站長資訊網AI行業市場基本狀況
行業玩家情況
行業玩家情況
第一類玩家即當裁判，也當運動員
阿里、騰訊、華為等行業巨頭在大數據、云計算、AI(語音語義、視覺圖像、知識圖譜等)技術等方面已有深厚積累，在很多行業(如零售、金融、教育、交通、出行等)賦能已有完整成熟落地方案，它們不僅提供打包完整方案賦能企業，也提供底層算力封裝后的PaaS服務給到第三類玩家拓展業務。
優勢：掌握核心技術，引領行業前進
劣勢：核心技術需要大量研發資金投入，技術成果轉化與業務拓展兩者難以平衡
第二類玩家，術業有專攻
科大訊飛、追一、商湯等企業，分別在語音語義、視覺圖像等垂直方向上，有著深度自主AI技術研發實力，為零售、金融、交通、教育、出行、電商、地產、醫療等眾多行業提供AI技術方案賦能(如基于語音語義等技術在線機器人、語音機器人、智能客服方案，基于視覺圖像技術的智能駕駛方案)，助力企業簡化業務場景處理流程、升級服務能力，為用戶帶來更好體驗，實現降本增效，驅動業務快速增長。
優勢：掌握垂直領域核心技術，擁有行業話語權
劣勢：核心技術雖有深度，但缺少廣度，垂直領域方向之外業務發展易受限
第三類玩家，細耕業務
天潤融通、容聯-七陌等企業，主要集成第一類玩家提供AI技術能力，進一步封裝為面向應用化類似SaaS/PaaS產品，細耕耘服務、營銷、辦公、運營、中臺業務場景，為零售、金融、保險、教育、電商、本地生活等行業賦能。
優勢，專心集成整合大廠技術，耕耘業務，無需投入大量研發成本
劣勢，缺少核心技術，業務拓展易受制于人
商業模式總結
提供類似SaaS部署解決方案，按使用年期收費 — 主體盈利方案
后續提供運營類、技能/服務升級服務增值 — 增值業務點
與生態鏈伙伴合作研發產品，共同分享產品成長果實 — 合作分成
AI語音語義技術衍生的業務分析
智能語音語義賦能業務技術原理
智能語音語義賦能業務，這里是以自然語言處理(NLP)+語音識別(ASR)+語音合成(TTS)+知識圖譜(KG)+深度學習(DL)等技術來處理語義文本理解/生成、語音識別轉化為文本、文本轉化語音合成作業，解決營銷、服務、運營、辦公、中臺業務場景中實際語音語義相關工程問題。
為進一步闡述其中技術工作原理，見如下簡化流程圖
AI語音語義類業務框架圖
輸入端
用戶query的內容通常來說有兩種類型，語音或者文本，如是語音，則需要先進行語音識別(ASR)處理轉為文本，便于后續處理。
語義處理
文本語義處理(NLP)主要為兩部分：內容理解(NLU)+內容生成(NLG);
內容理解(NLU)，即是對用戶query輸入內容進行意圖識別+槽位解析(抽取特征信息);
內容生成(NLG)，即是生成用戶可以理解的內容，將非語言格式數據轉化為用戶可理解的語言。
對話管理
對話管理系統主要分為兩部分：對話狀態維護(DST)+對話策略(Dialog Policy);
對話狀態維護(Dialog State Tracking，DST)，管理當前對話狀態;
對話策略(Dialog Policy)，根據當前對話狀態，生成相應對話策略。
語義語音機器人類型(輸出端)
根據不同業務場景類型特點，語義機器人類型主要可分為以下四大類
以上類型機器人，通常地先以文本語言方式回復，也可以通過語音合成(TTS)技術處理將文本內容轉為語音回復。
(PS，以上類型機器人背后技術框架和工程后面將專門新文展開來寫，敬請期待)
AI產品應用行業廣泛
AI語音語義已有成熟產品解決方案落地應用，覆蓋了B、C、G端的大量語音語義領域的業務，如營銷、咨詢、服務、運營等，解決了企業傳統人力運維服務質量參差不齊、業務增長困難、成本居高不下且效率較低的大痛點，如“智能客服(語音機器人)”產品已為銀行、汽車、地產、政務、校園、保險、電商等縱多行業賦能。
AI技術賦能行業面臨的痛點
近幾年AI技術發展非常迅速，很多AI技術廠商已開始跑馬圈地推出了很多有意思的技術解決方案和產品，如智能客服、在線機器人、人臉識別等，很多成熟方案已在電商、金融、教育、地產、交通等行業里落地應用，為賦能企業運營效率效能提升、成本優化控制取得了很好效果。
AI技術賦能業務所面臨痛點
AI技術賦能企業的光鮮亮麗背后，也面臨著因AI本身屬性所帶來的業務痛點
強依賴數據，無數據不智能AI模型由算法、算力、數據構成，每個性能穩定的模型需要大量數據注入，并不斷訓練;真實數據集大部分是臟數據，需要花大量時間成本進行數據清洗
強依賴人工介入，無人工不智能業務處理不夠成熟，需要依賴人工最后1min介入處理業務自我學習能力不夠強，需要人為不斷進行數據標注效果調優需要人工訓練
產品上線運維門檻要求高產品上線需要人工大量編寫規則、標注數據BadCase需要人工核查、分析
產品水土不服業務邏輯理解不足缺少人機協同
針對痛點對策
要始終抱有積極心態，相信方法永遠多于問題
盡量復用前期經驗&原有模型(主流模型、成熟方案)
不斷優化模型對業務邊界case(前期模型未命中或處理不夠好的案例)泛化能力
提供智能化工具包，簡化運維流程，提高運維效率
產品功能組件化，細化業務需求顆粒度，通過不同模塊彈性伸縮配置，最快滿足客戶業務迭代需求
AI技術賦能行業之未來展望
在新一輪科技進化和產業變革浪潮中，人工智能從感知往認知不斷發展。在5G通信技術、物聯網和云計算加持下，人工智能將會成為改變現有社會生產結構科學技術。
隨著技術不斷迭代，市場對人工智能認知也趨于完善，更多產業開始擁抱人工智能，目前人工智能已進入到技術與商業結合，與合作伙伴一起重構傳統產業價值鏈階段，實現降本增效，驅動業務增長。
產品展望
伴隨5G技術不斷普及，新基建如火如荼，AI技術未來在萬物互聯時代背景下，將有著更寬闊的市場應用空間。
結合行業已有AI產品形態和商業模式經驗，以下是對未來AI技術及業務形態模式的大膽思考，以期作為AI產品規劃、布局的reference。
產品功能組件化，根據業務場景特征，選擇相應模塊組件拼接集成，即可實現業務定制和上線運營;
產品云化，萬物互聯不僅帶來了海量設備連接能力，更要求有著對海量數據處理能力，巨量業務數據處理需求將驅動產品云化;
產品生態化，5G技術將會催化人工智能對傳統產業價值鏈重構，細化產業價值分工，標準化產品解決方案，同時促進AI更好賦能行業，構建起健康的產品生態。
商業模式展望
像水電一樣，按流量使用計費。
5G通信技術加速了萬物互聯，也催化了人工智能在IoT時代的場景應用，未來AI產品形態將會像水電一樣，無處不在，按需使用，按用計費。
