站长资讯网AI行业市场基本状况
行业玩家情况
行业玩家情况
第一类玩家即当裁判，也当运动员
阿里、腾讯、华为等行业巨头在大数据、云计算、AI(语音语义、视觉图像、知识图谱等)技术等方面已有深厚积累，在很多行业(如零售、金融、教育、交通、出行等)赋能已有完整成熟落地方案，它们不仅提供打包完整方案赋能企业，也提供底层算力封装后的PaaS服务给到第三类玩家拓展业务。
优势：掌握核心技术，引领行业前进
劣势：核心技术需要大量研发资金投入，技术成果转化与业务拓展两者难以平衡
第二类玩家，术业有专攻
科大讯飞、追一、商汤等企业，分别在语音语义、视觉图像等垂直方向上，有着深度自主AI技术研发实力，为零售、金融、交通、教育、出行、电商、地产、医疗等众多行业提供AI技术方案赋能(如基于语音语义等技术在线机器人、语音机器人、智能客服方案，基于视觉图像技术的智能驾驶方案)，助力企业简化业务场景处理流程、升级服务能力，为用户带来更好体验，实现降本增效，驱动业务快速增长。
优势：掌握垂直领域核心技术，拥有行业话语权
劣势：核心技术虽有深度，但缺少广度，垂直领域方向之外业务发展易受限
第三类玩家，细耕业务
天润融通、容联-七陌等企业，主要集成第一类玩家提供AI技术能力，进一步封装为面向应用化类似SaaS/PaaS产品，细耕耘服务、营销、办公、运营、中台业务场景，为零售、金融、保险、教育、电商、本地生活等行业赋能。
优势，专心集成整合大厂技术，耕耘业务，无需投入大量研发成本
劣势，缺少核心技术，业务拓展易受制于人
商业模式总结
提供类似SaaS部署解决方案，按使用年期收费 — 主体盈利方案
后续提供运营类、技能/服务升级服务增值 — 增值业务点
与生态链伙伴合作研发产品，共同分享产品成长果实 — 合作分成
AI语音语义技术衍生的业务分析
智能语音语义赋能业务技术原理
智能语音语义赋能业务，这里是以自然语言处理(NLP)+语音识别(ASR)+语音合成(TTS)+知识图谱(KG)+深度学习(DL)等技术来处理语义文本理解/生成、语音识别转化为文本、文本转化语音合成作业，解决营销、服务、运营、办公、中台业务场景中实际语音语义相关工程问题。
为进一步阐述其中技术工作原理，见如下简化流程图
AI语音语义类业务框架图
输入端
用户query的内容通常来说有两种类型，语音或者文本，如是语音，则需要先进行语音识别(ASR)处理转为文本，便于后续处理。
语义处理
文本语义处理(NLP)主要为两部分：内容理解(NLU)+内容生成(NLG);
内容理解(NLU)，即是对用户query输入内容进行意图识别+槽位解析(抽取特征信息);
内容生成(NLG)，即是生成用户可以理解的内容，将非语言格式数据转化为用户可理解的语言。
对话管理
对话管理系统主要分为两部分：对话状态维护(DST)+对话策略(Dialog Policy);
对话状态维护(Dialog State Tracking，DST)，管理当前对话状态;
对话策略(Dialog Policy)，根据当前对话状态，生成相应对话策略。
语义语音机器人类型(输出端)
根据不同业务场景类型特点，语义机器人类型主要可分为以下四大类
以上类型机器人，通常地先以文本语言方式回复，也可以通过语音合成(TTS)技术处理将文本内容转为语音回复。
(PS，以上类型机器人背后技术框架和工程后面将专门新文展开来写，敬请期待)
AI产品应用行业广泛
AI语音语义已有成熟产品解决方案落地应用，覆盖了B、C、G端的大量语音语义领域的业务，如营销、咨询、服务、运营等，解决了企业传统人力运维服务质量参差不齐、业务增长困难、成本居高不下且效率较低的大痛点，如“智能客服(语音机器人)”产品已为银行、汽车、地产、政务、校园、保险、电商等纵多行业赋能。
AI技术赋能行业面临的痛点
近几年AI技术发展非常迅速，很多AI技术厂商已开始跑马圈地推出了很多有意思的技术解决方案和产品，如智能客服、在线机器人、人脸识别等，很多成熟方案已在电商、金融、教育、地产、交通等行业里落地应用，为赋能企业运营效率效能提升、成本优化控制取得了很好效果。
AI技术赋能业务所面临痛点
AI技术赋能企业的光鲜亮丽背后，也面临着因AI本身属性所带来的业务痛点
强依赖数据，无数据不智能AI模型由算法、算力、数据构成，每个性能稳定的模型需要大量数据注入，并不断训练;真实数据集大部分是脏数据，需要花大量时间成本进行数据清洗
强依赖人工介入，无人工不智能业务处理不够成熟，需要依赖人工最后1min介入处理业务自我学习能力不够强，需要人为不断进行数据标注效果调优需要人工训练
产品上线运维门槛要求高产品上线需要人工大量编写规则、标注数据BadCase需要人工核查、分析
产品水土不服业务逻辑理解不足缺少人机协同
针对痛点对策
要始终抱有积极心态，相信方法永远多于问题
尽量复用前期经验&原有模型(主流模型、成熟方案)
不断优化模型对业务边界case(前期模型未命中或处理不够好的案例)泛化能力
提供智能化工具包，简化运维流程，提高运维效率
产品功能组件化，细化业务需求颗粒度，通过不同模块弹性伸缩配置，最快满足客户业务迭代需求
AI技术赋能行业之未来展望
在新一轮科技进化和产业变革浪潮中，人工智能从感知往认知不断发展。在5G通信技术、物联网和云计算加持下，人工智能将会成为改变现有社会生产结构科学技术。
随着技术不断迭代，市场对人工智能认知也趋于完善，更多产业开始拥抱人工智能，目前人工智能已进入到技术与商业结合，与合作伙伴一起重构传统产业价值链阶段，实现降本增效，驱动业务增长。
产品展望
伴随5G技术不断普及，新基建如火如荼，AI技术未来在万物互联时代背景下，将有着更宽阔的市场应用空间。
结合行业已有AI产品形态和商业模式经验，以下是对未来AI技术及业务形态模式的大胆思考，以期作为AI产品规划、布局的reference。
产品功能组件化，根据业务场景特征，选择相应模块组件拼接集成，即可实现业务定制和上线运营;
产品云化，万物互联不仅带来了海量设备连接能力，更要求有着对海量数据处理能力，巨量业务数据处理需求将驱动产品云化;
产品生态化，5G技术将会催化人工智能对传统产业价值链重构，细化产业价值分工，标准化产品解决方案，同时促进AI更好赋能行业，构建起健康的产品生态。
商业模式展望
像水电一样，按流量使用计费。
5G通信技术加速了万物互联，也催化了人工智能在IoT时代的场景应用，未来AI产品形态将会像水电一样，无处不在，按需使用，按用计费。
