-
-
大哥很IT 数据老手Lv5
发表于2019-12-6 09:52
楼主
本帖最后由 大哥很IT 于 2019-12-6 09:55 编辑
当前算法工程师仍处于稀缺状态，一定程度上制约了机器学习的推广落地。面向应用场景的数据资源匮乏，也是影响机器学习推广的制约因素。自动化机器学习可以缓解对于专业算法工程师的需求，成功的自动化机器学习产品可以使业务人员经过培训即可以建模。总体来看，企业用户对机器学习产品交付方式的偏好、算法工程师的供需关系，都将影响机器学习市场的发展趋势。值得关注的前沿领域
领先的厂商于2019年着力研发自动化机器学习、智能数据标注、可解释深度学习、界面可视化、图算法、批数据处理等。
典型厂商
互联网平台级厂商代表：百度
百度在机器学习领域拥有深厚的技术积累，在国内最早推出深度学习开源框架飞桨PaddlePaddle，在最近1-2年内下载量以及活跃用户量都保持高速增长。百度也是国内较早推出自动化机器学习产品的厂商，其EasyDL产品目前拥有较高的市场认知度。在商业化方面，依托百度云的客户积累及市场拓展能力，百度能够将机器学习能力快速输出并不断迭代。
展望未来，IDC中国助理研究总监卢言霞表示，从用户端看，仅五成企业认为其所部署的AI项目带来了显著的收益，近六成企业表示采用AI有很大的难度。从市场端看，可以落地的应用和正在孵化的应用呈现一定程度的“断层”。整体来看，未来3年的市场格局仍然存在很大变数，致胜的关键在于持续的创新能力，面向市场商业化的能力，以及帮助厂商降低部署门槛加快落地的能力。
DC 今日发布《中国人工智能软件及应用市场半年度研究报告（2019H1）》报告，2019年上半年中国AI市场规模达17.6亿美元（约合123.8亿元人民币），其中银行业、保险业、政府、互联网行业依旧是AI技术的投资主体。
2019年中国AI市场重大变化市场格局转变
- 中美贸易摩擦激发AI市场的热点从应用层向芯片层转变。现阶段仍然是GPU主导AI加速市场，未来几年将看到NPU/XPU融入AI基础架构。
- 市场由创企为主体向巨头厂商与创企同台竞技、高度竞合转变。
- 旷视启动IPO：即代表了第一批AI创企的成功，也表明AI创企面临的竞争压力。
- 传统行业巨头在AI创新方面发力：如国家电网、平安科技等。
新应用正在孵化
- RPA+AI：来也科技与奥森科技合并，即AI创企在探索过程中寻找有潜力的应用，也激发市场开始关注智能流程自动化IPA（IPA=RPA+AI, Intelligent Processing Automation）的应用。
- 视频结构化，智能流程自动化，数字员工将成为下一个五年探索AI的热点。
部署方式扩展
- 边缘部署的比例显著提升，尤其可以从端侧推理框架如阿里的MNN、腾讯的NCNN、小米的MACE广受推崇看到。
从产业智能化的视角，产业+AI主要以智能化应用解决方案的形式融入到企业的各个流程。从技术的角度出发，现阶段可以分别从计算机视觉、语音语义、机器学习开发平台的角度分析当前市场格局。
计算机视觉应用
- 计算机视觉领域，算法模型的原始创新趋缓，创新的重点在于更复杂场景下的视觉应用。
- 相对成熟的应用场景有安防场景下的人脸比对、静态人脸识别做身份认证、图像内容审核等。
- 开始走向生产环境的应用包括新零售下的智能货柜、商品识别、商品稽核、工业质检，这些应用也成就了一批新的AI创企。
- 还在孵化中的应用包括视频结构化、视频分析、自动驾驶等。
在计算机视觉应用整体市场，当前占据市场规模最大的厂商包括商汤、旷视、云从、依图，海大宇以及面向特定应用场景的AI创企如智慧眼、深醒科技、创新奇智。
对比2019年H1和2018年H2的数据可以看出，云从由第四位跃升第三位，市场份额超过依图；创新奇智超过智慧眼。因2019H1未披露市场份额数据，所以份额变化无法解析。
对比2019年H1和2018年H2的数据可以看出，云从由第四位跃升第三位，市场份额超过依图；创新奇智超过智慧眼。因2019H1未披露市场份额数据，所以份额变化无法解析。
语音语义应用语音语义领域，算法的创新仍在继续，2019年走向市场的新算法模型包括Bert,Xlnet，ERINE。从应用场景看，占据市场规模最大的应用场景包括消费级市场的语音助理，企业级市场对话式人工智能客服，以及教育行业的口语测评和法庭庭审智能化。下图展示了IDC追踪的在各应用场景下的主流厂商，其中面积大小代表了厂商的相对份额。
本次 IDC 对语音语义市场份额的表现形式发生了变化，以下为2018年下半年市场份额情况：
机器学习开发平台在机器学习市场，IDC于2019年8月发布了IDC Marketscape：中国机器学习开发平台2019厂商评估，代表了2019上半年的机器学习开发平台市场格局。
- 市场份额最大的是第四范式、能力最强的是阿里云、百度最具潜力；
- 腾讯云、AWS 相对前三家居中，AWS比腾讯云能力稍强、潜力稍强、份额稍少；
- 面对四家强劲的竞争对手，第四范式份额有减少的风险；
- 微软相比第四范式、腾讯云、AWS：潜力稍强、能力稍弱、市场份额比较小；
以上6家为领导者，主要参与者包括：美林数据、金山云、九章云极、探智力方、星环科技、新华三、东软。
当前的技术应用现状
当前的机器学习开发平台基本可以提供30种以上的经典机器学习算法；基本已支持TensorFlow, PyTorch，Caffe等主流框架。不仅是机器学习、深度学习，图算法也开始走向市场，现阶段应用最为普及的是经典机器学习。领先的厂商在兼顾机器学习创新应用的同时，还能够针对机器学习类工作负载对底层硬件做深度优化，为用户提供高效灵活的软硬一体化产品。IDC在2018年11月执行的最新调研中发现：谷歌开源框架TensorFlow、Facebook开源框架Caffe2/PyTorch已成为中国市场上最主流的3个框架：
当前的机器学习开发平台基本可以提供30种以上的经典机器学习算法；基本已支持TensorFlow, PyTorch，Caffe等主流框架。不仅是机器学习、深度学习，图算法也开始走向市场，现阶段应用最为普及的是经典机器学习。领先的厂商在兼顾机器学习创新应用的同时，还能够针对机器学习类工作负载对底层硬件做深度优化，为用户提供高效灵活的软硬一体化产品。IDC在2018年11月执行的最新调研中发现：谷歌开源框架TensorFlow、Facebook开源框架Caffe2/PyTorch已成为中国市场上最主流的3个框架：
应用落地现状
目前商业化机器学习产品已经落地的行业及应用包括金融行业反欺诈、信用模型评估，跨行业的产品推荐、精准营销，1-2年内正在落地的应用包括能源（尤其是电力）、军工、制造行业。
目前商业化机器学习产品已经落地的行业及应用包括金融行业反欺诈、信用模型评估，跨行业的产品推荐、精准营销，1-2年内正在落地的应用包括能源（尤其是电力）、军工、制造行业。
当前算法工程师仍处于稀缺状态，一定程度上制约了机器学习的推广落地。面向应用场景的数据资源匮乏，也是影响机器学习推广的制约因素。自动化机器学习可以缓解对于专业算法工程师的需求，成功的自动化机器学习产品可以使业务人员经过培训即可以建模。总体来看，企业用户对机器学习产品交付方式的偏好、算法工程师的供需关系，都将影响机器学习市场的发展趋势。值得关注的前沿领域
领先的厂商于2019年着力研发自动化机器学习、智能数据标注、可解释深度学习、界面可视化、图算法、批数据处理等。
典型厂商
互联网平台级厂商代表：百度
百度在机器学习领域拥有深厚的技术积累，在国内最早推出深度学习开源框架飞桨PaddlePaddle，在最近1-2年内下载量以及活跃用户量都保持高速增长。百度也是国内较早推出自动化机器学习产品的厂商，其EasyDL产品目前拥有较高的市场认知度。在商业化方面，依托百度云的客户积累及市场拓展能力，百度能够将机器学习能力快速输出并不断迭代。
创新创业公司代表：第四范式
既能专注AI算法开发又能兼顾软硬件一体化的高度优化；成熟的企业级产品；快速落地的商业化能力，成为第四范式从诸多企业中脱颖而出且快速扩张的重要因素。
既能专注AI算法开发又能兼顾软硬件一体化的高度优化；成熟的企业级产品；快速落地的商业化能力，成为第四范式从诸多企业中脱颖而出且快速扩张的重要因素。
数据科学、大数据时代的创新厂商：美林数据、九章云极
西安美林数据在本次评估中处于领导者象限。美林数据拥有数十年的企业数字化服务经验，在机器学习市场，其TempoAI产品已在多个行业中得到实际应用，且深受工业、能源等行业用户认可。成熟稳定的产品、广泛深入的用户案例，是美林数据位于领导者象限的重要原因。
处于“主要厂商/主要玩家”象限的九章云极当前主要服务金融行业，在特定的应用场景如反欺诈、用户画像等领域积累了丰富的实践，在政府、制造业等领域，也与客户共同打造了诸多机器学习的创新应用案例。
西安美林数据在本次评估中处于领导者象限。美林数据拥有数十年的企业数字化服务经验，在机器学习市场，其TempoAI产品已在多个行业中得到实际应用，且深受工业、能源等行业用户认可。成熟稳定的产品、广泛深入的用户案例，是美林数据位于领导者象限的重要原因。
处于“主要厂商/主要玩家”象限的九章云极当前主要服务金融行业，在特定的应用场景如反欺诈、用户画像等领域积累了丰富的实践，在政府、制造业等领域，也与客户共同打造了诸多机器学习的创新应用案例。
值得关注的国际厂商：AWS
AWS在全球机器学习市场取得了令人瞩目的成绩，根据其内部调研数据，约80%的TensorFlow部署在AWS的云服务上。在中国市场，AWS凭借自动化机器学习Sagemaker快速获得较高的市场认知度，依托云服务的客户积累其机器学习产品也得以快速部署。AWS较早推出机器学习推理芯片Inferentia，也参与了ONNX（开放神经网络模型格式转换）项目的建设与推广。在加强自主研发的同时，AWS也始终以开放的态度为用户提供灵活的机器学习选择。
AWS在全球机器学习市场取得了令人瞩目的成绩，根据其内部调研数据，约80%的TensorFlow部署在AWS的云服务上。在中国市场，AWS凭借自动化机器学习Sagemaker快速获得较高的市场认知度，依托云服务的客户积累其机器学习产品也得以快速部署。AWS较早推出机器学习推理芯片Inferentia，也参与了ONNX（开放神经网络模型格式转换）项目的建设与推广。在加强自主研发的同时，AWS也始终以开放的态度为用户提供灵活的机器学习选择。
云服务+AI成为AI领域的主战场现阶段采用AI的主要挑战即缺乏专业人才，部署门槛高。采用云端AI能力一定程度上可以帮助用户专注于AI能力的开发和应用。当前云服务市场开放的AI能力超过100项，主流的AI云服务厂商包括百度、阿里云、腾讯云、华为云、金山云、AWS、Azure等。如何帮助云服务用户进行智能化升级，如何应用AI驱动云服务的采用，成为AI云服务市场的重点。
展望未来，IDC中国助理研究总监卢言霞表示，从用户端看，仅五成企业认为其所部署的AI项目带来了显著的收益，近六成企业表示采用AI有很大的难度。从市场端看，可以落地的应用和正在孵化的应用呈现一定程度的“断层”。整体来看，未来3年的市场格局仍然存在很大变数，致胜的关键在于持续的创新能力，面向市场商业化的能力，以及帮助厂商降低部署门槛加快落地的能力。
来源数据分析网
