麥肯錫：全球調研14個行業、160個案例、3000名高管，AI應用到哪一步了？

雷鋒網按：自1990年以來，麥肯錫全球研究院（雷鋒網註：以下簡稱MGI）一直在尋求對全球經濟發展予以更深層次的理解。而在新一波人工智慧浪潮的席捲之下，全球各行各業也有了新的發展形態。就此，MGI跨越14個行業、10個國家，對3073名企業高管進行了調查，並分析了160個案例，集合發布了《人工智慧：下一個數字前沿？》（以下簡稱《報告》）這份報告。

在這份《報告》中，MGI將重點分為兩部分。第一部分，在分析了人工智慧和商業化之間的關係之後，MGI又對人工智慧對經濟發展和行業轉型產生的作用進行了深度解讀。而在後半部分，MGI則以零售、電力、製造、醫療和教育五大領域為例，以進一步研究人工智慧在全球經濟形態里的應用情況。在這篇文章中，雷鋒網將先對MGI《報告》的第一部分進行重點編譯和分析。

圖1：MGI《人工智慧：下一個數字前沿？》要點解析

話不多說，先上本文要點：

• 以谷歌、蘋果、百度、騰訊等科技巨頭為主導，在全球掀起了AI投資的浪潮

  從2016年來看，各科技公司在AI領域共花費了260-390億美元，其中90%用於技術研發和部署，而剩下的10%則用於AI收購。風險投資、私募股權融資、種子投資和贈款也在迅速增長，儘管基數還不大，但整體規模也達到了60-90億美元。

• 各科技公司在AI領域的部署還處於早期實驗階段

  MGI跨越10個國家、14個行業，以及對超過3000名高管的調查中，只有20%的受訪者表示目前公司正在大規模或在核心業務中使用AI相關技術。而41%的企業則表示，他們對AI將給公司帶來的回報和收益尚持不確定態度。MGI分析了160多個行業案例，發現只有在12%的情況下，AI實現了商業化部署。

• 在AI應用的早期階段，各行業逐漸呈現應用模式的差異化

  據MGI發布的行業數字化指數排名表顯示，對AI接受度最高的行業分別為高科技/電信、無人駕駛和金融服務業，這些行業對AI 投資的意向也更加積極。零售、媒體/娛樂等行業對AI的接受度要稍弱於前者，處於中間階段。教育、醫療、旅遊等行業對AI的接受度則更低。

• AI可以為重度AI試驗者提供無窮競爭力

  在MGI的調查中，早期的AI試驗者一般採用主動的數字化策略，以期在未來和其他公司拉開差距。特別是在零售、電力、製造、醫療和教育這五大領域，AI在改進預測和採購、優化自動化運營、開發定製化營銷、定價、增強用戶體驗等方面都凸顯了特別的優勢。

• AI必須接受數字化訓練，公司沒有捷徑可走

  一家公司若想成功轉型AI，需要建立一套成功的程序以處理好數字和分析轉換各元素之間的關係，包括確定業務案例、建立正確的數據生態系統、搭建或購買適當的AI工具、適應工作流程和文化。經MGI調查顯示，這個過程中，上至高層領導，下至管理和技術能力，無縫的數據訪問是關鍵。

• AI帶來的機會和挑戰並存

  不管是公司、開發商，還是政府、工人和員工，都應該意識到AI已經對其提出了挑戰，應該不斷調整自身競爭力以適應AI大潮。與此同時，AI帶來的倫理和法律監管問題也不容忽視。

在科技巨頭的帶領下，AI投資在快速增長，商業化應用卻落後了

圖2：2016年科技巨頭內部投資情況

眾所周知，在科技巨頭的帶領下，如亞馬遜、蘋果、百度、谷歌等等，正在AI領域投資數十上百億美元。不過，在這一過程中尤以大公司的內部投資佔據主導地位。經MGI預估，在2016年，這一數據達到180-270億美元。而大公司用於外部投資，如VC、PE、併購、贈款和種子基金等等，金額則約為80-120億美元。2016年，企業外部投資年均增長率接近40%。相比之下，這一比率在2010年-2013年一直維持在30%左右。

事實上，就目前來說，企業對AI應用的需求還不太緊迫，部分原因在於數字和分析經濟轉型速度相對滯後。在MGI對全球3000多位高管的調查中，我們發現，很多企業高管對AI還不甚了解。比如不清楚AI究竟能為他們做些什麼，在哪裡可以獲得AI應用，如何將AI應用到企業業務，以及如何評估投資AI技術的回報等。

而在大公司的內部AI投資中，絕大部分是用於研發和部署。雖然蘋果、百度、谷歌等科技巨擘都在舉力開發內部技術套件，但AI投資重點又各不相同。如，亞馬遜將重點主要放在機器人和語音識別上，Salesforce則為虛擬助手和機器學習上；寶馬、特斯拉等汽車廠商則專註在機器人、機器學習的研發上，以期進一步推進無人駕駛的發；IBM則承諾投入30億美元，用於Watson認知服務的布局；百度則在過去的半年裡向AI領域投入15億美元，另外還為AI投資建立百度基金（Baidu Venture）。

與此同時，大公司也從未停止併購的步伐，此舉可將技術、人才和客戶全收入囊中。據最近一份報告顯示，各公司正大力尋求AI人才，發布10000項與AI有關的崗位招聘需求，並為此列出了超過6.5億美元的預算，AI人才需求達到空前旺盛的程度。

機器學習獲得最多投資

企業併購成為支撐AI公司快速發展的外部資金來源。據MGI預測，從2013-2016年，企業的複合增長率已超80%。自2010年以來，全球企業已經實現了100多筆與AI相關的併購交易。

在這100多筆併購交易中，谷歌完成了24筆，位居首位。其中，涉及計算機視覺的AI公司有8項，而自然語言處理的則有7項；蘋果則以9筆的成績位列其二。其中計算機視覺、機器學習和語言處理技術則平分秋色。

圖3：2016年AI企業收穫的外部投資中，各項AI技術所獲投資情況

由上表可知，2016年收穫大公司外部投資的AI企業中，涉及機器學習的收穫最多投資，達到50-70億美元，而計算機視覺位居其次，獲25-35億美元投資，其次分別為自然語言處理、無人駕駛、機器人和虛擬助手。

不過，在很大程度上，投資者也在靜待他們的投資回報。根據PitchBook發布的數據顯示，只有10%的公司認為機器學習可作為核心業務產生收益。此外，大公司的外部投資還高度集中在特定區域，逐漸形成以美國和中國幾個技術中心為主，歐洲遠遠落後的格局。

在AI應用早期階段，各行業逐漸呈現應用模式差異化

雖然全球湧起AI投資熱潮，但就目前來看，各行業在AI應用上仍然處於早期階段，很少有公司將AI納入規模化的價值業務鏈里。事實上，在3073名被調查者當中，只有20%的人表示他們在核心業務或企業管理中採用了一種或多種相關AI技術，而10%的人則表示採用了兩種以上的AI技術，還有9%表示運用了機器學習技術。

另一方面，MGI回顧了160多個行業案例，發現只有12%的項目在實驗階段取得了進展。細究一些公司為何不願採取行動的原因，則主要在於AI能否帶來回報，對於一些小公司來說，這點尤為重要。

圖4：不同AI應用深度的企業在各價值鏈中的應用情況

在AI應用的早期，我們發現行業和企業之間採用的模式也不盡相同，大致呈現以下6個特點：

• 早期AI試驗者一般來自於已經在AI技術上進行規模投資的企業，如雲服務和大數據等。這些也正是當下的前沿板塊。如上述表格所示，高科技、汽車和金融服務業是AI接受度最高的行業。而在中間階段，則為公共事業、建築在內的數字化工業，這些行業由於國內關注較少，而在數字化程度上有所欠缺。在AI接受度上，又以教育、醫療等傳統領域為墊底。

• 大公司更傾向於加速AI投資的規模。中小企業通常在新技術投資決策上較為落後。依據MGI的調查顯示，大公司（一般定義為員工規模超過500名的公司）至少會在核心業務中採用一種及以上的AI技術，且其AI採用率幾乎為小公司的3倍。

• 早期試驗者通常不會專攻於一種技術類型。他們會採用多個AI工具，以滿足不同場景的使用需求。MGI分析了8個應用領域和5個技術系統，發現早期AI試驗者在採用模式上呈現多技術應用的特點。

• 公司一般會在核心業務上應用AI技術。一般來說，AI技術會被應用於企業的價值業務鏈中，這些板塊也會比其他得到更多的關注。比如，客戶服務、銷售和市場營銷，都傾向於使用最常用的AI應用程序。

• 大部分早期AI試驗者更傾向於通過降低成本來增加AI的潛力。AI不僅與自動化緊密相關，也被公司視為產品和服務創新的一部分。所以，他們正試圖通過增強自身競爭力，以拉開和落後者的營收差距。根據MGI《報告》顯示，優先採用AI技術的公司，會比那些僅僅試驗或部分應用AI技術的企業，高出27%的可能性利用AI來擴大市場，而在利用AI擴增市場份額上，則多出了52%的可能性。相比之下，AI試驗者更關注成本，他們在降低勞動力成本的可能性上比前者（優先採用AI技術的公司）高出了23%，而削減非人工成本的可能性則高出了38%。

• 企業的AI應用深度往往與高管的領導力齊頭並進。在受訪企業中，成功部署AI技術的企業獲得的高管支持率幾乎是沒有採用任何AI技術的公司的兩倍。

AI的下一個挑戰：讓更多用戶習慣並接受

據IT行業分析師表示，未來AI技術的市場規模將在三年內實現強勁增長。而MGI的調查結果也呼應了這點。據其調查的大部分公司均表示將在三年內增加AI領域的投入。而在經濟學人智庫（ Economist Intelligence Unit）日前調查的203位高管中，有75%均表示公司將在三年內積極應用AI技術（有3%表示AI應用已在進行中）。

圖5：不同AI接受度的行業的AI投資情況

根據上圖可知，AI接受度更高的行業往往在AI投資上也更為積極。根據MGI對受訪者的調查以及外部分析師的預測表明，金融服務、零售、醫療和先進位造業將成為AI應用的先鋒領域。就現階段而言，這些行業應用AI技術的可行性也更高，相較其他領域已有一些較為成熟的案例。

不過，技術實力仍然是產業之間最主要的區別因素。以金融服務、高科技和電信產業為例，他們已經產生並存儲了大量的結構化數據，所以在應用AI技術上也更有優勢。但就建築和旅遊業來說，則遠遠落後於其他行業。

值得注意的是，AI的進一步發展，在給各行各業帶來生機的同時，也面臨一些艱難的挑戰——社會倫理和監管等難題湧現。如無人駕駛的行駛責任問題、數據訪問牽扯的隱私保護問題、演算法透明度帶來的社會倫理爭議、機器人徵稅等等，這些問題不僅增加了企業的成本，同時也阻礙了企業應用AI的進程。只有讓更多的人接受並適應AI技術，未來AI才能更好的實現商業化，為人類帶來更多的便利。

雷鋒網註：文章來源於麥肯錫全球研究院發布的《人工智慧：下一個數字前沿？》報告

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！