從這個(gè)角度看,2018年應(yīng)用機(jī)器學(xué)習(xí)為中國人工智能市場帶來的規(guī)模達(dá)100億元人民幣。單就商業(yè)化機(jī)器學(xué)習(xí)開發(fā)平臺而言,2018年包括硬軟服在內(nèi)的中國機(jī)器學(xué)習(xí)市場達(dá)到10億元人民幣,預(yù)計(jì)2018-2023年五年復(fù)合增長率將達(dá)到62.0%。在機(jī)器學(xué)習(xí)開始廣泛滲透、應(yīng)用場景拓展翻新的起步階段,IDC逐步深入開展機(jī)器學(xué)習(xí)開發(fā)平臺廠商評估這一研究。
市場現(xiàn)狀
當(dāng)前的技術(shù)應(yīng)用現(xiàn)狀:當(dāng)前的機(jī)器學(xué)習(xí)開發(fā)平臺基本可以提供30種以上的經(jīng)典機(jī)器學(xué)習(xí)算法;基本已支持TensorFlow, PyTorch,Caffe等主流框架。不僅是機(jī)器學(xué)習(xí)、深度學(xué)習(xí),圖算法也開始走向市場,現(xiàn)階段應(yīng)用普及的是經(jīng)典機(jī)器學(xué)習(xí)。領(lǐng)先的廠商在兼顧機(jī)器學(xué)習(xí)創(chuàng)新應(yīng)用的同時(shí),還能夠針對機(jī)器學(xué)習(xí)類工作負(fù)載對底層硬件做深度優(yōu)化,為用戶提供高效靈活的軟硬一體化產(chǎn)品。
應(yīng)用落地現(xiàn)狀:目前商業(yè)化機(jī)器學(xué)習(xí)產(chǎn)品已經(jīng)落地的行業(yè)及應(yīng)用包括金融行業(yè)反欺詐、信用模型評估,跨行業(yè)的產(chǎn)品推薦、精準(zhǔn)營銷,1-2年內(nèi)正在落地的應(yīng)用包括能源(尤其是電力)、軍工、制造行業(yè)。
市場格局
1.以云服務(wù)商為代表的平臺級公司主推公有云機(jī)器學(xué)習(xí),幫助用戶在云上快速搭建機(jī)器學(xué)習(xí)模型,這些云服務(wù)商在已有的客戶群體中積累了大量機(jī)器學(xué)習(xí)應(yīng)用實(shí)踐。該類廠商的優(yōu)勢在于有龐大的用戶基數(shù),可以快速轉(zhuǎn)化為機(jī)器學(xué)習(xí)產(chǎn)品的用戶。
2.以第四范式、探智立方為代表的創(chuàng)業(yè)公司以前沿創(chuàng)新的技術(shù)如聯(lián)邦遷移學(xué)習(xí)、完全自動化的AutoML等技術(shù)/產(chǎn)品趨勢。該類廠商的優(yōu)勢在于技術(shù)。
3.大數(shù)據(jù)平臺公司也在推出機(jī)器學(xué)習(xí)組件以幫助用戶在大數(shù)據(jù)平臺上實(shí)現(xiàn)預(yù)測分析能力,例如新華三、東軟、星環(huán)科技等。該類廠商則需要同時(shí)在技術(shù)和市場方面追趕領(lǐng)先者。
自動化機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)建模工程師、數(shù)據(jù)資源質(zhì)量與市場的不確定性:當(dāng)前算法工程師仍處于稀缺狀態(tài),一定程度上制約了機(jī)器學(xué)習(xí)的推廣落地。面向應(yīng)用場景的數(shù)據(jù)資源匱乏,也是影響機(jī)器學(xué)習(xí)推廣的制約因素。自動化機(jī)器學(xué)習(xí)可以緩解對于專業(yè)算法工程師的需求,成功的自動化機(jī)器學(xué)習(xí)產(chǎn)品可以使業(yè)務(wù)人員經(jīng)過培訓(xùn)即可以建模??傮w來看,企業(yè)用戶對機(jī)器學(xué)習(xí)產(chǎn)品交付方式的偏好、算法工程師的供需關(guān)系,都將影響機(jī)器學(xué)習(xí)市場的發(fā)展趨勢。
值得關(guān)注的前沿領(lǐng)域:領(lǐng)先的廠商于2019年著力研發(fā)自動化機(jī)器學(xué)習(xí)、智能數(shù)據(jù)標(biāo)注、可解釋深度學(xué)習(xí)、界面可視化、圖算法、批數(shù)據(jù)處理等。
典型廠商
在本次研究中,IDC中國選擇了主流的13家廠商進(jìn)行研究,分別是(排名不分先后,按照首字母排序):阿里云、AWS、百度、東軟、第四范式、金山云、九章云極、美林?jǐn)?shù)據(jù)、騰訊云、探智立方、微軟、星環(huán)科技、新華三、IBM。本文僅選取5家典型廠商進(jìn)行分析。
互聯(lián)網(wǎng)平臺級廠商代表:百度
百度在機(jī)器學(xué)習(xí)領(lǐng)域擁有深厚的技術(shù)積累,在國內(nèi)最早推出深度學(xué)習(xí)開源框架飛槳PaddlePaddle,在近1-2年內(nèi)下載量以及活躍用戶量都保持高速增長。百度也是國內(nèi)較早推出自動化機(jī)器學(xué)習(xí)產(chǎn)品的廠商,其EasyDL產(chǎn)品目前擁有較高的市場認(rèn)知度。在商業(yè)化方面,依托百度云的客戶積累及市場拓展能力,百度能夠?qū)C(jī)器學(xué)習(xí)能力快速輸出并不斷迭代。
創(chuàng)新創(chuàng)業(yè)公司代表:第四范式
既能專注AI算法開發(fā)又能兼顧軟硬件一體化的高度優(yōu)化;成熟的企業(yè)級產(chǎn)品;快速落地的商業(yè)化能力,成為第四范式從諸多企業(yè)中脫穎而出且快速擴(kuò)張的重要因素。
數(shù)據(jù)科學(xué)、大數(shù)據(jù)時(shí)代的創(chuàng)新廠商:美林?jǐn)?shù)據(jù)、九章云極
西安美林?jǐn)?shù)據(jù)在本次評估中處于領(lǐng)導(dǎo)者象限。美林?jǐn)?shù)據(jù)擁有數(shù)十年的企業(yè)數(shù)字化服務(wù)經(jīng)驗(yàn),在機(jī)器學(xué)習(xí)市場,其TempoAI產(chǎn)品已在多個(gè)行業(yè)中得到實(shí)際應(yīng)用,且深受工業(yè)、能源等行業(yè)用戶認(rèn)可。成熟穩(wěn)定的產(chǎn)品、廣泛深入的用戶案例,是美林?jǐn)?shù)據(jù)位于領(lǐng)導(dǎo)者象限的重要原因。
處于“主要廠商/主要玩家”象限的九章云極當(dāng)前主要服務(wù)金融行業(yè),在特定的應(yīng)用場景如反欺詐、用戶畫像等領(lǐng)域積累了豐富的實(shí)踐,在政府、制造業(yè)等領(lǐng)域,也與客戶共同打造了諸多機(jī)器學(xué)習(xí)的創(chuàng)新應(yīng)用案例。
值得關(guān)注的國際廠商:AWS
AWS在全球機(jī)器學(xué)習(xí)市場取得了令人矚目的成績,根據(jù)其內(nèi)部調(diào)研數(shù)據(jù),約80%的TensorFlow部署在AWS的云服務(wù)上。在中國市場,AWS憑借自動化機(jī)器學(xué)習(xí)Sagemaker快速獲得較高的市場認(rèn)知度,依托云服務(wù)的客戶積累其機(jī)器學(xué)習(xí)產(chǎn)品也得以快速部署。AWS較早推出機(jī)器學(xué)習(xí)推理芯片Inferentia,也參與了ONNX(開放神經(jīng)網(wǎng)絡(luò)模型格式轉(zhuǎn)換)項(xiàng)目的建設(shè)與推廣。在加強(qiáng)自主研發(fā)的同時(shí),AWS也始終以開放的態(tài)度為用戶提供靈活的機(jī)器學(xué)習(xí)選擇。
提供給技術(shù)買家的建議
應(yīng)用場景的成熟度總結(jié):成熟度高的應(yīng)用場景包括產(chǎn)品推薦、用戶畫像、反欺詐,簡單的證件識別類光學(xué)字符識別技術(shù)(OCR)。
正在探索的應(yīng)用場景:設(shè)備預(yù)測性維護(hù)、基于產(chǎn)品外觀的質(zhì)量檢測、交通軌道火花分析等。(由于本次的研究對象是面向開發(fā)人員的機(jī)器學(xué)習(xí)開發(fā)平臺,未包括人臉識別、聲紋識別、短語音識別等應(yīng)用場景)。
合作伙伴的選擇:
1. 首先明確當(dāng)前的業(yè)務(wù)場景是否能用機(jī)器學(xué)習(xí)的方式解決,此問題可與供應(yīng)商共同探討??紤]企業(yè)現(xiàn)階段是否具備機(jī)器學(xué)習(xí)模型開發(fā)能力,如無模型開發(fā)能力,可以選擇自動化程度較高的機(jī)器學(xué)習(xí)產(chǎn)品。如有充足的開發(fā)能力,也可以嘗試采用開源技術(shù)自主搭建機(jī)器學(xué)習(xí)平臺。
2. 產(chǎn)品層面,選擇高度靈活、容易上手的產(chǎn)品,考慮模型的豐富程度的同時(shí)考慮提供的模型是否符合企業(yè)內(nèi)部的應(yīng)用需求。
3. 考慮采用高度自動化的機(jī)器學(xué)習(xí)產(chǎn)品,培養(yǎng)業(yè)務(wù)分析師向數(shù)據(jù)科學(xué)家轉(zhuǎn)型。
應(yīng)用機(jī)器學(xué)習(xí)、人工智能,重要的一點(diǎn)在于具備建模所需數(shù)據(jù)。很多機(jī)器學(xué)習(xí)項(xiàng)目失敗的原因也是因?yàn)閿?shù)據(jù)不足導(dǎo)致模型預(yù)測準(zhǔn)確度不能滿足業(yè)務(wù)上線需求。長期來看,企業(yè)需要考慮能夠增強(qiáng)內(nèi)部數(shù)據(jù)能力的產(chǎn)品/服務(wù),盡早建設(shè)可以輸入人工智能模型的核心智能數(shù)據(jù)平臺。
IDC倡導(dǎo)在采用機(jī)器學(xué)習(xí)、人工智能解決方案時(shí),企業(yè)不能過度關(guān)注硬件和算力平臺而忽視了軟件及應(yīng)用。為短期內(nèi)的AI工作負(fù)載選擇適配的底層架構(gòu),為中長期的AI工作負(fù)載做好算力規(guī)劃。更重要的是,重視將機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的價(jià)值大化,真正以業(yè)務(wù)需求為導(dǎo)向,實(shí)現(xiàn)智能化。
IDC中國人工智能高級研究經(jīng)理盧言霞表示,盡管深度學(xué)習(xí)算法的創(chuàng)新速度變緩,但我們相信機(jī)器學(xué)習(xí)的應(yīng)用將穩(wěn)步滲透到各行各業(yè)的生產(chǎn)系統(tǒng)中。純技術(shù)的創(chuàng)新速度有所放緩,但從技術(shù)到產(chǎn)品到商業(yè)化應(yīng)用落地的速度在加快。未來,自動化機(jī)器學(xué)習(xí)也將降低行業(yè)用戶采用AI的門檻,加速行業(yè)企業(yè)實(shí)現(xiàn)高級別的自動化、智能化。
-
IDC
+關(guān)注
關(guān)注
4文章
385瀏覽量
37121 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8331瀏覽量
132225 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5450瀏覽量
120816
發(fā)布評論請先 登錄
相關(guān)推薦
評論