业界 | 福布斯:2018年机器学习试点及实施数量将翻倍

大数据文摘作品

编译:Zoe Zuo、赖小娟、小鱼

对人工智能发展话题的讨论曾被几度推向高潮,为了更快抢占深度学习的市场,各个科技企业也在迅速布局。根据预测,2018年深度学习的市场呈现出以下趋势:

  • 从2013年至2017年间,机器学习专利的年复合增长率(Compound Annual Growth Rate,CAGR)达到34%,在所有已授予的专利类别中增速排名第三。
  • 国际数据公司(International Data Corporation, IDC)预测,人工智能(AI)和机器学习(ML)上的支出将会从2017年的120亿美元增长到2021年的576亿美元。
  • 德勤全球(Deloitte Global)预测,2018年机器学习的试点与实施数量将比2017年增加一倍,至2020年将再次翻番。

以上精彩的见解来自机器学习中市场预测、市场评估和前景规划等内容的最新系列。机器学习影响着世界范围内众多的数据密集型产业,推动大众对资本风险投资、私募股权融资、兼并与收购等领域的持续关注,参与者都期望在机器学习领域知识产权与专利的追逐中胜出。

芯片组定制(custom chipsets)是机器学习知识产权增长最快的领域之一。德勤全球预测,全球各数据中心今年将使用多达80万件机器学习芯片。

2018年,企业将加大在机器学习项目上的研究、投资与试点力度。虽然不同预测机构使用的方法和数据来源不尽相同,但所有市场预测、市场评估和前景规划都反映出,机器学习正在改善着企业的敏锐性和洞察力,使企业发展得更快、获得更多收益。

后台回复“福布斯”下载所有研究报告PDF~

机器学习的市场预测、市场评估和前景规划中有以下几项关键内容:

1.在商业智能(Business Intelligence,BI)和分析市场,支持机器学习的数据科学平台(Data Science Platforms)的数量有望在2021年实现13%的年复合增长率。数据科学平台的市场占有率将超越眼下正热的商业智能和分析软件,后者同期的年复合增长率预计为8%。数据科学平台2017年的市值为30亿美元,到2021年将上升至48亿美元。

数据科学平台的发展速度将超过商务智能和分析软件

2.从2013年至2017年间,机器学习专利的年复合增长率达到34%,在所有已授予的专利类别中增速排名第三。2017年,IBM、微软、谷歌、领英(LinkedIn)、Facebook、英特尔和富士通是发布机器学习专利最多的七大公司。

机器学习专利排名

3.在受访机构中,有61%的机构表示他们最经常选择机器学习/人工智能作为公司2018年最重要的数据科学计划。在积极使用机器学习和人工智能的过程中,有58%机构表示在其生产中运用了相关模型。

最受关注的机器学习与人工智能计划

(从上到下依次为:机器学习/人工智能、大数据/商业分析、数据安全与合规、物联网、管理数据增长、迁移遗留系统、数据中心合并)

4.亚马逊、苹果、谷歌、特斯拉和微软等技术市场领袖凭借自身在机器学习和人工智能投资上的极大优势,引领着各自领域内的行业发展。这些公司都将机器学习植入新一代产品内,依托机器学习和人工智能来改善用户体验、优化销售渠道。

投资等级与企业转型的抗衡

(图例从左到右以此为:技术、零售、通讯、媒体和技术、工业工程、汽车、金融机构集团、医疗、航空航天与国防)

5.2017年,福雷斯特研究公司(Forrester)针对14家供应商制定了23项评估标准,评估得出,SAS(Statistical Analysis System,全球最大的软件公司之一)、IBM和SAP (Systems, Applications & Products in Data Processing,全球最大的企业管理和协同化商务解决方案供应商)三大公司引领了预测分析和机器学习市场。

据福雷斯特预计,到2021年,预测分析和机器学习市场的年复合增长率将达到21%,原因是这些公司通过其客户端注意到客户询价与购买活动有明显增加。

Forrester WaveTM:2017年第一季度预测分析和机器学习的解决方案。(白色圆圈为供应商完全参与,灰色圆圈为供应商不完全参与)

6.德勤全球预测,2018年机器学习试点与实施的数量将比2017年增加一倍,至2020年将再次翻番。推动机器学习试点增长的因素包括应用程序界面(API)的更加广泛支持、自动化数据科学任务、训练数据的需求减弱、训练数据的进程加快以及对结果更加深入的分析。

2018德勤全球关于机器学习的预测

7.有60%的机构处于机器学习应用的不同阶段,45%(将近一半)的机构认为机器学习拓展了数据分析与洞察力的应用范围,35%的机构已经能借助机器学习更快地完成数据分析,提升洞察速度,增强了机构的敏锐性。35%的机构还发现,机器学习提升了他们研发新一代产品的能力。

如果你的机构当前在使用机器学习,从中实际收获了什么?(从上到下依次为:更全面的数据分析和洞察力、加速数据分析及提升洞察速度、增强研发能力(下一代产品)、提升内部流程(运营)的效率、增进对客户/潜在客户的理解、竞争优势、成本削减、提升外部流程(价值链)的效率)

8.据麦肯锡(McKinsey)估算,2016年人工智能的年度外来投资总规模在80亿到120亿美元之间,其中机器学习就吸引了60%的投资。机器人和语音识别是最受投资者青睐的两个领域。

投资者最乐意投资机器学习初创公司,因为基于代码的初创企业在更新产品特性时能够迅速作出响应。基于软件的机器学习初创公司相对于机器人初创公司更受偏爱,因为后者投资成本过高。由于诸如此类的因素,机器学习领域的企业并购迅速火热起来。下图描绘了不同技术受到的外来投资的分布。

机器学习领域获得了最多的投资,尽管相关技术之间的界限并非十分清晰。(图中涉及的技术分别为:自动驾驶汽车、机器学习、多用途及非特定性应用、计算机视觉、自然语言、智能机器人、虚拟代理。评估包含了专攻人工智能领的公司的年度风险资本投资,业务涉及人工智能的公司的私人股权投资,以及各公司之间的并购。)

9.德勤全球预测,数据中心使用的机器学习芯片数量将从2016年的10万至20万,今年将暴增至80万。其中至少有25%是现场可编程门阵列(Field Programmable Gate Arrays,FPGA)芯片和特定用途集成电路(Application Specific Integrated Circuits,ASICs)芯片。德勤发现,机器学习加速器技术的可用市场总量(Total Available Market,TAM)在2020年将达到260亿美元。

全力加速:新一代机器学习芯片

10.亚马逊借助机器学习来改善用户对其业务的使用体验,包括产品推荐,替代性产品预测,欺诈检测,元数据验证与知识获取。

亚马逊的机器学习布局

(图中从左往右依次是:零售、客户、卖家、目录、数码)

11.国际数据公司(International Data Corporation,IDC)预测,人工智能和机器学习方面的支出将从2017年的120亿美元增长到2021年的576亿美元。

12.全球机器学习市场2017年的规模为14.1亿美元,预计2022年增长到88.1亿美元,年复合增长率达到44.1%。该市场在世界范围内迅速扩张,其中的贡献因素包括在数据聚合、集成与分析上优势突出的技术,以及更具扩展性的云平台。

13.认知科学与人工智能系统2017年的全球收入为125亿美元,2020年将超过460亿美元。

机器学习相关的市场数据来源

  • 《人工智能投资指南》(An Investors’ Guide to Artificial Intelligence),摩根大通,2017年11月27日(PDF第110页)。
  • 美国商业专利数据库(专利分析)(IFI Claims Patent Services (Patent Analytics) ),《8项当前增长最迅猛的技术》(8 Fastest Growing Technologies SlideShare Presentation)。
  • 数据科学协会(Data Science Association),《预测分析和机器学习供应商2017》(Predictive Analytics & Machine Learning Vendors 2017);由SAP提供的《Forrester WaveTM:预测分析和机器学习解决方案,2017年第一季度》(The Forrester Wave™: Predictive Analytics And Machine Learning Solutions, Q1 2017)。
  • 《2018德勤全球预测》(Deloitte Global Predictions 2018 Infographics)。
  • 《机器学习:竞争优势的新型试验田》(Machine Learning: The New Proving Ground for Competitive Advantage),Google和MIT技术研究综述(PDF第10页)。
  • 《人工智能,下一个数字前沿》(McKinsey Global Institute Study, Artificial Intelligence, The Next Digital Frontier),麦肯锡全球全球研究院研究报告(PDF第80页)。
  • 《机器学习市场 - 至2022年的全球性预测-市场概况与产业趋势》(Machine LearningMarket - Global Forecast to 2022 - MarketOverview & Industry Trends) 链接: https://www.prnewswire.com/news-releases/machine-learning-market---global-forecast-to-2022---market-overview--industry-trends-300531729.html
  • 来源:《根据最新IDC支出指南,认知科学与人工智能系统今年的全球性支出预计达到125亿美元》(Worldwide Spending on Cognitive and Artificial Intelligence Systems Forecast to Reach $12.5 Billion This Year, According to New IDC Spending Guide.)。 链接: https://www.idc.com/getdoc.jsp?containerId=prUS42439617
  • 《2018展望:机器学习与人工智能,一份对1600余名数据从业者的调查》(2018 Outlook: Machine Learning and Artificial Intelligence, A Survey of 1,600+ Data Professionals), MemSQL(PDF第14页)。
  • 《应用机器学习的建议》(Advice for applying Machine Learning),吴恩达,斯坦福大学(PDF第30页)。
  • 《管理人员的机器学习指南》(An Executive’s Guide to Machine Learning),麦肯锡季刊,2015年6月。 链接: https://www.mckinsey.com/industries/high-tech/our-insights/an-executives-guide-to-machine-learning
  • 《投资人的人工智能指南》(An Investors' Guide to Artificial Intelligence),摩根大通,2017年11月27日(PDF第110页)。
  • 《人工智能和机器学习在金融市场发展和对金融稳定的影响》(Artificial intelligence and machine learning in financial services Market developments and financial stability implications),金融稳定委员会(PDF第45页)。
  • 《大数据和AI策略——面向投资的机器学习和数据方法》(Big Data and AI Strategies Machine Learning and Alternative Data Approach to Investing),摩根大通(PDF第280页)。
  • 《Google和MIT技术评论研究:机器学习:竞争优势的新探索》(Google & MIT Technology Review study: Machine Learning: The New Proving Ground for Competitive Advantage)(PDF第10页)。
  • 《全力加速:新一代机器学习芯片》(Hitting the accelerator: the next generation of machine-learning chips),德勤(PDF第6页)。
  • 《机器怎么学习?算法是机器学习的关键》(How Do Machines Learn? Algorithms are the Key to Machine Learning),博思艾伦咨询公司(信息图表)。 链接: https://www.boozallen.com/s/insight/blog/how-do-machines-learn.html
  • 《据 IBM 预测,到 2020 年,对数据科学家的需求增长幅度将达到 28%》(IBM Predicts Demand For Data Scientists Will Soar 28% By 2020),福布斯,2017年5月13日。 链接: https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/?utm_content=buffer91f1f&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer#391b252b7e3b
  • 《亚马逊的机器学习》(Machine Learning At Amazon),亚马逊网络服务(PDF第47页)。
  • 《机器学习的演变(信息图)》(Machine Learning Evolution (infographic)),普华永道,2017年4月17日。 链接: http://usblogs.pwc.com/emerging-technology/machine-learning-evolution-infographic/
  • 《机器学习:如火如荼》(Machine learning: things are getting intense),德勤(PDF第6页)
  • 《机器学习报告:计算机通过案例进行学习的力量和潜力》(Machine Learning: The Power and Promise Of Computers That Learn By Example),英国皇家协会机器学习项目(PDF第128页)。
  • 《人工智能:下一个数字前沿》(Artificial Intelligence, The Next Digital Frontier),麦肯锡全球研究院研究报告(PDF第80页)。
  • 《麦肯锡报告:2017机器学习与人工智能现状》(McKinsey's State Of Machine Learning And AI, 2017),福布斯,2017年7月9日。 链接: https://www.forbes.com/sites/louiscolumbus/2017/07/09/mckinseys-state-of-machine-learning-and-ai-2017/#4448c95d75b6
  • 《2017年预测:人工智能将推动洞察革命》(Predictions 2017: Artificial Intelligence Will Drive The Insights Revolution),福雷斯特研究公司,2016年11月2日(PDF第9页)。
  • 《风险与回报:机器学习经济影响的场景》(Risks And Rewards: Scenarios around the economic impact of machine learning),经济学人智库(PDF第80页)。
  • 《凭借人工智能更上一层楼——人工智能给德国及其工业部门带来了什么?》(Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?),数字/麦肯锡咨询公司(PDF第52页)。
  • 《究竟什么是机器学习?》(So What Is Machine Learning Anyway?),商业内幕(Business Insider),2017年11月23日。 链接: http://www.businessinsider.com/what-is-machine-learning-quick-explainer-2017-11
  • 《2017年人工智能/机器学习领域十大最具创新力的企业》(The 10 Most Innovative Companies In AI/Machine Learning 2017),连线(Wired)。 链接: https://www.fastcompany.com/3069025/the-10-most-innovative-companies-in-ai-machine-learning-2017
  • 《人工智能的商业影响与应用案例》(The Business Impact and Use Cases for Artificial Intelligence),Gartner(PDF第28页)。
  • 《人工智能,自行搭建还是购买?》(The Build-Or-Buy Dilemma In AI),波士顿咨询公司,2018年1月4日。 链接: https://www.bcg.com/publications/2018/build-buy-dilemma-artificial-intelligence.aspx?linkId=47806407
  • 《新一代医学:人工智能与机器学习》(The Next Generation of Medicine: Artificial Intelligence and Machine Learning),TM Capital(PDF第25页)。
  • 《企业人工智能路线图》(The Roadmap to Enterprise AI),基于Gartner研究的Rage Networks简报(PDF第17页)。
  • 《你会尽快接纳AI吗?》(Will You Embrace AI Fast Enough?),科尔尼管理咨询公司(AT Kearney),2018年1月。 链接: https://www.atkearney.com/operations-performance-transformation/article?/a/will-you-embrace-ai-fast-enough

原文链接:

https://www.forbes.com/sites/louiscolumbus/2018/02/18/roundup-of-machine-learning-forecasts-and-market-estimates-2018/#38e935912225

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2018-03-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏公众号文章

熊彼特的创新理论:非连续性模型

主流的经济理论讲供给平衡,经济在不受外力干扰的情况下,最终会趋于并保持在均衡状态。而熊彼特却认为经济很少处于均衡状态,它总是从一个均衡走向另一个均衡。在这个过程...

3373
来自专栏AI科技评论

AI 影响因子 10 月大盘点,腾讯 AI Lab 又夺第一

「AI 影响因子」是雷锋网学术频道 AI 科技评论旗下数据库项目,旨在呈现国内企业研究院学术&开发实力,为高校学生及从业者提供在会议/期刊论文、数据集比赛及开发...

641
来自专栏机器之心

特写 | CVPR十年轶事:走出象牙塔

这不是石建萍第一次来 CVPR 了。过去这八年,她几乎没落下过一届,倒也习惯了每年办一次美国签证。只不过,这么多年以来,参加 CVPR 的身份却在不断变化:从一...

1472
来自专栏玉树芝兰

论文枪手,一个即将消失的行业

上学的时候要写。本科生得写毕业论文,研究生和博士生还需要额外发表一定数量和等级的期刊论文,才能顺利毕业。

942
来自专栏CSDN技术头条

数据的艺术 Teradata数据科学家数据可视化作品集

近日,在Teradata大数据峰会上展出了由Teradata数据科学家及数据顾问提供的一系列的”数据分析艺术”数据分析视觉化展,继阿姆斯特丹Teradata U...

2657
来自专栏人工智能头条

“双11”走过十年,看韵达让其AI物流“头脑”更智慧

这个“双11”,你的购物车清空了吗?经过了紧张刺激的“抢购”环节,想必现在已经到了抓耳挠腮的“等快递”环节了吧!

1023
来自专栏腾讯研究院的专栏

人工智能:道德外包与“黑箱”中的算法歧视

曹建峰 腾讯研究院研究员 今天,基于算法的自主决策系统日益被广泛应用在教育、就业、信用、贷款、保险、广告、医疗、治安、刑事司法程序等诸多领域,认为算法...

4169
来自专栏AI科技评论

特写 | Geoffrey Hinton:我们都是特别的,奇妙的机器

AI 科技评论按:本文出自 torontolife.com ,用超长的篇幅讲述了 AI 大牛 Geoffrey Hinton 的学术成长之路,以及他对人工智能学...

3498
来自专栏DT数据侠

你们对餐馆的吐槽,也许能挽救一场食品安全危机

如何解决老生常谈的食品安全问题?大数据时代,你的一句点评都可能派上用场。SODA大赛获奖团队“吃货俱乐部——评安食客”,就利用食药监提供的数据以及从大众点评爬取...

730
来自专栏新智元

中国团队“霸屏”全球权威人脸识别竞赛,依图夺冠!

根据最新公布的全球权威人脸识别供应商测试 FRVT 结果,旷视、商汤和依图这三家视觉独角兽首次在公开场合同台竞技,最终由依图拿下第一。

922

扫码关注云+社区

领取腾讯云代金券