大数据文摘| 英国AI的现状与发展

栏目:NBA 来源:鲁网 时间:2019-06-11

AI行业的进步正在给人类生活带来前所未有的变化。除了被大家所熟知的siri语音助手,AI技术也被应用于在线客服服务系统等不被大家熟悉的领域中。现有的研究证明了AI产业发展对英国经济带来的积极影响。埃森哲咨询公司预测在2035年之前,AI科技的发展将会给英国经济带来645亿英镑的收入。


背景

AI和计算机之父阿兰·图灵来自英国,英国可谓是AI的发源地。英国在人工智能(AI)研究领域具有很强的竞争优势,这里聚集着许多世界顶尖的人工智能公司和由大量投资人,研发者与客户构成的AI生态系统。如今的英国AI行业不仅具有飞速增长的投资价值与研发潜力,它也是同时获得英国政府支持的新产业战略挑战基金与挑战者商业计划的重点发展行业。


为什么人工智能在英国、在当下至关重要

在英国,当前提高人工智能能力的行动(尤其是在数据和技能方面)至关重要,因为早期的领导者(企业和国家)可以在建设和使用人工智能的过程中获得巨大而持久的优势。


人工智能之所以对英国来说很重要,是因为目前英国是人工智能领域领先的国家之一。这种优势可以建立在成功的基础之上,否则将会失去其优势。其他国家的不同行业也正在开始逐步应用 AI。英国各行各业都面临这巨大的竞争压力。


当然,英国在人工智能发展的历史上也有着其独特的地位。在过去,公共支持一直非常有效,使英国能够在人工智能领域取得进展。


现在人工智能之所以很重要,是因为技术已经成熟到可以被广泛应用的程度。尽管人工智能技术已经发展了几十年,并且已经在一些消费者服务中应用了好几年,但在过去的 5 年里,对人工智能的兴趣和投资已经达到前所未有的水平,这同时也促进了人工智能的飞速发展。


近期的 AI 性能和应用的改进是由以下因素驱动的:

1.日益强大且成本在承受范围之内的计算能力。
2. 新的和更大的数据量。
3. 由具有特殊技能的专家开发的新型算法和应用程序。


推动英国AI发展的基本因素

基本因素:数字环境、硬件、数据。

数字环境

人工智能是数字革命的下一个发展阶段,为数字技术提供了新功能。纵向看提高了数字技术行业的影响力,横向看提高了数字化行业的经济性。在未来,它可能会为每一个产生大量数据的行业做出贡献。目前英国的人工智能行业正在当地技术基础上不断发展,在国际标准化方面有着显著优势。


2015 年,数字科技行业营收约为 1700 亿英镑,比前 5 年增长了 22%。英国现在有 164 万个数字技术工作岗位,在 2011 年到 2015 年间,其就业市场的增长率是非数字工作岗位的两倍多。


网络安全是成熟数字行业的典范,在更多地使用人工智能的情况下我们可以直观地看到行业效果的提升。每天都有大量的组织面临网络威胁。相比于研究人员,机器学习可以更有效地识别、分类和分析这些数据。通过同时处理不同任务,涵盖大量的设备和系统,人工智能可以帮助防御大型攻击。一些自动化的网络安全功能可以更快速地识别异常行为,重点突出那些网络工程师可以跟踪的领域,并在网络弱点被利用之前迅速识别并进行补救。


并且人工智能应用已经在强化其他数字化领域的作用,硬件的改进和数据量的大幅增加,使得人工智能能够被配置到各个行业的数字功能中。


硬件

随着硬件性能和可用性的不断提高,人工智能的开发和应用在国际层面普遍得到了加速发展。


中央处理单元(cpu)是在服务器、平板电脑、计算机和移动电话中解释和执行命令的标准设备。最近,图形处理单元的发展推动了机器学习和深度学习技术的发展,这些芯片可以同时进行多项计算,或者并行进行,加速机器学习的训练过程。谷歌已经针对机器学习开发了定制化芯片 Tensor 处理单元(TPU),并宣布计划进一步提高芯片功能;而图形处理芯片 GPU 开发商英伟达最近被 MIT 提名为世界上最聪明的公司。此外据报道,苹果正在为人工智能设备开发专门的芯片。这种竞争性发展使用高性能计算的成本大幅下降,并且在持续下降,使越来越多的用户可以采用人工智能。市场领导者公布的计划以及专家分析人士的报告表明,这种趋势将持续下去。


数据

自 2000 年以来,全球产生的数据量呈指数级增长,其中很大一部分来自互联网和移动个人设备。包括物联网在内的并行技术,也促成了数据量的强劲上升曲线。这一趋势预计将持续下去。思科估计,从 2016 年到 2021 年,全球移动端数据流量将增长 7 倍。


目前数据经济的发展是推动国家和全球经济发展变化的强大因素。根据最近的一份政府政策文件,「我们的数据经济将是英国经济增长和未来繁荣不可或缺的一部分。」分析预测,从 2015 年到 2020 年,数据将使英国经济受益多达 2410 亿英镑。」


数据的快速增长也孕育了人工智能。对于机器学习算法的训练来说,获取海量数据和特定数据是成功的关键。正如英国皇家学会的机器学习报告所阐释的那样,为技术引入更大的数据集可以改进算法,并随着时间的推移不断优化结果。


要在一个行业中使用人工智能,有必要用与该行业相关的数据对人工智能进行训练。没有足够相关的高质量数据,人工智能技术就无法发展。训练数据的增加使人工智能算法的准确性提高,并使其能够在更多领域开展业务。


增加数据流量也让人工智能变得更有必要:一些领域的数据流量非常大,只有人工智能才有能力处理如此巨量且复杂的数据。


许多机构,其中既有公共部门,也有私营企业都拥有大量的数据。随着更多的业务被数字化,全社会将会产生比过去多得多的数据。然而,出于隐私、安全、商业优势和其他因素的考虑,一个组织很难或不可能向外界共享数据。即便是组织机构看到了推进安全数据共享的案例,并信任他们与之分享数据的外部组织,也往往缺乏达成协议的专业知识和技术技巧,无法在实践中建立信任,并有效地管理数据共享过程。



英国AI产业特点

关注业务功能的AI

大多数早期的英国AI公司 - 每6个中有5个 - 将机器学习应用于特定业务功能或行业的挑战(下面的图2)。 然而,六个中仅有一个在开发适用于多个领域的AI技术,即性能优化及平台或算法的研发这反映了AI领域正处于新兴阶段。 这些公司的活动范畴包括开发计算机视觉解决方案至创造自主决策的算法。  

AI公司向谁销售? 

10家AI公司中有9家主攻“B2B”,为其他企业开发和销售解决方案(下图3)。 只有1/10的公司是直接销售给消费者('B2C')。


围绕数据的“冷启动”挑战抑制了B2C AI公司的新生数量。 训练机器学习算法通常需要大量的数据。 虽然面向企业(B2B)的公司可以在缺少公开或受许可的(例如Facebook资料 )数据的情况下,分析他们所服务的公司提供的各种各样大批量的数据集,但面向客户(B2C)的公司在创始起初,通常没有大量消费者数据用作分析。 因此,随着时间的推移,B2C公司通常随着用户基础和数据集的增长不断部署机器学习的工作。 例如,Gousto是一家MMC投资的公司,向消费者提供食谱和相关配料,以便捷家中的烹饪。 现在,Gousto的机器学习博士,数据分析师和工程师团队利用AI进行仓库自动化和菜单设计。 自Gousto公司成立以来,该公司就早已开始尝试使用AI,但直至近期才达到如今的效果。 


考虑到“冷启动”的挑战,现实情况是,大多数消费者对于机器学习的初体验,是通过世界上最受欢迎的那些消费者应用程序(如Facebook,Google,Amazon,Netflix,Pinterest等),利用大量数据集和机器学习团队,实现面部识别、搜索和娱乐建议、翻译以及更多的功能。


人工智能创业分布不均衡

以每个部分的公司数量来衡量,以下的热力图突出显示出了早期AI公司的活跃领域,(图4,如下)。

最活跃的领域:

·      市场营销与广告、信息技术、商业智能与分析;

·      金融部门。

一般活跃范围:

·      人力资源

·      基础设施、医疗健康、零售部门。

上述领域都非常适合应用AI,这便解释了为何人工智能都集中活跃于其中。有机会在这些领域创造价值是显然且有必要的。例如,在市场营销和金融方面,广告转化效果的提升和财务绩效的评价是易于量化的。 所有的上述领域都提供了大量非常适合应用机器学习的解决的预测和优化问题,它们都能提供用于训练和部署的大数据集。因此,在这些领域找到优于人类表现的AI方案是在技术上可行的,而找到非AI的替代方案则不切实际或非常昂贵;并且,这些领域都是专业化的垂直行业,距来自消费者和受到AI平台提供商巨头(如Google, Amazon, Microsoft, IBM)关注的竞争威胁甚远,除了Google和IBM可能有能力在健康医疗领域发起挑战。


有吸引力的市场基础促进了产业活动,最强的AI公司们可以通过以下方式发展竞争优势:引入深度的专业知识来处理复杂的专业领域问题;开发专利算法;通过利用非公开数据集。


有吸引力的市场基础促进了产业活动,最强大的AI公司可以通过以下方式发展竞争优势:引入深度的专业知识来处理复杂的专业领域问题; 开发专利算法; 通过利用非公开数据集创建围绕数据的网络效应(network effect,又称需求方规模经济,就是指一个产品或服务的用户越多价值越大); 并通过保障充足的资建立一个高质量的机器学习团队和上市的资源。


产业活动中营销和广告活动占主导地位; 英国每5个初创AI公司就有1个关注该行业。 现代营销和广告的根本特点体现了AI的好处。 消费者对网站和应用程序拥有数十亿个接触点,这提供了丰富的可得但复杂的数据。 此外,营销和广告价值链的几乎每个阶段都适合进行优化和自动化,包括内容处理、消费者划分、消费者定位,程序化广告优化,消费者购物推荐和消费者情绪分析。


不太活跃的领域

在一些领域,相对于市场机遇来说AI活动是微不足道的。 例如,在制造业行业,很少有初创公司能够解决实质性的需求。 机器学习有潜力通过预测和优化机器维护过程,提高机器20%的生产能力。 通过改进的产品质量数据分析,可以降低原材料成本和重复性劳动。 此外,如果生产能力被预估的更好,“缓冲”(即储存原材料和半成品以弥补生产过程中意外的低效)可以降低达30%。 制造业传感器的激增,包括来自生产线的传感器数据,机床参数和环境数据,也大大增加了可用于机器学习的数据。


在合规与欺诈(Compliance & Fraud)职能方面,较少有初创公司有意参与银行合规资助项目从而获利。花旗集团30,000名员工,占该银行员工总数的12% - 现在在做合规工作。在其15年一季度的电话会议上,花旗强调,通过提高效率计划节省的3.4亿美元,50%以上被用于监管与合规的额外支出。花旗集团的同行之间也显现出这一趋势。摩根大通用于合规的支出,自2011年至2015年增加了50%,达到了9亿,而高盛则强调,过去四年其员工人数增长了11%,主要是为了满足监管合规方面工作的需求。我们与银行的讨论特别关注“了解您的客户”(KYC)和反洗钱(AML)的打算。除了提出广泛的需求,该部门提供大量的数据集,用于训练人工智能,作为昂贵 人工的替代品,并且考虑到人类监测数据泛滥根本是不可能的,至少在某些方面的机器学习能力,能够提供明显优于人类的绩效。在银行内部努力下,可能有少数英国合规公司,开始专门留意潜在客户的关注点或来自美国初创公司的竞争,不过机会似乎相当可观。


英国七大领域AI公司

医疗保健/生命科学:其被视为人工智能最重要的领域之一,既能提供更好的服务,也能提高效率。BenevolentAI 使用人工智能来加速药物的运送过程。Babylon Health 与英国国家医疗服务系统合作,通过移动设备测试聊天机器人对病人提供建议。该公司最近完成了 6000 万美元的融资。Your.MD 开发的个人健康助理是一款免费的聊天机器人,能够为用户提供个性化且可行性高的医疗建议。


数字营销:英国在数字营销、销售和商业开发等多个领域都有人工智能公司。AdBrain 的客户 ID 映射平台让营销人员能够对不同设备、渠道和平台的个人消费者进行定位和跟踪,从而实现更好的营销效果。Pixoneye 提供基于人工智能的图像和手机图片功能分析,帮助客户更好地划分用户群体。Attest Technologies 将人工智能技术用于市场研究,Growth Intel 则将人工智能改进为商业智能,用于商业开发。Decibel Insight 专注于网络分析。


汽车:互联网汽车和自动驾驶汽车为人工智能公司提供了巨大的增长机遇。位于布里斯托尔的 FiveAi 公司致力于开发安全自动驾驶技术。牛津的 Oxbotica 公司则开发了一套自动驾驶系统。Selenium 利用来自激光和车载摄像机的数据进行自动导航。


身份鉴别:新诞生的 RegTech(监管技术)领域让一些公司使用人工智能来辨别身份。Onfido 使用机器学习技术对公司进行全球背景调查。


金融服务:用人工智能对金融交易行为进行分析可以控制欺诈交易的风险。Chatbots 使用智能语音记录的聊天机器人处理来自客户的电话请求。为了通过个人「声纹」来提高安全性,汇丰银行推出了一款聊天机器人「奥利维亚」,用于验证用户身份。2017 年 5 月有报道称,到 2019 年,特许金融分析师协会的考试将包括人工智能、机器人咨询服务和分析大数据等相关考题。


法律技术:人工智能已经开始帮助律师进行法律文件搜索,识别标准,审查文件,以及自动起草法律文本。Pinsent Masons 的 TermFrame 系统可以检索法律先例和模板。MarginMatrix 是 Allen&Overy 和德勤联合成立的一家合资公司,它会自动起草法律文件,帮助银行遵守新的金融监管规定。据报道,该公司把法律文件的起草时间从几小时缩短到了几分钟。


教育:人工智能可以提高教育的有效性,例如通过评估在线学习的效果,提供更好的个性化服务。Gradescope 为教师提供自动评分服务。


此外,总部位于美国的全球性科技公司对英国人工智能公司进行了大量高价值收购。2012 年的 Evi;2014 年的 DeepMind;2015 年的 VocalIQ;2016 年的 SwiftKey 和 Magic Pony。



投资情况

一个相对于全球同行的新生行业

与全球同行相比,英国人工智能领域处于新生阶段,既带来了机遇,也带来了挑战。


今天,相比于美国同行的一半比率,有四分之三的英国人工智能公司处于他们自身旅程的最初阶段,就是所谓的“种子”或“天使”资金阶段(图7)。另一方面,在每10个英国人工智能公司中只有一个处于晚期“增长资本”阶段,而在美国却是每五个人工智能公司中就有一个。2015年,我们数据可用的最后一个整年,几乎所有有资本输入的英国人工智能公司都还处于天使,种子或A系列阶段,而在全球人工智能领域内,已经有三分之一的公司收到了后期资金(图8) 。


这种动态现象既呈现了机会,也隐藏着风险。一个充满活力的创业场景为处于初期的公司的企业家,员工和投资者提供了无与伦比的机会。与此同时,更加发达和资金富裕的海外竞争对手可能会提高英国公司的竞争压力。这种影响可能因高比例被出售给大企业的人工智能公司而加剧,其中许多竞争者来源于全球的供应商。英国持有宝贵可以用于人工智能研究的资产,包括拥有四分之一的世界排名前25的大学,以及一个出现了了Deep Mind,SwiftKey,Magic Pony和其他英国人工智能公司而不断增长的人工智能从业者和投资者的生态系统。


营利的旅程可能会更长

超过40%的我们遇到的人工智能公司尚未产生收入(图9)。 这并不是因为我们遇见的是处于初期阶段的公司; 我们遇到的公司中,处于中位数位置的公司是一个创立于2 - 3年前,已经筹集了130万英镑,有一个有9个人并且每月花费7,6000英镑的团队。


 大多数人工智能公司,至少应用型的人工智能公司,计划获得预收入而不是销售软件和服务的想法是一个神话。 我们遇到的所有公司都在实施或开发货币化计划。 那么,为什么一些人工智能公司比其它领域处于初期阶段的公司花费更长时间才实现货币化或规模化? 我们总结出以下四个原因:

·      在这个技术上有挑战性的领域,最低可行产品(MVP)的标准可能更高,需要更长的开发周期。

·      90%的AI公司是B2B公司。 在B2B销售中典型的长销售周期会在AI公司中加剧,这是因为许多AI公司专注于分散而敏感的数据,如财务数据 。

·      由于广泛各个客户的数据集成、数据清理和定制要求,部署期可能会很长。 我们遇到的一半人工智能公司有一个纯粹的软件即服务模式; 因此许多成本巨大的客户端整合和定制工作以项目收入的形式获得盈利(图10)。

·      可用于初期公司实施的人员数量的有限性阻碍了许多人工智能公司的发展。 在几家公司的情绪回应中,有人告诉我们“即使我们有订单,我们也无法实施更多的销售。”许多团队中有三分之一的人员是从事部署支持工作的。


机器学习人才的高成本造成了现金燃烧率增长的加剧,更长的变现盈利之路可能对人工智能公司构成挑战。 我们建议人工智能公司筹集足够的资本,使其在这段风险时期内可以持续走下去,直到上市和超越。


投资更大,但分期是非典型的

至少在全球范围内,对人工智能公司的投资通常比平均资本输入大20%到60%(图11,显示的是2015年数据)。这反映了公司的基本面和资本供求的动态。 人工智能公司的资本要求更高,因为在产品可行性之前有更长的开发周期,机器学习人才的高成本和复杂部署所需的更大的团队 。然而,除了这些基本面之外,资本输入因大量的供应(许多风险资本家寻求机会投资人工智能公司)和有限的需求(有相对较少的人工智能公司可供投资)膨胀。在过去的五年里,早期人工智能公司的风险资本投资增加了七倍,然而具有可投资前景的公司的数量仍然有限。


此外,在英国,相当数量的少数公司成功从种子轮次跳到比随后一轮的典型数量大得多的增长(图12,下图)。三分之一的英国人工智能公司在之前的筹资额低于100万美元的情况下,在一轮筹资中募集了超过800万美元。 如上所述,这种动态部分是由人工智能公司的资本要求驱动的,但是人工智能公司中有限数量的有吸引力的投资机会还是只有那么多。与此同时,新生公司的估值预期受收到的“被并购”的邀约支持着 。


内容主要来源:大数据文摘

相关文章
评论
新版评论功能开发中
头条推荐
最新资讯