國際資料公司（IDC）最新發布的《中國人工智慧軟體及應用（2018下半年）跟蹤》報告顯示，2018年中國人工智慧市場規模達17.6億美元，報告從廠商視角解讀了市場格局及市場份額，也從使用者視角追蹤了不同行業人工智慧應用的落地情況以及使用者投資人工智慧技術的策略。
報告中資料顯示，政府、網際網路、金融、電信、製造、醫療是人工智慧應用規模較大的幾個行業，詳見下圖。
如上圖所示，政府行業遙遙領先，主因是政府在基礎硬體方面的投資較大。結合在2018-2019年間面向行業使用者中有關人工智慧的深度訪談，IDC也發現真正從應用層面來看，網際網路、金融行業的智慧化程度最高。人才層面，很多企業都稱已經有資料科學家，但真正具備演算法開發能力的只存在行業排名前二十的企業中。多數企業中的技術人員只能執行資料清洗、資料標註的工作。
而具體到各個行業，不同規模的企業對人工智慧技術的採用和落地程度也不盡相同。
網際網路行業：
從整體上看，網際網路行業在AI市場規模全行業中位居第二。第一、二梯隊的網際網路公司已全面應用人工智慧技術，在內部建設AI算力平臺，並在平臺上開發覆蓋各業務流程的AI應用。而中小規模的網際網路公司也在大量採用雲端AI服務。
網際網路行業包含諸多細分領域，如直播、短視訊、電商、社交、媒體等等，對人工智慧技術的採用，相同點在於都是進行內容分析、保證內容安全、提升使用者體驗、維舊拉新； 不同點在於應用落地的程度和當前的技術能力。
某網際網路直播平臺應用案例：
該直播平臺現有使用者接近1億人，公司內部專業AI團隊大概40-50人，一部分專做機器學習，另一部分做具體應用。其AI應用主要提供給使用者端和主播側。在觀眾側，利用人臉識別進行身份驗證會從外部採購成熟的產品。而面向主播側，其AI技術會涉及到人體摳圖、骨架研究等。使用頻率高、採用雲端服務成本過高、且屬於核心應用，更多是其自主研發。另外，公司的重點在音視訊解碼、傳輸以及流量推送方面做智慧化，以節省頻寬，從而降低支出。總體上，該網際網路公司對於AI的技術策略以成本效率和上線實施效率為導向。
金融行業：
受益於較好的資料化基礎，金融行業可以在業務中廣泛的應用 AI，但是大部分企業並沒有統一的人工智慧規劃。當前市場上明顯非常重視人工智慧的金融機構包括工商銀行、建設銀行、太平洋保險、平安科技等。這些頭部企業有實力從基礎算力開始投資人工智慧，也能夠從多個領域開始採用AI。第二梯隊的機構則更多與外部供應商合作開始探索。
影響金融機構大規模採用AI的因素一個是在於資料資源不充分，另一個是對於從硬到軟的人工智慧技術的認知不清。不同規模的金融機構在技術採用策略上也有很大的不同。差異一方面體現在基礎算力平臺搭建，另一方面體現在對於AI技術的投資是自研為主還是外包為主，在應用深度上也有明顯差異。
某股份制商業銀行應用案例：
山東省某股份制商業銀行目前在科技開發部已配備10人的演算法工程師團隊。在技術採用策略上，一方面會在基礎演算法層面做技術儲備，另一方面也會採用已經成熟的產品。該銀行在前臺已經採用了對話式客服，在中臺採用商業化演算法平臺上提供的模型進行二次訓練優化，也在嘗試構建投資模型時融合多個模型。在支撐技術方面，該銀行已經建成了身份驗證統一平臺，包括人臉識別、指紋識別、簡訊、郵箱、虹膜、靜脈等。在基礎算力方面，由於地方性商業銀行，還沒有足夠的資料積累，因此對算力的要求現階段並不是特別高。
製造行業：
製造行業細分產業下采用人工智慧的場景和進展更加複雜，可以分為家居類企業、手機類、汽車製造類、汽車零配件生產、電子裝置製造產業等，如下圖所示。其中消費級產品製造服務商對人工智慧技術的投資主要在於對話式AI以及人臉、影像識別等功能，目前領先者會自建AI團隊與外部合作伙伴一起實現產品智慧化，在實現產品智慧後再逐步提供智慧服務。對於偏生產車間裝配製造的企業來說，對人工智慧的應用則處於更早期階段，創新的案例有產品質量檢測以及預測性維護等，這一領域需要的不僅是創新的技術，更需要了解企業業務的行業解決方案服務商。
注：面積大小代表現階段該細分產業對人工智慧技術投入的規模。
某家電企業應用案例
該家電企業現已建成40多人AI團隊，基本都與演算法相關。企業內既有專職的AI團隊，也為各個產品部門如黑電、白電、小家電配備AI工程師。該家電企業現階段AI應用多以前端的對話式AI為主，會在語音技術上採用科大訊飛以及思必馳或者騰訊的服務來提供遙控器的聲控功能、與電視的語音互動功能。而在語義理解方面，如核心的中控決策系統去識別使用者意圖，也會自主投入研發力量。一些更為先進的家電企業則會在生產車間嘗試採用影像識別技術進行家電的質量檢測等，並在家電產品上探索應用影像技術來提供智慧化服務。
政府行業：
政府對AI的投資包含了大量硬體，尤其是安防以及交通場景中，涉及到大量的硬體投資，導致政府行業整體AI市場規模較大。政府行業不同部門對人工智慧的應用各有差異，除了公共安防、視訊監控、城市交通大腦、人社部門以及政務服務部門規模化採用人工智慧之外，還有很多垂直應用有待挖掘：例如氣象局天氣預測，案件預測等。
其他重點行業：
醫療和電信運營商對人工智慧的採用度也非常高。醫療行業主要通過與人工智慧技術創新企業合作的方式，探索採用影像識別技術來分析影像，輔助疾病診斷；建設臨床診療知識圖譜形成知識庫來輔助醫生臨床決策。
其它現在規模不大但值得關注的行業包括：電力行業，油氣勘探業，軍工行業等。領先的電力部門已經開始利用研究院的高學歷人才開始探索配電裝置的故障預測，油氣勘探領域研究機構也將機器學習應用在地質資料解釋中。
企業採用人工智慧的3點發現
1.智慧計算與智慧應用的關係：現階段有海量資料資源且需要實時處理的使用者，或者急需優化使用者體驗以提升客戶黏度的使用者對於算力有較高的要求，絕大部分使用者對於算力並沒有清晰的認知。未來隨著企業資料平臺的建設和資料資源的不斷豐富，對於算力的要求必將進一步提高。
2.從經典機器學習向深度學習擴充套件：使用者已經不能滿足於經典機器學習的預測能力，進而開始探索採用深度學習實現更強的預測能力。
3.AI作為能力賦能企業應用。過去落地規模最大的用例主要在於人臉識別進行身份驗證，對話式AI提供智慧客服，以及簡單的語音分析，真正將AI作為能力來賦能業務流程實現自動化的仍然很少。中國使用者尤其需要注意採用機器學習、自然語言處理能力來實現流程自動化，值得關注的流程自動化包括財務流程自動化、營銷自動化、網路安全自動化、IT運維自動化等。
今天的企業智慧與傳統的商業智慧大不相同，越來越多的開源框架、庫、開發語言開始代替傳統的報表工具。企業不但需要懂AI的資料科學家，也比任何時候都需要具備資料素養的人才。而資料資源匱乏和資料科學相關人才稀缺也正是現階段企業採用人工智慧的2個關鍵挑戰。IDC中國高階研究經理盧言霞表示： “企業需要幫助員工使用資料科學新技能；優先考慮可以增強資料能力的產品和服務；可以充分利用科研部門的力量，將機器學習、人工智慧用到實處。”