科技中每一次的典範轉移(paradigm shift，用于描述基本理論中從根本假設或法則上進行的改變)，都會推動企業改革進而重新規劃生産，并随之激起創新浪潮。 今天我們處于全球人工智能（ai）革命的早期階段。 機器學習算法的結果随着經驗的提高，使我們能夠在大資料集中找到模式，并更有效地對人員，裝置，系統和過程進行預測。但是英國人工智能創業的動向是什麼？
我們已經繪制了226個英國獨立的、早期的ai軟體公司版圖，并在最近幾周拜訪了這其中不少于40家的公司。 下面，我們分享我們發現的六大動向，他們塑造了英國的ai市場 - 從改變活動水準和重點領域，到貨币化的趨勢、投資的規模和分期。
英國ai前景：226家公司的統計
▼
随着時間的推移，我們期望“ai”公司和其他軟體供應商之間的差别變的模糊，然後消失，因為機器學習被用來處理各種各樣的業務流程和部分。 然而今天，我們或許可以找到一個專注ai的初創軟體公司的子集 。
我們已經在英國研究了226家早期ai公司，并與其中40家公司進行了會面。 我們已經制作了一個地圖（圖1，上面），根據以下幾點來放置這226家公司。
目的：公司是否專注于改善某種業務功能（例如市場營銷或人力資源）或某個行業（醫療，教育，農業）？ 或者公司是否開發了能跨領域應用的ai技術？
客戶類型：公司主要銷售給其他企業（b2b）還是消費者（b2c）？
資金：公司迄今收到多少投資資金？ 我們将投資資金從 “天使投資”（angel investment, 低于50萬美元）到成長資本/成長基金（growth capital, 800萬美元到1億美元）進行劃分。
我們會定期更新我們的地圖。 如果我們忽略或分錯您的公司，我們深表歉意; 我們知道許多初創公司可能正在大規模使用ai，但未展現出來。 請聯系我們添加或更正。
在分析市場并在最近幾周與40家公司會面後，我們重點介紹以下六個市場動向：
1.關注業務功能的ai
大多數早期的英國ai公司 - 每6個中有5個 - 将機器學習應用于特定業務功能或行業的挑戰（下面的圖2）。 然而，六個中僅有一個在開發适用于多個領域的ai技術，即性能優化及平台或算法的研發這反映了ai領域正處于新興階段。 這些公司的活動範疇包括開發計算機視覺解決方案至創造自主決策的算法。
ai公司向誰銷售？
10家ai公司中有9家主攻“b2b”，為其他企業開發和銷售解決方案（下圖3）。 隻有1/10的公司是直接銷售給消費者（'b2c'）。
圍繞資料的“冷啟動”挑戰抑制了b2c ai公司的新生數量。 訓練機器學習算法通常需要大量的資料。 雖然面向企業（b2b）的公司可以在缺少公開或受許可的（例如facebook資料 ）資料的情況下，分析他們所服務的公司提供的各種各樣大批量的資料集，但面向客戶（b2c）的公司在創始起初，通常沒有大量消費者資料用作分析。 是以，随着時間的推移，b2c公司通常随着使用者基礎和資料集的增長不斷部署機器學習的工作。 例如，gousto是一家mmc投資的公司，向消費者提供食譜和相關配料，以便捷家中的烹饪。 現在，gousto的機器學習博士，資料分析師和工程師團隊利用ai進行倉庫自動化和菜單設計。 自gousto公司成立以來，該公司就早已開始嘗試使用ai，但直至近期才達到如今的效果。
考慮到“冷啟動”的挑戰，現實情況是，大多數消費者對于機器學習的初體驗，是通過世界上最受歡迎的那些消費者應用程式（如facebook，google，amazon，netflix，pinterest等），利用大量資料集和機器學習團隊，實作面部識别、搜尋和娛樂建議、翻譯以及更多的功能。
2.人工智能創業分布不均衡
以每個部分的公司數量來衡量，以下的熱力圖突出顯示出了早期ai公司的活躍領域，（圖4，如下）。
最活躍的領域：
市場營銷與廣告、資訊技術、商業智能與分析；
金融部門。
一般活躍範圍：
人力資源
基礎設施、醫療健康、零售部門。
上述領域都非常适合應用ai，這便解釋了為何人工智能都集中活躍于其中。有機會在這些領域創造價值是顯然且有必要的。例如，在市場營銷和金融方面，廣告轉化效果的提升和财務績效的評價是易于量化的。 所有的上述領域都提供了大量非常适合應用機器學習的解決的預測和優化問題，它們都能提供用于訓練和部署的大資料集。是以，在這些領域找到優于人類表現的ai方案是在技術上可行的，而找到非ai的替代方案則不切實際或非常昂貴；并且，這些領域都是專業化的垂直行業，距來自消費者和受到ai平台提供商巨頭（如google, amazon, microsoft, ibm）關注的競争威脅甚遠，除了google和ibm可能有能力在健康醫療領域發起挑戰。
有吸引力的市場基礎促進了産業活動，最強的ai公司們可以通過以下方式發展競争優勢：引入深度的專業知識來處理複雜的專業領域問題；開發專利算法；通過利用非公開資料集
有吸引力的市場基礎促進了産業活動，最強大的ai公司可以通過以下方式發展競争優勢：引入深度的專業知識來處理複雜的專業領域問題； 開發專利算法； 通過利用非公開資料集建立圍繞資料的網絡效應（network effect，又稱需求方規模經濟，就是指一個産品或服務的使用者越多價值越大）； 并通過保障充足的資建立一個高品質的機器學習團隊和上市的資源。
産業活動中營銷和廣告活動占主導地位； 英國每5個初創ai公司就有1個關注該行業。 現代營銷和廣告的根本特點展現了ai的好處。 消費者對網站和應用程式擁有數十億個接觸點，這提供了豐富的可得但複雜的資料。 此外，營銷和廣告價值鍊的幾乎每個階段都适合進行優化和自動化，包括内容處理、消費者劃分、消費者定位，程式化廣告優化，消費者購物推薦和消費者情緒分析。
不太活躍的領域
在一些領域，相對于市場機遇來說ai活動是微不足道的。 例如，在制造業行業，很少有初創公司能夠解決實質性的需求。 機器學習有潛力通過預測和優化機器維護過程，提高機器20％的生産能力。 通過改進的産品品質資料分析，可以降低原材料成本和重複性勞動。 此外，如果生産能力被預估的更好，“緩沖”（即儲存原材料和半成品以彌補生産過程中意外的低效）可以降低達30％。 制造業傳感器的激增，包括來自生産線的傳感器資料，機床參數和環境資料，也大大增加了可用于機器學習的資料。
在合規與欺詐(compliance & fraud)職能方面，較少有初創公司有意參與銀行合規資助項目進而獲利。花旗集團30,000名員工，占該銀行員工總數的12％ - 現在在做合規工作。在其15年一季度的電話會議上，花旗強調，通過提高效率計劃節省的3.4億美元，50％以上被用于監管與合規的額外支出。花旗集團的同行之間也顯現出這一趨勢。摩根大通用于合規的支出，自2011年至2015年增加了50％，達到了9億，而高盛則強調，過去四年其員勞工數增長了11％，主要是為了滿足監管合規方面工作的需求。我們與銀行的讨論特别關注“了解您的客戶”（kyc）和反洗錢（aml）的打算。除了提出廣泛的需求，該部門提供大量的資料集，用于訓練人工智能，作為昂貴 人工的替代品，并且考慮到人類監測資料泛濫根本是不可能的，至少在某些方面的機器學習能力，能夠提供明顯優于人類的績效。在銀行内部努力下，可能有少數英國合規公司，開始專門留意潛在客戶的關注點或來自美國初創公司的競争，不過機會似乎相當可觀。
3. 人工智能創業公司數量已經翻倍
與前一時期（2011-2013年）相比，近年來（2014-2016年）在英國成立的ai公司數量（圖5，下圖）增加了一倍。 超過60％的英國ai公司成立于過去36個月。 在此期間，幾乎每周在英國都有一家新的人工智能公司成立。
人工智能領域的創業正在被更廣泛的人工智能時代的到來以及早期創業平台所特有的因素推動。
關于人工智能活動的一般說法，就是在過去20年的人工智能研究中所種植的種子今天正在結果。新的算法，特别是卷積和複現神經網絡，正在提供更有效的結果。訓練資料的可用性的對數級增加使得調整機器學習算法以提供準确的預測成為可能。圖形處理單元（gpu）的開發已經将訓練神經網絡所需的時間減少了5倍到10倍。 并且在過去五年中，公衆對人工智能的認識提高了六倍，是以提高了買家對這項技術的興趣。
其他一些因素也正在推動新的人工智能創業公司的産生。在過去的五年内，因為投資者看到了該領域的前景，人工智能公司的風險投資基金增長了七倍。行業雲提供商（谷歌，亞馬遜，微軟和ibm）所提供的人工智能基礎架構和人工智能服務降低了部署機器學習解決方案的難度和成本。而開源ai軟體（特别是機器學習元件庫tensorflow）的成長降低了參與機器學習的障礙。根據持續的風險投資資金，我們預計英國的高水準人工智能創業将持續下去。
新興人工智能公司主要集中在哪裡呢？ 在新興的人工智能公司中，人力資源業務功能和金融部門所占比例最高（圖6）。 三分之二的人工智能人力資源公司和人工智能财務公司還不到兩歲。
人力資源領域最近的活動源自于行業内發生的範式轉移。人力資源正從一個管理記錄的系統發展成為一個關于預測增長和效率的驅動者。企業主正在尋求利用以前未充分利用的資料集來提升應用效果，應用範圍包括基于能力的員工招聘到關于員工流失的預測模型。
令人驚訝的是，在商業智能，安全和合規功能，以及零售部門和基礎設施部門範圍内，新的人工智能公司占的比例較低。 随着機器學習的大資料集的成熟發展，這些部門曾經首先吸引人工智能企業家的。
4. 一個相對于全球同行的新生行業
與全球同行相比，英國人工智能領域處于新生階段，既帶來了機遇，也帶來了挑戰。
今天，相比于美國同行的一半比率，有四分之三的英國人工智能公司處于他們自身旅程的最初階段，就是所謂的“種子”或“天使”資金階段（圖7）。另一方面，在每10個英國人工智能公司中隻有一個處于晚期“增長資本”階段，而在美國卻是每五個人工智能公司中就有一個。2015年，我們資料可用的最後一個整年，幾乎所有有資本輸入的英國人工智能公司都還處于天使，種子或a系列階段，而在全球人工智能領域内，已經有三分之一的公司收到了後期資金（圖8） 。
這種動态現象既呈現了機會，也隐藏着風險。一個充滿活力的創業場景為處于初期的公司的企業家，員工和投資者提供了無與倫比的機會。與此同時，更加發達和資金富裕的海外競争對手可能會提高英國公司的競争壓力。這種影響可能因高比例被出售給大企業的人工智能公司而加劇，其中許多競争者來源于全球的供應商。英國持有寶貴可以用于人工智能研究的資産，包括擁有四分之一的世界排名前25的大學，以及一個出現了了deep mind，swiftkey，magic pony和其他英國人工智能公司而不斷增長的人工智能從業者和投資者的生态系統。
5. 營利的旅程可能會更長
超過40％的我們遇到的人工智能公司尚未産生收入（圖9）。 這并不是因為我們遇見的是處于初期階段的公司; 我們遇到的公司中，處于中位數位置的公司是一個創立于2 - 3年前，已經籌集了130萬英鎊，有一個有9個人并且每月花費7,6000英鎊的團隊。
大多數人工智能公司，至少應用型的人工智能公司，計劃獲得預收入而不是銷售軟體和服務的想法是一個神話。 我們遇到的所有公司都在實施或開發貨币化計劃。 那麼，為什麼一些人工智能公司比其它領域處于初期階段的公司花費更長時間才實作貨币化或規模化？ 我們總結出以下四個原因：
在這個技術上有挑戰性的領域，最低可行産品（mvp）的标準可能更高，需要更長的開發周期。
90％的ai公司是b2b公司。 在b2b銷售中典型的長銷售周期會在ai公司中加劇，這是因為許多ai公司專注于分散而敏感的資料，如财務資料 。
由于廣泛各個客戶的資料內建、資料清理和定制要求，部署期可能會很長。 我們遇到的一半人工智能公司有一個純粹的軟體即服務模式; 是以許多成本巨大的用戶端整合和定制工作以項目收入的形式獲得盈利（圖10）。
可用于初期公司實施的人員數量的有限性阻礙了許多人工智能公司的發展。 在幾家公司的情緒回應中，有人告訴我們“即使我們有訂單，我們也無法實施更多的銷售。”許多團隊中有三分之一的人員是從事部署支援工作的。
機器學習人才的高成本造成了現金燃燒率增長的加劇，更長的變現盈利之路可能對人工智能公司構成挑戰。 我們建議人工智能公司籌集足夠的資本，使其在這段風險時期内可以持續走下去，直到上市和超越。
6.投資更大，但分期是非典型的
至少在全球範圍内，對人工智能公司的投資通常比平均資本輸入大20％到60％（圖11，顯示的是2015年資料）。這反映了公司的基本面和資本供求的動态。 人工智能公司的資本要求更高，因為在産品可行性之前有更長的開發周期，機器學習人才的高成本和複雜部署所需的更大的團隊 。然而，除了這些基本面之外，資本輸入因大量的供應（許多風險資本家尋求機會投資人工智能公司）和有限的需求（有相對較少的人工智能公司可供投資）膨脹。在過去的五年裡，早期人工智能公司的風險資本投資增加了七倍，然而具有可投資前景的公司的數量仍然有限。
此外，在英國，相當數量的少數公司成功從種子輪次跳到比随後一輪的典型數量大得多的增長（圖12，下圖）。三分之一的英國人工智能公司在之前的籌資額低于100萬美元的情況下，在一輪籌資中募集了超過800萬美元。 如上所述，這種動态部分是由人工智能公司的資本要求驅動的，但是人工智能公司中有限數量的有吸引力的投資機會還是隻有那麼多。與此同時，新生公司的估值預期受收到的“被并購”的邀約支援着 。
總結：英國人工智能的拐點
最近36個月标志着英國初期人工智能的一個拐點。創業數量增加了一倍，因為人工智能技術時代的到來和投資的增加。然而，相對于全球同行而言，這些公司仍處于發展的早期，為企業家和員工提供了前所未有的機會和挑戰。四分之三的英國人工智能公司處于自身發展旅程的最初階段，活動仍然不均衡。新興公司集中于易于解決的業務功能，這些業務功能資料集豐富并且優化挑戰顯而易見。今天，業務流程正在優化。在未來，他們将被重新定義。在過去24個月内，人工智能企業家開始處理額外的職能和部門。今天的人工智能公司的盈利道路可能更長，但高效的企業家正在利用有吸引力的資本動向在發展旅程的早期籌集足夠的錢。
随着人工智能革命的繼續，“人工智能公司”和其他軟體提供商之間的差別将會更加模糊。 然而，今天，我們很高興地強調這些公司正提供出的顯著效益。 這些公司正一起塑造“第四次工業革命”。
原文釋出時間為：2017-01-04
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号