总体而言，阿里的人工智能体现于对于自身的产品与业务进行功能试水。当然，类似的方式也是腾讯和华为的人工智能战略逻辑。但其对人工智能产业链价值，以及商业模式的剖析，对于创业公司的价值非常大。指出机会在哪里，有助于创业公司在巨头的夹缝中找到自身优势，回避短板，获得更好的发展。
人工智能5大商业模式：企业发展未来制胜之道
随着本周阿里云栖大会的召开，阿里云研究中心、波士顿咨询公司以及AlibabaInnovationVentures合作共同推出的《人工智能：未来制胜之道》也随之发布。我们就和大家一起解读阿里新鲜出炉的人工智能报告。
人工智能的准确定义与内涵：
人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。
根据人工智能的应用，人工智能可以分为专有人工智能、通用人工智能、超级人工智能。
根据人工智能的内涵，人工智能可以分为类人行为（模拟行为结果）、类人思维（模拟大脑运作）、泛（不再局限于模拟人）智能。
人工智能的驱动因素：算法/技术驱动、数据/计算、场景和颠覆性商业模式驱动。
人工智能的承载方式：
技术承载方式：单机智能、平行运算/多核智能、高度分散/群体智能。
表现方式：云智能、端智能、云端融合。
人工智能与人的关系：机器主导、人主导、人机融合。
人工智能会做什么？
人工智能具备“快速处理”和“自主学习”两种能力。
人工智能实现了学习、决策和行动的快速处理。计算机处理信息、沟通信息、并行计算和线性计算的速度都快于人类。
人工智能可以更灵活地自主学习和管理知识，支持知识的“产生——存储——应用——更新”的体系化管理。
人工智能用在哪？
人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。
人工智能更易于解决符合以下特点的商业问题：
（1）行业存在持续痛点；
（2）商业流程本身具有数字化的信息输入，问题可以细分并清晰的界定，商业流程存在重复，且获得的结果的沟通以书面沟通或单相沟通为主；
（3）商业流程较少受整体商业环境的复杂影响。
大数据是战略性竞争优势：
海量、精准、高质量的数据为训练人工智能提供了原材料。
人工智能的三种主要技术，都需要专有类型的数据。
机器学习需要大量的标签样本数据。
模式识别偏重于信号、图像、语音、文字、指纹等非直观数据。
人机交互则需要积累大量的用户数据。
现阶段，特别对于创业公司而言，数据的来源主要有三种：
方式一，自筹数据，即从零开始，投入大量人力采集数据。
方式二，公共数据。例如美国、英国、加拿大、新西兰，以及我国的香港、上海、北京、武汉、无锡、佛山和南海等城市都有自己的线上数据平台。
方式三，产业数据协同，即下游创业公司或行业公司和产业链上游的数据或平台型公司建立合作，连接对双方均有利的产品或数据。
从人工智能的技术突破和应用价值两维度分析，未来人工智能将会出现三个阶段：
情景一：未来3-5年，仍以服务智能为主。在仍工智能及有技术的基础上，技术取得边际进步，机器始终作为人的辅助；在应用层面，人工智能拓展、整合多个垂直行业应用，丰富实用场景。随着数据和场景的增加，人工智能创造的价值呈现指数增长。
情景二：中长期将出现显著科技突破。人工智能技术取得显著突破，如自然语言处理技术可以及时完全理解类人对话，甚至预测出“潜台词”。在技术创新的领域，现有的应用向纵深拓展，价值创造限制在技术取得突破的领域。
情景三：长期可能出现超级智能。人工智能的技术取得显著突破，应用范围显著拓宽，人机完全融合，人工智能全面超过人类，无所不在，且颠覆各个行业和领域，价值创造极高。
人工智能产业链
人工智能产业链根据技术层级从上到下，分为基础层、技术层和应用层。基础层最靠近“云”，应用层最靠近“端”。
基础层（按技术层级从上到下，下同）
计算能力层：大数据、云计算、GPU/FPGA等硬件加速、神经网络芯片等计算能力提供商。
数据层：身份信息、医疗、购物、交通出行等各行业、各场景的一手数据。
技术层
框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。
算法层：机器学习、深度学习、增强学习等各种算法。
通用技术层：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件。
应用层
应用平台层：行业应用分发和运营平台，机器人运营平台。
解决方案层：智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。
人工智能产业链价值分析：
人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局；通用技术层是构建技术护城河的基础，需要中长期进行布局；解决方案层直戳行业痛点，变现能力最强。
未来人工智能竞争格局：
在人工智能平台化的趋势下，未来人工智能将呈现若干主导平台加广泛场景应用的竞争格局，生态构建者将成为其中最重要的一类模式。
模式一：生态构建着——全产业链生态 场景应用作为突破口。
关键成功因素：大量计算能力投入，积累海量优质多维数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户。
模式二：技术算法驱动者——技术层 场景应用作为突破口。
关键成功因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户。
模式三：应用聚焦者——场景应用。
关键成功因素：掌握细分市场数据，选择合适的场景构建应用，建立大量多维度的场景应用，抓住用户；同时，与互联网公司合作，有效结合传统商业模式和人工智能。
模式四：垂直领域先行者——杀手级应用 逐渐构建垂直领域生态。
关键成功因素：在应用较广泛且有海量数据的场景能率先推出杀手级应用，从而积累用户，成为该垂直行业的主导者；通过积累海量数据，逐步向应用平台、通用技术、基础算法拓展。
模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展。
关键成功因素：开发具有智能计算能力的新型芯片，如图像、语音识别芯片等、拓展芯片的应用场景；在移动智能设备、大型服务器、无人机（车），机器人等设备、设施上广泛集成运用，提供更加高效、低成本的运算能力、服务，与相关行业进行深度整合
人工智能对企业的启示：
传统企业的竞争优势主要来自两个方面：
其一，在企业布局上，企业有专有的固定资产、品牌、知识产权等资源，在所在领域取得规模经济和范围经济，并通过门店和经销商网络建立了稳定的客户关系；
其二，在企业自身的能力上，企业积累独特的人力资源和技能，并在流程上尽可能精简。
人工智能时代，企业竞争优势转变为算法和数据资产，建立学习网络和数据生态，360度洞察消费者，通过人工智能不断地学习产生新的知识，同时在数据驱动下，进行即时自动决策。
利用人工智能构建新的竞争优势，传统企业需要携手互联网企业，探索新的商业模式。
人工智能对政府的启示：
为加快人工智能产业发展，政府应从以下三个维度加强对人工智能产业的政策支持：
（1）开放政府及公共领域数据，打造国家级人工智能资源平台。数据是人工智能的基础。为鼓励人工智能产业发展，应开放公共数据，并优化数据质量，建立系统化结构化的数据库平台，为人工智能的发展提供资源。
（2）建立企业主导、高校研发、国家投入的人工智能产业一体化发展模式。人工智能在未来数年内将以服务智能为主，因此需要树立企业在人工智能行业的主导地位，鼓励企业积极开发人工智能的场景应用，以将人工智能科研成果转变为商业价值。同时，鼓励高校研发、增加国家科研投入，为长期人工智能基础科技突破做准备。
（3）以产业基金、专项基金等激励人工智能创新，提供针对人工智能创业企业的税收优惠，以人才为导向，配套全球人工智能人才安家政策，提供宽松的人工智能法律法规环境。
结语
总体而言，阿里的人工智能体现于对于自身的产品与业务进行功能试水。当然，类似的方式也是腾讯和华为的人工智能战略逻辑。
但其对人工智能产业链价值，以及商业模式的剖析，对于创业公司的价值非常大。指出机会在哪里，有助于创业公司在巨头的夹缝中找到自身优势，回避短板，获得更好的发展。
摘自《中国智能制造网》
