AI能力開始分層:包括底層的原子能力/基礎能力、應用能力、應用場景方案、行業應用解決方案能力。產品上,各廠商陸續推出各技術領域的自學習平臺,作為不同形式的autoML產品。
從各技術領域來看:1)人臉識別人體方向,雲服務能力的更新主要在於人體分析相關的應用。2)影像視訊方向,OCR能力進一步擴充套件,在全棧AI技術中開放的能力最為豐富。3)智慧語音方面,雲上開放的AI能力數量增長並非十分明顯。4)NLP方向,以阿里雲、百度智慧云為代表的廠商提供了日益豐富的能力。5)機器學習方向,重點是不同形式的automl,以及機器學習開發全流程自動化、智慧化工具的不斷完善。
融合應用場景、解決方案不斷加強:領先的AI雲服務廠商融合多項單點AI技術不斷推出新的應用場景、解決方案。此部分未在本次的資料統計範圍內,將在後續研究中尋找合適的角度跟蹤。
在本期研究中,IDC也總結了2020年以來有助於加速技術落地的產業突破,如下圖所示:
上圖中所列出的突破是從主觀上認知到對於加速AI落地有幫助的技術或者產品的突破。可能會由於訪談數量以及訪談安排(並非所有的廠商都安排技術部門介紹訪談)的問題,而忽略了其他更多重要的技術突破。此處僅代表IDC認為對於AI產業化大有裨益的技術突破,僅供參考。
從AI公有云服務市場份額的角度:
- 百度智慧雲仍然處於AI公有云服務市場份額第一的位置,其AI應用全面開花、多行業落地。
- 阿里雲對達摩院的投入逐漸看到收益,在各技術領域,無論是開放的產品能力、營收、還是使用者數、認知度,都取得大幅增長。
- 騰訊雲正處於AI能力整合期,市場份額方面具有一定的領先性,市場戰略與特色優勢有待明確。
- 華為雲綜合智慧體營銷概念、公有云、混合雲策略,以及政企客戶的青睞,在AI雲服務市場的競爭優勢越來越明顯。2020年以來,華為雲釋出混合雲策略,也將影響其在AI公有云服務市場的份額,華為雲的優勢將更多體現在AI整體市場規模方面。
- 全球性廠商如AWS以及微軟Azure也在中國市場加大對AI和機器學習的投入。