從這個(gè)角度看，2018年應(yīng)用機(jī)器學(xué)習(xí)為中國(guó)人工智能市場(chǎng)帶來(lái)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(kāi)發(fā)平臺(tái)而言，2018年包括硬軟服在內(nèi)的中國(guó)機(jī)器學(xué)習(xí)市場(chǎng)達(dá)到10億元人民幣，預(yù)計(jì)2018-2023年五年復(fù)合增長(zhǎng)率將達(dá)到62.0%。在機(jī)器學(xué)習(xí)開(kāi)始廣泛滲透、應(yīng)用場(chǎng)景拓展翻新的起步階段，IDC逐步深入開(kāi)展機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)廠商評(píng)估這一研究。

市場(chǎng)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(kāi)發(fā)平臺(tái)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(kāi)始走向市場(chǎng)，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(duì)機(jī)器學(xué)習(xí)類(lèi)工作負(fù)載對(duì)底層硬件做深度優(yōu)化，為用戶(hù)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(píng)估，跨行業(yè)的產(chǎn)品推薦、精準(zhǔn)營(yíng)銷(xiāo)，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(chǎng)格局

1.以云服務(wù)商為代表的平臺(tái)級(jí)公司主推公有云機(jī)器學(xué)習(xí)，幫助用戶(hù)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(hù)群體中積累了大量機(jī)器學(xué)習(xí)應(yīng)用實(shí)踐。該類(lèi)廠商的優(yōu)勢(shì)在于有龐大的用戶(hù)基數(shù)，可以快速轉(zhuǎn)化為機(jī)器學(xué)習(xí)產(chǎn)品的用戶(hù)。

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(dòng)化的AutoML等技術(shù)/產(chǎn)品趨勢(shì)。該類(lèi)廠商的優(yōu)勢(shì)在于技術(shù)。

3.大數(shù)據(jù)平臺(tái)公司也在推出機(jī)器學(xué)習(xí)組件以幫助用戶(hù)在大數(shù)據(jù)平臺(tái)上實(shí)現(xiàn)預(yù)測(cè)分析能力，例如新華三、東軟、星環(huán)科技等。該類(lèi)廠商則需要同時(shí)在技術(shù)和市場(chǎng)方面追趕領(lǐng)先者。

自動(dòng)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(chǎng)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(chǎng)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(dòng)化機(jī)器學(xué)習(xí)可以緩解對(duì)于專(zhuān)業(yè)算法工程師的需求，成功的自動(dòng)化機(jī)器學(xué)習(xí)產(chǎn)品可以使業(yè)務(wù)人員經(jīng)過(guò)培訓(xùn)即可以建模?？傮w來(lái)看，企業(yè)用戶(hù)對(duì)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(chǎng)的發(fā)展趨勢(shì)。

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(dòng)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(guó)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(tái)級(jí)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(guó)內(nèi)最早推出深度學(xué)習(xí)開(kāi)源框架飛槳PaddlePaddle，在近1-2年內(nèi)下載量以及活躍用戶(hù)量都保持高速增長(zhǎng)。百度也是國(guó)內(nèi)較早推出自動(dòng)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(chǎng)認(rèn)知度。在商業(yè)化方面，依托百度云的客戶(hù)積累及市場(chǎng)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(zhuān)注AI算法開(kāi)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(jí)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(píng)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(chǎng)，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(hù)認(rèn)可。成熟穩(wěn)定的產(chǎn)品、廣泛深入的用戶(hù)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(chǎng)景如反欺詐、用戶(hù)畫(huà)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(hù)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(guó)際廠商：AWS

AWS在全球機(jī)器學(xué)習(xí)市場(chǎng)取得了令人矚目的成績(jī)，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(guó)市場(chǎng)，AWS憑借自動(dòng)化機(jī)器學(xué)習(xí)Sagemaker快速獲得較高的市場(chǎng)認(rèn)知度，依托云服務(wù)的客戶(hù)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(kāi)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(kāi)放的態(tài)度為用戶(hù)提供靈活的機(jī)器學(xué)習(xí)選擇。

提供給技術(shù)買(mǎi)家的建議

應(yīng)用場(chǎng)景的成熟度總結(jié)：成熟度高的應(yīng)用場(chǎng)景包括產(chǎn)品推薦、用戶(hù)畫(huà)像、反欺詐，簡(jiǎn)單的證件識(shí)別類(lèi)光學(xué)字符識(shí)別技術(shù)（OCR）。

正在探索的應(yīng)用場(chǎng)景：設(shè)備預(yù)測(cè)性維護(hù)、基于產(chǎn)品外觀的質(zhì)量檢測(cè)、交通軌道火花分析等。（由于本次的研究對(duì)象是面向開(kāi)發(fā)人員的機(jī)器學(xué)習(xí)開(kāi)發(fā)平臺(tái)，未包括人臉識(shí)別、聲紋識(shí)別、短語(yǔ)音識(shí)別等應(yīng)用場(chǎng)景）。

合作伙伴的選擇：

1. 首先明確當(dāng)前的業(yè)務(wù)場(chǎng)景是否能用機(jī)器學(xué)習(xí)的方式解決，此問(wèn)題可與供應(yīng)商共同探討。考慮企業(yè)現(xiàn)階段是否具備機(jī)器學(xué)習(xí)模型開(kāi)發(fā)能力，如無(wú)模型開(kāi)發(fā)能力，可以選擇自動(dòng)化程度較高的機(jī)器學(xué)習(xí)產(chǎn)品。如有充足的開(kāi)發(fā)能力，也可以嘗試采用開(kāi)源技術(shù)自主搭建機(jī)器學(xué)習(xí)平臺(tái)。

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(dòng)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(cè)準(zhǔn)確度不能滿(mǎn)足業(yè)務(wù)上線需求。長(zhǎng)期來(lái)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(tái)。

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(guò)度關(guān)注硬件和算力平臺(tái)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(zhǎng)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(guó)人工智能高級(jí)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(lái)，自動(dòng)化機(jī)器學(xué)習(xí)也將降低行業(yè)用戶(hù)采用AI的門(mén)檻，加速行業(yè)企業(yè)實(shí)現(xiàn)高級(jí)別的自動(dòng)化、智能化。