导语 “越来越拥挤”，是全球知名创投研究机构CB Insights对目前“全球独角兽俱乐部”的形容。
确实，在CB Insights刚刚公布“全球最有前途的100家AI人工创业公司榜单”之后，最近又马不停蹄的发布了最新的全球32家AI独角兽公司名单。
其中大多企业都来自于美国和中国，例如美国有17家，中国有10家，此外还包括来自英国、日本、以色列的企业。
值得注意的是，在中国企业中除了被人熟知的商汤科技、云从科技、寒武纪、依图科技、旷视科技等知名企业外，字节跳动也位列其中。（难道是由于今日头条突然改名为字节跳动，导致老外难以分辨？）
此外，最近渐渐进入人们视野的第四范式、碳云智能两家企业也进入榜单，可见AI行业从不缺少新鲜血液。
从CB Insights统计来看，在2018年诞生的AI独角兽的数量达到17家，几乎翻了一倍，而2017年则有9家AI独角兽成立。
面对越来越拥挤的独角兽俱乐部以及激烈的竞争， 2019年AI新机遇在哪儿？
聚焦or多点开花？
从中国AI企业所涉足的领域来看，商汤科技、云从科技、依图科技以及旷视科技4家均面向计算机视觉，也就是人脸识别。
余下的中国企业，包括专注于AI芯片的寒武纪、兼顾芯片和语音识别的云知声，主攻银行和保险行业反欺诈领域的第四范式（运用数据分析及机器学习）以及以医疗为主要场景的碳云智能。
而字节跳动当然也有自己的优势AI技术，所面向的领域自然是内容的智能推荐。
所以，中国AI企业显得过于聚焦，涵盖的应用场景略逊于欧美国家。
以美国为例，除了自动驾驶、机器人外，还包括网络安全、工业物联网平台、药物开发、销售团队平台、行为分析、商业智能、便携式超声诊断、招聘平台等等，可谓多点开花。
虽然中国企业一直有“一窝蜂”的传统，但也不能排除技术的差异和国情等因素所致，然而作为公认的AI应用场景大国，改变这一尴尬的局面势必成为中国AI企业的首要任务。
用机器学习定义AI公司
CB Insights在报告中也提到，机器学习是定义AI公司的重要因素，并助力差异化竞争。
因此，我们认为无论是怎样的AI公司，其所提供的核心产品都必须围绕机器学习展开，当然包括技术、芯片、软件以及解决方案，都需要融入机器学习相关技术和算法。
例如，商汤科技和旷视科技表面上提供的是AI软件，为客户提供面部识别技术，但更深层次上来说，这些技术和产品中都蕴含着机器学习等AI技术。
其根本目的，就是让计算机实现自我学习，模仿人类的思维和行为，以提升相应场景的执行效率、效果以及降低成本。
由此，我们发现，目前AI技术不仅仅是初创企业的专利，大量科技和互联网企业都已经将其视作未来竞争的关键技术储备，并在AI技术的研发上投入巨大，更上升到战略的高度。
全球的科技巨头谷歌、微软、亚马逊、Facebook、苹果以及国内的BAT、TMD都已经将AI上升到战略级别，大量产品都融入了AI相关技术，就是最好的例子。
所以，我们认为CB Insights此次的榜单虽然不能完全说明中国AI企业的情况，但从中可以看出，国外对于AI独角兽的评判标准，即强调机器学习，并需要深耕在某一行业或应用场景中。
AI新机遇在哪儿？
最近，CB Insights不只是忙着发布排行榜，还提出了2019年AI行业的25大趋势。
CB Insights针对这些趋势，从行业应用率、市场竞争优势等不用维度进行评估，并将其归纳为必要性、实验性、威胁性、暂时性四大类。
具体趋势大致为：
开源框架
胶囊网络
生成式对抗网络
联合学习
强化学习
人工智能终端化
人脸识别
语言处理
自动驾驶
聊天机器人
医学成像与诊断
下一代假肢
临床试验患者招募
医疗生物识别
药物发现
预测性维护
后台自动化
综合训练数据
网络威胁预警
电子商务搜索
汽车索赔处理
防伪
零售
农作物监测
尽管CB Insights只是从行业、应用及技术出发做列举，但从中我们还是能发现不少值得参考的信息。
1.核心技术将不断深入
AI一直引领科技的发展，从趋势来看，新名词又将不断涌现而出。
例如，胶囊网络、生成式对抗网络、联合学习、强化学习等，无论含义如何，都将代表技术正朝着深入发展，并使得AI不断完善，趋于成熟。
2.热门应用场景有火爆
提到热门应用场景，无外乎于人脸识别、语言处理、自动驾驶、聊天机器人等，目前均以得到了较为广泛的应用和发展。
国内外大量AI独角兽均围绕这些应用场景进行深入的研发和拓展，获得了不错的成果，因此2019年这些热门应用场景依旧火爆，吸引更多企业的目光。
此外，医疗行业将成为AI新一轮的增长点，例如医学成像与诊断、下一代假肢、临床试验患者招募、医疗生物识别、药物发现，都将利用AI技术提升医疗水平和效率，实现更多的可能。
3.数据应用将日趋成熟
数据被认为是AI时代的“石油”，成为重要的数字资源。
同样，利用AI技术也能够更有利于挖掘数据的价值，为各行各业提升竞争力。
在预测性维护、综合训练数据、网络威胁预警、防伪、农作物监测等场景中，都需要通过数据的分析和挖掘，不仅能让AI从中找到更多有价值的数据，更有利于训练AI的决策和学习能力，助力机器学习和深度学习的发展。
总结
众所周知，AI的发展必须与应用场景相结合，通过数据的挖掘和机器学习等技术，以应对不同行业的挑战，获取新机遇。
CB Insights的排名只是抛砖引玉，让我们对行业发展和趋势有了更深刻的认识。同时，也让人们意识到AI技术的发展和应用场景的拓展，还只是冰山一角，仍然拥有巨大的“蓝海”尚待开发。
目前，业内普遍认为，中国在AI应用场景方面领先美国。同时，从目前中国AI独角兽的数量及发展速度来说，这一推断并不为过，说明了中国在AI领域的巨大潜力。然而，中国企业过于聚焦于相同领域，导致同质化严重，差异化竞争难以实现，从而落后于欧美竞争对手。
所以，我们认为未来只有继续AI核心技术研发、深耕行业和应用场景，寻求差异化竞争，就能获取更多的行业新机遇，开辟更广阔的蓝海。
本文版权归原作者所有，同心智造网（www.hahakm.com）转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
