「全球AI報告」300億美元豪賭，美國獨攬2/3投資，中國僅佔17%

1 新智元編譯

了解報告全貌，可在新智元微信公眾號回復下載「麥肯錫07」下載報告全文。

• 2016 年，包括百度和谷歌在內的科技巨頭在AI 上的花費在 200 億至 300 億美元之間，其中 90％用於研發和部署，10％用於AI 收購。

• 人工智慧（AI）投資已成為世界領先的科技公司之間的專利和知識產權的（IP）競賽。

• 2016 年，美國公司佔了所有AI 投資的 66％。中國佔了 17％，排在第二，增長迅速。

• Netflix 估計，取消訂閱原本每年可能減少 10 億美元收入，現在Netflix 可以通過提供更好的搜索結果來避免這一損失。

• 機器人和語音識別是兩個最受歡迎的投資領域

• 除了基礎的機器學習技術，計算機視覺是獲投資最多的子領域

這些調查結果來自麥肯錫全球研究院上個月發布的研究報告《人工智慧，下一個數字前沿》（Artificial Intelligence, The Next Digital Frontier）。麥肯錫全球研究院發表了一篇文章，總結了調查結果，題為《人工智慧如何為公司提供真正價值》。麥肯錫訪問了3000多名使用人工智慧技術的高級管理人員，訪問了其公司進一步部署 AI 的前景，以及 AI 對市場、政府和個人的影響。

調查結果的關鍵點包括：

2016 年，包括百度和谷歌在內的科技巨頭在AI 上的花費在 200 億至 300 億美元之間，其中90％用於研發和部署，10％用於AI 收購。

目前AI 投資率是2013 年以來外部投資增長的 3 倍。麥肯錫發現，自覺採用 AI 技術的公司中，有20％是早期採用者，集中在高科技/電信，汽車/裝配和金融服務行業。下圖顯示了研究小組在分析過程中發現的趨勢。

AI 正在成為世界領先的科技公司之間的專利和知識產權（IP）競賽。

麥肯錫發現，風險投資（VC），私募股權投資（PE）和其他外部資金只佔總投資的一小部分（9％）。在所有公開數據的類別中，併購在2013 年至2016 年之間增長最快（85％）。報告引用了許多內部發展案例，包括亞馬遜對機器人和語音識別的投資，以及虛擬代理和機器學習方面Salesforce 的案例。寶馬、特斯拉和豐田在機器人和機器學習方面投資，以用於其無人駕駛汽車項目。豐田計劃投資10 億美元建立一個致力於機器人和無人駕駛車輛 AI 技術的新型研究機構。

麥肯錫估計，2016 年，AI 的年度外部投資總額在 80 億到120 億之間，機器學習吸引了其中近60％的投資。

機器人和語音識別是兩個最受歡迎的投資領域。投資者最喜歡機器學習初創公司，因為基於代碼的初創公司能夠快速擴展出新功能。基於軟體的機器學習初創公司比成本更高的基於機器的機器人公司更受歡迎。由於這些因素，以及其他一些原因，公司併購在這一領域飆升，從2013 年到2016 年，複合年均增長率（CAGR）達到約80％。下圖顯示了外部投資的按類別分布情況。

高科技、電信和金融服務是機器學習和AI 技術的早期採用者。這些行業因為願意投資新技術而獲取競爭力和內部高效流程而聞名。許多創業公司也開始關注這個領域。MGI 數字化指數（MGI Digitization Index）是歐洲和美國的國內生產總值加權平均數。麥肯錫還創建了一個總人工智慧指數，在下面第一欄中顯示，對AI 可做出貢獻的 KPI 進行了比較，覆蓋了資產、用途和勞動力。接下來的圖，按行業和資產、用途及勞動力類別顯示了AI 的相對採用水平。

麥肯錫預測，高科技、通信和金融服務將成為未來三年內採用人工智慧的主導行業。這三個行業的專利和知識產權（IP）競爭加劇。隨著時間的推移，領先科技公司目前的設備、產品和服務的發展路徑將展現出其研發實驗室今天的創新活動水平。例如，在金融服務方面，經AI 優化的欺詐檢測系統的準確性和速度提高帶來了明顯的益處，預計2020 年市場將達到30 億。下圖概括了今天領先的AI + 產業，以及其中哪些產業打算在未來三年內最大限度地進行投資。

醫療、金融服務和專業服務在採用 AI 技術後，利潤取得了最快增長。麥肯錫發現，受益於高級管理人員支持人工智慧的公司已經投資基礎設施，來支持其規模，並有明確的業務目標，要提高3％至15％的利潤率。在接受調查的3000 多名商業領袖中，大多數人預計未來一年的利潤率將增長5％。

亞馬遜公司7.75 億美元收購Kiva ，令人印象深刻。Kiva 是一家機器人公司，其機器人產品可以自動取貨並打包。人類出貨的時間為60 至75 分鐘，而Kiva 下降到15 分鐘，庫存量增加了50％。營業成本估計下降了20％，投資回報率接近40％。

Netflix使用演算法為全球1 億用戶進行個性化推薦，成果驚人。Netflix發現，客戶平均每搜索一部電影會花90 秒時間，如果搜不到就會放棄。Netflix 估計，取消訂閱原本每年可能減少 10 億美元收入，現在Netflix 可以通過提供更好的搜索結果來避免這種損失。

谷歌等科技巨頭們在2016年投資AI的金額約300億美元，90%用於研發和部署，10%用於AI併購

人工智慧將造成下一波數字化顛覆，企業應該為此做好準備。我們已經看到早期採取人工智慧技術的幾家公司獲得了實在的好處，使得其他企業相比任何時候都更迫切地加速數字化轉型。麥肯錫的研究報告集中在以下５項AI技術系統：機器人和自動駕駛車輛、計算機視覺、語言、虛擬智能體，以及機器學習，包括深度學習和其他AI技術。

AI投資正在快速增長，主要的主導者是一些數字巨頭公司，例如谷歌和百度。在全球範圍，麥肯錫估計科技巨頭們在2016年投資AI的金額約200億美元至300億美元，其中90%用於研發和部署，10%用於AI併購。風險投資（VC）和私募股權投資（PE），投資捐贈和種子投資也在迅速增長，從非常小的基數迅速增長到總共60億美元至90億美元的規模。機器學習作為一種支持基數，在內部和外部投資中都佔據了最大份額。

在科技公司之外的AI採用處於早期階段，大部分是實驗性階段。很少有企業大規模地部署AI。麥肯錫對3000多名高級管理者的調查顯示，跨越10個國家的14個行業中，只有20%的受訪者表示企業目前正在大規模部署AI，或在核心業務利用AI相關技術。許多企業表示他們不確定針對AI的商業案例或投資回報。對160個使用案例的回顧顯示，只有13%的案例中AI被商業化部署。

這些模式顯示出早期採用AI技術的企業和其他企業之間的差距日益擴大。在麥肯錫的產業數字指標中，排名前列的均是AI的主要採用者，例如高科技行業、電信以及金融服務業。這些行業也最具積極的AI投資意向。其中領軍者對AI的採用是廣泛而深入的：在多種職能中利用多種技術，並在核心業務中部署。例如，汽車製造商使用AI技術開發自動駕駛車輛並改善運營，金融服務企業更傾向於在與客戶體驗相關的業務中使用AI技術。

早期的證據表明，AI可以為其重度採用者提供真正的價值，並且具有強大的破壞性力量。在麥肯錫的調查中，早期的AI採用者將強大的數字能力與前瞻性的策略相結合，實現了較高的利潤率，並將在未來拉大與其他公司的業績差距。本報告在零售業、電力公司、製造業、醫療保健和教育方面的案例凸顯了AI在改進預測和渠道，優化和自動化運營，發展有針對性的市場營銷和定價，以及改善用戶體驗方面的潛力。

AI依賴於數字基礎，並且通常必須使用獨特的數據進行訓練，這意味著企業沒法走捷徑。企業不能拖延它們的數字化進程，包括AI。早期採用者已經在創造競爭優勢，它們與落後者的差距將會越來越大。一個成功的項目要求企業解決數字化和分析轉型的許多要素：認識業務案例，建立正確的數據生態系統，構建或購買適當的AI工具，以及適應工作流程、能力和文化。麥肯錫的調查顯示，頂層的領導、管理和技術能力，以及無縫訪問數據的能力是關鍵的推動因素。

AI承諾帶來益處，同時也對企業、開發者、政府和員工提出緊迫的挑戰。勞動力需要學習新技能，利用AI而不是與AI競爭；認真考慮將本地建成全球AI發展的中心的城市和國家將需要加入全球競爭，以吸引AI人才和投資；道德、法律和監管方面的挑戰也需取得進展，否則可能阻礙AI的發展。

以麥肯錫在AI商業上的經驗來看，泡沫的景象不太可能會出現

關於人工智慧的前景和危險，現在有大量的說法，並且越來越多。讓機器能展示與人類相似的認知的AI能夠駕駛汽車，也會盜取隱私；能推動企業的生產力也能加強企業的偵查能力。人工智慧可以將工人從重複的或者危險的勞動中解放出來，也可能影響到他們的生計。相比2015年，2016年提到人工智慧的文章翻了一番，是2014年的4倍。人們對AI 抱有相當高的期望。此前，AI 也曾出現過，它的歷史與繁榮和蕭條緊緊相連，充滿動力誇張的承諾和令人沮喪的失敗。這次會和之前的有什麼不一樣嗎？分析師給出的答案是肯定的：AI 終於開始帶來現實的商業利益了。

能促成突破的要素已經就位。計算力獲得了顯著的增長，演算法變得更加成熟，並且，可能最重要的一點是，整個世界不斷地生成大量的能源來驅動AI的發展，這些能源便是——數據。現在全世界每天產出的數字是幾百萬 Gigabytes 。身處數字化前線的公司，比如線上公司和數字原生公司，比如谷歌和百度，正在將大量的資金投入到 AI 中。我們預計，2016年它們在AI上的投入在200億到300億美元之間，其中包括一些重大的兼并活動。私人投資者也在紛紛湧入，麥肯錫預計，2016年，注入AI 的風險投資額在40億到50億美元之間，私人股權投資公司投入的錢在10億到30億美元之間。這些投入是2013年的3倍還多。此外，2016年，政府補助和種子輪的投資額大概在10億美元左右。

但是，現在大多數的新聞都是關於AI 技術提供商。並且許多新用戶都還處於實驗階段。市場上幾乎沒有能夠即刻採用並獲得大範圍歡迎的產品，目前看來也沒有可能會很快出現。因此，分析師們對AI發展的潛力仍然存在分歧：一些人對AI的潛力形成了一個樂觀的共識，而其他人對AI 能帶來的真正經濟利益保持謹慎。目前的市場預測出現巨大差異，以2025年為時間點，低增長的預期是6.44億美元，高增長的預期則達到了1260億美元。鑒於對AI 投資規模非常大，數字較低的預測可能顯示了這樣一個信號：我們將迎來下一個繁榮與蕭條的交替期。以麥肯錫在AI商業上的經驗來看，這種泡沫的景象不太可能會出現。

為了提供一個更有啟示意義的視角，他們決定研究用戶是如何採納AI 技術的。麥肯錫的研究提供了對當下迅速發展的AI產業的一張快照，通過鏡頭，我們可以看到供應商和用戶的實際情況，進而總結出關於AI 潛力的一個更加可信的觀點。首先，研究投資環境，包括公司在研發和部署方面的內部投資，大型企業併購以及風險投資（VC）和私募股權（PE）公司的融資。然後，再看看需求方面，結合使用案例分析和對3,000多家公司的C級管理人員的調查，了解公司如何使用AI技術，是什麼在推動他們採用人工智慧，部署的過程中有什麼障礙，AI對市場，財務和機構的影響。

AI 一般指的是機器表現出和人一樣的智能的能力，比如，在不使用包含了各種細節指導的手寫編碼程序的情況下能夠接近問題。對於AI 技術的分類，目前有很多方法，但是，現在很難有一個互相排斥和共同窮舉的列表，因為人們經常混合和匹配多種技術來創建個別問題的解決方案。這種創建方式有時會被看成是一個獨立的技術，有時則是其他技術的附屬，有時又變成了應用。有一些框架將AI 技術通過基本的功能進行劃分，比如文本、語音、圖像識別；其他則使用商業應用進行區分，比如商業或者網路安全。

試圖更精確地定義這個術語的原因有以下幾個：AI涵蓋了廣泛的技術和應用，其中一些僅僅是早期技術的擴展，而另一些則是全新的。此外，正在人們習慣於以前的進步時，當前並沒有一個被普遍接受的「智能」理論和機器「智能」的定義。

計算機科學家拉里·特斯勒（Larry Tesler）的定理，斷言「人工智慧還沒有完成。」我們在本文中談及的人工智慧技術是所謂的「狹義」人工智慧，它執行一個狹義的任務，其反面是通用人工智慧或AGI，旨在能夠執行人類可以做的任何智力任務。我們專註於狹義AI，因為它具有短期的商業潛力，而AGI尚未到達。

在本報告中，我們聚焦於解決商業問題的一系列AI技術系統。我們將這些分為五個技術系統，這些系統是AI開發的關鍵領域：機器人和自動駕駛車輛，計算機視覺，語言，虛擬代理和機器學習。一些與外部世界的信息處理有關，如計算機視覺和語言（包括自然語言處理，文本分析，語音識別和語義技術）;一些是關於從信息進行學習，如機器學習；其他則與信息本身有關，例如機器人，自駕車輛和虛擬代理。機器學習和一個稱為深度學習的子領域是人工智慧應用中許多最新進展的核心，並且吸引了大量注意力和大量投入到AI領域的資金，2016年，幾乎占所有投資的60％。

人工智慧坐著過山車走到了今天

作為一個idea，人工智慧的第一次出現是在電子化的數字計算機被造出後不久。並且，和數字技術一樣，人工智慧或者說AI，經歷了大起大落，但是有一個例外——人工智慧還沒有經歷大規模的商業部署。

這可能在改變。由AI提供動力的機器今天可以執行許多任務，例如，識別複雜的模式，合成信息，得出結論和進行預測 ，這些不久以前還被認為需要人類認知參與才能實現。

而且AI的能力已經被大大擴展，因此其在越來越多的領域中得到應用。同時，值得記住的是機器學習有局限性。例如，由於系統是針對特定數據集進行培訓的，所以它們容易受到偏見;為了避免這種情況，用戶必須確保使用綜合性的數據集訓練他們。總的來說，我們看到了很大的進步。

這些進步使得機器學習自2000年以來就能夠被擴大化，並用於推動深度學習演算法等等的發展。通過大量和多樣化的數據集，不斷強化的演算法可以在數據海洋中找到模式，增加研發融資和強大的圖形處理單元（GPU）不斷提高了數學計算能力的新水平。

GPU是最初為視頻遊戲開發的專用集成電路，可以將圖像處理速度比2013年的最快版本快40到80倍。GPU速度的提升使得深度學習系統的訓練速度在過去2年中的每一年提高5到6倍

更多的數據 ： 世界每天創建約2.2 E位元組，即22億GB，這意味著更多的洞見和更高的準確性，因為它能將演算法暴露給更多可用於識別正確和拒絕錯誤答案的案例。這些數據源啟用的機器學習系統在某些應用中減少了計算機錯誤率，例如圖像識別 ，已經降到與人類大致相同的錯誤率。

科技巨頭帶頭，AI投資迅速增長，但是商業化滯後

科技巨頭和原生數字公司亞馬遜，蘋果，百度和谷歌等正在這些統稱為人工智慧的各種技術上進行大力投入，投資總額超過了數十億美元。他們認為，這些投資將能使AI最終能達到預期，因為功能強大的計算機硬體，日益複雜的演算法模型以及龐大且快速增長的資料庫存 -已經到位。事實上，其中，大公司的內部投資佔主導地位：估計這一數字2016年將達到180億美元至270億美元；外部投資（來自風險投資，私人公司，併購，贈款和種子基金）約為80億至120億美元。

但是，對於近期的所有投資來說，AI部署的範圍是受到了限制的。這有一部分原因是因為，這些投資的很大部分是內部的R&D研究，很大程度上是著眼於提升公司自己的表現 。不過同樣正確的是，商業上對人工智慧的應用的需求，只能算是溫熱（tepid），這一部分是因為數字化和分析對經濟的變革步伐很緩慢。麥肯錫調查了超過3000項商業項目，發現許多公司的領導並不清楚AI 能為他們做什麼，在哪裡能獲得AI驅動的應用，大多數人也不知道如何把AI技術融入到公司中，如何評估對AI投資的回報。

AI 的投資中，大多數的投資都集中在內部投資，也就是R&D 和發展，由現金流充沛的數字化原生公司進行。那麼，來大公司的AI投資會聚焦於什麼？

大公司，如蘋果，百度和谷歌，正在內部開展成套的技術研發，但AI投資的廣度和重點不同。亞馬遜正在致力於機器人和語音識別；Salesforce對虛擬代理和機器學習很感興趣。寶馬，特斯拉和豐田是工業機器人和使用機器學習進行自動駕駛相當大的製造商。例如，豐田公司撥出10億美元建立一個致力於機器人和無人駕駛車輛的新AI研究機構。博世，GE和西門子等工業巨頭也在內部投資，通常在機器學習和機器人領域尋求開發與其核心業務有關的具體技術。

IBM承諾投資30億美元，使其沃森認知計算服務成為互聯網上的主要力量。百度在過去的二年半中投入了15億美元進行人工智慧研究。此外，百度還投入2億美元，成立了一個新的內部風險投資基金。同時，大型科技公司一直在積極購買AI創業公司，不僅僅是為了獲得技術或客戶，而是為了獲得優質的人才。該領域的真正專家池很小，阿里巴巴，亞馬遜，Facebook，谷歌等科技巨頭都聘請了很多專家。

許多公司採用併購的方式來綁定頂尖人才，這種做法被稱為「收購式招聘」，通常創業公司中每人的價值通常能達到500萬美元到1000萬美元。最近的一份報告強調，由於人才短缺和成本上漲，整個行業的AI相關人才缺口在10000以上，用於這些人才的薪資預達到了6.5億美元。總的來說，兼并對於AI公司來說是增長最快的外部資源，根據麥肯錫的估計，2013年至2016年，這些公司的價值複合年增長率將超過80％。自2010年以來，領先的高科技企業和先進位造商已經完成了100多項併購交易。

谷歌去年完成了24筆收購交易，包括8項計算機視覺和7項語言處理。蘋果是第2大活躍的收購方，已經結束了九9 個，平均分配在計算機視覺，機器學習和自然語言處理之間。這些公司也在擴大對國外人才的追求，例如，Facebook在巴黎開設AI實驗室，將補充紐約和矽谷的類似設施，使公司更容易在歐洲招聘高級研究人員。谷歌最近在蒙特利爾大學投資了450萬美元 ;英特爾捐贈了150萬美元，在喬治亞理工大學建立機器學習和網路安全研究中心；而NVIDIA正在與台灣大學合作，在台北設立AI實驗室。

AI的喧嘩聲足夠大，已經達到足以鼓勵風投和私人進入的地步。其他的外部投資，比如天使輪基金和種子孵化者，也都被激活了。麥肯錫估計2016年的年度外部投資總額為80億美元至120億美元。機器學習吸引了近60％的投資，這很可能是因為它是許多其他技術和應用的推動者，如機器人和語音識別。另外，投資者也被機器學習所吸引，因為像以前一樣，安裝新代碼比重建運行該軟體的機器人或其他機器更快更容易。這一領域的企業併購也快速增長，2013至2016年的複合年增長率約為80％。

與數字革命的其他投資相比，AI 的投資仍處於初期階段。例如，人工智慧在 2016 年吸引了所有 VC 風險投資的2％至3％，而信息技術普遍上漲了60%。 AI在2016年的PE公司投資總額中所佔比例只有小部分：1％至3％。但AI投資增長較快，從2013年到2016年，AI技術的外部投資年複合增長率達到近40％。而2010年至2013年則為30％。不僅交易規模越來越大，而且需要較少的參與者來完成融資。這表明投資者對該行業的信心越來越大，對技術和潛力有更好的了解。

根據PitchBook的說法，大部分投資者仍然沒有拿到投資回報。將機器學習作為核心業務的創業公司只有10％表示已經產生收入，其中只有一半報告了超過5000萬美元的收入。此外，外部投資在地理上高度集中，主要由美國和中國的幾個技術中心主導，歐洲落後。我們在第3章進一步探討這些問題。

處在數字化前線的公司和行業已經開始採納AI，但是其他人還在猶豫

基於期望 AI 採用者的市場能夠快速發展，並願意支付AI基礎設施，平台和服務，投資者正在向 AI 公司投入數十億美元。

顯然，亞馬遜，谷歌和其他公司正在為自己的應用程序進行投資，例如優化搜索和個性化營銷。但是了解傳統醫療保健，零售和電信公司在 AI 上所花費的成本並不容易。

為此，我們進行了一次調查，以更深入地了解這一情況。一般來說，很少有公司將 AI 大規模地納入其價值鏈；大多數具有 AI 技術意識的公司仍處於實驗階段或試點階段。事實上，在3,073個受訪者中，只有20％的受訪者表示他們在規模上或核心部分採用了一種或多種 AI 相關技術。10％的受訪者表示採用兩種以上的技術，只有9％的受訪者表示採用機器學習。

即使這樣可能誇大了 AI 的商業需求。我們對各種行業的160多個全球用例的審查發現，只有12％的發展超出了實驗階段。商業兼并可以解釋為什麼一些公司可能不願意採取行動。在我們的調查中，不良或不確定的回報是企業，特別是較小的公司不採納AI技術的主要原因。第3章進一步探討的監管問題也變得更為重要。與每一個新的技術浪潮一樣，我們期望看到行業和企業之間早期和晚期採用者的不同模式。我們發現了AI採用早期模式的六個特徵，這與公司採用和使用最新的數字技術的方式大致相符。不巧的是，在早期的數字化潮流中領先的同樣的玩家正在AI ，下一波浪潮中也居於領先地位。

第一個特點是，早期的AI採用者來自已經在相關技術上進行大量投入的部門，如雲服務和大數據，這些行業也處於數字資產和使用的前沿。這是一個至關重要的發現，因為它表明，談到數字化，行業外的公司和機構正在追趕的證據並不明顯，因為每一代新技術都建立在前一代的。第二，獨立於部門，大型企業往往更快投入AI。這又是典型的數字採用，中小型企業在投資新技術的決定中通常落後。第三，早期採用者不是專門從事一種技術。它們更廣泛，因為它們同時採用多種AI工具來解決許多不同的用例。第四，投資規模大的企業靠近核心業務。第五，早期採用者傾向於通過人工智慧的上升潛力來削減成本。 AI不僅涉及過程自動化，也被公司用作主要產品和服務創新的一部分。

報告接下來討論的話題包括：

• 早期採納AI 技術的領域與數字化前線非常接近

• 談到對AI技術的採納，越大的公司，越勇敢

• 早期的採納者成為連續採納者

AI的應用已經開始成熟，而認真採取前瞻性策略的公司將得到顯著的競爭優勢

人工智慧技術近年來取得了顯著的進步。然而，其採納仍處於初步階段。這使得評估AI對企業和業務真正的潛在影響不容易。我們知道許多沒有採用AI的企業說，他們在做AI投資的業務方面有困難，但是採用了AI的那些公司呢？通過案例研究和調查，麥肯錫發現早期規模化採用AI的企業實現了有吸引力的回報。這些案例展示了AI將如何重塑整個價值鏈以及各領域的不同職能。這些案例對許多利益相關者，包括跨國公司、初創公司、政府以及社會機構都有著廣泛的影響。

結合強大的數字能力、穩健的AI採用，以及前瞻性的AI戰略的企業，將實現巨大的財務業績。

數字土著（digital native）型的公司在AI方面進行了最重要、也是最早期的投資，為AI的潛在投資回報提供了測試性的使用案例。例如，亞馬遜公司在2012年以7.75億美元收購機器人倉儲技術公司Kiva，將「從下單到發貨」的時間從人工操作的60~75分鐘減少到15分鐘，庫存量得以增加50%，經營成本估計降低了20%，原始投資回報率接近40%。

大規模採用，或在核心業務部門採用AI技術的公司已經看到了技術的潛力，實施前瞻性的AI戰略的公司的預期收益則更大。麥肯錫的調查比較了不同程度採用AI的企業的利潤率、數字化成熟度（體現在大數據和雲服務的使用），以及公司戰略性立場（圖表5）。調查顯示AI的重度採用者的預期利潤相比非重度採用者高得多。

圖5：具有前瞻性策略的AI採用者具有顯著更高的利潤率

說明：當前利潤率來自受訪者的自我報告。橙色線表示具有「前瞻性策略」的AI採用者；藍色線表示部分採用AI或實驗性地採用AI的企業；灰色線表示非AI採用者。

這表明AI能夠為企業提供顯著的競爭優勢，但僅限於完全致力於AI的企業。技術是一種工具，它本身並不提供競爭力。

在分析預期的未來利潤率時，也可以見到同樣的模式。在大多數行業中，不僅採用前瞻性AI策略的企業所彙報的當前利潤率相比同行業平均水平高3%到15%，而且由於投資變得成熟，開始提供大量紅利，這一優勢預計在未來將大大增長。在未來3年，這些AI領軍者的預期利潤率將比行業平均水平高多達5%。

麥肯錫的研究報告把AI創造價值的方式分成4類：使公司更好地預測需求、優化研究和改進採購（Project）；提高公司以更低的成本和更高的質量生產產品和提供服務的能力（Produce）；以恰當的價格、恰當的信息和正確的目標客戶促進產品銷售（Promote）；以及提供豐富、個性化和方便的用戶體驗（Provide）。如下表所示：

圖6：AI可以通過4種方式在價值鏈中創造價值

這4個創造價值的方式基於正在探索的或已被部署在企業中的用例。此外，雖然機器學習可以為各個行業帶來非常有價值的利益，但有些技術特別適用於特定行業的商業應用，例如機器人應用於零售和製造業，計算機視覺技術應用於醫療保健行業，自然語言處理技術應用於教育行業。

例如，在零售業，AI應用於需求預測帶來的好處令人印象深刻。在某些情況下，基於AI的需求預測方法比傳統方法的預測誤差減少30%~70%（表格7）。由於產品無效性導致的銷售損失可以降低達65%。與運輸、倉儲和供應鏈管理相關的成本預計可以分別降低5%~10%和25%~40%，庫存總量可以減少20%~50%。

圖：AI可以幫助在整個價值鏈中獲取收益

早期採用者和早期案例研究表明，AI有潛力改變業務流程，重組整個行業，增加利潤並創造新的價值來源。AI的應用已經開始成熟，而認真採取前瞻性策略的公司將得到顯著的競爭優勢。此外，機器學習和深度學習雖然是大多數機會的支撐技術，但企業需要確定哪些是能為它們帶來最大收益的AI技術，然後儘早建設基礎設施、人才、和知識，以趕上學習和採用的曲線。本部分介紹了AI創造價值的4個方面，但是，這樣的收益不是一夜間可以實現的。下一部分將討論企業、AI廠商、以及政府應該如何抓住這個機會。

為了實現AI的全部潛力，企業、開發者以及政府需要採取行動

雖然AI有潛力從根本上重塑社會，但技術發展仍然存在著重大的不確定性。對於企業、政府和從業者來說，這可能意味著「等待並觀望」的做法。但是，麥肯錫的報告認為有必要採取立即、並且明確的行動來應對已經很顯見的機會和風險。

企業需要關注AI使用案例，最大限度增加價值並確保它們有正確的數字加持者。

儘管在當前，許多行業中AI的整體影響比較小，但其破壞性的潛力很大。正如Uber和Lyft對計程車行業所造成的衝擊那樣，以AI為驅動力的新進入者能夠壓制性地取得勝利。AI不僅改變業務流程，還將改變整個業務模式，獲得全面的競爭優勢，而那些等待風險消解的企業將被遺棄。

因此，現在就應採取行動。企業應該對最具價值的AI使用案例進行清晰的分析，並建立配套的數字資產和能力。實際上，AI轉型成功的核心要素與一般性的數據和分析的要素是一致的（圖表8）。包括：建立數據生態系統、採用正確的技術和工具、將技術整合到工作流程、以及在重新培訓員工技能時採用開放、合作的文化。

圖8：成功的AI轉型需要與成功的數字和分析轉型相似的要素

寫在最後

歷經了幾十年的期望和失望，AI重新回來了，並且可能將推動全球經濟發生深刻的變化。針對AI的投資自2013年以來一直在快速增長，科技巨頭們在AI技術的開發上發揮了巨大作用，並已經將其部署在業務上。我們已經看到早期採用AI的企業獲得商業利益的例子。

但是，AI技術的採用仍處於試驗階段。早期採用者與其他觀望者之間的差距將會越來越大。早期的AI採用者往往是具有成熟的數字戰略的大型公司，並且採用的模式較為廣泛。它們對於AI的關注是由增加收入、降低成本的願望驅動的，並得到公司高層管理者的支持。

取得收益永遠是重中之重。對於企業而言，這意味著要加快數字化轉型，需要有適當的數字資產和技能才能有效部署AI。

由於篇幅有限，以上是我們對報告內容的節選。了解報告全貌，可在新智元微信公眾號回復下載「麥肯錫07」下載報告全文。

點擊閱讀原文查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！