报告解读：人工智能商业化研究报告 | 传媒业界报告精读08

6

团哥

3分钟前：

新技术的内容在考题中年年都有涉及，人工智能技术更是我们研究的焦点。人工智能也逐渐走上商业化的路径，本文从报告解读，告诉我们什么是人工智能商业化、人工智能商业化的路径以及人工智能商业化的驱动力——从宏观环境、政策、技术、数据的视角来解读（这个视角也可以积累为答题视角）。所以，一起来读这篇文章并且积累到技术专题吧！

在新技术浪潮的影响下，人工智能技术日益成为社会和传媒领域发展中的焦点问题，受到媒体和企业的推崇与采纳。算法推荐、机器人写作、语音识别等技术被日益频繁地应用于新闻传播领域。同时，与人工智能有关的内容也多次出现在近年来的新传考研真题中，需要考生予以重视。

自人工智能概念诞生，距今已经有半个多世纪的发展史。随着基础技术的逐渐成熟，人工智能也开始在更加广泛的场景下发挥价值，进而达到商业化。据WIPOP2019年人工智能趋势报告显示，50%的AI专利在过去5年内发表，这意味着从2014年-2018年这五年内，AI产业已经进入了快速发展的阶段。

2019年7月，36氪发布了2019年《人工智能商业化研究报告》，该报告结合人工智能的商业化路径，指出推动人工智能发展的四大驱动力，并结合产业链对人工智能的发展进行总结和预测。整体而言，我国的人工智能技术商业化速度十分快，在很多领域已经有了较好的应用，大致可分为基础层、技术层和应用层三个方面。最后，报告指出人工智能目前已经开始在实体产业中落地，未来潜力巨大。

接下来，本文将结合报告内容对该报告进行解读：

一

什么是人工智能商业化

1. 人工智能的商业化

商业化是相对于实验室概念产品而言的一个概念。人工智能的商业化即企业如何利用人工智能技术来解决实际的问题，并通过市场进行规模化变现的商业行为。

人工智能概念诞生于1956年世界达特茅斯会议上，距今已经有半个多世纪的发展史。随着人工智能基础技术日渐成熟至达到商用条件，从而能够在更加广泛的应用中发挥作用，服务于各行各业。可以说，商业化将人工智能热度推上了历史新高。

2. 什么是人工智能？

随着技术及人工智能应用边界的不断拓展，行业内对人工智能的概念至今还没有统一的定义。目前关于人工智能的介绍大多是从“仿人”的角度来看，主要是指“将利用机器（含计算机程序）模拟人类感知、学习、认知、推理、决策、交互等过程的技术”。

其中，按照机器是否可以产生自我认知和适用范围，也将人工智能分为弱人工智能（专用人工智能）和强人工智能（通用人工智能）。

3. 两种人工智能的商业化路径

人工智能商业化的发展逻辑可以分为两条路径，即“AI+”和“+AI”。

“AI+”主要是指“以技术为核心驱动，以探索多样化的场景应用为目标，由科技公司发起，重新设计产品、方案或商业模式”。“AI+”的逻辑更容易产生“新发明”，从而对行业产生颠覆性影响。

“+AI”主要由传统行业或成熟产业引导，它们主动引进技术来优化自身业务，降低风险和成本，思考的是技术能不能做，属于正常的技术迭代和升级。

综上，报告更关注“AI+”，即注重人工智能技术公司该如何顺应市场需求，将更多元化的产品和解决方案应用于各行各业的各个场景。

4. 人工智能商业化的四大驱动力

通过总结近年来的人工智能商业化趋势，报告总结出了四大人工智能商业化驱动力，即宏观环境驱动、政策驱动、技术驱动和数据驱动。

宏观环境包括资本环境、竞争环境和社会经济环境三个角度。首先，资本环境中资本趋于理性，普遍关注技术的应用能力。因此，找到落地场景的人工智能企业，往往具备更强的自我造血能力和更强的生存能力。其次，在竞争环境中，越来越多的巨头和创业公司进入使得人工智能行业竞争加剧。因此，率先取得市场信任并获得客户的企业往往具备先发优势。最后，在社会经济环境中随着人口红利消失，经济增速放缓，企业经营成本变得愈发重要。因此，利用新技术解放人类劳动力的需求也为人工智能商业化带来新的机遇。

人工智能在全球经济中占据重要位置，各国政府也开始从战略层面对人工智能商业化进行整体性布局。其中，中国和美国尤其强调掌握人工智能核心技术；欧盟和日本则更加注重人工智能可能带来的经济和社会问题。2019年，全球人工智能产业进入落地应用的高峰期，中国市场迎来政策红利。我国多个省市陆续出台政策，推动人工智能规模化落地。

就数据而言，大量数据为人工算法的训练和应用提供了基础材料。同时，随着全球数据经济和信息化水平的提升所导致的数据处理压力，不断推动市场引进新的技术和方法挖掘数据的潜在价值。我国市场人口基数大、信息化程度逐年上升，为人工智能产业生存和发展的土壤。另一方面，中国网民对网络的态度相对国外更加开放，更愿意在社交等场景下提供更多的信息来获取个性化的服务。此外，中国市场中的互联网产品丰富，利用这些数据所训练出的算法，更具有普适性和稳定性。这些数据优势使得中国在人工智能技术方面获得快速突破，并进入商业化的发展阶段。

最后，技术也是驱动人工智能走向商业化的重要助推力。算法技术不断加强机器从海量数据库中自行归纳物体特征的能力，以及对新事物多层特征提取、描述和还原的能力。最终实现人工智能应用与更加广泛的场景，进而推动人工智能商业化。

5. 投融资分析

（1）资本市场趋于理性，早期项目融资困难增加；

（2）不同人工智能产品商业化热度不同。

二

人工智能产业链分析

1. 人工智能产业链图

2. 人工智能产业链分析

根据人工智能大生态中不同企业提供的技术、产品与服务侧重点不同，可以将人工智能产业链大致分为基础层、技术层和应用层三个环节。

首先，基础层主要为人工智能产业提供基础的软硬件和数据支撑，包括技术平台、基础硬件、数据及相关管理技术、通信设备等。其中，较受行业关注的有数据、芯片等通用技术产品和服务。

其次，技术层是目前人工智能商业化的主力，主要包括以计算机视觉、自然语言出合理、生物识别、人机交互、机器学习、知识图谱、AR/VR等人工智能核心技术为驱动的算法和解决方案提供商机相关技术平台。大量与“AI+”方向有关的人工智能应用场景由技术层企业来推动落地。

最后，应用层是指从具体场景来看人工智能，既包括人工智能技术厂商主导推出的各种“AI+”解决方案，也包括由传统行业或成熟商业主动引入人工智能技术来为产业进行赋能的“+AI”。应用层跨度较大，几乎可以渗透到各个产业的各个环节，是商业化的最前沿，更是现阶段最具有创新活力的环节。

3. 人工智能产业化应用层落地举例：广告营销行业

根据人工智能技术的具体应用、广告呈现形式和投放逻辑的不同，可以将其在广告营销方面的落地环节分为AI创意营销和大数据精准营销两类。

AI创意营销是一种以视频为主要投放载体，利用计算机视觉技术识别视频内容，然后在不同的内容场景中投放与之相关的广告。大数据精准营销是一种根据用户年龄、性别、消费、出行、位置、行为偏好等大数据信息描绘用户特征，制定符合用户个性的千人千面的广告投放。其优势如下：

（1）创意营销和精准营销从不同角度平衡用户体验与盈利之间的矛盾；

（2）大数据营销用千人千面的广告降低无价值信息对用户的干扰。

三

人工智能行业总结与前景分析

1. 人工智能行业总结

目前人工智能与实体经济深度结合的商业化时代已经到来，各类人工智能技术纷纷寻找落地场景。从落地速度和效果上看，安防、金融、教育、零售、广告营销等行业多个场景下均有较为成熟的产品和应用。且随着需求的不断挖掘，对应领域的产品和服务逐渐呈现精细化发展的趋势，企业更加专注整体生态建设和产品服务体验的升级。从技术角度而看，计算机视觉、自然语言、生物识别、语音识别等技术成熟度更高的技术，在商业落地方面速度更快。整体上，人工智能商业化通过政策和市场环境的驱动下进程不断加快。在未来几年，将其应用到更多的场景中，发挥更大机制是行业关注的重点。

2. 人工智能的未来趋势

(1)技术趋势：

强人工智能（通用人工智能）甚至超人工智能研究是必然；

仿生化。

(2)商业趋势：

技术的使用门槛降低；

精细化、专业化；

生态化。

3. 人工智能的潜在风险

（1）政策风险：

人工智能可能带来一定的伦理道德问题、就业市场的迅速变化、劳动力适应性调整等问题，可能引发社会舆论、政策方向调整和监管等方面的风险。其中，隐私监管和劳动力市场调控，尤其需要得到关注。

（2）市场需求风险

随着社会文化的改变以及生活方式的调整，未来大量技术的涌入，可能带来的是市场需求的重新调整。因此，市场参与者应该时刻观察市场动向。

4. 人工智能可能面临的机会

（1）从信息化到智能化跨越，不断优化体验；

（2）人工智能受到的约束力降低，未来可能会有更大的发展空间。

注

以上图片和数据内容均整理自36氪的《人工智能商业化研究报告》。

推荐阅读

📖

更多你想知道的经验帖

 北大 

北大新传状元：

北大新传：

在职考北大：

北大新媒体状元：

北大传播学学硕前三：

北大汇丰深财专硕：

北大健康传播专硕：

北大新闻学状元：

北大MFA状元：

 北师大  

 人大  

 其他院校