七大動態趨勢塑造未來AI服務市場

【獵雲網（微信號：ilieyun）】9月14日報道 （編譯：小白）

軟體或許正在吞噬整個世界，但每在企業軟體上花費1英鎊，就有3英鎊消耗在IT服務商——諮詢、系統集成和外包。了解人工智慧——當今最重要的技術——我們必須了解AI相關的IT服務市場上正在發生的結構變化。我們與IT服務買家和供應商進行了52次電話會議，並調查了市場數據。以下，我們總結了AI服務市場上的七大動態——從軟體和IT服務公司的「融合」到專業化分工時代。

AI服務供應商為中型買家和企業提供了各種舉措，從聊天機器人應用到提供基於AI的分析工具（「AI分析」）——AI技術的一個核心用例。而我們的分析則側重於可以實現這一AI分析的IT服務公司。

AI分析是指將機器學習技術應用於企業數據以獲得洞察力。AI分析通常適用於：

- 企業資源數據，如庫存和訂單管理信息，以獲得商業智能；以及

- 來自業務功能的數據，以提高績效，比如分析營銷信息來改善客戶細分和流失預測。

新興市場

AI服務市場仍屬於新鮮事物——得益於企業內部對AI本身的接納仍處於早期階段。

買家對AI的認識與他們對該技術的了解存在一定差距。鑒於媒體對AI的關注，以及供應商對該技術的營銷，企業高管對AI技術有著較高的意識——在中型（營收2-10億美元）的企業和大型（營收10億+）的企業中，八成以上管理者十分清楚AI技術的重要性，但是買家們對AI的理解卻十分有限，僅三成。他們對AI技術原理，用例和部署方法，知之甚少。

雖然他們對AI的理解十分有限，但是由於買家們急切地試圖從數據中獲取價值並避免被競爭對手超越，他們對AI技術的投資十分慷慨。

儘管對AI的潛力十分看好，很多高管依然對採用AI舉措感到不安，原因主要在於供應商未能對具體的業務問題給出針對性的解決方案，難以證明投資回報率，供應商的過度Cheng錯以及重要項目的失敗。除此之外，許多買家仍在實施或整合以往在核心數據管理方面的投資，包括數據湖和報告工具。許多買家在投資先進的基於AI技術的分析工具之前，仍有許多重要的數據收集、整合和統一工作需要完成。因此，AI服務市場仍處於早期結算，大多數買家仍處於「測試和學習」狀態。幾乎每一個參與都是從概念驗證項目開始。與企業高管們的交流告訴我們，我們正處於變革的萌芽階段，未來十年內，各個企業將逐步展開範式轉變。

為了釋放市場價值，供應商必須提供有形的投資回報率（ROI）。無論是影響收入的直接驅動力還是減少公司的超額支出或資源需求，供應商的效果將被拿來與買方現有的流程和關鍵業績指標進行比較評估。為了節約成本，AI服務供應商往往會提供沒有針對性業務價值的「AI」。在可測量結果而非感知收益驅動下的市場上，能夠給予有形收益的企業將具有更大的競爭優勢。

外包趨勢

隨著中型公司和企業不斷開始進行AI試驗，大多數方案都至少包括了將一個要素外包給AI服務供應商以實現其整體目標，這一趨勢為AI服務市場提供了增長。缺乏AI專門知識技能人才的公司則尋求專家來在試驗和測試周期中提前佔據優勢，並且重新部署現有員工的同時將不得不放慢其他措施。

在接下來的三年中，我們預計大多數公司將與第三方公司在數據科學領域展開合作。鑒於資源限制和聘請內部數據科學家團隊的風險，中小型企業更傾向於外包整個AI項目。而大型企業，則會採用「混合」方式——一邊與外包供應商合作，一邊開發他們自己的數據科學能力。

從長遠來看，中型公司將持續成為第三方AI功能的主要用戶。考慮到僱傭和增強AI團隊的困難與成本，以及外包商們在特定領域提供一流解決方案的能力，AI服務企業將成為重要的合作夥伴。

市場高速發展

雖然目前的AI服務市場仍十分新穎，我們預計隨著買家的信心不斷增加，以及概念驗證在更廣泛的部署中獲得認可，這一市場的發展將極為迅速。一般分析服務的支出將十分龐大，每年約600億美元，且以每年20%的速度高速增長，到2020年支出將達1000億美元。然而，眼下，一般分析服務支出中僅有5%不到被用於人工智慧分析服務。但是到2020年，我們預計這一比例將增加三倍乃至更多，並形成一個價值數十億美元的大型市場：

?  隨著核心部署趨於成熟且不斷尋求先進的競爭優勢，客戶將把他們用於一般分析預算中的先進分析技術投資比例增加到40%以上；

?  隨著AI逐漸成為基石技術，高級分級中使用AI技術比例將從一個微不足道的技術發展至囊括大量的高級分析部署——約40%。

融合與整合

「融合」的強大趨勢正在重塑AI服務市場。有效的軟體公司正在加強其服務能力，以實現更廣泛、更成功的部署。同時，服務公司正在開發和獲取從工具到全面應用的技術資產，以獲得客戶機會並降低服務成本。

除了開發技術資產，公司也在不斷收購這些資產。僅2015年一年，諮詢巨頭麥肯錫已然收購了高級分析公司4Tree（一家針對消費品價格和促銷優化的公司），VisualDOD（國防行業分析公司）以及QuantumBlack（企業績效分析公司）。

在這個分散的市場中，全球諮詢公司和系統集成商與專業的和中型的AI服務供應商互補。我們預計未來幾年的收購價格將持續升溫。那些在特定業務功能或領域具有最佳能力和優秀AI專家的專業或中型AI服務供應商，將成為尋求更強大能力與AI技術人員的全球供應商眼中的香餑餑。但與此同時，這對於專業和中型AI服務供應商來說也是把雙刃劍。有些成功退出，有些則在一個不斷合併的市場中被逐漸邊緣化。

託管服務的興起

AI服務的交付模式也在不斷變化。大多數大型AI服務公司為客戶提供以下選擇：

?  託管服務部署（一種雲服務，每月支付一定費用以便持續訪問遠程託管功能）；或者

?  時間和物料模型（定義好規格、成本與期限的項目）。

到目前為止，市場對託管服務部署的需求仍十分有限。我們預測，AI服務公司總營收中僅不到25%來自託管服務部署，意味著企業客戶依然偏好時間與物料模型的合作方式。

但是，對託管服務部署的需求預計在中期會翻一番，佔到總業務的50%，其中中型企業將領跑這一趨勢。較低的前期成本，更好的靈活性，持續的幫助以及來自託管服務供應商永久的技術更新，都為較小型的買家涉足AI技術第一步提供了得天獨厚的優勢。

中期市場的激烈競爭

儘管AI服務市場仍處於早期結算，由於頂級的全球供應商專註於中型合同而中型AI服務供應商可提供具有吸引力的價值和專業化，因此針對年總價超過15萬英鎊的合同的競爭將異常激烈。

那些眼下正在瘋狂競爭大型一般分析服務合同（年總價在1000萬英鎊到1億英鎊之間）的全球系統集成商，諮詢公司和專業服務公司如今把目標對準了AI實力。這些企業，包括埃森哲、阿托斯、CapGemini、Cognizant、德勤、EY、IBM、Infosys、畢馬威、麥肯錫、Palantir、普華永道、TCS和Wipro等，都已經了開發了價值數十億美元的傳統分析方法，通常擁有5000到15000名內部的分析專家。然而，就平均而言，這些分析專家中是為數據科學家的比例不到8%。企業們無不在加大投資力度，以增加他們的數據科學團隊規模，但進展各不相同。我們估計，平均每家公司擁有1200名左右的數據科學家，但少數公司僅有不到100人。速度十分關鍵；全球供應商在手機客戶數據集方面的潛力遠遠勝過小型競爭對手，並進而提供數據網路效應——更多的數據帶來更好的演算法，其改進的結果將吸引更多的客戶和數據。

值得注意的是，雖然部分大型供應商專註於的董事會層面交易和價值數億英鎊的多年全球轉型項目，其他大型企業則專註於同企業的IT團隊打交道，越來越多地，將目標瞄準小型的基於項目的分析業務，年合同價格大約30萬英鎊起。因此，部分全球供應商將對中型供應商構成越來越大的競爭威脅。

包括Mu Sigma、Fractal Analytics、Cartesian和Opera Solutions在內的各個中型供應商有著顯著的收入（通常為2000萬到2億英鎊），大量的員工以及活躍於多個領域和部門。因為進入市場時間比較早，他們提供強大的機器學習專長，並針對特定行業和/或商業功能開發強大的專業功能，這些中型供應商在年合同價值15萬英鎊到100萬英鎊之間的AI服務交易中具有相當的競爭力。雖然AI服務日益上升的採納率為他們帶來的不少好處，但他們也日漸面臨來自頂級全球供應商進入該市場以及專業供應商的帶來的壓力。

考慮到買家對AI的採用仍處早期階段，專業供應商在與中型客戶簽訂較小的初始合同（年總價小於15萬英鎊），或幫助大型公司首次嘗試AI服務方面，具有較大的優勢。全球有大量的專業供應商，雖然有的規模不大，但也有不少具有雄心壯志且有能力成為中層贏家。我們在英國市場版圖中發現的一家快速發展的此類公司之一為Peak。Peak以機器學習技術平台結合一流的數據科學家來服務於上述需求。我們與中型AI服務買家的討論顯示，這些買家通常更願意與小型的AI供應商合作。頂級的專業供應商通過更有反應性的關係，一流的專業化分工商業功能，更加強大的機器學習專長以及往往比大型供應商更低的成本，來為買家提供一條通往AI的無障礙通道。

雖然市場對於年總價在15萬英鎊以下的競爭比較小，但專業供應商必須應對有限的營銷運算，以防止被分散的市場吞噬，被競爭對手的兼并邊緣化。並且，如果他們繼續進軍上層市場，他們將面臨更具挑戰性的競爭環境。最終，隨著軟體公司如谷歌和Salesforce之流在他們的軟體平台和應用中不斷植入AI技術，各大企業對AI的追逐亦會變得越來越溫和——從而潛在地減少小型企業對藉助第三方公司實現AI部署的需求。

專業化分工

逐漸地，AI服務供應商越來越多專業化——專註於某一垂直領域（如零售）、業務功能（如營銷）或者業務子功能（如客戶細分）。

特別是大型買家，他們評判供應商專業化能力的依據往往在於供應商在客戶垂直或業務挑戰方面的專業技能，他們的大規模跨客戶數據集對機器學習演算法的優化，以及客戶垂直領域的同行參考能力。在短期內，專業化能力已成為贏得大企業客戶市場份額的決勝因素。而從長期來看，隨著買家自己內部的數據科學能力的成熟，他們對供應商的專業化需求會更大。

小型企業和中端市場客戶，他們一邊嘗試AI，一邊尋求通向這一技術的「入口」，但又受限於預算。這些企業和客戶，往往有其他的選擇標準。小型買家注重的是供應商是否能夠迅速地解決實際業務問題以帶來初始ROI，提供高人性化服務幫助買家度過「測試和學習」階段，提供地理位置、初始部署的靈活定價，並能夠簡單便捷地與現有的用以數據提取和處理的IT系統相整合。

 早期階段的終點

雖然AI服務市場目前仍在發展的早期，規模也不大，但其高速發展近在眼前。隨著買家越來越多地希望藉助AI從過往對數據收集的投資中尋找高價值，AI服務將在2020年之前提供數十億美元的機會。當然，競爭也會日益激烈。對於大額交易，全球服務公司會利用他們的數據和數據科學家提升自身競爭力。中等規模的交易將代表第二個戰場，中層供應商在這裡互相廝殺的同時還要面臨來自上下層的壓力。專業化分工將成為有力武器之一。對於小額交易，優質的專業供應商將通過為買家帶來最佳的成功因素——可訪問性、靈活與低成本——以獲得不斷的擴展和成熟，最終發展成為中等規模供應商。

不管在哪個層次，服務供應商和軟體公司之間的界面將會越來越模糊；在數據時代，每個公司都將離不開技術資產和數據管理專家。

到2020年，AI將滲透到分析的方方面面，而服務供應商則為AI的應用鋪平道路。眼下，我們正目睹AI在企業之間的傳播。生在如今這一變革的交界點，我們正目睹舊時代的終結，新時代的開啟。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！