IDC于2019年2月正式啟動“中國機器學(xué)習(xí)開發(fā)平臺2019廠商評估”研究，并于2019年8月發(fā)布最終研究結(jié)果。IDC將人工智能應(yīng)用定義為采用了機器學(xué)習(xí)、深度學(xué)習(xí)的應(yīng)用。

　　從這個角度看，2018年應(yīng)用機器學(xué)習(xí)為中國人工智能市場帶來的規(guī)模達100億元人民幣。單就商業(yè)化機器學(xué)習(xí)開發(fā)平臺而言，2018年包括硬軟服在內(nèi)的中國機器學(xué)習(xí)市場達到10億元人民幣，預(yù)計2018-2023年五年復(fù)合增長率將達到62.0%。在機器學(xué)習(xí)開始廣泛滲透、應(yīng)用場景拓展翻新的起步階段，IDC逐步深入開展機器學(xué)習(xí)開發(fā)平臺廠商評估這一研究。

　　市場現(xiàn)狀

　　當(dāng)前的技術(shù)應(yīng)用現(xiàn)狀：當(dāng)前的機器學(xué)習(xí)開發(fā)平臺基本可以提供30種以上的經(jīng)典機器學(xué)習(xí)算法；基本已支持TensorFlow, PyTorch，Caffe等主流框架。不僅是機器學(xué)習(xí)、深度學(xué)習(xí)，圖算法也開始走向市場，現(xiàn)階段應(yīng)用最為普及的是經(jīng)典機器學(xué)習(xí)。領(lǐng)先的廠商在兼顧機器學(xué)習(xí)創(chuàng)新應(yīng)用的同時，還能夠針對機器學(xué)習(xí)類工作負(fù)載對底層硬件做深度優(yōu)化，為用戶提供高效靈活的軟硬一體化產(chǎn)品。

　　應(yīng)用落地現(xiàn)狀：目前商業(yè)化機器學(xué)習(xí)產(chǎn)品已經(jīng)落地的行業(yè)及應(yīng)用包括金融行業(yè)反欺詐、信用模型評估，跨行業(yè)的產(chǎn)品推薦、精準(zhǔn)營銷，1-2年內(nèi)正在落地的應(yīng)用包括能源（尤其是電力）、軍工、制造行業(yè)。

　　市場格局：

　　1.以云服務(wù)商為代表的平臺級公司主推公有云機器學(xué)習(xí)，幫助用戶在云上快速搭建機器學(xué)習(xí)模型，這些云服務(wù)商在已有的客戶群體中積累了大量機器學(xué)習(xí)應(yīng)用實踐。該類廠商的優(yōu)勢在于有龐大的用戶基數(shù)，可以快速轉(zhuǎn)化為機器學(xué)習(xí)產(chǎn)品的用戶。

　　2.以第四范式、探智立方為代表的明星創(chuàng)業(yè)公司以最前沿最創(chuàng)新的技術(shù)如聯(lián)邦遷移學(xué)習(xí)、完全自動化的AutoML等引領(lǐng)技術(shù)/產(chǎn)品趨勢。該類廠商的優(yōu)勢在于技術(shù)的領(lǐng)先性、引領(lǐng)性。

　　3.大數(shù)據(jù)平臺公司也在推出機器學(xué)習(xí)組件以幫助用戶在大數(shù)據(jù)平臺上實現(xiàn)預(yù)測分析能力，例如新華三、東軟、星環(huán)科技等。該類廠商則需要同時在技術(shù)和市場方面追趕領(lǐng)先者。

　　自動化機器學(xué)習(xí)、機器學(xué)習(xí)建模工程師、數(shù)據(jù)資源質(zhì)量與市場的不確定性：當(dāng)前算法工程師仍處于稀缺狀態(tài)，一定程度上制約了機器學(xué)習(xí)的推廣落地。面向應(yīng)用場景的數(shù)據(jù)資源匱乏，也是影響機器學(xué)習(xí)推廣的制約因素。自動化機器學(xué)習(xí)可以緩解對于專業(yè)算法工程師的需求，成功的自動化機器學(xué)習(xí)產(chǎn)品可以使業(yè)務(wù)人員經(jīng)過培訓(xùn)即可以建模?？傮w來看，企業(yè)用戶對機器學(xué)習(xí)產(chǎn)品交付方式的偏好、算法工程師的供需關(guān)系，都將影響機器學(xué)習(xí)市場的發(fā)展趨勢。

　　值得關(guān)注的前沿領(lǐng)域：領(lǐng)先的廠商于2019年著力研發(fā)自動化機器學(xué)習(xí)、智能數(shù)據(jù)標(biāo)注、可解釋深度學(xué)習(xí)、界面可視化、圖算法、批數(shù)據(jù)處理等。

　　典型廠商

　　在本次研究中，IDC中國選擇了最主流的13家廠商進行研究，分別是（排名不分先后，按照首字母排序）：阿里云、AWS、百度、東軟、第四范式、金山云、九章云極、美林?jǐn)?shù)據(jù)、騰訊云、探智立方、微軟、星環(huán)科技、新華三、IBM。本文僅選取5家典型廠商進行分析。

　　互聯(lián)網(wǎng)平臺級廠商代表：百度

　　百度在機器學(xué)習(xí)領(lǐng)域擁有深厚的技術(shù)積累，在國內(nèi)最早推出深度學(xué)習(xí)開源框架飛槳PaddlePaddle，在最近1-2年內(nèi)下載量以及活躍用戶量都保持高速增長。百度也是國內(nèi)較早推出自動化機器學(xué)習(xí)產(chǎn)品的廠商，其EasyDL產(chǎn)品目前擁有較高的市場認(rèn)知度。在商業(yè)化方面，依托百度云的客戶積累及市場拓展能力，百度能夠?qū)C器學(xué)習(xí)能力快速輸出并不斷迭代。

　　創(chuàng)新創(chuàng)業(yè)公司代表：第四范式

　　既能專注AI算法開發(fā)又能兼顧軟硬件一體化的高度優(yōu)化；成熟的企業(yè)級產(chǎn)品；快速落地的商業(yè)化能力，成為第四范式從諸多企業(yè)中脫穎而出且快速擴張的重要因素。

　　數(shù)據(jù)科學(xué)、大數(shù)據(jù)時代的創(chuàng)新廠商：美林?jǐn)?shù)據(jù)、九章云極

　　西安美林?jǐn)?shù)據(jù)在本次評估中處于領(lǐng)導(dǎo)者象限。美林?jǐn)?shù)據(jù)擁有數(shù)十年的企業(yè)數(shù)字化服務(wù)經(jīng)驗，在機器學(xué)習(xí)市場，其TempoAI產(chǎn)品已在多個行業(yè)中得到實際應(yīng)用，且深受工業(yè)、能源等行業(yè)用戶認(rèn)可。成熟穩(wěn)定的產(chǎn)品、廣泛深入的用戶案例，是美林?jǐn)?shù)據(jù)位于領(lǐng)導(dǎo)者象限的重要原因。

　　處于“主要廠商/主要玩家”象限的九章云極當(dāng)前主要服務(wù)金融行業(yè)，在特定的應(yīng)用場景如反欺詐、用戶畫像等領(lǐng)域積累了豐富的實踐，在政府、制造業(yè)等領(lǐng)域，也與客戶共同打造了諸多機器學(xué)習(xí)的創(chuàng)新應(yīng)用案例。

　　值得關(guān)注的國際廠商：AWS

　　AWS在全球機器學(xué)習(xí)市場取得了令人矚目的成績，根據(jù)其內(nèi)部調(diào)研數(shù)據(jù)，約80%的TensorFlow部署在AWS的云服務(wù)上。在中國市場，AWS憑借自動化機器學(xué)習(xí)Sagemaker快速獲得較高的市場認(rèn)知度，依托云服務(wù)的客戶積累其機器學(xué)習(xí)產(chǎn)品也得以快速部署。AWS較早推出機器學(xué)習(xí)推理芯片Inferentia，也參與了ONNX（開放神經(jīng)網(wǎng)絡(luò)模型格式轉(zhuǎn)換）項目的建設(shè)與推廣。在加強自主研發(fā)的同時，AWS也始終以開放的態(tài)度為用戶提供靈活的機器學(xué)習(xí)選擇。

　　提供給技術(shù)買家的建議

　　應(yīng)用場景的成熟度總結(jié)：成熟度最高的應(yīng)用場景包括產(chǎn)品推薦、用戶畫像、反欺詐，簡單的證件識別類光學(xué)字符識別技術(shù)（OCR）。

　　正在探索的應(yīng)用場景：設(shè)備預(yù)測性維護、基于產(chǎn)品外觀的質(zhì)量檢測、交通軌道火花分析等。（由于本次的研究對象是面向開發(fā)人員的機器學(xué)習(xí)開發(fā)平臺，未包括人臉識別、聲紋識別、短語音識別等應(yīng)用場景）。

　　合作伙伴的選擇：

　　1. 首先明確當(dāng)前的業(yè)務(wù)場景是否能用機器學(xué)習(xí)的方式解決，此問題可與供應(yīng)商共同探討?？紤]企業(yè)現(xiàn)階段是否具備機器學(xué)習(xí)模型開發(fā)能力，如無模型開發(fā)能力，可以選擇自動化程度較高的機器學(xué)習(xí)產(chǎn)品。如有充足的開發(fā)能力，也可以嘗試采用開源技術(shù)自主搭建機器學(xué)習(xí)平臺。

　　2. 產(chǎn)品層面，選擇高度靈活、容易上手的產(chǎn)品，考慮模型的豐富程度的同時考慮提供的模型是否符合企業(yè)內(nèi)部的應(yīng)用需求。

　　3. 考慮采用高度自動化的機器學(xué)習(xí)產(chǎn)品，培養(yǎng)業(yè)務(wù)分析師向數(shù)據(jù)科學(xué)家轉(zhuǎn)型。

　　應(yīng)用機器學(xué)習(xí)、人工智能，重要的一點在于具備建模所需數(shù)據(jù)。很多機器學(xué)習(xí)項目失敗的原因也是因為數(shù)據(jù)不足導(dǎo)致模型預(yù)測準(zhǔn)確度不能滿足業(yè)務(wù)上線需求。長期來看，企業(yè)需要考慮能夠增強內(nèi)部數(shù)據(jù)能力的產(chǎn)品/服務(wù)，盡早建設(shè)可以輸入人工智能模型的核心智能數(shù)據(jù)平臺。

　　IDC倡導(dǎo)在采用機器學(xué)習(xí)、人工智能解決方案時，企業(yè)不能過度關(guān)注硬件和算力平臺而忽視了軟件及應(yīng)用。為短期內(nèi)的AI工作負(fù)載選擇最適配的底層架構(gòu)，為中長期的AI工作負(fù)載做好算力規(guī)劃。更重要的是，重視將機器學(xué)習(xí)、深度學(xué)習(xí)的價值最大化，真正以業(yè)務(wù)需求為導(dǎo)向，實現(xiàn)智能化。

　　IDC中國人工智能高級研究經(jīng)理盧言霞表示，盡管深度學(xué)習(xí)算法的創(chuàng)新速度變緩，但我們相信機器學(xué)習(xí)的應(yīng)用將穩(wěn)步滲透到各行各業(yè)的生產(chǎn)系統(tǒng)中。純技術(shù)的創(chuàng)新速度有所放緩，但從技術(shù)到產(chǎn)品到商業(yè)化應(yīng)用落地的速度在加快。未來，自動化機器學(xué)習(xí)也將降低行業(yè)用戶采用AI的門檻，加速行業(yè)企業(yè)實現(xiàn)高級別的自動化、智能化。