǔn)備。我們已經(jīng)看到早期采取人工智能技術(shù)的幾家公司獲得了實(shí)在的好處，使得其他企業(yè)相比任何時(shí)候都更迫切地加速數(shù)字化轉(zhuǎn)型。麥肯錫的研究報(bào)告集中在以下５項(xiàng)AI技術(shù)系統(tǒng)：機(jī)器人和自動(dòng)駕駛車輛、計(jì)算機(jī)視覺(jué)、語(yǔ)言、虛擬智能體，以及機(jī)器學(xué)習(xí)，包括深度學(xué)習(xí)和其他AI技術(shù)。

AI投資正在快速增長(zhǎng)，主要的主導(dǎo)者是一些數(shù)字巨頭公司，例如谷歌和百度。在全球范圍，麥肯錫估計(jì)科技巨頭們?cè)?016年投資AI的金額約200億美元至300億美元，其中90%用于研發(fā)和部署，10%用于AI并購(gòu)。風(fēng)險(xiǎn)投資（VC）和私募股權(quán)投資（PE），投資捐贈(zèng)和種子投資也在迅速增長(zhǎng)，從非常小的基數(shù)迅速增長(zhǎng)到總共60億美元至90億美元的規(guī)模。機(jī)器學(xué)習(xí)作為一種支持基數(shù)，在內(nèi)部和外部投資中都占據(jù)了最大份額。

在科技公司之外的AI采用處于早期階段，大部分是實(shí)驗(yàn)性階段。很少有企業(yè)大規(guī)模地部署AI。麥肯錫對(duì)3000多名高級(jí)管理者的調(diào)查顯示，跨越10個(gè)國(guó)家的14個(gè)行業(yè)中，只有20%的受訪者表示企業(yè)目前正在大規(guī)模部署AI，或在核心業(yè)務(wù)利用AI相關(guān)技術(shù)。許多企業(yè)表示他們不確定針對(duì)AI的商業(yè)案例或投資回報(bào)。對(duì)160個(gè)使用案例的回顧顯示，只有13%的案例中AI被商業(yè)化部署。

這些模式顯示出早期采用AI技術(shù)的企業(yè)和其他企業(yè)之間的差距日益擴(kuò)大。在麥肯錫的產(chǎn)業(yè)數(shù)字指標(biāo)中，排名前列的均是AI的主要采用者，例如高科技行業(yè)、電信以及金融服務(wù)業(yè)。這些行業(yè)也最具積極的AI投資意向。其中領(lǐng)軍者對(duì)AI的采用是廣泛而深入的：在多種職能中利用多種技術(shù)，并在核心業(yè)務(wù)中部署。例如，汽車制造商使用AI技術(shù)開(kāi)發(fā)自動(dòng)駕駛車輛并改善運(yùn)營(yíng)，金融服務(wù)企業(yè)更傾向于在與客戶體驗(yàn)相關(guān)的業(yè)務(wù)中使用AI技術(shù)。

早期的證據(jù)表明，AI可以為其重度采用者提供真正的價(jià)值，并且具有強(qiáng)大的破壞性力量。在麥肯錫的調(diào)查中，早期的AI采用者將強(qiáng)大的數(shù)字能力與前瞻性的策略相結(jié)合，實(shí)現(xiàn)了較高的利潤(rùn)率，并將在未來(lái)拉大與其他公司的業(yè)績(jī)差距。本報(bào)告在零售業(yè)、電力公司、制造業(yè)、醫(yī)療保健和教育方面的案例凸顯了AI在改進(jìn)預(yù)測(cè)和渠道，優(yōu)化和自動(dòng)化運(yùn)營(yíng)，發(fā)展有針對(duì)性的市場(chǎng)營(yíng)銷和定價(jià)，以及改善用戶體驗(yàn)方面的潛力。

AI依賴于數(shù)字基礎(chǔ)，并且通常必須使用獨(dú)特的數(shù)據(jù)進(jìn)行訓(xùn)練，這意味著企業(yè)沒(méi)法走捷徑。企業(yè)不能拖延它們的數(shù)字化進(jìn)程，包括AI。早期采用者已經(jīng)在創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)，它們與落后者的差距將會(huì)越來(lái)越大。一個(gè)成功的項(xiàng)目要求企業(yè)解決數(shù)字化和分析轉(zhuǎn)型的許多要素：認(rèn)識(shí)業(yè)務(wù)案例，建立正確的數(shù)據(jù)生態(tài)系統(tǒng)，構(gòu)建或購(gòu)買適當(dāng)?shù)腁I工具，以及適應(yīng)工作流程、能力和文化。麥肯錫的調(diào)查顯示，頂層的領(lǐng)導(dǎo)、管理和技術(shù)能力，以及無(wú)縫訪問(wèn)數(shù)據(jù)的能力是關(guān)鍵的推動(dòng)因素。

AI承諾帶來(lái)益處，同時(shí)也對(duì)企業(yè)、開(kāi)發(fā)者、政府和員工提出緊迫的挑戰(zhàn)。勞動(dòng)力需要學(xué)習(xí)新技能，利用AI而不是與AI競(jìng)爭(zhēng)；認(rèn)真考慮將本地建成全球AI發(fā)展的中心的城市和國(guó)家將需要加入全球競(jìng)爭(zhēng)，以吸引AI人才和投資；道德、法律和監(jiān)管方面的挑戰(zhàn)也需取得進(jìn)展，否則可能阻礙AI的發(fā)展。

以麥肯錫在AI商業(yè)上的經(jīng)驗(yàn)來(lái)看，泡沫的景象不太可能會(huì)出現(xiàn)

關(guān)于人工智能的前景和危險(xiǎn)，現(xiàn)在有大量的說(shuō)法，并且越來(lái)越多。讓機(jī)器能展示與人類相似的認(rèn)知的AI能夠駕駛汽車，也會(huì)盜取隱私；能推動(dòng)企業(yè)的生產(chǎn)力也能加強(qiáng)企業(yè)的偵查能力。人工智能可以將工人從重復(fù)的或者危險(xiǎn)的勞動(dòng)中解放出來(lái)，也可能影響到他們的生計(jì)。相比2015年，2016年提到人工智能的文章翻了一番，是2014年的4倍。人們對(duì)AI 抱有相當(dāng)高的期望。此前，AI 也曾出現(xiàn)過(guò)，它的歷史與繁榮和蕭條緊緊相連，充滿動(dòng)力夸張的承諾和令人沮喪的失敗。這次會(huì)和之前的有什么不一樣嗎？分析師給出的答案是肯定的：AI 終于開(kāi)始帶來(lái)現(xiàn)實(shí)的商業(yè)利益了。

能促成突破的要素已經(jīng)就位。計(jì)算力獲得了顯著的增長(zhǎng)，算法變得更加成熟，并且，可能最重要的一點(diǎn)是，整個(gè)世界不斷地生成大量的能源來(lái)驅(qū)動(dòng)AI的發(fā)展，這些能源便是——數(shù)據(jù)?，F(xiàn)在全世界每天產(chǎn)出的數(shù)字是幾百萬(wàn) Gigabytes 。身處數(shù)字化前線的公司，比如線上公司和數(shù)字原生公司，比如谷歌和百度，正在將大量的資金投入到 AI 中。我們預(yù)計(jì)，2016年它們?cè)贏I上的投入在200億到300億美元之間，其中包括一些重大的兼并活動(dòng)。私人投資者也在紛紛涌入，麥肯錫預(yù)計(jì)，2016年，注入AI 的風(fēng)險(xiǎn)投資額在40億到50億美元之間，私人股權(quán)投資公司投入的錢在10億到30億美元之間。這些投入是2013年的3倍還多。此外，2016年，政府補(bǔ)助和種子輪的投資額大概在10億美元左右。

但是，現(xiàn)在大多數(shù)的新聞都是關(guān)于AI 技術(shù)提供商。并且許多新用戶都還處于實(shí)驗(yàn)階段。市場(chǎng)上幾乎沒(méi)有能夠即刻采用并獲得大范圍歡迎的產(chǎn)品，目前看來(lái)也沒(méi)有可能會(huì)很快出現(xiàn)。因此，分析師們對(duì)AI發(fā)展的潛力仍然存在分歧：一些人對(duì)AI的潛力形成了一個(gè)樂(lè)觀的共識(shí)，而其他人對(duì)AI 能帶來(lái)的真正經(jīng)濟(jì)利益保持謹(jǐn)慎。目前的市場(chǎng)預(yù)測(cè)出現(xiàn)巨大差異，以2025年為時(shí)間點(diǎn)，低增長(zhǎng)的預(yù)期是6.44億美元，高增長(zhǎng)的預(yù)期則達(dá)到了1260億美元。鑒于對(duì)AI 投資規(guī)模非常大，數(shù)字較低的預(yù)測(cè)可能顯示了這樣一個(gè)信號(hào)：我們將迎來(lái)下一個(gè)繁榮與蕭條的交替期。以麥肯錫在AI商業(yè)上的經(jīng)驗(yàn)來(lái)看，這種泡沫的景象不太可能會(huì)出現(xiàn)。

為了提供一個(gè)更有啟示意義的視角，他們決定研究用戶是如何采納AI 技術(shù)的。麥肯錫的研究提供了對(duì)當(dāng)下迅速發(fā)展的AI產(chǎn)業(yè)的一張快照，通過(guò)鏡頭，我們可以看到供應(yīng)商和用戶的實(shí)際情況，進(jìn)而總結(jié)出關(guān)于AI 潛力的一個(gè)更加可信的觀點(diǎn)。首先，研究投資環(huán)境，包括公司在研發(fā)和部署方面的內(nèi)部投資，大型企業(yè)并購(gòu)以及風(fēng)險(xiǎn)投資（VC）和私募股權(quán)（PE）公司的融資。然后，再看看需求方面，結(jié)合使用案例分析和對(duì)3,000多家公司的C級(jí)管理人員的調(diào)查，了解公司如何使用AI技術(shù)，是什么在推動(dòng)他們采用人工智能，部署的過(guò)程中有什么障礙，AI對(duì)市場(chǎng)，財(cái)務(wù)和機(jī)構(gòu)的影響。

AI 一般指的是機(jī)器表現(xiàn)出和人一樣的智能的能力，比如，在不使用包含了各種細(xì)節(jié)指導(dǎo)的手寫編碼程序的情況下能夠接近問(wèn)題。對(duì)于AI 技術(shù)的分類，目前有很多方法，但是，現(xiàn)在很難有一個(gè)互相排斥和共同窮舉的列表，因?yàn)槿藗兘?jīng)?；旌虾推ヅ涠喾N技術(shù)來(lái)創(chuàng)建個(gè)別問(wèn)題的解決方案。這種創(chuàng)建方式有時(shí)會(huì)被看成是一個(gè)獨(dú)立的技術(shù)，有時(shí)則是其他技術(shù)的附屬，有時(shí)又變成了應(yīng)用。有一些框架將AI 技術(shù)通過(guò)基本的功能進(jìn)行劃分，比如文本、語(yǔ)音、圖像識(shí)別；其他則使用商業(yè)應(yīng)用進(jìn)行區(qū)分，比如商業(yè)或者網(wǎng)絡(luò)安全。

試圖更精確地定義這個(gè)術(shù)語(yǔ)的原因有以下幾個(gè)：AI涵蓋了廣泛的技術(shù)和應(yīng)用，其中一些僅僅是早期技術(shù)的擴(kuò)展，而另一些則是全新的。此外，正在人們習(xí)慣于以前的進(jìn)步時(shí)，當(dāng)前并沒(méi)有一個(gè)被普遍接受的“智能”理論和機(jī)器“智能”的定義。

計(jì)算機(jī)科學(xué)家拉里·特斯勒（Larry Tesler）的定理，斷言“人工智能還沒(méi)有完成。”我們?cè)诒疚闹姓劶暗娜斯ぶ悄芗夹g(shù)是所謂的“狹義”人工智能，它執(zhí)行一個(gè)狹義的任務(wù)，其反面是通用人工智能或AGI，旨在能夠執(zhí)行人類可以做的任何智力任務(wù)。我們專注于狹義AI，因?yàn)樗哂卸唐诘纳虡I(yè)潛力，而AGI尚未到達(dá)。

在本報(bào)告中，我們聚焦于解決商業(yè)問(wèn)題的一系列AI技術(shù)系統(tǒng)。我們將這些分為五個(gè)技術(shù)系統(tǒng)，這些系統(tǒng)是AI開(kāi)發(fā)的關(guān)鍵領(lǐng)域：機(jī)器人和自動(dòng)駕駛車輛，計(jì)算機(jī)視覺(jué)，語(yǔ)言，虛擬代理和機(jī)器學(xué)習(xí)。一些與外部世界的信息處理有關(guān)，如計(jì)算機(jī)視覺(jué)和語(yǔ)言（包括自然語(yǔ)言處理，文本分析，語(yǔ)音識(shí)別和語(yǔ)義技術(shù)）；一些是關(guān)于從信息進(jìn)行學(xué)習(xí)，如機(jī)器學(xué)習(xí)；其他則與信息本身有關(guān)，例如機(jī)器人，自駕車輛和虛擬代理。機(jī)器學(xué)習(xí)和一個(gè)稱為深度學(xué)習(xí)的子領(lǐng)域是人工智能應(yīng)用中許多最新進(jìn)展的核心，并且吸引了大量注意力和大量投入到AI領(lǐng)域的資金，2016年，幾乎占所有投資的60％。

人工智能坐著過(guò)山車走到了今天

作為一個(gè)idea，人工智能的第一次出現(xiàn)是在電子化的數(shù)字計(jì)算機(jī)被造出后不久。并且，和數(shù)字技術(shù)一樣，人工智能或者說(shuō)AI，經(jīng)歷了大起大落，但是有一個(gè)例外——人工智能還沒(méi)有經(jīng)歷大規(guī)模的商業(yè)部署。

這可能在改變。由AI提供動(dòng)力的機(jī)器今天可以執(zhí)行許多任務(wù)，例如，識(shí)別復(fù)雜的模式，合成信息，得出結(jié)論和進(jìn)行預(yù)測(cè) ，這些不久以前還被認(rèn)為需要人類認(rèn)知參與才能實(shí)現(xiàn)。

而且AI的能力已經(jīng)被大大擴(kuò)展，因此其在越來(lái)越多的領(lǐng)域中得到應(yīng)用。同時(shí)，值得記住的是機(jī)器學(xué)習(xí)有局限性。例如，由于系統(tǒng)是針對(duì)特定數(shù)據(jù)集進(jìn)行培訓(xùn)的，所以它們?nèi)菀资艿狡?jiàn);為了避免這種情況，用戶必須確保使用綜合性的數(shù)據(jù)集訓(xùn)練他們?？偟膩?lái)說(shuō)，我們看到了很大的進(jìn)步。

這些進(jìn)步使得機(jī)器學(xué)習(xí)自2000年以來(lái)就能夠被擴(kuò)大化，并用于推動(dòng)深度學(xué)習(xí)算法等等的發(fā)展。通過(guò)大量和多樣化的數(shù)據(jù)集，不斷強(qiáng)化的算法可以在數(shù)據(jù)海洋中找到模式，增加研發(fā)融資和強(qiáng)大的圖形處理單元（GPU）不斷提高了數(shù)學(xué)計(jì)算能力的新水平。

GPU是最初為視頻游戲開(kāi)發(fā)的專用集成電路，可以將圖像處理速度比2013年的最快版本快40到80倍。GPU速度的提升使得深度學(xué)習(xí)系統(tǒng)的訓(xùn)練速度在過(guò)去2年中的每一年提高5到6倍。

更多的數(shù)據(jù) ： 世界每天創(chuàng)建約2.2 E字節(jié)，即22億GB，這意味著更多的洞見(jiàn)和更高的準(zhǔn)確性，因?yàn)樗軐⑺惴ū┞督o更多可用于識(shí)別正確和拒絕錯(cuò)誤答案的案例。這些數(shù)據(jù)源啟用的機(jī)器學(xué)習(xí)系統(tǒng)在某些應(yīng)用中減少了計(jì)算機(jī)錯(cuò)誤率，例如圖像識(shí)別 ，已經(jīng)降到與人類大致相同的錯(cuò)誤率。

科技巨頭帶頭，AI投資迅速增長(zhǎng)，但是商業(yè)化滯后

科技巨頭和原生數(shù)字公司亞馬遜，蘋果，百度和谷歌等正在這些統(tǒng)稱為人工智能的各種技術(shù)上進(jìn)行大力投入，投資總額超過(guò)了數(shù)十億美元。他們認(rèn)為，這些投資將能使AI最終能達(dá)到預(yù)期，因?yàn)楣δ軓?qiáng)大的計(jì)算機(jī)硬件，日益復(fù)雜的算法模型以及龐大且快速增長(zhǎng)的數(shù)據(jù)庫(kù)存 -已經(jīng)到位。事實(shí)上，其中，大公司的內(nèi)部投資占主導(dǎo)地位：估計(jì)這一數(shù)字2016年將達(dá)到180億美元至270億美元；外部投資（來(lái)自風(fēng)險(xiǎn)投資，私人公司，并購(gòu)，贈(zèng)款和種子基金）約為80億至120億美元。

但是，對(duì)于近期的所有投資來(lái)說(shuō)，AI部署的范圍是受到了限制的。這有一部分原因是因?yàn)椋@些投資的很大部分是內(nèi)部的R&D研究，很大程度上是著眼于提升公司自己的表現(xiàn) 。不過(guò)同樣正確的是，商業(yè)上對(duì)人工智能的應(yīng)用的需求，只能算是溫?zé)幔╰epid），這一部分是因?yàn)閿?shù)字化和分析對(duì)經(jīng)濟(jì)的變革步伐很緩慢。麥肯錫調(diào)查了超過(guò)3000項(xiàng)商業(yè)項(xiàng)目，發(fā)現(xiàn)許多公司的領(lǐng)導(dǎo)并不清楚AI 能為他們做什么，在哪里能獲得AI驅(qū)動(dòng)的應(yīng)用，大多數(shù)人也不知道如何把AI技術(shù)融入到公司中，如何評(píng)估對(duì)AI投資的回報(bào)。

AI 的投資中，大多數(shù)的投資都集中在內(nèi)部投資，也就是R&D 和發(fā)展，由現(xiàn)金流充沛的數(shù)字化原生公司進(jìn)行。那么，來(lái)大公司的AI投資會(huì)聚焦于什么？

大公司，如蘋果，百度和谷歌，正在內(nèi)部開(kāi)展成套的技術(shù)研發(fā)，但AI投資的廣度和重點(diǎn)不同。亞馬遜正在致力于機(jī)器人和語(yǔ)音識(shí)別；Salesforce對(duì)虛擬代理和機(jī)器學(xué)習(xí)很感興趣。寶馬，特斯拉和豐田是工業(yè)機(jī)器人和使用機(jī)器學(xué)習(xí)進(jìn)行自動(dòng)駕駛相當(dāng)大的制造商。例如，豐田公司撥出10億美元建立一個(gè)致力于機(jī)器人和無(wú)人駕駛車輛的新AI研究機(jī)構(gòu)。博世，GE和西門子等工業(yè)巨頭也在內(nèi)部投資，通常在機(jī)器學(xué)習(xí)和機(jī)器人領(lǐng)域?qū)で箝_(kāi)發(fā)與其核心業(yè)務(wù)有關(guān)的具體技術(shù)。

IBM承諾投資30億美元，使其沃森認(rèn)知計(jì)算服務(wù)成為互聯(lián)網(wǎng)上的主要力量。百度在過(guò)去的二年半中投入了15億美元進(jìn)行人工智能研究。此外，百度還投入2億美元，成立了一個(gè)新的內(nèi)部風(fēng)險(xiǎn)投資基金。同時(shí)，大型科技公司一直在積極購(gòu)買AI創(chuàng)業(yè)公司，不僅僅是為了獲得技術(shù)或客戶，而是為了獲得優(yōu)質(zhì)的人才。該領(lǐng)域的真正專家池很小，阿里巴巴，亞馬遜，F(xiàn)acebook，谷歌等科技巨頭都聘請(qǐng)了很多專家。

許多公司采用并購(gòu)的方式來(lái)綁定頂尖人才，這種做法被稱為“收購(gòu)式招聘”，通常創(chuàng)業(yè)公司中每人的價(jià)值通常能達(dá)到500萬(wàn)美元到1000萬(wàn)美元。最近的一份報(bào)告強(qiáng)調(diào)，由于人才短缺和成本上漲，整個(gè)行業(yè)的AI相關(guān)人才缺口在10000以上，用于這些人才的薪資預(yù)達(dá)到了6.5億美元?？偟膩?lái)說(shuō)，兼并對(duì)于AI公司來(lái)說(shuō)是增長(zhǎng)最快的外部資源，根據(jù)麥肯錫的估計(jì)，2013年至2016年，這些公司的價(jià)值復(fù)合年增長(zhǎng)率將超過(guò)80％。自2010年以來(lái)，領(lǐng)先的高科技企業(yè)和先進(jìn)制造商已經(jīng)完成了100多項(xiàng)并購(gòu)交易。

谷歌去年完成了24筆收購(gòu)交易，包括8項(xiàng)計(jì)算機(jī)視覺(jué)和7項(xiàng)語(yǔ)言處理。蘋果是第2大活躍的收購(gòu)方，已經(jīng)結(jié)束了九9 個(gè)，平均分配在計(jì)算機(jī)視覺(jué)，機(jī)器學(xué)習(xí)和自然語(yǔ)言處理之間。這些公司也在擴(kuò)大對(duì)國(guó)外人才的追求，例如，F(xiàn)acebook在巴黎開(kāi)設(shè)AI實(shí)驗(yàn)室，將補(bǔ)充紐約和硅谷的類似設(shè)施，使公司更容易在歐洲招聘高級(jí)研究人員。谷歌最近在蒙特利爾大學(xué)投資了450萬(wàn)美元 ;英特爾捐贈(zèng)了150萬(wàn)美元，在佐治亞理工大學(xué)建立機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)安全研究中心；而NVIDIA正在與臺(tái)灣大學(xué)合作，在臺(tái)北設(shè)立AI實(shí)驗(yàn)室。

AI的喧嘩聲足夠大，已經(jīng)達(dá)到足以鼓勵(lì)風(fēng)投和私人進(jìn)入的地步。其他的外部投資，比如天使輪基金和種子孵化者，也都被激活了。麥肯錫估計(jì)2016年的年度外部投資總額為80億美元至120億美元。機(jī)器學(xué)習(xí)吸引了近60％的投資，這很可能是因?yàn)樗窃S多其他技術(shù)和應(yīng)用的推動(dòng)者，如機(jī)器人和語(yǔ)音識(shí)別。另外，投資者也被機(jī)器學(xué)習(xí)所吸引，因?yàn)橄褚郧耙粯?，安裝新代碼比重建運(yùn)行該軟件的機(jī)器人或其他機(jī)器更快更容易。這一領(lǐng)域的企業(yè)并購(gòu)也快速增長(zhǎng)，2013至2016年的復(fù)合年增長(zhǎng)率約為80％。

與數(shù)字革命的其他投資相比，AI 的投資仍處于初期階段。例如，人工智能在 2016 年吸引了所有 VC 風(fēng)險(xiǎn)投資的2％至3％，而信息技術(shù)普遍上漲了60%。 AI在2016年的PE公司投資總額中所占比例只有小部分：1％至3％。但AI投資增長(zhǎng)較快，從2013年到2016年，AI技術(shù)的外部投資年復(fù)合增長(zhǎng)率達(dá)到近40％。而2010年至2013年則為30％。不僅交易規(guī)模越來(lái)越大，而且需要較少的參與者來(lái)完成融資。這表明投資者對(duì)該行業(yè)的信心越來(lái)越大，對(duì)技術(shù)和潛力有更好的了解。

根據(jù)PitchBook的說(shuō)法，大部分投資者仍然沒(méi)有拿到投資回報(bào)。將機(jī)器學(xué)習(xí)作為核心業(yè)務(wù)的創(chuàng)業(yè)公司只有10％表示已經(jīng)產(chǎn)生收入，其中只有一半報(bào)告了超過(guò)5000萬(wàn)美元的收入。此外，外部投資在地理上高度集中，主要由美國(guó)和中國(guó)的幾個(gè)技術(shù)中心主導(dǎo)，歐洲落后。我們?cè)诘?章進(jìn)一步探討這些問(wèn)題。

處在數(shù)字化前線的公司和行業(yè)已經(jīng)開(kāi)始采納AI，但是其他人還在猶豫

基于期望 AI 采用者的市場(chǎng)能夠快速發(fā)展，并愿意支付AI基礎(chǔ)設(shè)施，平臺(tái)和服務(wù)，投資者正在向 AI 公司投入數(shù)十億美元。

顯然，亞馬遜，谷歌和其他公司正在為自己的應(yīng)用程序進(jìn)行投資，例如優(yōu)化搜索和個(gè)性化營(yíng)銷。但是了解傳統(tǒng)醫(yī)療保健，零售和電信公司在 AI 上所花費(fèi)的成本并不容易。

為此，我們進(jìn)行了一次調(diào)查，以更深入地了解這一情況。一般來(lái)說(shuō)，很少有公司將 AI 大規(guī)模地納入其價(jià)值鏈；大多數(shù)具有 AI 技術(shù)意識(shí)的公司仍處于實(shí)驗(yàn)階段或試點(diǎn)階段。事實(shí)上，在3,073個(gè)受訪者中，只有20％的受訪者表示他們?cè)谝?guī)模上或核心部分采用了一種或多種 AI 相關(guān)技術(shù)。10％的受訪者表示采用兩種以上的技術(shù)，只有9％的受訪者表示采用機(jī)器學(xué)習(xí)。

即使這樣可能夸大了 AI 的商業(yè)需求。我們對(duì)各種行業(yè)的160多個(gè)全球用例的審查發(fā)現(xiàn)，只有12％的發(fā)展超出了實(shí)驗(yàn)階段。商業(yè)兼并可以解釋為什么一些公司可能不愿意采取行動(dòng)。在我們的調(diào)查中，不良或不確定的回報(bào)是企業(yè)，特別是較小的公司不采納AI技術(shù)的主要原因。第3章進(jìn)一步探討的監(jiān)管問(wèn)題也變得更為重要。與每一個(gè)新的技術(shù)浪潮一樣，我們期望看到行業(yè)和企業(yè)之間早期和晚期采用者的不同模式。我們發(fā)現(xiàn)了AI采用早期模式的六個(gè)特征，這與公司采用和使用最新的數(shù)字技術(shù)的方式大致相符。不巧的是，在早期的數(shù)字化潮流中領(lǐng)先的同樣的玩家正在AI ，下一波浪潮中也居于領(lǐng)先地位。

第一個(gè)特點(diǎn)是，早期的AI采用者來(lái)自已經(jīng)在相關(guān)技術(shù)上進(jìn)行大量投入的部門，如云服務(wù)和大數(shù)據(jù)，這些行業(yè)也處于數(shù)字資產(chǎn)和使用的前沿。這是一個(gè)至關(guān)重要的發(fā)現(xiàn)，因?yàn)樗砻?，談到?shù)字化，行業(yè)外的公司和機(jī)構(gòu)正在追趕的證據(jù)并不明顯，因?yàn)槊恳淮录夹g(shù)都建立在前一代的。第二，獨(dú)立于部門，大型企業(yè)往往更快投入AI。這又是典型的數(shù)字采用，中小型企業(yè)在投資新技術(shù)的決定中通常落后。第三，早期采用者不是專門從事一種技術(shù)。它們更廣泛，因?yàn)樗鼈兺瑫r(shí)采用多種AI工具來(lái)解決許多不同的用例。第四，投資規(guī)模大的企業(yè)靠近核心業(yè)務(wù)。第五，早期采用者傾向于通過(guò)人工智能的上升潛力來(lái)削減成本。 AI不僅涉及過(guò)程自動(dòng)化，也被公司用作主要產(chǎn)品和服務(wù)創(chuàng)新的一部分。

報(bào)告接下來(lái)討論的話題包括：

• 早期采納AI 技術(shù)的領(lǐng)域與數(shù)字化前線非常接近

• 談到對(duì)AI技術(shù)的采納，越大的公司，越勇敢

• 早期的采納者成為連續(xù)采納者

AI的應(yīng)用已經(jīng)開(kāi)始成熟，而認(rèn)真采取前瞻性策略的公司將得到顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)

人工智能技術(shù)近年來(lái)取得了顯著的進(jìn)步。然而，其采納仍處于初步階段。這使得評(píng)估AI對(duì)企業(yè)和業(yè)務(wù)真正的潛在影響不容易。我們知道許多沒(méi)有采用AI的企業(yè)說(shuō)，他們?cè)谧鯝I投資的業(yè)務(wù)方面有困難，但是采用了AI的那些公司呢？通過(guò)案例研究和調(diào)查，麥肯錫發(fā)現(xiàn)早期規(guī)?；捎肁I的企業(yè)實(shí)現(xiàn)了有吸引力的回報(bào)。這些案例展示了AI將如何重塑整個(gè)價(jià)值鏈以及各領(lǐng)域的不同職能。這些案例對(duì)許多利益相關(guān)者，包括跨國(guó)公司、初創(chuàng)公司、政府以及社會(huì)機(jī)構(gòu)都有著廣泛的影響。

結(jié)合強(qiáng)大的數(shù)字能力、穩(wěn)健的AI采用，以及前瞻性的AI戰(zhàn)略的企業(yè)，將實(shí)現(xiàn)巨大的財(cái)務(wù)業(yè)績(jī)。

數(shù)字土著（digital native）型的公司在AI方面進(jìn)行了最重要、也是最早期的投資，為AI的潛在投資回報(bào)提供了測(cè)試性的使用案例。例如，亞馬遜公司在2012年以7.75億美元收購(gòu)機(jī)器人倉(cāng)儲(chǔ)技術(shù)公司Kiva，將“從下單到發(fā)貨”的時(shí)間從人工操作的60~75分鐘減少到15分鐘，庫(kù)存量得以增加50%，經(jīng)營(yíng)成本估計(jì)降低了20%，原始投資回報(bào)率接近40%。

大規(guī)模采用，或在核心業(yè)務(wù)部門采用AI技術(shù)的公司已經(jīng)看到了技術(shù)的潛力，實(shí)施前瞻性的AI戰(zhàn)略的公司的預(yù)期收益則更大。麥肯錫的調(diào)查比較了不同程度采用AI的企業(yè)的利潤(rùn)率、數(shù)字化成熟度（體現(xiàn)在大數(shù)據(jù)和云服務(wù)的使用），以及公司戰(zhàn)略性立場(chǎng)（圖表5）。調(diào)查顯示AI的重度采用者的預(yù)期利潤(rùn)相比非重度采用者高得多。

圖5：具有前瞻性策略的AI采用者具有顯著更高的利潤(rùn)率

說(shuō)明：當(dāng)前利潤(rùn)率來(lái)自受訪者的自我報(bào)告。橙色線表示具有“前瞻性策略”的AI采用者；藍(lán)色線表示部分采用AI或?qū)嶒?yàn)性地采用AI的企業(yè)；灰色線表示非AI采用者。

這表明AI能夠?yàn)槠髽I(yè)提供顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)，但僅限于完全致力于AI的企業(yè)。技術(shù)是一種工具，它本身并不提供競(jìng)爭(zhēng)力。

在分析預(yù)期的未來(lái)利潤(rùn)率時(shí)，也可以見(jiàn)到同樣的模式。在大多數(shù)行業(yè)中，不僅采用前瞻性AI策略的企業(yè)所匯報(bào)的當(dāng)前利潤(rùn)率相比同行業(yè)平均水平高3%到15%，而且由于投資變得成熟，開(kāi)始提供大量紅利，這一優(yōu)勢(shì)預(yù)計(jì)在未來(lái)將大大增長(zhǎng)。在未來(lái)3年，這些AI領(lǐng)軍者的預(yù)期利潤(rùn)率將比行業(yè)平均水平高多達(dá)5%。

麥肯錫的研究報(bào)告把AI創(chuàng)造價(jià)值的方式分成4類：使公司更好地預(yù)測(cè)需求、優(yōu)化研究和改進(jìn)采購(gòu)（Project）；提高公司以更低的成本和更高的質(zhì)量生產(chǎn)產(chǎn)品和提供服務(wù)的能力（Produce）；以恰當(dāng)?shù)膬r(jià)格、恰當(dāng)?shù)男畔⒑驼_的目標(biāo)客戶促進(jìn)產(chǎn)品銷售（Promote）；以及提供豐富、個(gè)性化和方便的用戶體驗(yàn)（Provide）。如下表所示：

圖6：AI可以通過(guò)4種方式在價(jià)值鏈中創(chuàng)造價(jià)值

這4個(gè)創(chuàng)造價(jià)值的方式基于正在探索的或已被部署在企業(yè)中的用例。此外，雖然機(jī)器學(xué)習(xí)可以為各個(gè)行業(yè)帶來(lái)非常有價(jià)值的利益，但有些技術(shù)特別適用于特定行業(yè)的商業(yè)應(yīng)用，例如機(jī)器人應(yīng)用于零售和制造業(yè)，計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于醫(yī)療保健行業(yè)，自然語(yǔ)言處理技術(shù)應(yīng)用于教育行業(yè)。

例如，在零售業(yè)，AI應(yīng)用于需求預(yù)測(cè)帶來(lái)的好處令人印象深刻。在某些情況下，基于AI的需求預(yù)測(cè)方法比傳統(tǒng)方法的預(yù)測(cè)誤差減少30%~70%（表格7）。由于產(chǎn)品無(wú)效性導(dǎo)致的銷售損失可以降低達(dá)65%。與運(yùn)輸、倉(cāng)儲(chǔ)和供應(yīng)鏈管理相關(guān)的成本預(yù)計(jì)可以分別降低5%~10%和25%~40%，庫(kù)存總量可以減少20%~50%。

圖：AI可以幫助在整個(gè)價(jià)值鏈中獲取收益

早期采用者和早期案例研究表明，AI有潛力改變業(yè)務(wù)流程，重組整個(gè)行業(yè)，增加利潤(rùn)并創(chuàng)造新的價(jià)值來(lái)源。AI的應(yīng)用已經(jīng)開(kāi)始成熟，而認(rèn)真采取前瞻性策略的公司將得到顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)。此外，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)雖然是大多數(shù)機(jī)會(huì)的支撐技術(shù)，但企業(yè)需要確定哪些是能為它們帶來(lái)最大收益的AI技術(shù)，然后盡早建設(shè)基礎(chǔ)設(shè)施、人才、和知識(shí)，以趕上學(xué)習(xí)和采用的曲線。本部分介紹了AI創(chuàng)造價(jià)值的4個(gè)方面，但是，這樣的收益不是一夜間可以實(shí)現(xiàn)的。下一部分將討論企業(yè)、AI廠商、以及政府應(yīng)該如何抓住這個(gè)機(jī)會(huì)。

為了實(shí)現(xiàn)AI的全部潛力，企業(yè)、開(kāi)發(fā)者以及政府需要采取行動(dòng)

雖然AI有潛力從根本上重塑社會(huì)，但技術(shù)發(fā)展仍然存在著重大的不確定性。對(duì)于企業(yè)、政府和從業(yè)者來(lái)說(shuō)，這可能意味著“等待并觀望”的做法。但是，麥肯錫的報(bào)告認(rèn)為有必要采取立即、并且明確的行動(dòng)來(lái)應(yīng)對(duì)已經(jīng)很顯見(jiàn)的機(jī)會(huì)和風(fēng)險(xiǎn)。

企業(yè)需要關(guān)注AI使用案例，最大限度增加價(jià)值并確保它們有正確的數(shù)字加持者。

盡管在當(dāng)前，許多行業(yè)中AI的整體影響比較小，但其破壞性的潛力很大。正如Uber和Lyft對(duì)出租車行業(yè)所造成的沖擊那樣，以AI為驅(qū)動(dòng)力的新進(jìn)入者能夠壓制性地取得勝利。AI不僅改變業(yè)務(wù)流程，還將改變整個(gè)業(yè)務(wù)模式，獲得全面的競(jìng)爭(zhēng)優(yōu)勢(shì)，而那些等待風(fēng)險(xiǎn)消解的企業(yè)將被遺棄。

因此，現(xiàn)在就應(yīng)采取行動(dòng)。企業(yè)應(yīng)該對(duì)最具價(jià)值的AI使用案例進(jìn)行清晰的分析，并建立配套的數(shù)字資產(chǎn)和能力。實(shí)際上，AI轉(zhuǎn)型成功的核心要素與一般性的數(shù)據(jù)和分析的要素是一致的（圖表8）。包括：建立數(shù)據(jù)生態(tài)系統(tǒng)、采用正確的技術(shù)和工具、將技術(shù)整合到工作流程、以及在重新培訓(xùn)員工技能時(shí)采用開(kāi)放、合作的文化。

圖8：成功的AI轉(zhuǎn)型需要與成功的數(shù)字和分析轉(zhuǎn)型相似的要素

寫在最后

歷經(jīng)了幾十年的期望和失望，AI重新回來(lái)了，并且可能將推動(dòng)全球經(jīng)濟(jì)發(fā)生深刻的變化。針對(duì)AI的投資自2013年以來(lái)一直在快速增長(zhǎng)，科技巨頭們?cè)贏I技術(shù)的開(kāi)發(fā)上發(fā)揮了巨大作用，并已經(jīng)將其部署在業(yè)務(wù)上。我們已經(jīng)看到早期采用AI的企業(yè)獲得商業(yè)利益的例子。

但是，AI技術(shù)的采用仍處于試驗(yàn)階段。早期采用者與其他觀望者之間的差距將會(huì)越來(lái)越大。早期的AI采用者往往是具有成熟的數(shù)字戰(zhàn)略的大型公司，并且采用的模式較為廣泛。它們對(duì)于AI的關(guān)注是由增加收入、降低成本的愿望驅(qū)動(dòng)的，并得到公司高層管理者的支持。

取得收益永遠(yuǎn)是重中之重。對(duì)于企業(yè)而言，這意味著要加快數(shù)字化轉(zhuǎn)型，需要有適當(dāng)?shù)臄?shù)字資產(chǎn)和技能才能有效部署AI。