摘要：埃森哲，“機器學習保險（Machine Learning In Insurance ）”（PDF，14頁）紐約投資公司ARK Invest，“2019大猜想，創新是增長的關鍵（Big Ideas 2019, Innovation is the Key To Growth）”（PDF，94頁）美國政府問責局，“人工智能：新興機遇，挑戰和啓示（Artificial Intelligence: Emerging Opportunities, Challenges and Implications）”（PDF，100頁）安永會計師事務所，“Artificial Intelligence in Europe: How 277 Major Companies Benefit from AI Outlook for 2019 and Beyond（歐洲的人工智能：2019年甚至未來的277家主要公司如何從人工智能展望中獲益）”（PDF，41頁）“人工智能指數2018年度報告（Artificial Intelligence Index, 2018 Annual Report ）”（PDF，94頁）波士頓諮詢集團，“規模化人工智能：數字化轉型的下一個前沿（AI at Scale: The Next Frontier in Digital Transformation）”凱捷諮詢Capgemini，“驅動汽車行業的人工智能轉型：如何在企業上下推動人工智能以提高組織價值（Accelerating Automotive’s AI transformation: How driving AI enterprise-wide can turbo-charge organizational value）”（PDF，36頁）Chamakkala，Vipin，“今天的人工智能軟件基礎設施景觀（Today’s AI Software Infrastructure Landscape”，2018年5月7日德勤，“企業版AI，第2版：早期採用者將看漲熱情與戰略投資相結合（State of AI in the Enterprise, 2nd Edition：Early adopters combine bullish enthusiasm with strategic investments ”（PDF，28頁）福布斯，“中國如何支配人工智能（How China Is Dominating Artificial Intelligence）”（2018年12月16日）福布斯，“微軟領導人工智能競賽進入2019年（ Microsoft Leads The AI Patent Race Going Into 2019）”（2019年1月6日）波士頓諮詢，“ Mind the (AI) Gap: Leadership Makes the Difference（人工智能差距：領導力決定一切）”（PDF，20頁）根據IDC最新支出指南，預計到2022年，全球在認知和人工智能系統方面的支出將達到77.6億美元。IDC，“IDC全球認知人工智能系統半年度支出指南（IDC Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide）”（PDF）經濟學家，“風險與回報：關於機器學習的經濟影響（Risks and Rewards, Scenarios around the economic impact of machine learning）”（PDF，80頁）麥肯錫，“人工智能管理指南（An Executive’s Guide to AI）”麥肯錫全球研究院，“抓住歐洲在數字和人工智能方面的差距（Tackling Europe’s gap in digital and AI）”（2019年2月討論文件）麥肯錫全球研究所，“Applying artificial intelligence for social good”麥肯錫全球研究院，“AI前沿筆記：追蹤歐洲在數字和人工智能方面的差距（Notes from the AI Frontier: Tackling Europe’s Gap In Digital and AI）”（PDF，60頁）麥肯錫全球研究院，“AI前沿筆記：深度學習的應用價值（Notes from the AI frontier: Applications and value of deep learning）”（2018年4月）麥肯錫全球研究院，“可視化人工智能和其他分析的用途和潛在影響（Visualizing the uses and potential impact of AI and other analytics）”（2018年4月）麥肯錫全球研究院，“NOTES FROM THE AI FRONTIER INSIGHTS FROM HUNDREDS OF USE CASES（來自數百個用例的AI前沿見解的註釋）”（PDF，36頁）麻省理工學院斯隆管理評論，“Artificial Intelligence in Business Gets Real: Pioneering Companies Aim for AI at Scale（商業中的人工智能變得真實：創業公司的目標是AI規模）”（PDF，2018年9月17日）數據分析公司Statista，“深度：人工智能2019年（In-Depth: Artificial Intelligence 2019）”（2019 年 2月）Tractica公司，“2019年人工智能十大預測（Artificial Intelligence: 10 Predictions for 2019 ）”（PDF，12頁）美國政府問責局，“人工智能技術評估，新興機遇，挑戰和啓示（AI technology Assessment, Emerging Opportunities, Challenges, and Implications ）”（PDF，100頁）世界經濟論壇，“如何防止機器學習中的歧視性結果（How to Prevent Discriminatory Outcomes in Machine Learning ）”（PDF，30頁）。

利用更深入的洞察來加強銷售和市場營銷，以改善客戶體驗，已經成爲推動人工智能和機器學習應用的主要催化劑之一。

瑞士獨立的經濟研究和諮詢公司EconSight，最近公佈了他們題爲“Artificial Intelligence As A Key Technology and Driver of Technological Progress（人工智能作爲技術進步的關鍵技術和驅動因素）”的研究報告。EconSight常務董事Kai Gramke發現，人工智能專利和知識產權開發以市場營銷類爲主，而且也是增長最快的一個類別，在2010年至2018年期間的複合年增長率達到29.3％，位列第二和第三位的人工智能專利類別分別是基於人工智能的數字安全（23.4％）和基於人工智能的移動（23％）。

Kai Gramke和EconSight以時間序列可視化的方式，呈現了人工智能專利的發展狀況：

另外，雲平臺正在迅速成爲人工智能和機器學習的知識產權和專利鑄造廠。雲平臺提供商AWS、Google Cloud、IBM Cloud、微軟Azure等都在全球範圍展開了一場專利和知識產權的競賽。大家都在致力於開發一套基於人工智能的服務，橫跨各種代碼開發、用例和平臺進行擴展。在前四大雲平臺廠商中，微軟Azure在創建人工智能服務的數量和種類方面領先於其他廠商。

藉此機會，我們整理了過去一年內的機器學習市場預測和市場評估，得出以下指南：

1、到2020年，人工智能和機器學習有望在市場營銷和銷售方面創造2.6萬億美元的額外價值，在製造和供應鏈方面創造2萬億美元的額外價值。麥肯錫的一項報告對比了“高級分析”與“人工智能和機器學習”在常見企業用例中創造的價值。【資料來源/麥肯錫“Visualizing the uses and potential impact of AI and other analytics（可視化人工智能和其他分析的用途和潛在影響）”（2018年4月）】

2、IDC預測，到2022年，全球認知和人工智能系統的支出將達到776億美元，三倍高於2018年預測的240億美元。IDC分析，2017-2022年，認知和人工智能系統市場將實現37.3％的複合年增長率（CAGR），這一點令人印象深刻，在整個預測期內，軟件將是規模最大且增長最快的技術類別，約佔所有認知/人工智能支出的40％，五年複合年增長率爲43.1％；在2017年-2022年預測期內，投資增長最快的用例是藥物研究和發現（46.8％ CAGR）、專業購物顧問和產品推薦（46.5％ CAGR）、企業知識型員工的數字助理（45.1％ CAGR）和智能處理自動化（43.6％CAGR）。【資料來源：IDC Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide（IDC全球認知人工智能系統半年度支出指南）】

3、在HFS Research和畢馬威會計師事務所最近的一項調查中，有47％的受訪者表示，他們要麼擴大了機器學習的規模，實現了機器學習的工業化，要麼正在將項目投入生產。53%的受訪者表示，他們所在的組織要麼擴大了分析的規模，實現了分析的工業化，要麼正在進入生產階段。【資料來源/數據統計資源網站Statista，基於HFS Research和畢馬威會計師事務所的研究，“Adoption plans for Intelligent Automation (IA) technologies in organizations worldwide as of 2018（截止2018年全球企業組織的智能自動化技術採用計劃）”】

4、改善客戶體驗和個性化，是營銷人員採用人工智能和機器學習的主要原因。Adobe發現，營銷負責人正在優先考慮基於人工智能和機器學習的應用程序和平臺，以改善客戶體驗。有82%的市場領導者表示，正在採用人工智能和機器學習來改進他們的個性化策略。有64%的公司表示，依賴人工智能和機器學習更精準的推送目標內容、促銷信息。【資料來源/數據分析公司Statista，“Leading reasons to use artificial intelligence (AI) for marketing personalization according to industry professionals worldwide in 2018（2018年全球行業專業人士使用人工智能進行市場營銷個性化的主要原因）”】

5、麥肯錫發現，在採用了機器學習和人工智能的企業中，有82%的企業獲得了經濟回報。從全行業來看，認知技術的投資回報率平均爲17％。科技、媒體和娛樂、電信領域的企業正在加大投資，實現最高的投資回報率。Netflix發現，如果用戶搜索一部電影超過90秒，他們就會放棄，Netflix通過人工智能來改善搜索結果，防止客戶流失，每年避免10億美元的潛在收入損失。【資料來源/德勤：“State of AI in the Enterprise, 2nd Edition，Early adopters combine bullish enthusiasm with strategic investments（企業人工智能現狀，第二版，早期採用者的熱情與戰略投資）”】

6、截至去年，23％的北美企業至少在一種企業職能中嵌入了機器學習。在發展中市場（包括中國）有19%的企業、在歐洲有21%的企業也已經成功地將機器學習融入企業職能中。下圖顯示了麥肯錫對2135名企業高級管理人員進行調查的結果。該圖顯示了已經將人工智能嵌入了至少一種企業職能或者業務單元的受訪者比例。【資料來源/麥肯錫“Artificial Intelligence Index，2018 Annual Report （人工智能指數，2018年年度報告）”】

7、通過在供應鏈運營和生產中心大規模部署人工智能，大型汽車OEM廠商可以將運營利潤提高16%。全球資訊科技服務管理廠商凱捷對汽車原始設備製造商如何提高運營利潤做出了保守而樂觀的預測。保守設定的目標是2.32億美元——比當前水平提高5％，這一收益來自運營成本平均降低0.2％，如勞動力、原材料、物流、管理、檢查和維護等成本。在樂觀的情況下，這一增幅將超過三倍，達到7.64億美元。這一場景假設僅實現33％的財務影響，使營業利潤增加16％。【資料來源/Capgemini凱捷，“How driving AI enterprise-wide can turbo-charge organizational value（驅動汽車行業的人工智能轉型：如何在企業上下推動人工智能以提高組織價值），2019年3月”】

8、中國人工智能的主導地位覆蓋多個行業，而大多數國家只專注於少數幾個行業。BCG採訪了500家中國企業，發現“2017年新一代人工智能發展計劃”正在給人工智能試點項目、人工智能的採用、人工智能項目的成功帶來跨行業的影響。與美國和其他等國家不同，中國從人工智能中汲取價值的總體優勢，並不是由一兩個特定行業的強勢主導地位推動的，而是一種國家級的、行業級的現象，其根源在於中國經理人如何看待人工智能的創新。【資料來源/波士頓諮詢公司，“Mind the AI Gap, December 5, 2018（AI差距，領導力造就不凡，2018年12月5日）”】

9、從2008年至2018年期間，英國在人工智能和機器學習的企業收購、私募股權投資和併購方面的投資達到72億美元，領先於其他所有歐洲國家。從歐洲的人工智能交易活動來看，過去十年來一直保持着穩定的增長趨勢，截止2017年共有1334筆交易涉及人工智能——過去5年增長了6倍。【資料來源/安永，“Artificial Intelligence in Europe: How 277 Major Companies Benefit from AI Outlook for 2019 and Beyond by Ernst & Young（人工智能在歐洲：2019年及未來277家主要企業如何受益於人工智能）”】

10、根據麥肯錫全球研究院數據顯示，到2030年，人工智能可以推動歐洲經濟活動平均增長20％。歐洲的人工智能初創企業約佔全球企業總數的25%，其中很多公司專注於如何提高製造業和服務業的收入增長。【資料來源/麥肯錫全球研究院，“Notes from the AI Frontier: Tackling Europe’s Gap In Digital and AI （AI前沿筆記：追蹤歐洲數字化和人工智能的差距）”】

11、Gartner預測，到2020年，人工智能創造的商業價值將達到3.9萬億美元。在預測期內，改善客戶體驗的創新方法將成爲商業價值的主要來源。Gartner預測，大部分商業價值將來自於企業組織成功實現客戶增長和客戶保留。【資料來源/Gartner預測，2018年全球人工智能創造的商業價值達到1.2萬億美元】

12、IDC預測，到2022年，全球在認知和人工智能系統上的支出將達到776億美元。2018年這部分市場收入達到240億美元，2017年到2020年的複合年增長率（CAGR）預計將達到37.3％。【資料來源/IDC，IDC Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide（IDC全球認知人工智能系統半年度支出指南）】

【附“2019年機器學習市場潛力大盤點”資料下載方式：進入科技行者微信公衆號（ID：itechwalker），回覆關鍵字“機器學習資料”，即可獲得。】

埃森哲，“機器學習保險（Machine Learning In Insurance ）”（PDF，14頁）紐約投資公司ARK Invest，“2019大猜想，創新是增長的關鍵（Big Ideas 2019, Innovation is the Key To Growth）”（PDF，94頁）美國政府問責局，“人工智能：新興機遇，挑戰和啓示（Artificial Intelligence: Emerging Opportunities, Challenges and Implications）”（PDF，100頁）安永會計師事務所，“Artificial Intelligence in Europe: How 277 Major Companies Benefit from AI Outlook for 2019 and Beyond（歐洲的人工智能：2019年甚至未來的277家主要公司如何從人工智能展望中獲益）”（PDF，41頁）“人工智能指數2018年度報告（Artificial Intelligence Index, 2018 Annual Report ）”（PDF，94頁）波士頓諮詢集團，“規模化人工智能：數字化轉型的下一個前沿（AI at Scale: The Next Frontier in Digital Transformation）”凱捷諮詢Capgemini，“驅動汽車行業的人工智能轉型：如何在企業上下推動人工智能以提高組織價值（Accelerating Automotive’s AI transformation: How driving AI enterprise-wide can turbo-charge organizational value）”（PDF，36頁）Chamakkala，Vipin，“今天的人工智能軟件基礎設施景觀（Today’s AI Software Infrastructure Landscape”，2018年5月7日德勤，“企業版AI，第2版：早期採用者將看漲熱情與戰略投資相結合（State of AI in the Enterprise, 2nd Edition：Early adopters combine bullish enthusiasm with strategic investments ”（PDF，28頁）福布斯，“中國如何支配人工智能（How China Is Dominating Artificial Intelligence）”（2018年12月16日）福布斯，“微軟領導人工智能競賽進入2019年（ Microsoft Leads The AI Patent Race Going Into 2019）”（2019年1月6日）波士頓諮詢，“ Mind the (AI) Gap: Leadership Makes the Difference（人工智能差距：領導力決定一切）”（PDF，20頁）根據IDC最新支出指南，預計到2022年，全球在認知和人工智能系統方面的支出將達到77.6億美元。IDC，“IDC全球認知人工智能系統半年度支出指南（IDC Worldwide Semiannual Cognitive Artificial Intelligence Systems Spending Guide）”（PDF）經濟學家，“風險與回報：關於機器學習的經濟影響（Risks and Rewards, Scenarios around the economic impact of machine learning）”（PDF，80頁）麥肯錫，“人工智能管理指南（An Executive’s Guide to AI）”麥肯錫全球研究院，“抓住歐洲在數字和人工智能方面的差距（Tackling Europe’s gap in digital and AI）”（2019年2月討論文件）麥肯錫全球研究所，“Applying artificial intelligence for social good”麥肯錫全球研究院，“AI前沿筆記：追蹤歐洲在數字和人工智能方面的差距（Notes from the AI Frontier: Tackling Europe’s Gap In Digital and AI）”（PDF，60頁）麥肯錫全球研究院，“AI前沿筆記：深度學習的應用價值（Notes from the AI frontier: Applications and value of deep learning）”（2018年4月）麥肯錫全球研究院，“可視化人工智能和其他分析的用途和潛在影響（Visualizing the uses and potential impact of AI and other analytics）”（2018年4月）麥肯錫全球研究院，“NOTES FROM THE AI FRONTIER INSIGHTS FROM HUNDREDS OF USE CASES（來自數百個用例的AI前沿見解的註釋）”（PDF，36頁）麻省理工學院斯隆管理評論，“Artificial Intelligence in Business Gets Real: Pioneering Companies Aim for AI at Scale（商業中的人工智能變得真實：創業公司的目標是AI規模）”（PDF，2018年9月17日）數據分析公司Statista，“深度：人工智能2019年（In-Depth: Artificial Intelligence 2019）”（2019 年 2月）Tractica公司，“2019年人工智能十大預測（Artificial Intelligence: 10 Predictions for 2019 ）”（PDF，12頁）美國政府問責局，“人工智能技術評估，新興機遇，挑戰和啓示（AI technology Assessment, Emerging Opportunities, Challenges, and Implications ）”（PDF，100頁）世界經濟論壇，“如何防止機器學習中的歧視性結果（How to Prevent Discriminatory Outcomes in Machine Learning ）”（PDF，30頁）