對人工智能發展話題的讨論曾被幾度推向高潮，為了更快搶占深度學習的市場，各個科技企業也在迅速布局。根據預測，2018年深度學習的市場呈現出以下趨勢：
從2013年至2017年間，機器學習專利的年複合增長率（Compound Annual Growth Rate，CAGR）達到34%，在所有已授予的專利類别中增速排名第三。
國際資料公司（International Data Corporation, IDC）預測，人工智能（AI）和機器學習（ML）上的支出将會從2017年的120億美元增長到2021年的576億美元。
德勤全球（Deloitte Global）預測，2018年機器學習的試點與實施數量将比2017年增加一倍，至2020年将再次翻番。
以上精彩的見解來自機器學習中市場預測、市場評估和前景規劃等内容的最新系列。機器學習影響着世界範圍内衆多的資料密集型産業，推動大衆對資本風險投資、私募股權融資、兼并與收購等領域的持續關注，參與者都期望在機器學習領域知識産權與專利的追逐中勝出。
晶片組定制（custom chipsets）是機器學習知識産權增長最快的領域之一。德勤全球預測，全球各資料中心今年将使用多達80萬件機器學習晶片。
2018年，企業将加大在機器學習項目上的研究、投資與試點力度。雖然不同預測機構使用的方法和資料來源不盡相同，但所有市場預測、市場評估和前景規劃都反映出，機器學習正在改善着企業的敏銳性和洞察力，使企業發展得更快、獲得更多收益。
機器學習的市場預測、市場評估和前景規劃中有以下幾項關鍵内容：
1.在商業智能（Business Intelligence，BI）和分析市場，支援機器學習的資料科學平台（Data Science Platforms）的數量有望在2021年實作13%的年複合增長率。資料科學平台的市場占有率将超越眼下正熱的商業智能和分析軟體，後者同期的年複合增長率預計為8%。資料科學平台2017年的市值為30億美元，到2021年将上升至48億美元。
資料科學平台的發展速度将超過商務智能和分析軟體
2.從2013年至2017年間，機器學習專利的年複合增長率達到34%，在所有已授予的專利類别中增速排名第三。2017年，IBM、微軟、谷歌、領英（LinkedIn）、Facebook、英特爾和富士通是釋出機器學習專利最多的七大公司。
機器學習專利排名
3.在受訪機構中，有61%的機構表示他們最經常選擇機器學習/人工智能作為公司2018年最重要的資料科學計劃。在積極使用機器學習和人工智能的過程中，有58%機構表示在其生産中運用了相關模型。
最受關注的機器學習與人工智能計劃
（從上到下依次為：機器學習/人工智能、大資料/商業分析、資料安全與合規、物聯網、管理資料增長、遷移遺留系統、資料中心合并）
4.亞馬遜、蘋果、谷歌、特斯拉和微軟等技術市場領袖憑借自身在機器學習和人工智能投資上的極大優勢，引領着各自領域内的行業發展。這些公司都将機器學習植入新一代産品内，依托機器學習和人工智能來改善使用者體驗、優化銷售管道。
投資等級與企業轉型的抗衡
(圖例從左到右以此為：技術、零售、通訊、媒體和技術、工業工程、汽車、金融機構集團、醫療、航空航天與國防)
5.2017年，福雷斯特研究公司（Forrester）針對14家供應商制定了23項評估标準，評估得出，SAS（Statistical Analysis System，全球最大的軟體公司之一）、IBM和SAP (Systems, Applications & Products in Data Processing，全球最大的企業管理和協同化商務解決方案供應商）三大公司引領了預測分析和機器學習市場。
據福雷斯特預計，到2021年，預測分析和機器學習市場的年複合增長率将達到21%，原因是這些公司通過其用戶端注意到客戶詢價與購買活動有明顯增加。
Forrester WaveTM：2017年第一季度預測分析和機器學習的解決方案。(白色圓圈為供應商完全參與，灰色圓圈為供應商不完全參與)
6.德勤全球預測，2018年機器學習試點與實施的數量将比2017年增加一倍，至2020年将再次翻番。推動機器學習試點增長的因素包括應用程式界面（API）的更加廣泛支援、自動化資料科學任務、訓練資料的需求減弱、訓練資料的程序加快以及對結果更加深入的分析。
2018德勤全球關于機器學習的預測
7.有60%的機構處于機器學習應用的不同階段，45%（将近一半）的機構認為機器學習拓展了資料分析與洞察力的應用範圍，35%的機構已經能借助機器學習更快地完成資料分析，提升洞察速度，增強了機構的敏銳性。35%的機構還發現，機器學習提升了他們研發新一代産品的能力。
如果你的機構目前在使用機器學習，從中實際收獲了什麼？（從上到下依次為：更全面的資料分析和洞察力、加速資料分析及提升洞察速度、增強研發能力（下一代産品）、提升内部流程（營運）的效率、增進對客戶/潛在客戶的了解、競争優勢、成本削減、提升外部流程（價值鍊）的效率）
8.據麥肯錫（McKinsey）估算，2016年人工智能的年度外來投資總規模在80億到120億美元之間，其中機器學習就吸引了60%的投資。機器人和語音識别是最受投資者青睐的兩個領域。
投資者最樂意投資機器學習初創公司，因為基于代碼的初創企業在更新産品特性時能夠迅速作出響應。基于軟體的機器學習初創公司相對于機器人初創公司更受偏愛，因為後者投資成本過高。由于諸如此類的因素，機器學習領域的企業并購迅速火熱起來。下圖描繪了不同技術受到的外來投資的分布。
機器學習領域獲得了最多的投資，盡管相關技術之間的界限并非十厘清晰。（圖中涉及的技術分别為：自動駕駛汽車、機器學習、多用途及非特定性應用、計算機視覺、自然語言、智能機器人、虛拟代理。評估包含了專攻人工智能領的公司的年度風險資本投資，業務涉及人工智能的公司的私人股權投資，以及各公司之間的并購。）
9.德勤全球預測，資料中心使用的機器學習晶片數量将從2016年的10萬至20萬，今年将暴增至80萬。其中至少有25%是現場可程式設計門陣列（Field Programmable Gate Arrays，FPGA）晶片和特定用途內建電路（Application Specific Integrated Circuits，ASICs）晶片。德勤發現，機器學習加速器技術的可用市場總量（Total Available Market，TAM）在2020年将達到260億美元。
全力加速：新一代機器學習晶片
10.亞馬遜借助機器學習來改善使用者對其業務的使用體驗，包括産品推薦，替代性産品預測，欺詐檢測，中繼資料驗證與知識擷取。
亞馬遜的機器學習布局
（圖中從左往右依次是：零售、客戶、賣家、目錄、數位）
11.國際資料公司（International Data Corporation，IDC）預測，人工智能和機器學習方面的支出将從2017年的120億美元增長到2021年的576億美元。
12.全球機器學習市場2017年的規模為14.1億美元，預計2022年增長到88.1億美元，年複合增長率達到44.1%。該市場在世界範圍内迅速擴張，其中的貢獻因素包括在資料聚合、內建與分析上優勢突出的技術，以及更具擴充性的雲平台。
13.認知科學與人工智能系統2017年的全球收入為125億美元，2020年将超過460億美元。
機器學習相關的市場資料來源
《人工智能投資指南》（An Investors’ Guide to Artificial Intelligence），摩根大通，2017年11月27日（PDF第110頁）。
美國商業專利資料庫（專利分析）（IFI Claims Patent Services (Patent Analytics) ），《8項目前增長最迅猛的技術》（8 Fastest Growing Technologies SlideShare Presentation）。
資料科學協會（Data Science Association），《預測分析和機器學習供應商2017》（Predictive Analytics & Machine Learning Vendors 2017）；由SAP提供的《Forrester WaveTM：預測分析和機器學習解決方案，2017年第一季度》（The Forrester Wave™: Predictive Analytics And Machine Learning Solutions, Q1 2017）。
《2018德勤全球預測》（Deloitte Global Predictions 2018 Infographics）。
《機器學習：競争優勢的新型試驗田》（Machine Learning: The New Proving Ground for Competitive Advantage），Google和MIT技術研究綜述（PDF第10頁）。
《人工智能，下一個數字前沿》（McKinsey Global Institute Study, Artificial Intelligence, The Next Digital Frontier），麥肯錫全球全球研究院研究報告（PDF第80頁）。
《機器學習市場 - 至2022年的全球性預測-市場概況與産業趨勢》（Machine LearningMarket - Global Forecast to 2022 - MarketOverview & Industry Trends）
連結：
https://www.prnewswire.com/news-releases/machine-learning-market---global-forecast-to-2022---market-overview--industry-trends-300531729.html
來源：《根據最新IDC支出指南，認知科學與人工智能系統今年的全球性支出預計達到125億美元》（Worldwide Spending on Cognitive and Artificial Intelligence Systems Forecast to Reach $12.5 Billion This Year, According to New IDC Spending Guide.）。
https://www.idc.com/getdoc.jsp?containerId=prUS42439617
《2018展望：機器學習與人工智能，一份對1600餘名資料從業者的調查》（2018 Outlook: Machine Learning and Artificial Intelligence, A Survey of 1,600+ Data Professionals）, MemSQL（PDF第14頁）。
《應用機器學習的建議》（Advice for applying Machine Learning），吳恩達，斯坦福大學（PDF第30頁）。
《管理人員的機器學習指南》（An Executive’s Guide to Machine Learning），麥肯錫季刊，2015年6月。
https://www.mckinsey.com/industries/high-tech/our-insights/an-executives-guide-to-machine-learning
《投資人的人工智能指南》（An Investors' Guide to Artificial Intelligence），摩根大通，2017年11月27日（PDF第110頁）。
《人工智能和機器學習在金融市場發展和對金融穩定的影響》（Artificial intelligence and machine learning in financial services Market developments and financial stability implications），金融穩定委員會（PDF第45頁）。
《大資料和AI政策——面向投資的機器學習和資料方法》（Big Data and AI Strategies Machine Learning and Alternative Data Approach to Investing），摩根大通（PDF第280頁）。
《Google和MIT技術評論研究：機器學習：競争優勢的新探索》（Google & MIT Technology Review study: Machine Learning: The New Proving Ground for Competitive Advantage）（PDF第10頁）。
《全力加速：新一代機器學習晶片》（Hitting the accelerator: the next generation of machine-learning chips），德勤（PDF第6頁）。
《機器怎麼學習？算法是機器學習的關鍵》（How Do Machines Learn? Algorithms are the Key to Machine Learning），博思艾倫咨詢公司（資訊圖表）。
https://www.boozallen.com/s/insight/blog/how-do-machines-learn.html
《據 IBM 預測，到 2020 年，對資料科學家的需求增長幅度将達到 28%》（IBM Predicts Demand For Data Scientists Will Soar 28% By 2020），福布斯，2017年5月13日。
https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/?utm_content=buffer91f1f&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer#391b252b7e3b
《亞馬遜的機器學習》（Machine Learning At Amazon），亞馬遜網絡服務（PDF第47頁）。
《機器學習的演變（資訊圖）》（Machine Learning Evolution (infographic)），普華永道，2017年4月17日。
http://usblogs.pwc.com/emerging-technology/machine-learning-evolution-infographic/
《機器學習：如火如荼》（Machine learning: things are getting intense），德勤（PDF第6頁）
《機器學習報告：計算機通過案例進行學習的力量和潛力》（Machine Learning: The Power and Promise Of Computers That Learn By Example），英國皇家協會機器學習項目（PDF第128頁）。
《人工智能：下一個數字前沿》（Artificial Intelligence, The Next Digital Frontier），麥肯錫全球研究院研究報告（PDF第80頁）。
《麥肯錫報告：2017機器學習與人工智能現狀》（McKinsey's State Of Machine Learning And AI, 2017），福布斯，2017年7月9日。
https://www.forbes.com/sites/louiscolumbus/2017/07/09/mckinseys-state-of-machine-learning-and-ai-2017/#4448c95d75b6
《2017年預測：人工智能将推動洞察革命》（Predictions 2017: Artificial Intelligence Will Drive The Insights Revolution），福雷斯特研究公司，2016年11月2日（PDF第9頁）。
《風險與回報：機器學習經濟影響的場景》（Risks And Rewards: Scenarios around the economic impact of machine learning），經濟學人智庫（PDF第80頁）。
《憑借人工智能更上一層樓——人工智能給德國及其工業部門帶來了什麼？》（Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?），數字/麥肯錫咨詢公司（PDF第52頁）。
《究竟什麼是機器學習？》（So What Is Machine Learning Anyway?），商業内幕（Business Insider），2017年11月23日。
http://www.businessinsider.com/what-is-machine-learning-quick-explainer-2017-11
《2017年人工智能/機器學習領域十大最具創新力的企業》（The 10 Most Innovative Companies In AI/Machine Learning 2017），連線（Wired）。
https://www.fastcompany.com/3069025/the-10-most-innovative-companies-in-ai-machine-learning-2017
《人工智能的商業影響與應用案例》（The Business Impact and Use Cases for Artificial Intelligence），Gartner（PDF第28頁）。
《人工智能，自行搭建還是購買？》（The Build-Or-Buy Dilemma In AI），波士頓咨詢公司，2018年1月4日。
https://www.bcg.com/publications/2018/build-buy-dilemma-artificial-intelligence.aspx?linkId=47806407
《新一代醫學：人工智能與機器學習》（The Next Generation of Medicine: Artificial Intelligence and Machine Learning），TM Capital（PDF第25頁）。
《企業人工智能路線圖》（The Roadmap to Enterprise AI），基于Gartner研究的Rage Networks簡報(PDF第17頁)。
《你會盡快接納AI嗎？》（Will You Embrace AI Fast Enough？），科爾尼管理咨詢公司（AT Kearney），2018年1月。
https://www.atkearney.com/operations-performance-transformation/article?/a/will-you-embrace-ai-fast-enough
原文釋出時間為：2018-03-17
本文作者：文摘菌