人工智慧 AI 雲端服務 Cloud AlphaGo Amazon Google Microsoft

迎戰人工智慧市場 IT大廠與新創各有利基

AI洗牌風暴正在醞釀 結合行業需求尋變現途徑

2019-09-30
在未能創造營收與獲利下,投資熱度已出現降溫現象。從吳恩達、閔萬里相繼離職,加上IBM Watson Health部門大幅裁員等,在在都透露出一股人工智慧業界洗牌風暴正在醞釀的訊息。

 

人工智慧熱潮持續延燒,各主要國家皆積極投入研發展開佈局。其中,中國大陸急起直追,相關技術能力快速提昇,更引起美國的關注與擔憂。中國大陸不僅國務院發表「三步走」的人工智慧三階段發展計畫,最終目標是2030年技術與應用總體達到世界領先水準,業界亦投入大量資源進行研發。除BAT(百度、阿里巴巴、騰訊)陸續開設人工智慧實驗室,邀請吳恩達、閔萬里等全球頂尖華人科學家領導研發,大舉召募高階工程師外,新創公司更是如雨後春筍般成立。

應用落地為現階段發展關鍵

然而,北京市經濟和資訊委員會發佈的「2018北京人工智慧產業發展白皮書」指出,中國大陸的人工智慧公司已超過4千家,其中無法獲得繼續投資者佔7成,顯示在未能創造營收與獲利下,投資熱度已出現降溫現象。此外,主持百度、阿里巴巴人工智慧實驗室的吳恩達、閔萬里相繼離職,加上IBM Watson Health部門大幅裁員等,在在都透露出一股人工智慧業界洗牌風暴正在醞釀的訊息。

2010年IBM的Watson超級電腦在美國知名益智問答節目Jeopardy中勝出,2016年AlphaGo相繼打敗世界圍棋高手等訊息,都曾佔據媒體版面,但一時性的新聞報導,後續若無實際成功應用驅動效應擴大,終將逐漸被淡忘。目前對人工智慧發展的期待已進入應用落地的階段,因此其關鍵在於經過多年研發的技術能否實際結合行業需求,找到適合的商業應用與變現途徑。

IT大廠利用AI雲端服務獲利

對Amazon、Google、Microsoft等IT大廠而言,人工智慧是必爭的市場,除積極開發相關技術外,亦利用雲端基礎設施,建置人工智慧(機器學習)平台,如Amazon Machine Learning等,以供應各種應用API方式或工具庫,提供服務收取費用為商業模式。

由於平台結合決策演算法與數據,用戶只要選用所需的API或工具即可進行智慧化解決方案開發工作,而不需撰寫程式等過程,可降低初期資金投入,並縮短開發時程。但是人工智慧技術開發具一定門檻,從開發、測試到商用化需長時間投入,過程除選用API、工具外,亦需要雲端的運算、資料庫、儲存、傳輸等資源與服務,都為平台業者帶來豐碩的營收。 此外,因人工智慧應用涵蓋行業廣泛,即便是IT大廠亦無法面面俱到,不難理解其採取運用既有雲端基礎提供人工智慧平台服務的商業模式,除因初期相關投資龐大門檻高,可阻絕新進小廠加入競爭外,亦可立即創造營收,並建構生態系,成為此波人工智慧熱潮的早期獲利者。

新創公司從垂直領域找出口

對新創公司而言,採用雲端服務雖降低一定程度資金進入門檻,但因人工智慧技術複雜度高,需要高質量人才投入,仍不可輕忽財務面的負擔。若無法找出垂直領域需求,加速應用開發,欲再度獲得創投資金青睞的難度勢必升高,對整體營運造成不良影響。因此,未來幾年內開始出現新創公司資金消耗殆盡,無以為繼化為泡沫的狀況,將是可預期的。

在此狀況下,選擇圖像/影像辨識、語音辨識等相對成熟,且具市場潛力的人工智慧技術切入,善用既有的開放資源,開發特定垂直領域且可落地的應用解決方案,儘早創造營收,應是比較務實的發展策略。

以Nuance為例,其因辨識技術被Siri採用,而聲名大噪,但在深度學習技術應用於語音辨識,促使開發門檻大幅降低之下,競爭廠商技術水準快速趕上,導致市場被瓜分,市佔率大幅下降。Nuance亦不得不由語音辨識底層技術開發商轉型為醫療等企業應用解決方案供應商,以突破經營困境。

此外,「Amazon Echo」、「Google Home」等智慧音箱推出市場後熱賣,吸引日本等廠商相繼跟進,但其大部分採用「Amazon Alexa」或「Google Assistant」做為智慧音箱的語音對話介面,而非自行投入研發。究其原因,不外乎以「Time to Market」為優先,或因語音辨識底層技術差異化不易,選擇將資源集中於功能差異化或建構生態系等為第一考量。

切入特定領域需求

在此發展策略下,新創公司可以提供特定領域應用之人工智慧顧問諮詢服務與解決方案為商業模式。解決方案的開發可從解決企業面臨的各種問題痛點著手,避免陳義過高的完全取代訴求,例如總機接待等員工長期從事意願低工作類型的取代,以及在醫療、金融、法律、農業等特定專業領域提供輔助,精進品質或提昇效率等方向,挖掘企業的痛點,是可思考的切入點。特定專業領域部分,如具有高精準度的圖像辨識技術,運用在X光、超音波等醫療影像之腫瘤等特徵辨識,對於工作時間長的醫療人員的疾病研判,可降低工作負擔,提供很好的輔助功能。

此外,亦須從資料持續累積更新的狀況思考,目前的收費模式,大致可分為一次性/升級收費與訂閱式收費兩種。一次性/升級收費為買斷方式,適合資料變化不大、複雜度較低的智慧型解決方案,如智慧型接待系統等。訂閱式收費則適合資料頻繁更新、機器學習模式須經常重新訓練的人工智慧系統,用戶可以訂閱按月付費方式,持續取得更新升級服務。

此波人工智慧掀起的熱潮,形成磁吸效應,吸引大量資源投入,雖有助於加速發展,但從過去發展歷程來看,相關技術無法一次到位,需要長時間累積與主客觀條件配合,才能逐一突破瓶頸。理論與實務永遠存在落差,因此對人工智慧的發展亦不容過度樂觀,反而應思考退潮後的風險。

<本文作者周維忠,現任資策會MIC主任,專業於資訊應用相關技術及基礎環境與市場趨勢研究,長期深度觀察資訊應用新興技術發展、創新服務模式與市場競爭態勢。資策會產業情報研究所(MIC)長期觀測紀錄高科技產業市場情報及發展趨勢,是臺灣資通訊產業最重要的軍師,也是政府倚重的專業智庫。更多資訊請參閱官網https://mic.iii.org.tw/>


熱門活動

more →

追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!