現在，人工智能已經變成一個網絡熱詞，基本上家喻戶曉了。

但是，很多人對人工智能的理解，也僅停留在一個模糊的概念上，

當我們說人工智能產業，或人工智能的風口和機會，具體指向是什么？

要回應這個問題，需要先梳理一下人工智能產業鏈。

人工智能產業鏈，可以分為三個層面：

1、硬件層

第一層面是硬件層，涵蓋人工智能的硬件和基礎設施，如AI芯片、傳感器、服務器等。

人工智能硬件廠商，是AI產業第一輪發展的受益者。

國外著名的企業如英偉達、AMD等。

國內也有很多做人工智能芯片研發的企業，坦白講其實未來還很難預測，我甚至認為做這種專業領域的研發，還不如像FPGA，就是專門為某個領域做人工智能的方案，那個機會還大一點。

做人工智能現在類腦計算芯片、人工智能計算芯片，相對通用性強一點，這種其實壓力比較大。

為什么呢？

因為人工智能芯片是需要構筑生態的，這個領域的領軍企業是英偉達。

英偉達有幾千個工程師，去幫它的芯片做各種應用的場景開發，或者是應用的支持。也就是說基于英偉達的芯片做應用的時候，你會感覺到英偉達的生態是非常健全的。

所以說硬件企業要勝出，不光是要硬件性能好，更主要的是生態構建能力。

我前兩天寫了兩篇公眾號文章，專門分析寒武紀上市和中國芯片產業格局，感興趣的朋友可以在【全球風口】公眾號里找來參照閱讀。

2、基礎服務層

第二層面是基礎服務層，涵蓋云基礎服務，以及在云基礎上提供附加的人工智能能力。

在硬件基礎上，云服務公司是AI產業第二輪的受益者。它受益要比硬件大得多，因為它能支撐廣泛的應用。在美國幾乎所有的IT巨頭，都在花巨資去建立大的云計算平臺，而且都要有強大的人工智能的支撐能力。最領先的是亞馬遜的AWS和谷歌這兩家，但是其實微軟、Facebook，甚至包括蘋果，都在云業務上下了巨大的成本。

中國也是一樣，現在比較領先的是阿里云，騰訊、百度也在發力，但是現在看起來阿里還是比較領先的空間。當然華為也在做自己的云。中國也會誕生幾朵大云，也有很大的市場空間，因為中國的IT市場不比海外小多少。

在云基礎上，有很多可以提供的人工智能附加能力，如計算機視覺、智能語音、語義識別、機器學習等，這是一個巨大的市場。

比如視覺識別，現在大量獨角獸都在追逐這個市場。但我認為長期看，這個市場機會其實很難把握：一方面，政府會形成統一的大市場，不會全國每個區域都搞自己的，未來應該是打通的，市場總體來說就小了；另一方面，不管是多少客戶，將來的提供者很可能不是今天的這些獨角獸們，而是由基礎云平臺直接提供，比如阿里、騰訊或者是華為這樣的企業。因為這個能力并不復雜，從云上直接提供是最簡單的，如果未來向這個方向演進，我預判有一半的獨角獸公司會做不下去。

當然，不光是視覺識別，也包括動作的識別，還有基本的圖形識別，比如另一個熱門的市場，所謂醫學的圖像識別。醫學里面X光或者B超這樣的圖像識別，未來有可能也會被整合到云端。提供者可能是第三方公司，也可能是云端的大IT服務商，都可能變成基礎服務的一部分了。

另外，語音、語義識別和翻譯，未來也有可能變成云端的基礎服務。我們知道，今天如果要翻譯的話，還需要隨身帶翻譯機。但是未來如果云端的處理能力加強了，所有這些語音全部送到云端去處理，然后把結果返送回來，這時我們每個人的手機就可以是翻譯機，而不需要一個單獨的設備了。

3、行業應用層

第三層面是行業應用層，就是在前兩個層面上衍生出來的、與各行業結合的應用，如無人駕駛、智能醫療、新零售等AI應用。

在這個層面，有大量的人工智能應用公司，而且還會不斷繁榮。這些公司的特點很明確，一定要有自己本行業的特色。因為人工智能這個技術本身，沒有辦法形成壁壘，真正能夠形成壁壘的一定是行業特色，也就是說行業數據、行業經驗和行業準入會是壁壘，這需要我們去找到這些壁壘，從而把業務做起來。所以任何先進領域，不代表領先就好，還必須找到自己的壁壘和競爭優勢，才能夠做好。

前面討論了人工智能的產業結構。

你可以看到，其實第一個層面的硬件層，和第二個層面的基礎服務層，要么創業門檻較高，要么競爭壁壘較低，對大多數人而言，第三個層面的行業應用層，創業或從業機會相對更多。

下面就人工智能的產業前沿，列舉四個領域的機會：

| 推薦算法

目前最普遍的AI應用就是推薦算法。電商其實就是推薦算法，比如現在有人做海外購，其實就是與國外的數據連接，分享一部分數據，海外有客戶就可以利用算法推薦，做的好了，也有可能成為一個小淘寶。另外，比如今日頭條，能夠從新聞門戶及微博網站中殺出重圍，依靠的也是推薦算法。我自己就有體會，我現在大量的新聞獲得都是從頭條上來的。因為我看的東西頭條會捕捉到，然后給我推薦的也會越來越精準，所以就成了我獲得科技前沿進展的一個好幫手。

| 智能預測

第二個現在做的很多的AI應用是智能預測。比如在車上裝一個搜集數據的小盒子，就可以獲得每個用戶的行車習慣和行車數據，基于這些數據的智能預測就可以和保險業務掛鉤，根據用戶的風險指數來動態的決定保費。

| 軟硬結合

第三個比較大的AI應用機會是軟硬結合。

比如自動駕駛就是一個很好的例子。一個新的技術在發展過程中，總會有迭代升級的過程，所以常見于報端的是：特斯拉又出事了，或自動駕駛又撞到人或障礙物了。

其實，特斯拉或自動駕駛救人的例子更多，只是這樣的新聞，媒體上沒有人愿意報道而已。

另外，比如智能掃地機器人，我在家里就有兩臺機器人，一個負責掃地，一個負責擦地，節省了我們很多的家務時間。

硬件在經過人工智能改造和賦能以后，就會在很多應用場景中，給人們的工作和生活帶來便利。

| 數據掘金

第四個AI應用是數據掘金。

很多數據用人眼或人腦來判斷或認知是很有限的，但用人工智能來解讀，就會有新的的洞察出來。

比如商業指征數據，人的行為數據，像心電圖，原來心電圖很多東西解讀不出來，特別牛的老醫生可能會看出差異，但是現在用人工智能解讀，就能把心臟病里很多小的特征都提取出來，甚至能夠救命。

這里面最經典的例子就是Apple Watch，如果你上網去搜Apple Watch救命的例子就很多。因為患者隨身攜帶，就會對生理指征產生持續的量化輸入和訓練，當出現異樣的指征時，智能硬件就會比病人甚至醫生，更提前地預判風險的出現，從而起到救人的作用。
? ? ? ?責任編輯:pj