人工智慧生態各要素將動態演進，AI平台成為開放生態的核心

--------

作者：歐應剛

在互聯網領域，一般的套路是先通過系列功能吸引大量用戶，然後再慢慢將自己平台化，整個歷程少說也得十年以上。AI的發展歷史比較悠久，但真正進入大面積的商業化應用也就這兩年才開始。互聯網領域的平台化演進過程正在AI領域重演，並且以快得多的速度進行。本文試圖來分析AI平台的一些特點，並對其發展趨勢做出一些預測。

基於核心能力的開放平台

要研究AI平台，首先就要搞清楚它是什麼。在此，我嘗試給AI平台一個定義：具備較強實力和技術積累的廠商，通過SDK、API等方式開放其部分AI能力和資源，吸引開發者和合作夥伴所搭建的AI開發與賦能平台。

要構建這樣一個AI平台，首先廠商的技術實力要足夠雄厚，尤其是通用、底層技術實力比如機器學習技術、深度學習技術要領先；在某個細分領域的通用、底層技術實力雄厚，比如在計算機視覺、語音識別、自然與然理解、無人駕駛等領域具有業內領先的技術實力和大量的技術積累。廠商將其積累的AI技術，以API或者SDK的形式開放給合作夥伴、開發者，讓其不用進行基礎技術研發，能夠「站在巨人的肩上」，直接開發面向用戶和應用場景的系統。這樣開放出技術的廠商就構建了一個「插座式」的AI平台，基於這個平台，合作夥伴可以開發出豐富的AI應用。

依據中國軟體網的調研數據，雖然AI平台還處於起步階段，但大家對其認知度還是比較高的。根據調研數據，大部分人都認為我國正在進行人工智慧平台和生態建設。值得提出的是，應用落地和平台、生態建設同步並舉，競爭將在多個維度同時進行，但要建成完善的人工智慧平台和生態，預計還有5~10年時間。

構建開放平台的必要性

古語云「知其然，更要知其所以然」，上面簡單介紹了AI平台是什麼，現在我們來分析下廠商為什麼會爭相構建AI平台。具體來看，我們認為有以下幾個方面的原因：

第1， 很多基礎演算法在開源社區都能找到，廠商在演算法領域的優勢無非是演算法模型的選擇、融合以及模型參數的調整。從本質上來看，廠商之間的技術（或者說演算法）壁壘是不牢固的。很多基礎演算法不是你發明的，你沒有相關專利，不能排除其他人對該演算法模型的使用。既然在技術層面不能構建穩固的競爭壁壘，何不換個思路乾脆把一些技術開放出來得了。

第2， 在AI領域，比演算法模型更大的競爭壁壘是數據。數據就是廠商的資產，並且這個資產是很難獲取的。AI技術是演算法模型與數據的融合產物，誰的數據量更大、數據質量更高，其模型的準確度就越高，也就是所謂的技術更領先。廠商構建AI開放平台，非常關鍵的一個訴求就是通過開放平台來獲取數據。

第3， 廠商開放出AI能力，當然也不是全部免費的，會通過各種方式來獲取收益。開放API介面，為合作夥伴提供AI能力，平台方一般通過收入分成或者服務付費等方式，可以分享合作夥伴相應的業務收入。具體的盈利模式上，AI平台大多設置一定的免費額度，在一定限度內免費，超過該限度就收費。

第4， 通過開放AI能力，帶動雲業務發展。對於互聯網巨頭而言，雲計算是一塊不能失去的蛋糕，如何提升雲計算業務意義重大。目前領先的雲計算廠商都將「雲AI」作為其一個重要的賣點，強調其在AI方面的技術實力。通過構建AI開放平台，廠商可以吸收大量的雲計算客戶，即使AI平台本身不掙錢，也可以通過提供雲服務來收費。

第5， 平台效應本身，就可以為廠商帶來收益。互聯網的發展經驗告訴我們，要想走的遠就必須要有自家的平台，能聚集的夥伴和用戶越多，平台就越值錢。即使目前還不能找到很好的盈利方式，聚集大量用戶後，廠商也有足夠的時間來尋找盈利模式。

基於上面的討論可知，構建AI平台對於廠商來說，有多方面的好處。可以說，AI平台是接下來巨頭們「跑馬圈地」的重要戰場，並將深刻影響未來整個AI市場格局的走向。

構建AI平台的現實路徑

接下來一個問題，我們來探討下如何構建AI平台，以及整個AI商業閉環是如何運作的。

廠商通過構建一個雲平台，開放其部分AI技術，比如圖像識別、語音識別、自然語言理解等。當然，廠商不會將其積累的AI技術和能力全部開放出來，一般是選取部分技術進行打包，並且開放出來的是「閹割版」。比如語音識別、圖像識別的準確率會有所降低，尤其是跟自身有一定業務重合度的夥伴，這些策略能確保AI廠商在開放技術能力的同時依然具有一定的領先優勢。AI廠商也會根據其夥伴的合作等級，開放出不同的能力，對於高戰略等級的合作夥伴，可能會拿到更好的AI資源。AI技術和資源的開放程度，也取決於AI廠商與合作夥伴的收入分配機制，能分到更多的業務收入當然會開放更多的技術能力。

AI演算法模型可以零成本複製，但是廠商能夠提供的計算能力是有限的。所以，AI廠商一般會對合作夥伴能夠同時支撐的終端數量會有所限制，也就是對計算資源進行限制。正如上面所說，AI平台廠商一般會限定一個免費額度，比如免費同時支撐1萬個終端，超過這一個限度，就要通過付費來獲得。這也是通過AI平台來拉動雲計算業務的基本邏輯：免費開放AI技術，對提供的計算資源收費。

最重要的是，廠商通過AI平台來獲取合作夥伴的數據。合作夥伴接入一個AI平台，其業務數據也就通過該平台來承載，這樣AI廠商就能通過平台上的數據來優化其演算法模型，而這正是其進一步提升AI技術能力的關鍵。AI廠商通過平台上獲取的大量業務數據來提升技術能力，然後再將升級後的AI能力開放出來提供給合作夥伴，如此反覆，形成一個持續不斷的正向循環。

節選自《2018中國AI應用、平台與生態洞見報告》

基於這樣的平台路徑，AI廠商得以不斷提升其技術能力，擴大其技術領先優勢。同時，這技術優勢又能幫助AI平台吸引更多的合作夥伴和開發者，慢慢形成一個AI生態。

在整個人工智慧生態中，提供人工智慧開放平台的廠商處於生態主的位置，對整個生態的演進發揮重要影響。生態主與夥伴體系、客戶體系構成整個人工智慧生態的主體，生態主及其夥伴共同為客戶提供豐富的人工智慧應用。隨著生態的穩定，創投市場被上市體系部分替代，資本在人工智慧生態中的重要性降低。政府將對人工智慧生態的監管強度目前尚不明朗，未來存在政府強勢介入市場的可能。

基於AI平台推動智能生態發展

把視角放遠一點，我們將整個AI發展進程分為三個階段，分別是技術資本階段、應用階段和平台生態階段。

節選自《2018中國AI應用、平台與生態洞見報告》

技術資本階段

AI技術獲得突破，技術領先的企業獲得資本親睞，並在資本推動下獲得快速發展。競爭的焦點是技術的領先性，以及融資的速度和規模。AI應用較少，處於嘗試和驗證階段，AI廠商業務營收較少，主要依賴資本輸血。

領域應用階段

通過AI技術賦能各個行業，通過前期的驗證找到一些適合AI應用的領域，快速商業化和規模化。應用領域拓展、行業深耕和客戶資源的搶奪成為AI廠商的當務之急。部分實力雄厚的AI廠商，開始搭建AI平台，初步實現生態化發展，「跑馬圈地」式的競爭日益激烈。AI廠商已經實現較好的業務營收，「超級馬太效應」日益明顯。

平台、生態階段

被驗證的AI應用市場大部分被瓜分，多數大的應用領域呈現寡頭壟斷格局。出現3~5家大的AI平台，橫跨多個應用領域，各自形成AI商業生態。在計算機視覺、語音語義、智能硬體、無人駕駛等細分領域，實力較強的AI廠商構建該領域專用平台，並形成對應的小生態。值得提出的是，AI應用發展與平台、生態建設是同步進行的，以上的劃分是以該階段的主要特徵為依據的。2018年~2025年，主要是進行AI應用落地，具有實力的廠商同步進行平台與生態建設，2025年左右，AI生態基本成型，「跑馬圈地」基本結束。

AI平台不是孤立的，而是整個AI生態的核心環節。廠商通過構建AI平台，來逐漸聚集大量的合作夥伴、用戶，最終形成一個完善的AI應用生態，為客戶提供豐富完善的AI服務。可以預見的是，未來幾年AI巨頭們之間的平台之戰將愈演愈烈。

歐應剛

人工智慧、大數據、雲計算和AR領域

致力於做一個有態度、有洞見、有策略的產業觀察者

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！