AI的價值並不在模型自身，而在於公司怎樣用好它們。

麥肯錫出品，一份深度學習領域的分析報告，包含400個應用案例，橫跨19個行業的9種業務功能。報告重點強調了前沿AI技術的應用範圍之廣，以及經濟潛力之盛，也提到了發展中的一些侷限和挑戰。

還有，需要注意的是，就算AI技術的前景再光明，使用資料之前都要把資料安全、隱私以及可能出現的偏見問題考慮周全。

報告共分四大章節，那我們開始吧。

AI技術與對應的任務型別

隨著AI技術的發展，其定義也跟著發生變化——AI到底由哪些技術構成。這裡，AI代指使用人工神經網路的深度學習技術。

具體來說，報告分析了三類神經網路的應用和價值——

· 前饋神經網路 (FFNN)

這是神經網路中最簡單的一類。在FFNN的結構裡，資訊的流動是單向的、無環的，從輸入層開始，延伸到隱藏層，最後到輸出層。

第一個單神經元網路，是Frank Rosenblatt在1958年提出的。雖然，方法聽來有些老舊，但計算能力、訓練演算法以及可用資料的演變，都讓FFNN隨著時間的推移變得更強大。

· 迴圈神經網路 (RNN)

神經元之間的連線是有環的，適合處理序列化輸入。

2016年11月，牛津大學發表的研究成果中提到，有一種RNN讀脣的準確率達到95%，遠超人類的52%。

· 卷積神經網路 (CNN)

層與層之間的連線方式受到了動物視覺皮層結構的啟發，那是動物大腦處理影像的地方，適合執行感知任務。

另外，本章節探討了生成對抗網路 (GAN) 以及強化學習。不過，這兩種技術並沒有包含在AI的價值評估裡面，因為，它們很年輕，還沒有成為廣泛應用的技術。

這一環節，也探討了其他機器學習技術，以及傳統資料分析方法。

應用案例分析

在19個行業、9種業務功能的400個案例中，可以看到的事情有很多——

深度神經網路在哪些領域能夠產生最大的價值；與傳統資料分析相比，神經網路能夠帶來多少營收增長；以及達到相應的目標，對資料的數量 (volume) 、速度 (velocity) 以及多樣性 (variety) 有怎樣的需求。

報告使用的案例庫雖然龐大，但也並非應有盡有，依然可能誇大或低估AI在某些領域的潛力。

以下是一些應用栗子，可以一窺AI的力量。

· 預測性維護 (predictive maintenance)

機器學習擁有檢測異常的能力。深度學習用來分析大量高維資料，可以把現有預防性維護系統的效能提升到一個新的高度。把許多感測器的資料層層疊起，神經網路能夠增強或者取代許多傳統方法。

AI可以預測故障，讓干預計劃有了用武之地，從而減少停機時間和運營成本，提高產量。

比如，AI可以通過整合飛機模型資料、維護歷史記錄、IoT感測器資料 (如用於故障檢測的發動機資料) ，來延長貨機的壽命。

· AI驅動的物流優化

AI可以通過實時預測和行為指導來降低物流成本。演算法能夠優化配送路徑，從而提高能源利用效率，減少配送時間。

歐洲一間貨運公司，利用感測器監測貨車效能和駕駛員行為，司機會收到實時指導，何時加速或減速，優化油耗並減少維護開銷。由此，燃料成本降低了15%。

· 客服管理和個性化服務

在呼叫中心，語音識別和來電分流，可以提升服務效率，併為使用者提供更加流暢的體驗。

比如，基於深度學習的音訊分析系統，可以估計當前使用者的情緒狀態，並據此判斷要不要切換到人工服務。

在銷售和營銷的其他方面，AI也有所作為。將使用者個人資訊和過往交易資料與社交媒體監測相結合，便可以生成個性化產品推送。

在案例庫69%的應用案例中，深度神經網路都是用於替代傳統分析方法，提升系統表現。有16%的案例，神經網路的任務是傳統方法無法完成的專屬任務，這些領域稱為green field。餘下15%的案例中，神經網路帶來的效能提升非常有限，原因包括資料方面的侷限性等等。

畢竟，深度學習對資料的需求，遠遠大於任何傳統分析方法。而如果要完全激發AI的潛力，則需要多種多樣的資料，包括影像、視訊、音訊等。

估計AI的潛在價值

據估計，報告探討過的所有AI技術加在一起，可能在19個行業的9種職能中，產生每年3.5-5.8萬億美元的價值。這在所有 (包括傳統和AI) 資料分析技術一年產生的價值中，約佔40%。

報告中估計，在每個行業的2016年營業額中，AI的平均貢獻約在1-9%。但在19個行業之間，AI貢獻的營業額百分比差異較大，取決於具體應用案例、獲取大量複雜資料的能力，以及規章制度等其他限制。

案例分析得到的結果是，AI能夠產生最大價值的領域，既有頂線導向 (top-line-oriented) 的功能，比如營銷和銷售，也有底線導向 (bottom-line-oriented) 的功能，如供應鏈管理和生產製造。

在零售和高科技等消費行業，AI可能在營銷和銷售中擁有更大的潛力，因為商家與使用者之間頻繁的、數字化的互動會為AI技術提供龐大的資料集。電子商務平臺將會尤其受益，點選資料與頁面停留時間等使用者資訊都可以輕鬆獲取，並用於生成實時動態的產品推送。

以下又是一些栗子。

· 在零售領域，定價和促銷可以成為AI的天地。案例表示，使以使用者資料來定製個性化促銷活動，可以將實體零售商促銷的增量銷售額提升1-2%。

· 在消費品的供應鏈中，AI部署也能起到重要的作用。基於潛在因果驅動因素 (而非先前結果) 的預測，可以將預測準確度提升10-20%，從而帶來2-3%的營業額增長。

· 在銀行業，特別是零售業務中，AI依然可以在營銷和銷售中施展才能。另外，鑑於風險評估和管理的重要性，AI在這一方面的產生價值可能會更大。

挑戰在哪裡

AI正在吸引越來越多的企業投資，但到目前為止，擁有AI技術的公司裡，只有約20%將自己的技術應用於核心業務或者大規模使用。

如今，AI技術的應用還面臨著許多挑戰——

· 標註訓練資料

這在監督學習中必不可少。目前大多是手動標註，但新的技術正在湧現，比如強化學習和in-stream supervision，資料可以在自然使用過程中獲得標註。

· 大量全面的資料獲取

對許多行業案例來說，獲取大量資料非常困難，比如用於預測治療方案效果的臨床資料。

· 解釋輸出結果

比如，疾病診斷過程中，AI可以利用患者資訊來得出診斷結論，但無法解釋這一結論是如何一步步取得的。

· 學習的普遍性

AI模型在將學習經驗從一類情況向另外一類情況遷移時，經常遇到困難。這意味著，企業需要投入大量資金訓練新模型，即便情況與之前的用例相似也很難避免。

這可能牽扯到一些社會性的問題。比如，訓練資料無法代表一個更大的群體時，人臉識別模型便可能在無意之間產生偏見。

或許，AI是一個難以琢磨的商業案例，許多因素都會減緩深度學習的行業落地。

最後一個小節，便是從許多案例的研究中得出的，AI技術提供者、應用者，以及政策制定者可能需要的啟發。詳情請前往報告正文。

報告傳送門 (PDF請至頁內自尋) ：

https://www.mckinsey.com/global-themes/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning

人車合一終成現實？看AI人工智慧如何影響汽車行業

中國汽車圈 

在說到這個問題前，我們需要先明確下AI的定義，AI作為一個在我們生活中出現頻率較高的名詞，它是人工智慧的簡稱，其代表了一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括智慧機器人、語言/影像識別、自然語言處理等諸多方面。

人工智慧從誕生以來，它已經對我們的生活產生了潛移默化的影響，應用領域也不斷擴大，可以設想，未來人工智慧可以實現對人的意識、思維的資訊過程的模擬。它並非人的智慧，但能像人那樣思考、甚至可能超過人的智慧。那麼就是這樣一種人工智慧，又會對汽車產業產生怎樣的影響呢？

自動駕駛與人工智慧

說起人工智慧在汽車行業中的應用場景，首先想到的必然是自動駕駛。汽車要想實現自動駕駛，感知、決策與控制三大系統缺一不可。其中，首要解決的便是影像識別能力，而感測器的“智慧”水平很大程度上決定了自動駕駛汽車在複雜路況上的可靠度，因此深度學習的應用便成為了關鍵所在。

在今後汽車的發展上，可以通過深度學習的能力提供主動式的人機介面，它的系統演算法會在複雜的路況下獨立找到駕駛模式和規則，並據此做出各種判斷和選擇，比如採用機器學習中監督式學習和深度強化學習的方法。最終隨著不斷地訓練和進化，會逐漸表現出與人類駕駛行為越來越相近的表現。

每一年，汽車製造商和科技公司都在汽車上增添越來越多的AI功能，而有些企業目前正在快速推進這項技術的發展，例如無人駕駛公司Waymo。

在很多人看來，至少還需要數十年的時間，無人駕駛汽車才能真正成為我們生活中的一部分。但現在看來這一時間表完全有可能提前。在人工智慧的幫助下，無人駕駛汽車已經能夠進行主動學習，例如在安設了黃色閃光訊號燈的複雜路口行駛。而藉助虛擬模擬測試，計算機逐漸學會了在這樣的路口慢慢轉彎，並可迅速共享給其他自動駕駛車輛，讓無人車能順利應對更多類似的場景。

智慧型城市建設

隨著現代化城市建設的快速發展，智慧城市的建設與應用已經在多個城市興起。但其除本身涉及技術工程量巨大、耗費多之外，而整個智慧城市的設計、建設和應用也很複雜，在這個時候，人工智慧的重要性也就愈發重要。

智慧城市建設目前正處於資料整合、協同應用的融合階段，還面臨系統割據、資訊孤島嚴重、資料碎片化、人工智慧和大資料應用程度低等挑戰。從起步、發展到融合，智慧城市的建設未來將走向成熟階段，通過自動化和智慧化進行政府決策過程並提供資訊服務。

智慧城市的建設離不開大資料和人工智慧。“在其深度應用發展中，一個非常重要的內容就是要用好城市的大資料。比如採用人工智慧技術為使用者提供公共交通的實時位置和智慧導航。這些技術將能大幅度改善公共交通狀況，避免擁堵，並且減少廢氣排放。

除了智慧城市之外，智慧港口、智慧島等專案也在有條不紊籌措之中，我們可以清晰的看到，在未來人工智慧將更加佔據我們的生活。

改變傳統汽車的生產結構

人工智慧除了對自動駕駛汽車產生重要影響外，其也能在一定程度上改變傳統汽車的生產方式，這其中包括製造方式、庫存管理方式等等，從而使得對生產車型的品質把控再上臺階。

據相關報導顯示，基於人工智慧的演算法可以從感應器及其他資料來源獲取並且處理海量資料，並在最快時間偵測異常，預測生產裝置是否磨損及磨損程度。

通過人工智慧的介入方式能將裝置的使用壽命增長20%，而讓檢修成本下降25%，從而為企業節省可觀的成本支出。

除了生產流程方式的改善外，由於人工智慧對瑕疵的發現能力比人類高90%，因此未來汽車的質量也會得到提高。

人工智慧還可以用來預測市場的消費需求，對於量產化下的庫存問題也可以得到很好解決，因此能夠將積壓庫存量減少最多50%。在汽車生產和銷售的過程中，無論精細化的管理、高質量的品控以及產銷需求預測都能為主機廠剩下大量生產成本。

總結:

綜上可知，從種種汽車行業發展的趨勢之中我們可以看到，人工智慧必將在未來汽車發展的軌跡中擔任更多重要的校色。我們希望未來汽車在我們生活中擔任更多重要的角色，真正做到“人車合一”或將指日可待。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com