20世纪50年代到70年代初，人们认为如果能赋予机器逻辑推理能力，机器就能具有智能，人工智能研究处于“推理期”。当人们意识到人类之所以能够判断、决策，除了推理能力外，还需要知识，人工智能在20世纪70年代进入了“知识期”，大量专家系统在此时诞生。随着研究向前进展，专家发现人类知识无穷无尽，且有些知识本身难以总结后交给计算机，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。发展到20世纪80年代，机器学习真正成为一个独立的学科领域、相关技术层出不穷，深度学习模型以及AlphaGo增强学习的雏形-感知器-均在这个阶段得以发明。随后由于早期的系统效果的不理想，美国、英国相继缩减经费支持，人工智能进入低谷。 80 年代初期，人工智能逐渐成为产业， 但又由于5代计算机的失败再一次进入低谷。2010年后，相继在语音识别、计算机视觉领域取得重大进展，围绕语音、图像等人工智能技术的创业大量涌现，从量变实现质变。但是一个市场的形成会经历不同的阶段，每一个阶段的环境带来不同的利润。
人工智能商业应用
正如吴恩达曾在一次访谈中举出了iPhone和深度学习的例子：iPhone这样的产品，会在2007年而不是1993年发布的原因就是1993年的芯片、电池和屏幕技术都没有发展到位；而深度学习也是一样，上个世纪90年代的数据和计算量都不足以支撑深度学习的需求，只有到了2007年，有了大数据做基础，深度学习才可以缓慢地发展。
对于人工智能技术来说，也是一样。进入2018年以来，越来越多的媒体开始关注人工智能技术落地的问题，也有一些先行者开始唱衰“人工智能”，认为AI的新一轮寒冬即将到来，或许人工智能目前已经处在了泡沫化的低谷期，但越是在这种时候，才越能看出真正能赚钱的人工智能商业应用是怎样的。正像那句话所说的：“只有等到浪潮褪去，才能看到谁在裸泳。”
人工智能公司的几种类型
目前市面上的人工智能公司主要分为以下几种：
第一种是传统互联网公司巨头，跨国市场超巨头包括谷歌和微软亚洲研究院，国内巨头包括大家熟知的阿里、腾讯、百度，当然也包括乘着人工智能算法的东风不断壮大的今日头条、滴滴等企业。
第二种是人工智能创业公司，即以某种类别的人工智能技术为基础创业的公司，也是前两年媒体会大肆报道的公司。在不同的人工智能技术领域里，也有不同的明星企业。比如说在自动驾驶领域里的蔚来、小马智行、Momenta、图森未来等；在语音识别领域的科大讯飞、出门问问、云知声、思必驰等；在计算机识别领域的商汤科技、旷视科技、云从科技、依图科技、图普科技等。
第三类则是将人工智能技术融入到自身业务当中的企业，比如前段时间上市的英语流利说、第四范式、学霸君等等。
人工智能商业应用如何变现
纵观人工智能市场，如果根据商业应用或者产业链进行分析，可以大致从上至下分为三类：应用层、技术层和基础层。
人工智能商业应用
人工智能基础层主要以硬件为主，分为运算芯片、终端数据采集、终端数据传输、云计算、用户行为大数据、行业大数据、智能终端等等。人工智能技术层则包括机器学习、语音及NLP处理、计算机识别。人工智能应用层则可以细分为十三类，包括通用机器学习、应用机器学习、通用自然语言处理、语音识别、通用图像识别、应用图像识别、手势控制、虚拟私人助手、智能机器人、推荐引擎和协助过滤算法、情景感知计算、语音翻译、视频内容识别等。
而根据商业应用类型的不同，盈利能力也有区分。解决方案是大部分公司最容易进入而且相对来说变现速度较快的部分，通过将技术应用在垂直行业或者跨行业当中实现盈利，但是竞争相对激烈，难以形成行业壁垒，在这一步拼的不仅仅只是算法能力，更多的是对深耕行业的理解、服务能力和最终产品效果，举例来说，在新零售的风口之中，很多知名的图像识别公司纷纷开始为零售商研发相应的解决方案，比如智能货柜，客流分析等等，其中旷视科技、依图科技、图普科技均是其中典型；其次就是大数据，但是大数据的进入门槛基本已经垄断在了巨头手中，像腾讯、阿里均为其中典型案例。而在技术层的通用技术和算法框架则对技术要求较高，适合中长期布局，比如图像识别公司中的商汤科技；而在基础层中的计算能力则大多也是巨头在布局。
人工智能的常见商业模式
如上图所示，人工智能的商业模式大概分为以上五种，但是大部分盈利都来自于项目整合，比如像云从科技、依图科技的人脸识别技术在安防领域的应用，图普科技的图像识别技术在鉴黄和零售领域的应用等等，但是就盈利部分来说，也不算很高，因此之前一度有媒体声音说人工智能就是用钱堆出来的行业，人工智能不靠B，不靠C，只靠VC存活。据前瞻产业研究院分析，2018年有关人工智能的融资，在企业数量上放缓，但是融资数额仍旧增大。仅2018年上半年，融资事件就有146件，但融资规模达到402亿元。这是因为商汤科技、云从科技和优必选等企业获得高额投资，半年的融资额已经超过2017年全年，而一些头部的人工智能公司估值累积起来已经达3500亿。
从2016到2017年，国内投资过人工智能领域的机构多达145家，而无论是否投资过人工智能企业，几乎所有投资机构在公开场合都认为：人工智能的确是未来，只是在未来有多远，以及如何估值这个问题上存在一定疑问。 以学术水平论估值，是正在布局这个行业的一些VC的基本逻辑。但是随着人工智能技术从过高的期望峰值回落以及资本的相对吃紧，相信未来VC投资的基本逻辑也将有所改变。
目前来看，人工智能的炒作还是集中在一些标志性的技术型公司，变现渠道还不明确，而另一些开始有盈利的垂直应用公司，由于方案落地需要时间和精力，相对来说则不太为媒体所知。
人工智能商业落地代表性公司(以下非全面数据)
计算能力层：大数据、云计算、GPU/FPGA等硬件加速、神经网络芯片等计算能力提供商 数据层：身份信息、医疗、购物、交通出行等各行业、各场景的一手数据。
框架层：TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系 统 算法层：机器学习、深度学习、增强学习等各种算法 通用技术层：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件。
应用平台层：行业应用分发和运营平台，机器人运营平台 解决方案层：智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用，人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局；通用技术层是构建技术护城河的基础，需要中长期进行布局；解决方案层直戳行业痛点，变现能力最强.
联系我们请点击：
数邦客
