科技產業界對認知科技的興趣持續升溫，接近頂點。這篇文章介紹了一些該領域的科技公司，他們正在使用認知科技來發明創新性的產品與服務，探索新的市場，甚至重塑商業社會。
引子
技術行業的主要人物表示：人工智慧已經不再是科幻小說——或者說不再是高昂的研發努力也無法發揮其潛能的原因。相反，我們正處於真實世界的正規化轉換中：長達數十年轉變過程——從諸如人工智慧（及其各類子學科）科學領域轉向一系列應用認知技術——的最後階段，科技領域獨特的創新企業架構已經讓更多的人接觸到了認知技術。 在過去幾年中，技術行業對這類技術的興趣爆增（圖1）。網際網路公司、半導體制造商、硬體公司、IT供應商、軟體供應商、網路玩家——幾乎每個技術分支都能看到該領域活躍度的大幅飆升。事實上，在人工智慧領域的競相投資被稱為「最新矽谷軍備競賽」。自2012年起，技術行業有100多次關於認知技術公司、產品或服務的併購。這種急速的併購並非工業界興趣著眼點的唯一標誌。（人工智慧）的許多能力在幾年前才嶄露頭角，現在卻已經基本成熟且變得 「民主化」了，更適合商業應用。利用這個趨勢，領軍公司正在利用認知技術來增強他們現有的產品和服務，並開啟新的市場。
圖1[/caption]
有趣的是，該行業領導者自信而堅定的行動並沒有反映出行業內對這些技術的全盤採納。而許多技術行業公司已開始將注意力轉向認知技術是如何改變他們的部門，或者公司（或其競爭者）如何在戰略和行動中落實這些技術。
為了讓領導者們更好的理解這些問題，這篇報告將討論三個觀點。第一，我們考察了最近的併購事件，以確定人們最關注哪一項認知技術能力。第二，通過IBM沃森團隊和Alphabet/Google的例子研究認知技術如何改變商業模式，以幫助公司在未來市場中提高競爭力。我們還將著重討論技術公司尋找市場機遇的兩大主要方法：認知技術發展平臺和認知技術「平臺即服務」（platform-as-a-service，PaaS）。在最後，我們將討論適合大中型技術公司「走向市場」的注意事項，並討論下在任何想要進一步探索認知技術潛能的行業或垂直市場中，技術行業企業，以及啟用技術的企業的下一步發展。
計算機視覺：計算機在無約束（即自然的）視覺環境下識別物體、場景、和活動的能力
機器學習：計算機系統通過資料暴露在無需遵循明確程式指令的情況下改進表現力的能力
自然語言處理（NLP）：計算機用人類的方式處理文字的能力——例如，從文字中提取大意，甚至是生成具有可讀性、文體自然、語法正確的文字
語音識別：自動並準確轉錄人類語音的能力
優化：自動化複雜決策，權衡有限資源的能力
計劃和安排：自動設計一系列動作以實現目標並觀察到限制的能力
以規則為基礎的系統：利用知識和規則資料庫自動化資訊推理過程的能力
機器人學：廣義機器人學也包括認知技術，用來創造可與人類共同工作、互動、幫助並娛樂人類的機器人。這類機器人可以在無法預知的環境中，通過將計算機視覺和自動計劃等認知技術與微型高效能感測器、促動器和硬體進行整合，完成多種不同任務。
哪種認知技術最火呢？技術行業大併購告訴你答案
認知技術涵蓋多種多樣的能力，三年多以來，技術公司的併購模式恰好反映了這種多樣性。近來定向交易正在科技公司間如火如荼地進行。從主打機器人學和感測器的公司到主打機器學習和自然語言處理的公司，內容涉及方方面面。 通過下表中的幾個要素：能力、槓桿、行為、資料和地區，探索2012-2015年在技術行業中認知技術的併購活動。
近期一項針對2012-2015年100起認知技術的併購案例分析顯示，技術行業對某些技術表現出強烈的戰略投資傾向。
一些總體趨勢指出了被收購得最多的認知技術能力：2012年以來，機器學習和計算機視覺公司的併購行為最多（見圖2），而機器人公司與機器學習和語音識別公司的收購分別在2013年和2014年顯著增加。
[caption id="attachment_9133" align="aligncenter" width="1000"]
圖2[/caption]
[caption id="attachment_9134" align="aligncenter" width="1000"]
圖3[/caption]
進一步分析這些併購交易公告清楚表明，在絕大多數情況下，收購者試圖通過提高產品和服務創新從新的消費者和新市場產生新的收益。一些公司傾向於用認知技術推動現有產品的創新，而其他公司旨在為解決方案，產品和操作建立更強大的技術平臺。
回顧市場，我們發現了行業領導者採用這些技術的三大主要方向：
商業模型轉變：新的商業單位被創造，通過由認知技術引發的創新來擴大規模、增加收益。
發展平臺：建立允許與擴充套件式開發者社群開放協作的平臺，加速了產品研發的速度與延展性，加強了產品釋出的效果。
平臺即服務：為了滿足認知技術的密集計算需求，重新設計了模組化、可擴充套件的產品，使當前消費者和新消費者更易過度到PaaS產品，也讓公司在新市場中快速定位他們的PaaS產品。
為什麼公司都認可認知技術？這是一條轉換商業模式的路徑
為什麼技術公司如此熱衷於追求認知技術？研究表明，長期表現優秀的公司有兩個獨特的屬性：這些公司傾向於以價值而不是價格將自身區別出來，並在降低成本之前嘗試增加收益。因此我們分析顯示出一個明確的暗示，即通過在認知技術上的大量優先投資，公司嘗試通過用更新更好的產品或服務而不是通過削減成本來來創造價值，從而增加收益。然而除了更多的收入、更大的市場份額以外，還有一個更深層的原因，這些公司將認知技術當成一種重塑自我以使自己在未來更有競爭力的方式——實際上，就是商業模型轉變的基礎。
最驚人的發現是技術公司會成立一個新的業務部門，通過使用認知技術來擴大規模產生收益。
的確，最驚人的發現是技術公司會成立一個新的業務部門，通過將認知技術用於產品創新甚至架構、運營、過程和商業模式創新上來擴大規模產生收益。這些新部門也被當做是對母公司架構的轉變。此類重組強調認知技術的潛力，能夠完全革新技術行業——還會順帶影響垂直產業和市場。
IBM 沃森團隊
通過認知技術實現商業模式變革，最明顯的例子非IBM莫屬，2014年1月，IBM投資10億美元成立了新的業務部門沃森團隊；其中，1億美元作為投資基金，用以「支援公司近期啟動的創業公司和商業生態系統，打造新一類由IBM沃森開發者雲（ IBM Watson Developers Cloud）沃森驅動的認知應用」，正如公司主席兼CEO Ginni Rometty在新部門成立之初所說: 「你們當中那些關注我們的人都知道，我們並不經常成立新部門。但是，當我們這麼做時，是因為看到了重要事情，我們相信會發生重大變革。」這個重要變革，在IBM看來，就是技術行業新紀元的曙光，也就是公司所說的「認知計算時代」。
為實現激進商業模式轉換而設立的IBM 沃森團隊，試圖打造一個穩健的商業生態系統，一個複雜、充滿活力而且具有自適性的社群，「不同的玩家能夠通過日趨成熟且富生產力的合作與競爭模式，創造新價值」。為此，集團向一批不同垂直市場（比如，醫療保健、金融服務、媒體以及電信）的戰略合作伙伴提供開源基礎架構來研發認知技術服務。隨著IBM收購越來越多的認知技術公司，這種商業模式也將使IBM沃森開發者雲得到進一步擴張。
這類戰略性收購例子之一就是IBM買下了一家位於丹佛的雲端計算平臺AlchemyAPI，如今已經成為IBM沃森團隊的一部分。 AlchemyAPI為開發人員創造了一套基於NSL的文字分析解決方案以及各種程式語言的軟體開發工具（SDKs），還有使用計算機視覺深度學習技術理解圖片和文字內容的平臺，不僅可以用於面部識別，還可以標記圖片、理解複雜視覺情景。現在，IBM沃森的視覺識別服務就能利用這個技術識別物理環境、物體、事件以及其他視覺內容。到2015年1月，這項服務已經擁有2000多個分類器和訓練過的分類標籤，比如動物、食物、人類、場景、運動以及車輛等。AlchemyAPI被收購時，160個生態系統合作方正在利用IBM沃森團隊的平臺研發應用程式；這場收購又額外增加了4萬名原來就在AlchemyAPI 服務平臺頂層做程式碼的研發人員。
IBM對IBM 沃森團隊和基於生態系統的商業模式的投資突出表明——正如很多認知技術產品創新企業一樣——公司並不打算直接從容易識別出的「認知技術市場」中賺錢。相反，他們正在研發並擴大認知技術的能力，雖然這些技術已經開始產生收益，也增加了資料分析和雲端計算方面的市場份額。IBM的Rometty在近期採訪中說：「如今，這是個速度和規模的問題......我們的資料分析業務已經有170億市場；雲，70億市場。市場已經很大了。我們現在要擴大它們的規模：更多產業領域、更多人和更多地方。」
作為公司積極追求速度和規模的證據，以及公司架構轉型的早期跡象，IBM近期已經在認知技術領域有了其他舉動。2015年4月，成立了IBM沃森健康中心以及沃森健康雲平臺。之後沒多久，8月，IBM沃森健康花費10億美元購買了Merge Healthcare Inc.的醫療成像管理平臺。這次收購雖然沒有直接涉及認知技術能力，但IBM因此有機會獲得平臺的資料和圖片庫，可以用做面向醫療保健市場的認知計算解決方案的圖片訓練資料庫。2015年10月，IBM的CEO Rometty宣稱通過認知計算轉變傳統醫療保健是公司的「探月計劃」（探月計劃是在技術行業快速流行起來的一個概念，用以描述那些無畏專案——那些渴望指數級、十倍改進[表現力1000%增加]的專案）。同月，公司成立了另一個認知技術業務部門：認知業務解決方案部（Cognitive Business Solutions Group）。
Alphabet公司（前身為谷歌公司）
2015年8月，谷歌公司宣佈進行重大重組，成立大型控股母公司Alphabet，（包括搜尋、安卓以及YouTube在內的）谷歌將作為其全資子公司。正如IBM沃森團隊一樣，Alphabet同樣雄心勃勃，並以大刀闊斧的速度和規模進行結構重組，實質上旨在令公司在認知技術領域實現指數級增長髮展。
谷歌一直以來大力支援「探月思維」，未來Alphabet集團也將一貫如此，並開闢名為「指數級」的新興商業戰略框架，其基於一些指數級加速發展的技術，諸如量子計算、人工智慧、機器人、增材製造（即通常說的3D列印——譯者）以及合成技術或工業生物技術等。對於過去在各自的行業領域內保持主導地位的公司來說，這些技術和其他指數技術正在創造新的競爭機遇與挑戰。
Alphabet創立之初就是一個指數型技術公司（ExO）——「該公司的影響（或是產值）非常巨大，因其使用了新型組織技術，與同類公司相比較，至少大十倍。」谷歌在前一百指數型技術公司中排名第五，這個排行中還有Airbnb、優步、Tumblr、 Medium和Twitch。第一名是開源協作程式碼與軟體開發網站的GitHub。Alphabet自誕生以來，因其新公司的企業體系結構得到了業務優先順序的支援，獲得了十倍速的增長。 根據谷歌最近的企業併購行為，認知技術將是此次商業模式轉型中不可或缺的一部分：2012到2015年，谷歌收購了20家認知技術公司。回顧過往，這些收購行動是谷歌重組為Alphabet的戰略前兆。在這20家公司中，僅在2013年就併購了8家機器人技術公司，並將全部整合到Alphabet中。它們的機器人技術涵蓋了類人機器人系統、下一代機械臂技術、可以向任何方向移動的高科技機器輪、採用計算機視覺使其更好的理解他們所觀察到的事件並學習怎樣處理一些非標準情況的機器人技術以及用在電影創作、廣告業、設計界中的機器人技術。2014年6月收購的位於馬賽諸塞州的Boston Dynamics已被重組為Alphabet集團的一個獨立公司。
Alphabet重組的另外一個獨立公司是位於倫敦的DeepMind，被谷歌於2014年2月以4億美元收購。除了在深度學習方面的神經網路創新技術以外，DeepMind也通過谷歌2014年秋天的兩次併購（Vision Factory AI 和 Dark Blue Labs）而具備自然語言和計算機視覺方面的技術。Alphabet通過谷歌的企業併購所整合的其他人工智慧技術包括面部識別軟體、姿勢識別、基於攝像頭的語言翻譯技術、智慧手機影象識別技術、日程安排和任務管理的機器學習技術、搜尋引擎（具備修改和更新語音識別程式的方法與系統）語音介面的專利技術，以及改進聲音和圖形搜尋的神經網路技術。
公司如何創新：平臺以及PaaS（平臺即服務）
如果基於認知技術的商業模式轉型是企業轉型的最後較量——或是作為一種可能的最終較量——那麼企業如何贏得這場較量呢？回顧之前的幾家科技公司在認知技術與產品創新方面的策略，可以發現這些革新分為兩類：
開發平臺：平臺——由於全球化數字技術基礎設施的日益發展，平臺得到了越來越多的支援，將更加有助於參與協作——促進資源和參與者的對接融合。通過合理的設計，它們可以成為資源與參與者這一豐富的生態系統中強有力的催化劑，定義使鬆散耦合的協議和標準，為業務流程設計提供模組化方法。認知技術開發平臺將逐漸使企業與充滿活力的開發者社群協同合作，從而加速了產品開發與產品釋出工作的速度和可擴充套件性。IBM 沃森團隊的開發平臺沃森開發者雲平臺就是一例。
平臺即服務的延伸：平臺即服務提供虛擬的IT環境，使得企業可以開發或運營他們自己的定製化應用程式，而無需管理物理細節或雲端的資料中心。許多公司已經通過專為認知技術的計算密集需求所準備的模組化擴充套件產品來改進目前已有的平臺服務。這種方法使得公司現有客戶或新客戶能夠輕鬆過渡到平臺即服務的產品，並確保公司可以儘快在新市場裡定位其認知技術的平臺服務。再一次，IBM沃森團隊是一個很好的例子：Bluemix上的沃森服務是一個開放標準的、基於雲端的平臺服務，它為建立、管理和運營所有型別的應用程式提供幫助，包括移動裝置、大資料和新型智慧裝置，為認知技術創新提供全面一體的服務。
這些平臺和平臺即服務的目標在於高價值的、可即時訪問的市場，比如說分析、雲端計算、社交、移動和安全——這些領域在2014年內增長了將近20個百分點。以下是不同技術領域的案例。
平臺市場：認識技術開發平臺
英特爾的RealSense技術平臺。RealSense技術開發平臺及其軟體開發工具（SDK）於2014年釋出，為開發者們提供了通過認知計算技術開發應用程式的工具和資源。RealSense的核心是英特爾在2013年收購的兩家公司：Omek Interactive，一家擁有基於3D深度感測器攝像頭開發平臺的計算機視覺公司；以及Indisys，一家擁有計算機語言、人工智慧、認知科學和機器學習背景的NLP公司。基於這些認知技術能力，RealSense旨在為「感知運算」的開發提供平臺——感知運算是英特爾針對姿勢、觸控、聲控及其他感測器技術的術語。英特爾的目標是通過幫助開發者們「將手/手指跟蹤、面部分析、語音識別、擴增實境、背景分割等等都整合到應用程式中」，從而改變人機互動的方式。
公司認為，認知技術能夠使它們在快速增長的移動市場中實現下一代更直觀的姿勢控制。福布斯的Patrick Moorehead認為，感知運算是「英特爾未來的關鍵，它能夠吸收大量計算資源。」如果感知運算成為人們所用移動裝置內的固有部件，Moorehead的觀點很有可能是正確的：像是iPad移動數碼裝置和Surface等移動裝置在今年一年的銷量有望達到2150萬——相比2014年增加了70%——預計到2019年會達到5800萬。而且，RealSense可作為Windows 10系統的開發平臺，對跨平臺開發進行優化（如電腦、智慧手機、平板等等）。
Nvidia公司的Digits 2和CUDA深度神經網路。作為遊戲行業中一家知名影象處理器（GPUs）和軟體製造商，Nvidia發行了一系列加強版硬體和軟體產品，提高它們在認知技術產品研發中的可用性，支援使用者的認知技術應用。Nvidia將重心放在了GPU加速深度學習，據稱有助於開發者將更智慧的認知技術應用於方方面面，從線上圖片資料庫到家庭日用品或自動駕駛汽車等。2015年7月，公司宣佈了數字深度學習GPU訓練系統（Digits Deep Learning GPU Training System）版本2中的一系列更新，它的GPU加速深度學習軟體、CUDA深度神經網路以及GPU加速演算法庫可以通過更快更復雜的模型訓練和設計來創造並訓練更大、更準確的神經網路。根據公司在2015第二季度公佈的資訊，Nvidia開發了GPU加速軟體，能夠為資料科學家和研究者們提供加倍優化的深度學習能力。Nvidia公司還報告稱有3300位以上的開發者和企業對機器學習感興趣，「深度學習是全新的、激動人心的應用。」
在硬體方面，Nvidia公司的Tegra微處理器為嵌入式產品、移動裝置、自動化機器及汽車應用而打造。2015年1月， 新一代移動晶片Tegra® X1，處理能力高達萬億次以上，其強大的效能開啟了「眾多應用的大門，包括前所未有的圖形應用以及複雜的深度學習和計算機視覺應用。」
「雲端之戰」：認知技術PaaS
認知技術領域所謂的軍備競賽，起源於很早以前谷歌、亞馬遜、微軟、IBM、Facebook及蘋果等各大科技巨頭之間的競爭，採用的是戰略性研發投資的形式。2017年，企業雲市場預期將從700億美元增長至超過2500億美元，這場競賽以機器學習為戰場，已進入戰事一觸即發的狀態。亞馬遜Web服務（AWS）機器學習。在亞馬遜，機器學習作為一種服務可追溯至早期時候，企業通過亞馬遜Web服務提供基礎設施即服務（IaaS）和軟體即服務（SaaS）。亞馬遜最近推出基於機器學習的PaaS，可以被看作是長期持續的戰略研究與開發投資的直接結果，儘管這項投資引起了投資者和華爾街的批評。
2015 年 4 月，Amazon.com推出了亞馬遜機器學習（Amazon Machine Learning），是AWS的增強版，方便開發人員在各種使用情況下輕鬆部署預測模型，包括檢測潛在欺詐性交易、減少使用者流失率及改善使用者支援。通常，構建帶有機器學習能力的應用程式需要精通統計學、資料分析，並富有訓練機器學習演算法模型的經驗。評估並精煉模型，之後利用該模型得出分析結論，這一切都相當的耗時耗力。相比之下，亞馬遜機器學習自動化了很多這些耗時耗力的步驟，並降低了複雜性，讓更多軟體開發者可以使用該技術。 https://v.qq.com/iframe/preview.html?vid=n01648uwh86&width=500&height=375&auto=0[/embed]
回顧最初的戰略研發投資（那時可花費了相當長的時期），很難直接追蹤亞馬遜機器學習的特定投資回報率。然而，一種創造價值主張的方法是將投資亞馬遜機器學習視作為AWS創造未來的增長機會，如今則定位為公司正逐步成長的雲端計算能力。2015年8月，業內人士表示：
雖然零售電商巨頭亞馬遜進軍機器學習有點奇怪，但這是增強其逐步增加的雲業務量的重要途徑。亞馬遜的雲和大資料屬於 AWS。亞馬遜不單獨報告 AWS 收入，但太平洋分析師預估，2014年度AWS總銷售額預估接近50 億美元，比2013年時估計的31億美元要高。這只是亞馬遜去年銷售額890億美元的一小部分，但云計算的增長速度遠超其核心產品銷售額，平均每年增長15%直至700億美元。
不久以後，亞馬遜單獨報告了AWS年度收入，結果令人印象深刻。華爾街日報最近報導，2015年第三季度，和分析學家預估的不到20億美元相比，雲端計算部門市場佔有額增長了79%至20.9億美元，該部門營利5.21億美元，幾乎等同於亞馬遜北美零售業的全部營業額。亞馬遜宣稱AWS某天會在規模上超過其核心零售業務。微軟Azure機器學習。和亞馬遜一樣，微軟通過微軟研究院也堅持在機器學習方面進行長期的戰略性研發，企業內這一技術的影響無處不在。微軟也如亞馬遜一樣，從其公有云平臺現有客戶資源中，通過使用機器學習尋找創造新利潤的方式。最後，2014年6月，微軟推出Azure機器學習，這個開放、多元化的平臺能夠使開發者社群和逐步增多的戰略性合作伙伴商業生態系統的規模協作得到加速和擴張。2015 年1月，微軟接下來收購了Revolution Analytics公司，一家針對統計計算和資料分析的開源R語言供應商，將其可擴充套件R分佈配置於機器學習中，能夠使「分析海量大資料和通過編寫R程式碼生成各類應用變得更加便捷。」
R語言是第一個開源程式語言和開發者社群，還是目前資料科學家們認可的行業標準設計語言。（拜此所賜）Azure機器學習已能提供先進的資料分析服務，可以使應用程式的開發縮短至幾小時以內（過去這一過程需要幾周的時間，甚至還需要一些額外的技術資源）。
為了擺脫已經疲軟的PC市場，微軟將雲端計算作為他們首要研究的一部分。據報，公司的Azure雲服務在2015年第三季度盈利翻倍，將會繼續依靠Azure機器學習在PaaS為基礎的雲服務上獲取盈利（這一點有別於微軟其他產品的單一產品銷售模式）。惠普企業公司(HPE)的Haven預測分析技術。這家最近成立的公司（由惠普拆分）也為自己的平臺新增了認知擴充套件功能，以吸引更多的開發者社群、迅速擴張、加快產品開發，進而快速提升自己的雲端計算平臺市場份額。這個平臺其實就是HPE自己所謂的Haven，一個面向商業資料分析的可擴充套件的開放性大資料平臺。 在2015年2月，這家公司重組之前，HP釋出了自己的Haven預測分析技術。這項技術的主要設計目的是為了加速大規模機器學習、統計學分析和圖表處理，並使使用者（在這裡主要是指IT操作認知技術開發者）能夠建立更有深度的機器學習模型，提供針對公司規模的結構化、非結構化以及未經過預處理的資料集的統計分析方案。 這個資料分析產品能夠在競爭中立足，是靠著它的易於使用和（與微軟一樣）更關注R語言開發者和資料科學家們的工作成本。
在2012年，預測分析市場作為世界分析技術市場的重要組成部分，有著20億美元的份額，並且有希望在2019年翻三倍達到65億美元。HPE目前正試圖在2015年的雲端計算市場上達到30億美元的年盈利，並將其IT運營分析（通過機器學習將IT系統管理進行優化的資料中心）定位成企業雲市場強有力的一員。SalesforceIQ, Oracle Social Cloud和Pegasystems Pega 7: 在2014年7月，雲端計算的先驅者Salesforce.com以3900萬美元收購了RelateIQ——一家位於加州PA市的軟體公司。RelateIQ的關係智慧資料平臺使用了非結構化資料集（比如郵件，通話和會議），通過資料科學和機器學習相關使得客戶關係管理更加可控。在2015年9月，在其年度Dreamforce使用者大會上，推出了小企業版SalesforceIQ和銷售版SalesforceIQ——兩者均通過RelateIQ的收購獲得了機器學習技術，並將之設計成其行業領先的客戶關係管理平臺的延伸模組。 為了能夠和Salesforce在日益增長的CRM市場——社交使用者關係管理，或者叫社交CRM——裡競爭，Oracle和Pegasystems都收購了有涉足將NLP應用於非結構化社交媒體資料方面的公司。這些技術現在已經分別屬於Oracle社交雲和Pegasystems的Pega 7平臺的一部分——將實時社交媒體資料分析自動化，以及其它一些基於認知技術的實用功能。到2019年，社交CRM的全球市場有望超過130億美元並且還會保持38%的年增長率。總的來說，CRM的確是企業雲端計算市場裡一個正在快速增長的組成部分——未來五年裡,將會有50%的CRM軟體系統建立在雲端計算技術的基礎之上。
思科系統的認知威脅分析。2014年，思科釋出了高階網路安全領域的全新解決方案。這項方案很大程度上是建立在2013年收購的捷克公司Cognitive Security的產品之上。名為「認知威脅分析」的思科平臺是一套基於雲的解決方案（縮短了發現網路潛在威脅的時間），內嵌了數個高階演算法和機器學習技術。Cognitive Security在被收購之前曾花10年以上的時間做這方面的研究。 通過行為分析和異常檢測進行網路安全威脅分析的需求與日俱增，機器學習滿足了這一需求，它能夠辨識網路外部防禦的異常行為，之後識別出惡意軟體的侵害或資料損失，協助行為分析和異常探測工作。和傳統的網路安全技術（例如入侵響應管理系統）不同，認知威脅分析不取決於人為的規則設定。相反，大量統計模型和機器學習技術被用來分析多個引數，同時獲取大量實時資料、識別新的威脅、從大量資料集中獲取資訊並隨時間自行調整具有自適應性。認知威脅分析目前已經被授權應用於所有思科雲網路安全解決方案中。 網路安全是技術行業裡目前最大且增長最快的市場之一。預估全世界的網路安全市場將從2015年的770億美元，增長到2020年的1700億美元。安全分析部分有望從2015年的21億美元增長到2020年的71億美元，保證27.6%的年增長率。此外，「閘道器（SWGs）解決方案的市場目前仍由傳統的內部開發主導。但是，隨著雲服務快速增長，高等網路威脅處理將會成為這個市場的一個分水嶺。」
市場影響和注意事項
想要利用認知技術能力進入市場的科技公司也許需要好好思考以下幾個因素。
對於技術行業來說，深度學習演算法以及視覺、姿勢和空間計算需求正成為冉冉升起的重點領域，因為它們都需要高水平計算資源（high levels of computational resources）。
知道該在哪裡施展手腳。就我們剛才討論過的市場進入活動而言，最顯而易見的趨勢就是機器學習與NLP的商業化發展。今天的PaaS就是被設計用來降低這些市場門檻的，更重要的是，與傳統線性部門銷售的單位平均收益相對，PaaS獲取的是當前客戶終生總價值（ extract value over the lifetime total value of current customers versus the average revenue per unit of traditional, linear unit sales and distribution）。短期內，我們希望機器學習平臺與產品革新的機會可以持續產生收益，並在以下市場中吸引新的客戶：IT運營管理、資料分析（尤其是預測分析、IT運營分析（ITOA）、組織分析與潛在威脅分析），以及客戶關係管理（CRM）。與此同時，NLP將會加速社交CRM創新的增長。
下圖為對潛在認知技術市場的探索。
當進入一個新市場時，需要記住一個箴言，新市場比現存市場更難進入。還要記得這些基於許可或付費（ subscription-based）的商業模式投資回報基準線：SaaS產品的客戶終生總價值與客戶收購的成本達到了5:1.73。
對於技術行業來說，深度學習演算法以及視覺、姿勢和空間計算需求正成為冉冉升起的重點領域，因為它們都需要高水平計算資源。這個解決未來處理挑戰的機會並沒有從半導體行業中溜走：除了之前所提到的NVidia Tegra移動晶片以外，IBM的True North晶片、Intel的Xeon E7 v3伺服器晶片以及Qualcomm的Snapdragon移動處理器都被設計用來處理計算創新的需求。目光長遠。之前已提到過兩個長期的戰略性市場：IBM於醫療競技中的探月計劃，以及增進被設計用在移動裝置上的技術（語音識別早已實現），這些技術能讓移動裝置簡單易用，也因此提高了它們的全球採用率。其他的認知開發平臺應用和市場包括了可穿戴裝置、物聯網、機器對機器（M2M）溝通以及未來的傳輸移動。
下圖為對於認知技術戰略性市場的探索
現在行動，以防麻痺。正如這些認知技術活動所證明的，人工智慧不再是遙不可及的幻想，或者一種與收益率或客戶關係相分離的研發夢想。甚至就在一年前，大概多數技術部門都還沒能力戰術性地予以執行。有一種產品創新，就是利用傳統競爭優勢或者「我也一樣（me,too）」的路子進行產品研發，這無異於用舊工具佈局從根本上改變產品銷售渠道的新技術，因此是無法成功的。在這種變革的環境裡，就要避免麻痺與否定。可能的藝術正在當下。首先，判斷哪些市場與商業優先性可以立刻予以確定，然後，將它們運用到認知技術的產品創新價值地圖、技術路線圖以及上市策略中，同時也要尋找新的產品創新工具箱。
以這種速度和規模發生的變化中會迸發機會以及風險，這種風險可能會強烈撼動公司商業模型核心的既有信念。
注意人才的使用。我們 之前討論過的人工智慧領域中，人才日益短缺。美國的主要技術玩家並不僅僅競爭市場份額，還爭奪人才。最糟糕的情況就是，公司會把某些內部人才視為任務關鍵的資源，限制他們的自由。最好的情況則是這些專家和他們的專業知識能夠與開源研發社群共同合作交流。這種情形已經出現在了IBM沃森團隊中。培育專業技能和系統知識。現在，認知計算是現有可擴充套件IT能力的應用技術性延伸，所以降低過去傳統上被視為獨立、昂貴和複雜的人工智慧專案的門檻就是基本價值主張，我們之前也談到過。然而，人們不能假設所有的IT專家都具備認知科技應用所要求的學術背景。在高等程式設計任務的自動化與新老資料集的互操作管理方面，出現了人們有可能會盲目使用他們並沒有深刻理解的功能的風險，在模型假設遭到真實世界變化的破壞時，導致系統無法工作。另一方面，如何將這些新技術整合到組織的大型企業架構和使用能力中，資料科學家也許會一籌莫展。API經濟。應用程式介面（APIs）也許是IT專家和認知技術專家找到共通點的地方。機器學習API s已經可以通過AWS與微軟Azure Marketplace來獲取，IBM Bluemix上沃森驅動的API Harmony服務，能夠讓開發者基於廣泛變化的搜尋標準搜尋公開的APIs。公司也有機會為研發和應用認知技術提供支撐——API會是這些新產業和服務的組成形式和構成要素。尋找支撐認知技術研發的開放式平臺。我們分析中引用的例子，證明了基於開源技術建構（後者紮根於軟體研發的開源運動）開源平臺的重要性。最近，谷歌宣佈其TensorFlow AI深度學習引擎將公開一部分，IBM的機器學習系統，SystemML現在也是Apache孵化開源專案。Facebook也貢獻出了它的Torch，一個深度學習的開源軟體專案。 開源平臺加強合作，創造了新的市場行為——擴充套件的開源研發平臺指明瞭技術行業的希望，即認知科技的採用率反映了移動式開源研發平臺的成功——最著名的莫過於谷歌的開源安卓手機研發平臺。通過複製這種開源技術架構，開源認知技術平臺會迎來快速擴張，這與自2007年以來的手機市場很相似。學會處理這個新事物——風險。這種速度和規模下的變化，會迸發機會和風險，風險可能會強烈撼動公司商業模型核心的既有信念。因此，創造新價值的機會可能會出現在組織整體能力的邊緣，而非核心。同時，這種指數級的變化從根本上改變了公司的成本結構和交付模式，從而降低了新進者門檻。這也促使這些技術企業自省：你自己的組織如何制定針對認知技術的風險？將認知技術應用於傳統商業問題（運用這些平臺和PaaS產品）時，量化和降低風險應採用何種新架構和新方法呢？
駕馭認知科技：從何處開始
想要在認知技術方面進行投資或增資的組織或許要考慮以下步驟。這些步驟不僅適用於技術企業，也適用於在任何行業或垂直市場中依附於技術的企業，只要他們想要發掘認知技術的潛能，用來支援創新公司合夥人體系、平臺解決方案、新的商業模型以及產品創新。
得到領導層的支援：確保你的組織在評估關於認知技術的商業優先順序方面，有領導層強有力的支援。執行長應該把認知技術的責任落實到操作層，以增加可利用資源的規模。其他領導層人員應鼓勵適合每一種技術（機器學習、計算機視覺、語音識別等）的方法論，支援這些工作。
學習並探索：繼續學習並努力理解這些技術，探索其已經得到應用的各類運用例項，探索這些應用是否促進了商業模型轉型或激發了產品創新。
充實你自己的用例庫：評估在什麼情況下這些技術對你的公司會產生怎樣的積極影響，留心顧客忠誠度、顧客獲取以及市場增長機會等各方面情況。認知技術不是萬靈藥。我們針對公司如何將認知技術推行到工作中去的研究表明，一個整體框架能幫助各機構評估這些技術能否為其有效利用。我們建議這些組織全面觀察他們的工作流程、產品和市場以考察在哪些環節這些認知技術是可實現的，哪些環節會產生價值，哪些場合是不可或缺的。在圖4中總結了3Vs框架。各機構可採用這種思路來篩選應用認知技術的良機。
建立你自身的認知技術：判斷你的企業在哪一部分應率先建立認知能力，可能先借鑑一個優秀模型的核心概念作為操作思路。
衡量生態系統中的合作關係：探討商業生態系統，合理選擇平臺合作關係。這些都涉及到與已有認知技術產品的供給方合作，以及那些能將認知技術與商業轉型和/或產品創新顧問整合到一起的顧問或系統一體化管理公司合作。
追求概念驗證：組建一個認知技術創新團隊。開始通過設計概念驗證專案來探索並改善認知技術吧。
在認知技術的價值創造能力已被證實的領域擴充套件其應用：在認知技術的價值已被基本確定的方面雙倍投入、擴大應用範圍並充分開發這些應用。
認知技術在向遍佈於各個行業的企業傳遞著重大價值。現在，是時候研究利用這些技術並構想你的機構該如何最大化發揮這些技術所能創造的價值。一份公司針對認知技術立場的詳細評估，將有助於把你的組織領到收穫認知技術帶來切實利益的道路上來。
來自dupress，作者Daniel T. Pereira, David Schatsky, Paul Sallomi, & Robert (Bob) Dalton。機器之心編譯出品。參與：小櫻，Chen Xiaoqing，salmoner，Xuechen，20e，小雨季節，李小魚，微胖，小櫻，安隱，曾天宇，柒柒。