從這個角度看，2018年應(yīng)用機(jī)器學(xué)習(xí)為中國人工智能市場帶來的規(guī)模達(dá)100億元人民幣芜既。單就商業(yè)化機(jī)器學(xué)習(xí)開發(fā)平臺而言阶糖，2018年包括硬軟服在內(nèi)的中國機(jī)器學(xué)習(xí)市場達(dá)到10億元人民幣，預(yù)計2018-2023年五年復(fù)合增長率將達(dá)到62.0%庵锰。在機(jī)器學(xué)習(xí)開始廣泛滲透秃练、應(yīng)用場景拓展翻新的起步階段，IDC逐步深入開展機(jī)器學(xué)習(xí)開發(fā)平臺廠商評估這一研究陪孩。
市場現(xiàn)狀
當(dāng)前的技術(shù)應(yīng)用現(xiàn)狀：當(dāng)前的機(jī)器學(xué)習(xí)開發(fā)平臺基本可以提供30種以上的經(jīng)典機(jī)器學(xué)習(xí)算法雁痪；基本已支持TensorFlow, PyTorch，Caffe等主流框架盅妹。不僅是機(jī)器學(xué)習(xí)猴襟、深度學(xué)習(xí)，圖算法也開始走向市場羔俭，現(xiàn)階段應(yīng)用普及的是經(jīng)典機(jī)器學(xué)習(xí)曼庆。領(lǐng)先的廠商在兼顧機(jī)器學(xué)習(xí)創(chuàng)新應(yīng)用的同時，還能夠針對機(jī)器學(xué)習(xí)類工作負(fù)載對底層硬件做深度優(yōu)化阁吝，為用戶提供高效靈活的軟硬一體化產(chǎn)品砚婆。
應(yīng)用落地現(xiàn)狀：目前商業(yè)化機(jī)器學(xué)習(xí)產(chǎn)品已經(jīng)落地的行業(yè)及應(yīng)用包括金融行業(yè)反欺詐、信用模型評估求摇，跨行業(yè)的產(chǎn)品推薦射沟、精準(zhǔn)營銷殊者，1-2年內(nèi)正在落地的應(yīng)用包括能源(尤其是電力)与境、軍工、制造行業(yè)猖吴。
市場格局：
1.以云服務(wù)商為代表的平臺級公司主推公有云機(jī)器學(xué)習(xí)摔刁，幫助用戶在云上快速搭建機(jī)器學(xué)習(xí)模型，這些云服務(wù)商在已有的客戶群體中積累了大量機(jī)器學(xué)習(xí)應(yīng)用實踐海蔽。該類廠商的優(yōu)勢在于有龐大的用戶基數(shù)共屈，可以快速轉(zhuǎn)化為機(jī)器學(xué)習(xí)產(chǎn)品的用戶。
2.以第四范式党窜、探智立方為代表的創(chuàng)業(yè)公司以前沿創(chuàng)新的技術(shù)如聯(lián)邦遷移學(xué)習(xí)拗引、完全自動化的AutoML等技術(shù)/產(chǎn)品趨勢。該類廠商的優(yōu)勢在于技術(shù)茧淮。
3.大數(shù)據(jù)平臺公司也在推出機(jī)器學(xué)習(xí)組件以幫助用戶在大數(shù)據(jù)平臺上實現(xiàn)預(yù)測分析能力椿烂，例如新華三、東軟着阿、星環(huán)科技等伍配。該類廠商則需要同時在技術(shù)和市場方面追趕領(lǐng)先者。
自動化機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)建模工程師跨峡、數(shù)據(jù)資源質(zhì)量與市場的不確定性：當(dāng)前算法工程師仍處于稀缺狀態(tài)泳信，一定程度上制約了機(jī)器學(xué)習(xí)的推廣落地。面向應(yīng)用場景的數(shù)據(jù)資源匱乏拦举，也是影響機(jī)器學(xué)習(xí)推廣的制約因素筝仓。自動化機(jī)器學(xué)習(xí)可以緩解對于專業(yè)算法工程師的需求，成功的自動化機(jī)器學(xué)習(xí)產(chǎn)品可以使業(yè)務(wù)人員經(jīng)過培訓(xùn)即可以建模盐传⌒搪溃總體來看，企業(yè)用戶對機(jī)器學(xué)習(xí)產(chǎn)品交付方式的偏好旋乙、算法工程師的供需關(guān)系端伪，都將影響機(jī)器學(xué)習(xí)市場的發(fā)展趨勢。
值得關(guān)注的前沿領(lǐng)域：領(lǐng)先的廠商于2019年著力研發(fā)自動化機(jī)器學(xué)習(xí)装蓬、智能數(shù)據(jù)標(biāo)注著拭、可解釋深度學(xué)習(xí)、界面可視化牍帚、圖算法儡遮、批數(shù)據(jù)處理等。
典型廠商
在本次研究中暗赶，IDC中國選擇了主流的13家廠商進(jìn)行研究鄙币，分別是(排名不分先后，按照首字母排序)：阿里云蹂随、AWS十嘿、百度、東軟岳锁、第四范式绩衷、金山云、九章云極激率、美林?jǐn)?shù)據(jù)咳燕、騰訊云、探智立方鉴吞、微軟征拆、星環(huán)科技、新華三摹椅、IBM虫棕。本文僅選取5家典型廠商進(jìn)行分析。
互聯(lián)網(wǎng)平臺級廠商代表：百度
百度在機(jī)器學(xué)習(xí)領(lǐng)域擁有深厚的技術(shù)積累厢申，在國內(nèi)最早推出深度學(xué)習(xí)開源框架飛槳PaddlePaddle鲜伶，在近1-2年內(nèi)下載量以及活躍用戶量都保持高速增長裹侍。百度也是國內(nèi)較早推出自動化機(jī)器學(xué)習(xí)產(chǎn)品的廠商，其EasyDL產(chǎn)品目前擁有較高的市場認(rèn)知度惨侍。在商業(yè)化方面驳鸿，依托百度云的客戶積累及市場拓展能力，百度能夠?qū)C(jī)器學(xué)習(xí)能力快速輸出并不斷迭代箱充。
創(chuàng)新創(chuàng)業(yè)公司代表：第四范式
既能專注AI算法開發(fā)又能兼顧軟硬件一體化的高度優(yōu)化动苍；成熟的企業(yè)級產(chǎn)品；快速落地的商業(yè)化能力镰吆，成為第四范式從諸多企業(yè)中脫穎而出且快速擴(kuò)張的重要因素帘撰。
數(shù)據(jù)科學(xué)、大數(shù)據(jù)時代的創(chuàng)新廠商：美林?jǐn)?shù)據(jù)万皿、九章云極
西安美林?jǐn)?shù)據(jù)在本次評估中處于領(lǐng)導(dǎo)者象限摧找。美林?jǐn)?shù)據(jù)擁有數(shù)十年的企業(yè)數(shù)字化服務(wù)經(jīng)驗，在機(jī)器學(xué)習(xí)市場牢硅，其TempoAI產(chǎn)品已在多個行業(yè)中得到實際應(yīng)用蹬耘，且深受工業(yè)、能源等行業(yè)用戶認(rèn)可减余。成熟穩(wěn)定的產(chǎn)品综苔、廣泛深入的用戶案例，是美林?jǐn)?shù)據(jù)位于領(lǐng)導(dǎo)者象限的重要原因位岔。
處于“主要廠商/主要玩家”象限的九章云極當(dāng)前主要服務(wù)金融行業(yè)如筛，在特定的應(yīng)用場景如反欺詐、用戶畫像等領(lǐng)域積累了豐富的實踐抒抬，在政府杨刨、制造業(yè)等領(lǐng)域，也與客戶共同打造了諸多機(jī)器學(xué)習(xí)的創(chuàng)新應(yīng)用案例瞧剖。
值得關(guān)注的國際廠商：AWS
AWS在全球機(jī)器學(xué)習(xí)市場取得了令人矚目的成績酷雌，根據(jù)其內(nèi)部調(diào)研數(shù)據(jù)灌滤，約80%的TensorFlow部署在AWS的云服務(wù)上名娶。在中國市場，AWS憑借自動化機(jī)器學(xué)習(xí)Sagemaker快速獲得較高的市場認(rèn)知度誉芙，依托云服務(wù)的客戶積累其機(jī)器學(xué)習(xí)產(chǎn)品也得以快速部署健娄。AWS較早推出機(jī)器學(xué)習(xí)推理芯片Inferentia，也參與了onNX(開放神經(jīng)網(wǎng)絡(luò)模型格式轉(zhuǎn)換)項目的建設(shè)與推廣尿笔。在加強(qiáng)自主研發(fā)的同時翁焦，AWS也始終以開放的態(tài)度為用戶提供靈活的機(jī)器學(xué)習(xí)選擇。
提供給技術(shù)買家的建議
應(yīng)用場景的成熟度總結(jié)：成熟度高的應(yīng)用場景包括產(chǎn)品推薦临颈、用戶畫像茎倘、反欺詐钾趁，簡單的證件識別類光學(xué)字符識別技術(shù)(OCR)。
正在探索的應(yīng)用場景：設(shè)備預(yù)測性維護(hù)租江、基于產(chǎn)品外觀的質(zhì)量檢測斑泳、交通軌道火花分析等。(由于本次的研究對象是面向開發(fā)人員的機(jī)器學(xué)習(xí)開發(fā)平臺献丑，未包括人臉識別末捣、聲紋識別、短語音識別等應(yīng)用場景)创橄。
合作伙伴的選擇：
1. 首先明確當(dāng)前的業(yè)務(wù)場景是否能用機(jī)器學(xué)習(xí)的方式解決箩做，此問題可與供應(yīng)商共同探討⊥孜罚考慮企業(yè)現(xiàn)階段是否具備機(jī)器學(xué)習(xí)模型開發(fā)能力邦邦，如無模型開發(fā)能力，可以選擇自動化程度較高的機(jī)器學(xué)習(xí)產(chǎn)品醉蚁。如有充足的開發(fā)能力圃酵，也可以嘗試采用開源技術(shù)自主搭建機(jī)器學(xué)習(xí)平臺。
2. 產(chǎn)品層面馍管，選擇高度靈活郭赐、容易上手的產(chǎn)品，考慮模型的豐富程度的同時考慮提供的模型是否符合企業(yè)內(nèi)部的應(yīng)用需求确沸。
3. 考慮采用高度自動化的機(jī)器學(xué)習(xí)產(chǎn)品捌锭，培養(yǎng)業(yè)務(wù)分析師向數(shù)據(jù)科學(xué)家轉(zhuǎn)型。
應(yīng)用機(jī)器學(xué)習(xí)境愕、人工智能秋降，重要的一點(diǎn)在于具備建模所需數(shù)據(jù)。很多機(jī)器學(xué)習(xí)項目失敗的原因也是因為數(shù)據(jù)不足導(dǎo)致模型預(yù)測準(zhǔn)確度不能滿足業(yè)務(wù)上線需求停楞。長期來看别逐，企業(yè)需要考慮能夠增強(qiáng)內(nèi)部數(shù)據(jù)能力的產(chǎn)品/服務(wù)，盡早建設(shè)可以輸入人工智能模型的核心智能數(shù)據(jù)平臺羔漂。
IDC倡導(dǎo)在采用機(jī)器學(xué)習(xí)敢智、人工智能解決方案時，企業(yè)不能過度關(guān)注硬件和算力平臺而忽視了軟件及應(yīng)用匹说。為短期內(nèi)的AI工作負(fù)載選擇適配的底層架構(gòu)晚号，為中長期的AI工作負(fù)載做好算力規(guī)劃。更重要的是卫驯，重視將機(jī)器學(xué)習(xí)殃忠、深度學(xué)習(xí)的價值大化，真正以業(yè)務(wù)需求為導(dǎo)向毫痢，實現(xiàn)智能化趾始。
IDC中國人工智能高級研究經(jīng)理盧言霞表示秉馏，盡管深度學(xué)習(xí)算法的創(chuàng)新速度變緩，但我們相信機(jī)器學(xué)習(xí)的應(yīng)用將穩(wěn)步滲透到各行各業(yè)的生產(chǎn)系統(tǒng)中脱羡。純技術(shù)的創(chuàng)新速度有所放緩沃饶，但從技術(shù)到產(chǎn)品到商業(yè)化應(yīng)用落地的速度在加快。未來轻黑，自動化機(jī)器學(xué)習(xí)也將降低行業(yè)用戶采用AI的門檻糊肤，加速行業(yè)企業(yè)實現(xiàn)高級別的自動化、智能化氓鄙。
市場現(xiàn)狀
當(dāng)前的技術(shù)應(yīng)用現(xiàn)狀：當(dāng)前的機(jī)器學(xué)習(xí)開發(fā)平臺基本可以提供30種以上的經(jīng)典機(jī)器學(xué)習(xí)算法雁痪；基本已支持TensorFlow, PyTorch，Caffe等主流框架盅妹。不僅是機(jī)器學(xué)習(xí)猴襟、深度學(xué)習(xí)，圖算法也開始走向市場羔俭，現(xiàn)階段應(yīng)用普及的是經(jīng)典機(jī)器學(xué)習(xí)曼庆。領(lǐng)先的廠商在兼顧機(jī)器學(xué)習(xí)創(chuàng)新應(yīng)用的同時，還能夠針對機(jī)器學(xué)習(xí)類工作負(fù)載對底層硬件做深度優(yōu)化阁吝，為用戶提供高效靈活的軟硬一體化產(chǎn)品砚婆。
應(yīng)用落地現(xiàn)狀：目前商業(yè)化機(jī)器學(xué)習(xí)產(chǎn)品已經(jīng)落地的行業(yè)及應(yīng)用包括金融行業(yè)反欺詐、信用模型評估求摇，跨行業(yè)的產(chǎn)品推薦射沟、精準(zhǔn)營銷殊者，1-2年內(nèi)正在落地的應(yīng)用包括能源(尤其是電力)与境、軍工、制造行業(yè)猖吴。
市場格局：
1.以云服務(wù)商為代表的平臺級公司主推公有云機(jī)器學(xué)習(xí)摔刁，幫助用戶在云上快速搭建機(jī)器學(xué)習(xí)模型，這些云服務(wù)商在已有的客戶群體中積累了大量機(jī)器學(xué)習(xí)應(yīng)用實踐海蔽。該類廠商的優(yōu)勢在于有龐大的用戶基數(shù)共屈，可以快速轉(zhuǎn)化為機(jī)器學(xué)習(xí)產(chǎn)品的用戶。
2.以第四范式党窜、探智立方為代表的創(chuàng)業(yè)公司以前沿創(chuàng)新的技術(shù)如聯(lián)邦遷移學(xué)習(xí)拗引、完全自動化的AutoML等技術(shù)/產(chǎn)品趨勢。該類廠商的優(yōu)勢在于技術(shù)茧淮。
3.大數(shù)據(jù)平臺公司也在推出機(jī)器學(xué)習(xí)組件以幫助用戶在大數(shù)據(jù)平臺上實現(xiàn)預(yù)測分析能力椿烂，例如新華三、東軟着阿、星環(huán)科技等伍配。該類廠商則需要同時在技術(shù)和市場方面追趕領(lǐng)先者。
自動化機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)建模工程師跨峡、數(shù)據(jù)資源質(zhì)量與市場的不確定性：當(dāng)前算法工程師仍處于稀缺狀態(tài)泳信，一定程度上制約了機(jī)器學(xué)習(xí)的推廣落地。面向應(yīng)用場景的數(shù)據(jù)資源匱乏拦举，也是影響機(jī)器學(xué)習(xí)推廣的制約因素筝仓。自動化機(jī)器學(xué)習(xí)可以緩解對于專業(yè)算法工程師的需求，成功的自動化機(jī)器學(xué)習(xí)產(chǎn)品可以使業(yè)務(wù)人員經(jīng)過培訓(xùn)即可以建模盐传⌒搪溃總體來看，企業(yè)用戶對機(jī)器學(xué)習(xí)產(chǎn)品交付方式的偏好旋乙、算法工程師的供需關(guān)系端伪，都將影響機(jī)器學(xué)習(xí)市場的發(fā)展趨勢。
值得關(guān)注的前沿領(lǐng)域：領(lǐng)先的廠商于2019年著力研發(fā)自動化機(jī)器學(xué)習(xí)装蓬、智能數(shù)據(jù)標(biāo)注著拭、可解釋深度學(xué)習(xí)、界面可視化牍帚、圖算法儡遮、批數(shù)據(jù)處理等。
典型廠商
在本次研究中暗赶，IDC中國選擇了主流的13家廠商進(jìn)行研究鄙币，分別是(排名不分先后，按照首字母排序)：阿里云蹂随、AWS十嘿、百度、東軟岳锁、第四范式绩衷、金山云、九章云極激率、美林?jǐn)?shù)據(jù)咳燕、騰訊云、探智立方鉴吞、微軟征拆、星環(huán)科技、新華三摹椅、IBM虫棕。本文僅選取5家典型廠商進(jìn)行分析。
互聯(lián)網(wǎng)平臺級廠商代表：百度
百度在機(jī)器學(xué)習(xí)領(lǐng)域擁有深厚的技術(shù)積累厢申，在國內(nèi)最早推出深度學(xué)習(xí)開源框架飛槳PaddlePaddle鲜伶，在近1-2年內(nèi)下載量以及活躍用戶量都保持高速增長裹侍。百度也是國內(nèi)較早推出自動化機(jī)器學(xué)習(xí)產(chǎn)品的廠商，其EasyDL產(chǎn)品目前擁有較高的市場認(rèn)知度惨侍。在商業(yè)化方面驳鸿，依托百度云的客戶積累及市場拓展能力，百度能夠?qū)C(jī)器學(xué)習(xí)能力快速輸出并不斷迭代箱充。
創(chuàng)新創(chuàng)業(yè)公司代表：第四范式
既能專注AI算法開發(fā)又能兼顧軟硬件一體化的高度優(yōu)化动苍；成熟的企業(yè)級產(chǎn)品；快速落地的商業(yè)化能力镰吆，成為第四范式從諸多企業(yè)中脫穎而出且快速擴(kuò)張的重要因素帘撰。
數(shù)據(jù)科學(xué)、大數(shù)據(jù)時代的創(chuàng)新廠商：美林?jǐn)?shù)據(jù)万皿、九章云極
西安美林?jǐn)?shù)據(jù)在本次評估中處于領(lǐng)導(dǎo)者象限摧找。美林?jǐn)?shù)據(jù)擁有數(shù)十年的企業(yè)數(shù)字化服務(wù)經(jīng)驗，在機(jī)器學(xué)習(xí)市場牢硅，其TempoAI產(chǎn)品已在多個行業(yè)中得到實際應(yīng)用蹬耘，且深受工業(yè)、能源等行業(yè)用戶認(rèn)可减余。成熟穩(wěn)定的產(chǎn)品综苔、廣泛深入的用戶案例，是美林?jǐn)?shù)據(jù)位于領(lǐng)導(dǎo)者象限的重要原因位岔。
處于“主要廠商/主要玩家”象限的九章云極當(dāng)前主要服務(wù)金融行業(yè)如筛，在特定的應(yīng)用場景如反欺詐、用戶畫像等領(lǐng)域積累了豐富的實踐抒抬，在政府杨刨、制造業(yè)等領(lǐng)域，也與客戶共同打造了諸多機(jī)器學(xué)習(xí)的創(chuàng)新應(yīng)用案例瞧剖。
值得關(guān)注的國際廠商：AWS
AWS在全球機(jī)器學(xué)習(xí)市場取得了令人矚目的成績酷雌，根據(jù)其內(nèi)部調(diào)研數(shù)據(jù)灌滤，約80%的TensorFlow部署在AWS的云服務(wù)上名娶。在中國市場，AWS憑借自動化機(jī)器學(xué)習(xí)Sagemaker快速獲得較高的市場認(rèn)知度誉芙，依托云服務(wù)的客戶積累其機(jī)器學(xué)習(xí)產(chǎn)品也得以快速部署健娄。AWS較早推出機(jī)器學(xué)習(xí)推理芯片Inferentia，也參與了onNX(開放神經(jīng)網(wǎng)絡(luò)模型格式轉(zhuǎn)換)項目的建設(shè)與推廣尿笔。在加強(qiáng)自主研發(fā)的同時翁焦，AWS也始終以開放的態(tài)度為用戶提供靈活的機(jī)器學(xué)習(xí)選擇。
提供給技術(shù)買家的建議
應(yīng)用場景的成熟度總結(jié)：成熟度高的應(yīng)用場景包括產(chǎn)品推薦临颈、用戶畫像茎倘、反欺詐钾趁，簡單的證件識別類光學(xué)字符識別技術(shù)(OCR)。
正在探索的應(yīng)用場景：設(shè)備預(yù)測性維護(hù)租江、基于產(chǎn)品外觀的質(zhì)量檢測斑泳、交通軌道火花分析等。(由于本次的研究對象是面向開發(fā)人員的機(jī)器學(xué)習(xí)開發(fā)平臺献丑，未包括人臉識別末捣、聲紋識別、短語音識別等應(yīng)用場景)创橄。
合作伙伴的選擇：
1. 首先明確當(dāng)前的業(yè)務(wù)場景是否能用機(jī)器學(xué)習(xí)的方式解決箩做，此問題可與供應(yīng)商共同探討⊥孜罚考慮企業(yè)現(xiàn)階段是否具備機(jī)器學(xué)習(xí)模型開發(fā)能力邦邦，如無模型開發(fā)能力，可以選擇自動化程度較高的機(jī)器學(xué)習(xí)產(chǎn)品醉蚁。如有充足的開發(fā)能力圃酵，也可以嘗試采用開源技術(shù)自主搭建機(jī)器學(xué)習(xí)平臺。
2. 產(chǎn)品層面馍管，選擇高度靈活郭赐、容易上手的產(chǎn)品，考慮模型的豐富程度的同時考慮提供的模型是否符合企業(yè)內(nèi)部的應(yīng)用需求确沸。
3. 考慮采用高度自動化的機(jī)器學(xué)習(xí)產(chǎn)品捌锭，培養(yǎng)業(yè)務(wù)分析師向數(shù)據(jù)科學(xué)家轉(zhuǎn)型。
應(yīng)用機(jī)器學(xué)習(xí)境愕、人工智能秋降，重要的一點(diǎn)在于具備建模所需數(shù)據(jù)。很多機(jī)器學(xué)習(xí)項目失敗的原因也是因為數(shù)據(jù)不足導(dǎo)致模型預(yù)測準(zhǔn)確度不能滿足業(yè)務(wù)上線需求停楞。長期來看别逐，企業(yè)需要考慮能夠增強(qiáng)內(nèi)部數(shù)據(jù)能力的產(chǎn)品/服務(wù)，盡早建設(shè)可以輸入人工智能模型的核心智能數(shù)據(jù)平臺羔漂。
IDC倡導(dǎo)在采用機(jī)器學(xué)習(xí)敢智、人工智能解決方案時，企業(yè)不能過度關(guān)注硬件和算力平臺而忽視了軟件及應(yīng)用匹说。為短期內(nèi)的AI工作負(fù)載選擇適配的底層架構(gòu)晚号，為中長期的AI工作負(fù)載做好算力規(guī)劃。更重要的是卫驯，重視將機(jī)器學(xué)習(xí)殃忠、深度學(xué)習(xí)的價值大化，真正以業(yè)務(wù)需求為導(dǎo)向毫痢，實現(xiàn)智能化趾始。
IDC中國人工智能高級研究經(jīng)理盧言霞表示秉馏，盡管深度學(xué)習(xí)算法的創(chuàng)新速度變緩，但我們相信機(jī)器學(xué)習(xí)的應(yīng)用將穩(wěn)步滲透到各行各業(yè)的生產(chǎn)系統(tǒng)中脱羡。純技術(shù)的創(chuàng)新速度有所放緩沃饶，但從技術(shù)到產(chǎn)品到商業(yè)化應(yīng)用落地的速度在加快。未來轻黑，自動化機(jī)器學(xué)習(xí)也將降低行業(yè)用戶采用AI的門檻糊肤，加速行業(yè)企業(yè)實現(xiàn)高級別的自動化、智能化氓鄙。
18221259202