麥肯錫近日發(fā)布最新報告，對當(dāng)下全球AI發(fā)展進行了全面的調(diào)查。得出以下結(jié)論：包括百度和谷歌在內(nèi)的科技巨頭在AI上的花費在 200 億至 300 億美元之間，其中 90％用于研發(fā)和部署，10％用于AI 收購。機器人和語音識別是兩個最受歡迎的投資領(lǐng)域。計算機視覺是獲投資最多的子領(lǐng)域。全篇報告主要焦點在于人工智能的落地現(xiàn)狀，從各大企業(yè)的采納和投資角度來說，人工智能現(xiàn)在只處在“溫?zé)帷睍r期。高科技、通信和金融服務(wù)將成為未來三年內(nèi)采用人工智能的主導(dǎo)行業(yè)。

2016 年，包括百度和谷歌在內(nèi)的科技巨頭在AI 上的花費在 200 億至 300 億美元之間，其中?90％用于研發(fā)和部署，10％用于AI 收購。

人工智能（AI）投資已成為世界領(lǐng)先的科技公司之間的專利和知識產(chǎn)權(quán)的（IP）競賽。

2016 年，美國公司占了所有AI 投資的?66％。中國占了?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(xiàn)在Netflix 可以通過提供更好的搜索結(jié)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(lǐng)域

除了基礎(chǔ)的機器學(xué)習(xí)技術(shù)，計算機視覺是獲投資最多的子領(lǐng)域

這些調(diào)查結(jié)果來自麥肯錫全球研究院上個月發(fā)布的研究報告《人工智能，下一個數(shù)字前沿》（Artificial Intelligence, The Next Digital Frontier）。麥肯錫全球研究院發(fā)表了一篇文章，總結(jié)了調(diào)查結(jié)果，題為《人工智能如何為公司提供真正價值》。麥肯錫訪問了3000多名使用人工智能技術(shù)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(diào)查結(jié)果的關(guān)鍵點包括：

2016 年，包括百度和谷歌在內(nèi)的科技巨頭在AI 上的花費在 200 億至 300 億美元之間，其中90％用于研發(fā)和部署，10％用于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(fā)現(xiàn)，自覺采用 AI 技術(shù)的公司中，有20％是早期采用者，集中在高科技/電信，汽車/裝配和金融服務(wù)行業(yè)。

AI?正在成為世界領(lǐng)先的科技公司之間的專利和知識產(chǎn)權(quán)（IP）競賽。

麥肯錫發(fā)現(xiàn)，風(fēng)險投資（VC），私募股權(quán)投資（PE）和其他外部資金只占總投資的一小部分（9％）。在所有公開數(shù)據(jù)的類別中，并購在2013 年至2016 年之間增長最快（85％）。報告引用了許多內(nèi)部發(fā)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(xué)習(xí)方面Salesforce 的案例。寶馬、特斯拉和豐田在機器人和機器學(xué)習(xí)方面投資，以用于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于機器人和無人駕駛車輛 AI 技術(shù)的新型研究機構(gòu)。

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(xué)習(xí)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(lǐng)域。投資者最喜歡機器學(xué)習(xí)初創(chuàng)公司，因為基于代碼的初創(chuàng)公司能夠快速擴展出新功能。基于軟件的機器學(xué)習(xí)初創(chuàng)公司比成本更高的基于機器的機器人公司更受歡迎。由于這些因素，以及其他一些原因，公司并購在這一領(lǐng)域飆升，從2013 年到2016 年，復(fù)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(wù)是機器學(xué)習(xí)和AI 技術(shù)的早期采用者。

這些行業(yè)因為愿意投資新技術(shù)而獲取競爭力和內(nèi)部高效流程而聞名。許多創(chuàng)業(yè)公司也開始關(guān)注這個領(lǐng)域。MGI 數(shù)字化指數(shù)（MGI Digitization Index）是歐洲和美國的國內(nèi)生產(chǎn)總值加權(quán)平均數(shù)。麥肯錫還創(chuàng)建了一個總?cè)斯ぶ悄苤笖?shù)，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(chǎn)、用途和勞動力。接下來的圖，按行業(yè)和資產(chǎn)、用途及勞動力類別顯示了AI 的相對采用水平。

麥肯錫預(yù)測，高科技、通信和金融服務(wù)將成為未來三年內(nèi)采用人工智能的主導(dǎo)行業(yè)。

這三個行業(yè)的專利和知識產(chǎn)權(quán)（IP）競爭加劇。隨著時間的推移，領(lǐng)先科技公司目前的設(shè)備、產(chǎn)品和服務(wù)的發(fā)展路徑將展現(xiàn)出其研發(fā)實驗室今天的創(chuàng)新活動水平。例如，在金融服務(wù)方面，經(jīng)AI 優(yōu)化的欺詐檢測系統(tǒng)的準(zhǔn)確性和速度提高帶來了明顯的益處，預(yù)計2020 年市場將達到30 億。下圖概括了今天領(lǐng)先的AI + 產(chǎn)業(yè)，以及其中哪些產(chǎn)業(yè)打算在未來三年內(nèi)最大限度地進行投資。

醫(yī)療、金融服務(wù)和專業(yè)服務(wù)在采用 AI 技術(shù)后，利潤取得了最快增長。

麥肯錫發(fā)現(xiàn)，受益于高級管理人員支持人工智能的公司已經(jīng)投資基礎(chǔ)設(shè)施，來支持其規(guī)模，并有明確的業(yè)務(wù)目標(biāo)，要提高3％至15％的利潤率。在接受調(diào)查的3000 多名商業(yè)領(lǐng)袖中，大多數(shù)人預(yù)計未來一年的利潤率將增長5％。

谷歌等科技巨頭們在2016年投資AI的金額約300億美元，90%用于研發(fā)和部署，10%用于AI并購

人工智能將造成下一波數(shù)字化顛覆，企業(yè)應(yīng)該為此做好準(zhǔn)備。我們已經(jīng)看到早期采取人工智能技術(shù)的幾家公司獲得了實在的好處，使得其他企業(yè)相比任何時候都更迫切地加速數(shù)字化轉(zhuǎn)型。麥肯錫的研究報告集中在以下５項AI技術(shù)系統(tǒng)：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(xué)習(xí)，包括深度學(xué)習(xí)和其他AI技術(shù)。

AI投資正在快速增長，主要的主導(dǎo)者是一些數(shù)字巨頭公司，例如谷歌和百度。在全球范圍，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%用于研發(fā)和部署，10%用于AI并購。風(fēng)險投資（VC）和私募股權(quán)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(shù)迅速增長到總共60億美元至90億美元的規(guī)模。機器學(xué)習(xí)作為一種支持基數(shù)，在內(nèi)部和外部投資中都占據(jù)了最大份額。

在科技公司之外的AI采用處于早期階段，大部分是實驗性階段。很少有企業(yè)大規(guī)模地部署AI。麥肯錫對3000多名高級管理者的調(diào)查顯示，跨越10個國家的14個行業(yè)中，只有20%的受訪者表示企業(yè)目前正在大規(guī)模部署AI，或在核心業(yè)務(wù)利用AI相關(guān)技術(shù)。許多企業(yè)表示他們不確定針對AI的商業(yè)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(yè)化部署。

這些模式顯示出早期采用AI技術(shù)的企業(yè)和其他企業(yè)之間的差距日益擴大。在麥肯錫的產(chǎn)業(yè)數(shù)字指標(biāo)中，排名前列的均是AI的主要采用者，例如高科技行業(yè)、電信以及金融服務(wù)業(yè)。這些行業(yè)也最具積極的AI投資意向。其中領(lǐng)軍者對AI的采用是廣泛而深入的：在多種職能中利用多種技術(shù)，并在核心業(yè)務(wù)中部署。例如，汽車制造商使用AI技術(shù)開發(fā)自動駕駛車輛并改善運營，金融服務(wù)企業(yè)更傾向于在與客戶體驗相關(guān)的業(yè)務(wù)中使用AI技術(shù)。

早期的證據(jù)表明，AI可以為其重度采用者提供真正的價值，并且具有強大的破壞性力量。在麥肯錫的調(diào)查中，早期的AI采用者將強大的數(shù)字能力與前瞻性的策略相結(jié)合，實現(xiàn)了較高的利潤率，并將在未來拉大與其他公司的業(yè)績差距。本報告在零售業(yè)、電力公司、制造業(yè)、醫(yī)療保健和教育方面的案例凸顯了AI在改進預(yù)測和渠道，優(yōu)化和自動化運營，發(fā)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依賴于數(shù)字基礎(chǔ)，并且通常必須使用獨特的數(shù)據(jù)進行訓(xùn)練，這意味著企業(yè)沒法走捷徑。企業(yè)不能拖延它們的數(shù)字化進程，包括AI。早期采用者已經(jīng)在創(chuàng)造競爭優(yōu)勢，它們與落后者的差距將會越來越大。一個成功的項目要求企業(yè)解決數(shù)字化和分析轉(zhuǎn)型的許多要素：認識業(yè)務(wù)案例，建立正確的數(shù)據(jù)生態(tài)系統(tǒng)，構(gòu)建或購買適當(dāng)?shù)腁I工具，以及適應(yīng)工作流程、能力和文化。麥肯錫的調(diào)查顯示，頂層的領(lǐng)導(dǎo)、管理和技術(shù)能力，以及無縫訪問數(shù)據(jù)的能力是關(guān)鍵的推動因素。

AI承諾帶來益處，同時也對企業(yè)、開發(fā)者、政府和員工提出緊迫的挑戰(zhàn)。勞動力需要學(xué)習(xí)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(fā)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(jiān)管方面的挑戰(zhàn)也需取得進展，否則可能阻礙AI的發(fā)展。

以麥肯錫在AI商業(yè)上的經(jīng)驗來看，泡沫的景象不太可能會出現(xiàn)

關(guān)于人工智能的前景和危險，現(xiàn)在有大量的說法，并且越來越多。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(yè)的生產(chǎn)力也能加強企業(yè)的偵查能力。人工智能可以將工人從重復(fù)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年提到人工智能的文章翻了一番，是2014年的4倍。人們對AI 抱有相當(dāng)高的期望。此前，AI 也曾出現(xiàn)過，它的歷史與繁榮和蕭條緊緊相連，充滿動力夸張的承諾和令人沮喪的失敗。這次會和之前的有什么不一樣嗎？分析師給出的答案是肯定的：AI 終于開始帶來現(xiàn)實的商業(yè)利益了。

能促成突破的要素已經(jīng)就位。計算力獲得了顯著的增長，算法變得更加成熟，并且，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(qū)動AI的發(fā)展，這些能源便是——數(shù)據(jù)。現(xiàn)在全世界每天產(chǎn)出的數(shù)字是幾百萬 Gigabytes 。身處數(shù)字化前線的公司，比如線上公司和數(shù)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(yù)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涌入，麥肯錫預(yù)計，2016年，注入AI 的風(fēng)險投資額在40億到50億美元之間，私人股權(quán)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(xiàn)在大多數(shù)的新聞都是關(guān)于AI 技術(shù)提供商。并且許多新用戶都還處于實驗階段。市場上幾乎沒有能夠即刻采用并獲得大范圍歡迎的產(chǎn)品，目前看來也沒有可能會很快出現(xiàn)。因此，分析師們對AI發(fā)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(jīng)濟利益保持謹慎。目前的市場預(yù)測出現(xiàn)巨大差異，以2025年為時間點，低增長的預(yù)期是6.44億美元，高增長的預(yù)期則達到了1260億美元。鑒于對AI 投資規(guī)模非常大，數(shù)字較低的預(yù)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(yè)上的經(jīng)驗來看，這種泡沫的景象不太可能會出現(xiàn)。

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采納AI 技術(shù)的。麥肯錫的研究提供了對當(dāng)下迅速發(fā)展的AI產(chǎn)業(yè)的一張快照，通過鏡頭，我們可以看到供應(yīng)商和用戶的實際情況，進而總結(jié)出關(guān)于AI 潛力的一個更加可信的觀點。首先，研究投資環(huán)境，包括公司在研發(fā)和部署方面的內(nèi)部投資，大型企業(yè)并購以及風(fēng)險投資（VC）和私募股權(quán)（PE）公司的融資。然后，再看看需求方面，結(jié)合使用案例分析和對3,000多家公司的C級管理人員的調(diào)查，了解公司如何使用AI技術(shù)，是什么在推動他們采用人工智能，部署的過程中有什么障礙，AI對市場，財務(wù)和機構(gòu)的影響。

AI 一般指的是機器表現(xiàn)出和人一樣的智能的能力，比如，在不使用包含了各種細節(jié)指導(dǎo)的手寫編碼程序的情況下能夠接近問題。對于AI 技術(shù)的分類，目前有很多方法，但是，現(xiàn)在很難有一個互相排斥和共同窮舉的列表，因為人們經(jīng)常混合和匹配多種技術(shù)來創(chuàng)建個別問題的解決方案。這種創(chuàng)建方式有時會被看成是一個獨立的技術(shù)，有時則是其他技術(shù)的附屬，有時又變成了應(yīng)用。有一些框架將AI 技術(shù)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(yè)應(yīng)用進行區(qū)分，比如商業(yè)或者網(wǎng)絡(luò)安全。

試圖更精確地定義這個術(shù)語的原因有以下幾個：AI涵蓋了廣泛的技術(shù)和應(yīng)用，其中一些僅僅是早期技術(shù)的擴展，而另一些則是全新的。此外，正在人們習(xí)慣于以前的進步時，當(dāng)前并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(xué)家拉里·特斯勒（Larry Tesler）的定理，斷言“人工智能還沒有完成。”我們在本文中談及的人工智能技術(shù)是所謂的“狹義”人工智能，它執(zhí)行一個狹義的任務(wù)，其反面是通用人工智能或AGI，旨在能夠執(zhí)行人類可以做的任何智力任務(wù)。我們專注于狹義AI，因為它具有短期的商業(yè)潛力，而AGI尚未到達。

在本報告中，我們聚焦于解決商業(yè)問題的一系列AI技術(shù)系統(tǒng)。我們將這些分為五個技術(shù)系統(tǒng)，這些系統(tǒng)是AI開發(fā)的關(guān)鍵領(lǐng)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(xué)習(xí)。一些與外部世界的信息處理有關(guān)，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(shù)）;一些是關(guān)于從信息進行學(xué)習(xí)，如機器學(xué)習(xí)；其他則與信息本身有關(guān)，例如機器人，自駕車輛和虛擬代理。機器學(xué)習(xí)和一個稱為深度學(xué)習(xí)的子領(lǐng)域是人工智能應(yīng)用中許多最新進展的核心，并且吸引了大量注意力和大量投入到AI領(lǐng)域的資金，2016年，幾乎占所有投資的60％。

人工智能坐著過山車走到了今天

作為一個idea，人工智能的第一次出現(xiàn)是在電子化的數(shù)字計算機被造出后不久。并且，和數(shù)字技術(shù)一樣，人工智能或者說AI，經(jīng)歷了大起大落，但是有一個例外——人工智能還沒有經(jīng)歷大規(guī)模的商業(yè)部署。

這可能在改變。由AI提供動力的機器今天可以執(zhí)行許多任務(wù)，例如，識別復(fù)雜的模式，合成信息，得出結(jié)論和進行預(yù)測 ，這些不久以前還被認為需要人類認知參與才能實現(xiàn)。

而且AI的能力已經(jīng)被大大擴展，因此其在越來越多的領(lǐng)域中得到應(yīng)用。同時，值得記住的是機器學(xué)習(xí)有局限性。例如，由于系統(tǒng)是針對特定數(shù)據(jù)集進行培訓(xùn)的，所以它們?nèi)菀资艿狡?為了避免這種情況，用戶必須確保使用綜合性的數(shù)據(jù)集訓(xùn)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(xué)習(xí)自2000年以來就能夠被擴大化，并用于推動深度學(xué)習(xí)算法等等的發(fā)展。通過大量和多樣化的數(shù)據(jù)集，不斷強化的算法可以在數(shù)據(jù)海洋中找到模式，增加研發(fā)融資和強大的圖形處理單元（GPU）不斷提高了數(shù)學(xué)計算能力的新水平。

GPU是最初為視頻游戲開發(fā)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(xué)習(xí)系統(tǒng)的訓(xùn)練速度在過去2年中的每一年提高5到6倍

更多的數(shù)據(jù) ： 世界每天創(chuàng)建約2.2 E字節(jié)，即22億GB，這意味著更多的洞見和更高的準(zhǔn)確性，因為它能將算法暴露給更多可用于識別正確和拒絕錯誤答案的案例。這些數(shù)據(jù)源啟用的機器學(xué)習(xí)系統(tǒng)在某些應(yīng)用中減少了計算機錯誤率，例如圖像識別 ，已經(jīng)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(yè)化滯后

科技巨頭和原生數(shù)字公司亞馬遜，蘋果，百度和谷歌等正在這些統(tǒng)稱為人工智能的各種技術(shù)上進行大力投入，投資總額超過了數(shù)十億美元。他們認為，這些投資將能使AI最終能達到預(yù)期，因為功能強大的計算機硬件，日益復(fù)雜的算法模型以及龐大且快速增長的數(shù)據(jù)庫存 -已經(jīng)到位。事實上，其中，大公司的內(nèi)部投資占主導(dǎo)地位：估計這一數(shù)字2016年將達到180億美元至270億美元；外部投資（來自風(fēng)險投資，私人公司，并購，贈款和種子基金）約為80億至120億美元。

但是，對于近期的所有投資來說，AI部署的范圍是受到了限制的。這有一部分原因是因為，這些投資的很大部分是內(nèi)部的R&D研究，很大程度上是著眼于提升公司自己的表現(xiàn) 。不過同樣正確的是，商業(yè)上對人工智能的應(yīng)用的需求，只能算是溫?zé)幔╰epid），這一部分是因為數(shù)字化和分析對經(jīng)濟的變革步伐很緩慢。麥肯錫調(diào)查了超過3000項商業(yè)項目，發(fā)現(xiàn)許多公司的領(lǐng)導(dǎo)并不清楚AI 能為他們做什么，在哪里能獲得AI驅(qū)動的應(yīng)用，大多數(shù)人也不知道如何把AI技術(shù)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(shù)的投資都集中在內(nèi)部投資，也就是R&D 和發(fā)展，由現(xiàn)金流充沛的數(shù)字化原生公司進行。那么，來大公司的AI投資會聚焦于什么？

大公司，如蘋果，百度和谷歌，正在內(nèi)部開展成套的技術(shù)研發(fā)，但AI投資的廣度和重點不同。亞馬遜正在致力于機器人和語音識別；Salesforce對虛擬代理和機器學(xué)習(xí)很感興趣。寶馬，特斯拉和豐田是工業(yè)機器人和使用機器學(xué)習(xí)進行自動駕駛相當(dāng)大的制造商。例如，豐田公司撥出10億美元建立一個致力于機器人和無人駕駛車輛的新AI研究機構(gòu)。博世，GE和西門子等工業(yè)巨頭也在內(nèi)部投資，通常在機器學(xué)習(xí)和機器人領(lǐng)域?qū)で箝_發(fā)與其核心業(yè)務(wù)有關(guān)的具體技術(shù)。

IBM承諾投資30億美元，使其沃森認知計算服務(wù)成為互聯(lián)網(wǎng)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能研究。此外，百度還投入2億美元，成立了一個新的內(nèi)部風(fēng)險投資基金。同時，大型科技公司一直在積極購買AI創(chuàng)業(yè)公司，不僅僅是為了獲得技術(shù)或客戶，而是為了獲得優(yōu)質(zhì)的人才。該領(lǐng)域的真正專家池很小，阿里巴巴，亞馬遜，F(xiàn)acebook，谷歌等科技巨頭都聘請了很多專家。

許多公司采用并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(chuàng)業(yè)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(diào)，由于人才短缺和成本上漲，整個行業(yè)的AI相關(guān)人才缺口在10000以上，用于這些人才的薪資預(yù)達到了6.5億美元。總的來說，兼并對于AI公司來說是增長最快的外部資源，根據(jù)麥肯錫的估計，2013年至2016年，這些公司的價值復(fù)合年增長率將超過80％。自2010年以來，領(lǐng)先的高科技企業(yè)和先進制造商已經(jīng)完成了100多項并購交易。

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(jīng)結(jié)束了九9 個，平均分配在計算機視覺，機器學(xué)習(xí)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，F(xiàn)acebook在巴黎開設(shè)AI實驗室，將補充紐約和硅谷的類似設(shè)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(xué)投資了450萬美元 ;英特爾捐贈了150萬美元，在佐治亞理工大學(xué)建立機器學(xué)習(xí)和網(wǎng)絡(luò)安全研究中心；而NVIDIA正在與臺灣大學(xué)合作，在臺北設(shè)立AI實驗室。

AI的喧嘩聲足夠大，已經(jīng)達到足以鼓勵風(fēng)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(xué)習(xí)吸引了近60％的投資，這很可能是因為它是許多其他技術(shù)和應(yīng)用的推動者，如機器人和語音識別。另外，投資者也被機器學(xué)習(xí)所吸引，因為像以前一樣，安裝新代碼比重建運行該軟件的機器人或其他機器更快更容易。這一領(lǐng)域的企業(yè)并購也快速增長，2013至2016年的復(fù)合年增長率約為80％。

與數(shù)字革命的其他投資相比，AI 的投資仍處于初期階段。例如，人工智能在 2016 年吸引了所有 VC 風(fēng)險投資的2％至3％，而信息技術(shù)普遍上漲了60%。 AI在2016年的PE公司投資總額中所占比例只有小部分：1％至3％。但AI投資增長較快，從2013年到2016年，AI技術(shù)的外部投資年復(fù)合增長率達到近40％。而2010年至2013年則為30％。不僅交易規(guī)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(yè)的信心越來越大，對技術(shù)和潛力有更好的了解。

根據(jù)PitchBook的說法，大部分投資者仍然沒有拿到投資回報。將機器學(xué)習(xí)作為核心業(yè)務(wù)的創(chuàng)業(yè)公司只有10％表示已經(jīng)產(chǎn)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(shù)中心主導(dǎo)，歐洲落后。我們在第3章進一步探討這些問題。

處在數(shù)字化前線的公司和行業(yè)已經(jīng)開始采納AI，但是其他人還在猶豫

基于期望 AI 采用者的市場能夠快速發(fā)展，并愿意支付AI基礎(chǔ)設(shè)施，平臺和服務(wù)，投資者正在向 AI 公司投入數(shù)十億美元。

顯然，亞馬遜，谷歌和其他公司正在為自己的應(yīng)用程序進行投資，例如優(yōu)化搜索和個性化營銷。但是了解傳統(tǒng)醫(yī)療保健，零售和電信公司在 AI 上所花費的成本并不容易。

為此，我們進行了一次調(diào)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(guī)模地納入其價值鏈；大多數(shù)具有 AI 技術(shù)意識的公司仍處于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(guī)模上或核心部分采用了一種或多種 AI 相關(guān)技術(shù)。10％的受訪者表示采用兩種以上的技術(shù)，只有9％的受訪者表示采用機器學(xué)習(xí)。

即使這樣可能夸大了 AI 的商業(yè)需求。我們對各種行業(yè)的160多個全球用例的審查發(fā)現(xiàn)，只有12％的發(fā)展超出了實驗階段。商業(yè)兼并可以解釋為什么一些公司可能不愿意采取行動。在我們的調(diào)查中，不良或不確定的回報是企業(yè)，特別是較小的公司不采納AI技術(shù)的主要原因。第3章進一步探討的監(jiān)管問題也變得更為重要。與每一個新的技術(shù)浪潮一樣，我們期望看到行業(yè)和企業(yè)之間早期和晚期采用者的不同模式。我們發(fā)現(xiàn)了AI采用早期模式的六個特征，這與公司采用和使用最新的數(shù)字技術(shù)的方式大致相符。不巧的是，在早期的數(shù)字化潮流中領(lǐng)先的同樣的玩家正在AI ，下一波浪潮中也居于領(lǐng)先地位。

第一個特點是，早期的AI采用者來自已經(jīng)在相關(guān)技術(shù)上進行大量投入的部門，如云服務(wù)和大數(shù)據(jù)，這些行業(yè)也處于數(shù)字資產(chǎn)和使用的前沿。這是一個至關(guān)重要的發(fā)現(xiàn)，因為它表明，談到數(shù)字化，行業(yè)外的公司和機構(gòu)正在追趕的證據(jù)并不明顯，因為每一代新技術(shù)都建立在前一代的。第二，獨立于部門，大型企業(yè)往往更快投入AI。這又是典型的數(shù)字采用，中小型企業(yè)在投資新技術(shù)的決定中通常落后。第三，早期采用者不是專門從事一種技術(shù)。它們更廣泛，因為它們同時采用多種AI工具來解決許多不同的用例。第四，投資規(guī)模大的企業(yè)靠近核心業(yè)務(wù)。第五，早期采用者傾向于通過人工智能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(chǎn)品和服務(wù)創(chuàng)新的一部分。

報告接下來討論的話題包括：

早期采納AI 技術(shù)的領(lǐng)域與數(shù)字化前線非常接近

談到對AI技術(shù)的采納，越大的公司，越勇敢

早期的采納者成為連續(xù)采納者

AI的應(yīng)用已經(jīng)開始成熟，而認真采取前瞻性策略的公司將得到顯著的競爭優(yōu)勢

人工智能技術(shù)近年來取得了顯著的進步。然而，其采納仍處于初步階段。這使得評估AI對企業(yè)和業(yè)務(wù)真正的潛在影響不容易。我們知道許多沒有采用AI的企業(yè)說，他們在做AI投資的業(yè)務(wù)方面有困難，但是采用了AI的那些公司呢？通過案例研究和調(diào)查，麥肯錫發(fā)現(xiàn)早期規(guī)模化采用AI的企業(yè)實現(xiàn)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(lǐng)域的不同職能。這些案例對許多利益相關(guān)者，包括跨國公司、初創(chuàng)公司、政府以及社會機構(gòu)都有著廣泛的影響。

結(jié)合強大的數(shù)字能力、穩(wěn)健的AI采用，以及前瞻性的AI戰(zhàn)略的企業(yè)，將實現(xiàn)巨大的財務(wù)業(yè)績。

數(shù)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(shù)公司Kiva，將“從下單到發(fā)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(jīng)營成本估計降低了20%，原始投資回報率接近40%。

大規(guī)模采用，或在核心業(yè)務(wù)部門采用AI技術(shù)的公司已經(jīng)看到了技術(shù)的潛力，實施前瞻性的AI戰(zhàn)略的公司的預(yù)期收益則更大。麥肯錫的調(diào)查比較了不同程度采用AI的企業(yè)的利潤率、數(shù)字化成熟度（體現(xiàn)在大數(shù)據(jù)和云服務(wù)的使用），以及公司戰(zhàn)略性立場（圖表5）。調(diào)查顯示AI的重度采用者的預(yù)期利潤相比非重度采用者高得多。

說明：當(dāng)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采用者；藍色線表示部分采用AI或?qū)嶒炐缘夭捎肁I的企業(yè)；灰色線表示非AI采用者。

這表明AI能夠為企業(yè)提供顯著的競爭優(yōu)勢，但僅限于完全致力于AI的企業(yè)。技術(shù)是一種工具，它本身并不提供競爭力。

在分析預(yù)期的未來利潤率時，也可以見到同樣的模式。在大多數(shù)行業(yè)中，不僅采用前瞻性AI策略的企業(yè)所匯報的當(dāng)前利潤率相比同行業(yè)平均水平高3%到15%，而且由于投資變得成熟，開始提供大量紅利，這一優(yōu)勢預(yù)計在未來將大大增長。在未來3年，這些AI領(lǐng)軍者的預(yù)期利潤率將比行業(yè)平均水平高多達5%。

麥肯錫的研究報告把AI創(chuàng)造價值的方式分成4類：使公司更好地預(yù)測需求、優(yōu)化研究和改進采購（Project）；提高公司以更低的成本和更高的質(zhì)量生產(chǎn)產(chǎn)品和提供服務(wù)的能力（Produce）；以恰當(dāng)?shù)膬r格、恰當(dāng)?shù)男畔⒑驼_的目標(biāo)客戶促進產(chǎn)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：

這4個創(chuàng)造價值的方式基于正在探索的或已被部署在企業(yè)中的用例。此外，雖然機器學(xué)習(xí)可以為各個行業(yè)帶來非常有價值的利益，但有些技術(shù)特別適用于特定行業(yè)的商業(yè)應(yīng)用，例如機器人應(yīng)用于零售和制造業(yè)，計算機視覺技術(shù)應(yīng)用于醫(yī)療保健行業(yè)，自然語言處理技術(shù)應(yīng)用于教育行業(yè)。

例如，在零售業(yè)，AI應(yīng)用于需求預(yù)測帶來的好處令人印象深刻。在某些情況下，基于AI的需求預(yù)測方法比傳統(tǒng)方法的預(yù)測誤差減少30%~70%（表格7）。由于產(chǎn)品無效性導(dǎo)致的銷售損失可以降低達65%。與運輸、倉儲和供應(yīng)鏈管理相關(guān)的成本預(yù)計可以分別降低5%~10%和25%~40%，庫存總量可以減少20%~50%。

早期采用者和早期案例研究表明，AI有潛力改變業(yè)務(wù)流程，重組整個行業(yè)，增加利潤并創(chuàng)造新的價值來源。AI的應(yīng)用已經(jīng)開始成熟，而認真采取前瞻性策略的公司將得到顯著的競爭優(yōu)勢。此外，機器學(xué)習(xí)和深度學(xué)習(xí)雖然是大多數(shù)機會的支撐技術(shù)，但企業(yè)需要確定哪些是能為它們帶來最大收益的AI技術(shù)，然后盡早建設(shè)基礎(chǔ)設(shè)施、人才、和知識，以趕上學(xué)習(xí)和采用的曲線。本部分介紹了AI創(chuàng)造價值的4個方面，但是，這樣的收益不是一夜間可以實現(xiàn)的。下一部分將討論企業(yè)、AI廠商、以及政府應(yīng)該如何抓住這個機會。

為了實現(xiàn)AI的全部潛力，企業(yè)、開發(fā)者以及政府需要采取行動

雖然AI有潛力從根本上重塑社會，但技術(shù)發(fā)展仍然存在著重大的不確定性。對于企業(yè)、政府和從業(yè)者來說，這可能意味著“等待并觀望”的做法。但是，麥肯錫的報告認為有必要采取立即、并且明確的行動來應(yīng)對已經(jīng)很顯見的機會和風(fēng)險。

企業(yè)需要關(guān)注AI使用案例，最大限度增加價值并確保它們有正確的數(shù)字加持者。

盡管在當(dāng)前，許多行業(yè)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對出租車行業(yè)所造成的沖擊那樣，以AI為驅(qū)動力的新進入者能夠壓制性地取得勝利。AI不僅改變業(yè)務(wù)流程，還將改變整個業(yè)務(wù)模式，獲得全面的競爭優(yōu)勢，而那些等待風(fēng)險消解的企業(yè)將被遺棄。

因此，現(xiàn)在就應(yīng)采取行動。企業(yè)應(yīng)該對最具價值的AI使用案例進行清晰的分析，并建立配套的數(shù)字資產(chǎn)和能力。實際上，AI轉(zhuǎn)型成功的核心要素與一般性的數(shù)據(jù)和分析的要素是一致的（圖表8）。包括：建立數(shù)據(jù)生態(tài)系統(tǒng)、采用正確的技術(shù)和工具、將技術(shù)整合到工作流程、以及在重新培訓(xùn)員工技能時采用開放、合作的文化。

點擊查看麥肯錫報告PDF原件：MGI-Artificial-Intelligence-Discussion-paper

著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。