基础应用也就是深度学习的直接应用，最典型的就是图像识别（CNN）与语音识别（LSTM）。基础应用的主要目的是给其他应用提供技术支持、API和SDK，其泛用性和准确率是非常重要的。因此，基础应用需要很强的研发能力作支撑，具体来说就是有独特可靠的算法作为核心竞争力，以及丰富的数据库和计算资源。基础应用商的关键问题一是技术壁垒，二是变现能力。这一部分我们在之后的产业演进路径部分会详细解释。现阶段基础应用商要么通过建立开放云平台来建立生态并保持技术更新，比如科大讯飞的讯飞开放平台、旷视科技的Face++平台；要么其本身用户群体就比较大，可以通过提供人工智能应用提高用户黏性和ARPU，比如谷歌DeepMind、百度大脑、今日头条。
我们把高级应用定义为利用了多种基础应用并且需要与环境频繁交互的应用，高级应用主要包括智能机器人与智能交通。高级应用需要对多方面人工智能资源进行整合，是最接近“智能”的应用形式。高级应用处于时刻变化的环境之中，对准确、安全和稳定的要求很高。此外，高级应用的推广往往需要政府的大力支持和配套设施的建设，不管是消费级的无人驾驶还是助力工业4.0的机器人。因此高级应用的落地需要一定时间，我们可以看到大部分厂商目前还处于增添智能模块和小范围实验阶段。但其市场是极大的，而且会颠覆人类的生活方式。
行业应用是指与各垂直细分行业紧密结合的人工智能应用，包含领域非常广泛。与基础应用商提供底层平台不同，行业应用商面对的是各异的市场结构、数据属性、客户习惯，其技术能力主要体现在能否提出适合行业的解决方案。
深耕细分行业不仅市场空间巨大，而且能有效避开大公司的竞争，充分发挥行业资源的优势，形成完整的生态链闭环。我们认为传统行业的智能化转型和大数据公司的垂直发展将带来行业应用的快速发展，这将是最先落地的人工智能应用。
更进一步，人工智能特别适用于海量数据、数据特征明显、主观判断为主、效率提升明显、触及行业痛点、市场巨大的场景，因此我们尤其看好行业应用中的智能车载、智能安防、智能医疗、智能教育、智能物流、智能零售。
图表2：人工智能的适用领域
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
