机器学习应用场景拓展翻新 IDC正式启动机器学习平台厂商评估研究
- 来源:IDC咨询
- 2019/2/21 9:27:0241757
【中国安防展览网 企业关注】中国在人工智能领域的发展速度备受瞩目,尤其在一些细分市场,中国技术开始崭露头角。IDC追踪数据显示,2018年人工智能技术支出规模达到240亿美金,其中中国市场达到22亿美金,中国在技术支出占比达到9.2%。推动这一人工智能市场发展的核心基础技术即机器学习和深度学习。粗略估计目前中国市场上专业的算法工程师超过2万名,加上高校、科研机构以及初学者在内能够达到20万名。技术开源以及主动创新驱动机器学习应用不断落地,并且向更广泛的应用场景拓宽发展。
开源和创新驱动
1、开源驱动
由技术*发起的开源运动成为机器学习尤其是深度学习应用的重要驱动力。在2018年11月执行的新调研中,IDC发现,谷歌开源框架TensorFlow、Facebook开源框架Caffe2/PyTorch已成为主流的3个框架,从份额上看,国产开源框架百度PaddlePaddle也开始显露头角。另外阿里、腾讯通过开放AI相关的模型,其技术影响力也在不断提升。IDC认为,当前中国市场上90%的机器学习用户都是基于开源技术的创新。众多技术供应商型企业基于开源框架提供高度优化的服务,技术用户也会选择合适的框架探索开发内部应用,科研人员则在开源框架上进行算法创新和突破。这些开源框架/库驱动了机器学习应用的落地。
2、创新驱动
尽管独角兽级别的创企增速降低,但面向垂直应用场景的初创企业开始涌现,市场上已有的大型厂商也开始加入战局,推出商业化机器学习开发平台产品。如下图所示,云服务商、既有的大数据公司、初创型企业都创新性的推出了商业化机器学习工具。此外,中国人工智能头部企业在开源框架之外也会进行自主创新,甚至以开源的形式反馈给社区。市场参与者的积极主动创新也成为推动市场发展的重要驱动力。
市场走向:谁是*?
从行业渗透率角度看,机器学习目前在互联网、金融、IT服务行业渗透率较高。其中互联网行业机器学习应用渗透率能够达到90%,包括银行、证券以及保险在内的金融业整体渗透率超过20%,而制造等其他传统行业的渗透率仍低于10%。另外,中国高校等教科研机构的机器学习应用渗透率也在快速增长。不仅是985、211类院校,一些专科院校甚至职业学校都开始将机器学习作为重点研究和教学领域。
从应用场景看,目前相对落地的用例包括:产品推荐、销售预测、反欺诈、图片识别、OCR和应用软件自动化。(注:机器学习开发平台定义不包括人脸识别、短语音识别等成熟的机器学习应用软件)
不同行业、不同企业应用机器学习的成熟程度,不仅体现在行业渗透率上的差异,还体现在用例的丰富程度和落地水平。IDC发现除了互联网行业,其他行业的机器学习应用都较为初级且局限。对比的机器学习开发平台用例,尤其发现中国在传统行业上的应用场景的丰富程度和用例的落地水平仍有很大的发展潜力。
未来机会
仍有较大潜力的应用领域:预测性维护;特定场景的图像、文本识别等尚未有成熟软件产品的应用领域。
高度优化的解决方案:从AI专用基础架构到大数据平台再到机器学习框架、算法模型的优化。
从深度学习到机器学习到数据科学:深度学习的应用已被市场认知并接受,常规机器学习、预测分析类数据科学仍未被重视。深度学习结合常规机器学习、数据科学的应用潜力和空间有待被挖掘。
IDC机器学习平台厂商评估
机器学习、人工智能的落地程度在过去1-2年取得了的突破,而关于人工智能市场是否将再次进入寒冬、深度学习还能走多远的声音此起彼伏。市场能否持续繁荣一定程度上取决于市场参与者的推动力度,需要参与者的共同努力。IDC也将在2019年上半年开展机器学习开发平台类产品的评估,以帮助技术用户选择合适的产品,同时也帮助技术供应商了解用户需求,助力机器学习渗透到各行各业的应用场景。
研究范围:面向客户开放的机器学习开发平台,不包括企业内部自用的机器学习工具和人脸识别等成熟软件。
评估方法:从现有能力、未来战略2个维度评估,分别考虑产品当前提供的能力,包括支持的开发语言、框架,提供的算法模型的丰富程度、服务能力、合作生态、对前沿技术的投资、用户的满意度、落地案例等等。
评估结果:以报告的形式呈现,报告中包括终评估结果象限图(如下图所示),报告定性分析内容包括本次研究的评估标准,对技术使用方的建议,以及所评估厂商的介绍,报告中也将探讨机器学习应用该如何走向市场以及未来的机会等。