首页科技快讯 AI行业泡沫是否已破？AI企业级应用还有没有未来？

AI行业泡沫是否已破？AI企业级应用还有没有未来？

来源：晰数塔互联网快讯时间：2022年06月09日 20:58

头图来源：百家号HRoot

【泡沫之后应用场景上量才是真正的落地】

2016年3月,AlphaGo在围棋人机大战中击败围棋世界冠军李世石，让AI在普通人的眼里也更加具象化，仿佛让所有人都懂什么是深度学习了，因此2016年也被很多人视为人工智能元年。

随之而来的融资热出现在人工智能领域，人们太急切地想要感受到AI应用带来的改变，根据 CB Insights统计，2017年全球范围内AI领域共有152亿美元的投资，比2016年增加141%，其中中国公司吸引了约一半共计73亿美元的投资。此时，AI成为投资人眼中的“香饽饽”。

泡沫在不断吹大的同时，也让人担心总有破灭的一天，这个问题自2016年公司们频繁拿到融资之后就笼罩在行业之上，到了2021年AI独角兽接连暴雷，AI公司上市频频遭受重创……

海比研究院认为：一个出生自带光环的行业存在泡沫是必然的，受到更多关注并不是坏事，但泡沫总会爆掉，当浪潮退去，能活下来公司需要具备两方面的特质：能够找到可以上量的应用场景，以及可以实现良性运转的商业模式。

【AI企业级应用是大势所趋还是天方夜谭？】

互联网经历了十年C端流量红利驱动的黄金发展期，流量见顶之后，B端发展成为重要赛道，有人认为AI行业的发展也是如此，在个人领域的应用更为人熟知之后，转向B端的发展是必然的过程。

海比研究院认为：AI应用从C向B的转变并不是自然而然的转变，而是AI企业探究企业级应用、用户对AI在企业场景的渴望共同作用的结果，并且随着技术的发展C端应用还有较多可挖掘的空间，但同时也要看到企业场景市场正在打开，我们已经了解到在目标管理软件、OA系统等多个方面已经有企业走在前列，离规模级应用或许并不远。

【企业级应用场景是散发场景还是聚集性场景？】

针对企业级应用，AI的价值仅仅限制在例如营销、人脸识别的一些极个别场景还是在较多场景都可以应用呢？这是很多人首先思考的问题。海比研究院通过调研发现，AI在企业上的应用场景是比较多的，通过聚类可以将其划分为四大类：智能营销场景、智慧职能场景、智能办公场景以及智能管理场景。

自然语言处理在智能营销、智慧职能场景有更大的利用空间，常见于智能客服、舆情监测、财税RPA等，这是因为在这些场景中更需要计算机能够做到像人类一样理解、处理和生成语言的能力。生物特征识别是智能办公和智能管理场景中的重要技术，更加契合在视频会议、项目管理等软件中对于人员固有生理特征的识别。

【人工智能软件产品应用技术是以技术成熟度还是应用落地性为导向？】

根据海比研究院数据，当前人工智能软件产品主要应用的技术依次为生物特征识别、自然语言处理、人机交互等。对于产品中耦合的技术结合了技术成熟度以及应用落地性的双重因素。

生物特征识别中指纹识别技术成熟且成本低;人脸识别使用方便且适用于日常办公等领域，具备技术应用的两大推动力，因此在用户使用的产品中应用度最高。

自然语言处理虽然还需要经过5-10年走向成熟，但这主要指的是自然语言的阅读理解、机器创作方向，而在相对简单的会话、聊天等功能广泛应用在智能客服领域，是当前较为成熟的应用。

人机交互、语音识别、计算机视觉、机器学习等技术在未来2-5年内可走向成熟，处于应用落地的繁荣探索期，因此在使用上也受到较多关注。

【企业用户AI人才缺口大，兼具价格敏感型及技术爱好者特征】

根据海比研究院调研数据，82.4%的用户认为当前人工智能软件在企业渗透率较低，可见当前市场产品还未达到用户对于AI的预期，探究用户对渗透率较低的认知发现，企业缺少相关人才支撑、技术不成熟、软件价格较高成为阻碍企业应用AI产品的最大问题，反映出企业用户当前在自有AI人才上的缺失，同时具有价格敏感性和技术爱好的特征。

人工智能技术涉及多方面，需要的人才在算法、工程、数据方面要求较高，用户同样需要AI人才来完成AI产品设计的“最后一公里”，但是当前行业人才缺口大，同时大部分的AI人才会更加倾向于在产品公司从事相关工作，造成企业用户的人才缺失，无法支撑产品的深度应用。

企业用户看重AI技术发展但对此信心不足，厂商应加强技术的发展以及技术有效性的宣传。

价格成为影响产品企业渗透率的第三大因素，说明当前产品价格过高还未达到用户预期，技术的成熟、应用的打磨或可终结产品高价现状。

【安全、价格、技术是厂商提高产品“魅力值”的三大法宝】

根据海比研究院调研数据，更多的用户对于厂商的数据安全能力、产品性价比、技术研发能力最为关注。AI需要大量的数据作为支撑，企业数据安全是企业的生命线，尤其是当前已经有研究表明人工智能算法攻击可能会带来较大的经济风险，在德克萨斯州，5%的对抗性攻击可以使一个季度的总发电成本增加17%，约有二千万美元（对抗性攻击是指通过设计一种有针对性的数值型向量从而让机器学习模型做出误判）。传统的防范措施已经不能满足复杂的攻击态势，用户对于安全的需求将超过以往任何时期。

用户对厂商提供服务关注度