机器学习技术&市场最强评估宝典

2018年，各企业纷纷加大对机器学习项目的研究、投资和试点。未来，机器学习又将为企业带来怎样的效益和利润呢?

• 机器学习专利在2013年至2017年间以34%的复合年增长率(CAGR)增长，这是所有专利授权量增长第三快的类别。

• 国际数据公司(IDC)预测，AI和ML的支出将从2017年的12亿美元增长到2021年的576亿美元。

• Deloitte Global预测，与2017年相比，2018年机器学习试点数量和实施数量将翻一番，到2020年将再翻一番。

这些以及其他许多独到的见解都来自最新系列的机器学习市场预测、市场评估报告。机器学习对世界上许多与数据密切相关的行业带来了巨大的潜在影响，且这些影响正继续推动着风险资本投资、私人股本(PE)融资、并购和收购，所有这些都聚焦于在这一领域赢得知识产权(IP)和专利的竞争。

机器学习IP发展最快的领域之一是定制芯片组的开发。Deloitte Global预计今年将在全球数据中心使用多达800K的机器学习芯片。2018年，各企业纷纷加大对机器学习项目的研究、投资和试点。尽管预测来源、市场估计和预测的方法各不相同，但它们都反映了机器学习如何提高企业的敏锐度和洞察力，使它们能够更快地增长，并获得更大的利润。

机器学习市场预测，市场估计和预测的主要内容包括：

• 在商业智能(BI)和分析市场中，支持机器学习的数据科学平台预计到2021年将以13%的复合年增长率增长。数据科学平台的表现将优于更广泛的BI和分析市场，预计同期的复合年增长率将达到8%。数据科学平台的价值将从2017年的3B增加到2021年的48亿美元。

摩根大通投资者人工智能指南。2017年11月27日

• 2013年至2017年，机器学习专利的复合年增长率(CAGR)为34%，是所有授予专利中增长速度第三快的类别。IBM、微软(Microsoft)、谷歌、LinkedIn、Facebook、英特尔(Intel)和富士通(Fujitsu)是2017年ML最大的7家专利制造商。

IFI索赔专利服务(专利分析)。8种增长最快的技术SLIDESHARE演示

• 61%的组织最常选择机器学习/人工智能作为公司明年最重要的数据计划。在那些表示积极使用机器学习(ML)和人工智能(AI)的被调查者组织中，58%的人表示他们在生产中运行模型。

资料来源：2018年展望：机器学习和人工智能，对1,600多名数据专业人士的调查。MEMSQL

• 包括亚马逊，苹果，谷歌，特斯拉和微软在内的技术市场领导者在机器学习(ML)和人工智能投资方面遥遥领先于其他行业领域。每一个都在将ML设计为未来的产品，并使用ML和AI来改善客户体验，提高销售渠道的效率。

来源：你会快速拥抱AI吗?在科尔尼。2018年1月

• 基于Forrester于2017年对14家供应商应用的23项评估标准，SAS，IBM和SAP引领了预测分析和机器学习市场。Forrester预测，到2021年，预测分析和机器学习(PAML)市场的复合年增长率(CAGR)将达到21%，客户咨询和购买活动的增加就是明证。

资料来源：数据科学协会，预测分析和机器学习供应商，2017年和FORRESTER WAVE™：预测分析和机器学习解决方案，2017年第一季度由SAP提供。

• Deloitte Global预测2018年机器学习试点和实施的数量将比2017年翻一番，到2020年再翻一番。推动ML试点日益增长的因素包括更广泛的应用程序接口(API)支持、自动化数据科学任务、减少对训练数据的需求，加速训练和对解释结果的更深入了解。

资料来源：DELOITTE GLOBAL PREDICTIONS 2018 INFOGRAPHICS

• 60%的组织在不同阶段采用机器学习，近一半(45%)的人表示该技术已经令数据分析和见解变得更加广泛。35%的人可以完成更快的数据分析，提高洞察力，为他们的公司(组织)提供更高的敏锐度。35%的公司还发现，机器学习正在增强其对下一代产品的研发能力。

资料来源：谷歌和麻省理工学院技术评论研究：机器学习：竞争优势的新试验场

• 据麦肯锡统计，2016年人工智能的年度外部投资总额在8B至120亿美元之间，机器学习吸引了近60%的投资。同时，麦肯锡报告显示，2016年人工智能的年度外部投资总额在8B至120亿美元之间，机器学习吸引了近60%的投资。机器人和语音识别是最受欢迎的两个投资领域。投资者最喜欢机器学习初创企业，因为基于代码的初创企业在快速扩展以快速包含新功能。基于软件的机器学习初创公司比成本更密集的基于机器的机器人同行更受青睐，后者通常没有软件同行那样做。由于这些因素和更多因素，企业并购在这一领域飙升。下图显示了研究中按类别划分的外部投资分布：

资料来源：麦肯锡全球研究所研究，人工智能，下一代数字前沿

• Deloitte Global预计，数据中心使用的机器学习芯片将从2016年的10K到200K的运行速度增长到今年的800K。其中至少25%将是现场可编程门阵列(FPGA)和应用专用集成电路(ASICs)。Deloitte发现，机器学习(ML)加速器技术的总可用市场(TAM)到2020年可能达到26亿美元。