中金公司(CICC)
于
6月19日发布了一份长达71页的人工智能的证券研究报告。对全球特别是中国企业当下的人工智能态势作了全面的介绍:包括BAT、华为、科大讯飞、海康威视等企业的市值、研发投入开支与研发费用率以及排名等详细信息。
报告涉及安防、互联网、消费电子、汽车、医疗、通信、芯片7大行业。文章不乏非常有洞见的观点,比如:TPU等专用芯片会部分取代GPU等。这一报告是2017年以来对AI行业发展研究得最为全面和透彻的研报之一,值得一看。
来源:Career In 投行PEVC(ID:CareerInIBPEVC)
人工智能不再是概念:
我们的调研发现,基于人工智能的视频分析技术正在不断拓宽安防技术的应用范围,实现实时车辆轨迹追 踪等以前只有在警匪片里才有的新功能。
通过基于用户画像的精准广告投放,互联网公司在过去三年提高了广告单次点击成本(CPC)170%。IBM Watson 从 2015 年开始为病人提供肺癌等四 种癌症的个性化治疗方案。
汽车主机大厂的路线图显示 2021 年前 后能够实现真正的无人驾驶服务。这些新技术的商用无疑会对公 共安全、医疗、广告、汽车制造业造成颠覆性的变化。
数据比算法重要:
我们认为人工智能的商业化,仅仅依靠技术是很难继续走下去的。数据的规模和采集能力决定了人工智能在这 个行业的发展速度。
在这方面,感谢线上消费的发展和十几年平安城市建设,互联网和安防行业的智能化走在了其他行业前面。看好海康威视、大华股份、科大讯飞、东方网力、千方科技、阿里巴巴、腾讯、新浪在安防和互联网行业的 AI 变现机会。
医疗大数据是下一个热点,看好东软、思创医惠和东华软件在医疗大数据领域的长期成长机会。
人工智能=“人工+智能”:
只有投入更多的研发人员和数据,才会获得更多的智能。仅靠一两名人工专家很难解决复杂的人工智能问题。
中国企业的人工智能转型,需要依靠的是在研发费用和研发人员规模上的持续投入。在这方面,华为排名全球前十,阿里巴巴、中兴、百度、腾讯、海康等公司也在世界前列。
看好数据中心/传感器/半导体行业面临结构性成长机会:智能化有两个直接结果。第一是企业服务加速向云计算的迁移。
我们预计全球公有云市场今后几年保持 25%的年复合增长,到 2020 年 达到约 950 亿美元的规模。为了支撑云服务发展,八大全球主要科技公司在数据中心资本开支到 2020 年将达约 900 亿美元,约占 全球电信业资本开支的 25%。第二是收集数据需求的增加,手机及汽车上搭载传感器数量大幅上升。
我们预计车载传感器市场从 2016 年的 82 亿美金扩大到 2025 亿的 290 亿美金(15% CAGR)。 数据中心及手机、汽车内计算能力的上升,推动人工智能相关芯 片需求从 2016 年 37 亿美金扩大到 2025 年的 566 亿美金。
报告认为人工智能服务提供商之间的竞争主要包括两个维度
软件开发框架:
主要的框架包括谷歌的 TensorFlow,Facebook,IBM,谷歌 DeepMind 支持的Torch,Microsoft 的 CNTK,Amazon 的 MXNet。
NVidia 也提供自己的软件开 发框架 CUDA。这些公司之间的竞争类似于智能手机操作系统上 iOS/Andorid 之间的 竞争。
计算芯片:
目前的竞争对手包括 NVidia/AMD 的 CPU,谷歌的 TPU,Xilinux 的 FPGA 之间在计算成本和速度上的竞争。
这些公司之间的竞争类似与高通和联发科在手机 芯片上的竞争。在 TPU 的例子上我们看到,谷歌利用其在软件开发框架上的优势, 减小切换计算芯片(GPU to TPU)时的软件修改成本,形成一个 Tensor Flow+TPU 的封闭生态环境。
更多内容,参见下文:
根据耶鲁大学和牛津大学的研究人员对 352 位人工智能专家进行了采访,人工智能到2060 年前后有 50%的概率完全超过人类。
这份研究预测在 10 年内,人工智能将会在以 下领域超过人类:翻译领域(2024),高中水平的写作(2026),驾驶卡车(2027)。
在这份报告里,我们着重分析四种人工智能技术(语音,图像,自然语言处理,机器人) 对五个行业(安防,互联网电商/广告,消费电子,汽车,医疗)的影响(图表 2)。
语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance, 科大讯飞,Google,百度等主流厂商的近场语音识别率都达到 99%以上。
但目前应用场景局限在电子病例,智能客服,在线教育,车载导航等少数几个领域。随着未来语音识别种类的进一步丰富,识别环境通用性的增强,以及远厂语音技术的突破,一定会帮助拓展其应用范围到智能家居等更多场景中。
图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率,而且能够很快给 出智能的反馈,因此图像识别技术最容易快速落地到各行各业中。
安防行业中的车辆数据提取,医疗行业的影像诊断,电商行业中的精准营销,以及辅助驾驶都为图像识别技术提供许多落地变现的机会。
自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值,而且一些智能的销售客服机器人正在逐步替代人 工成为线上销售,售后维护的主力军。
智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分 行业进行探索。但技术还有待成熟。
安防是人工智能在中国最容易变现的行业:十几年的平安城市建设,使中国的城市管理 者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人 工智能技术。
互联网广告和电商蕴含大量的数据,为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如,互联网公司通过基于用户画像的精准广告投放,在过去三年 提高了广告单次点击成本(CPC)170%。
AI 促进消费电子升级换代:3D 光学感测等 AI 功能会帮助现有智能手机提高售价,同时促进智能音箱等新品类的发展。
汽车行业 2021 年前后实现无人驾驶:随着 Tesla AutoPilot 2 系统的发布,GM 宣布自己 的自动驾驶系统 Super Cruise。我们注意到汽车智能发展呈现加速趋势。我们预计汽车主机大厂在 2021 年前后能够实现商业化的无人驾驶服务。
医疗行业空间巨大,但技术还有待成熟。电子病历的建立,不仅仅用到了语音识别技术,也整合了医疗大数据;影像诊断则用到了图像识别技术,现在在国内外都已经形成成熟的商业模式。
辅助治疗和手术机器人由于技术的尚不完善,还在小范围推广。由于语音识别技术和机器视觉技术的成熟,大量应用这两个技术的行业将迎来 AI 变现的更多机会。
数据中心:人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到 2020年,八大主要科技公司在数据中心相关的资本开支总计将达约 900 亿美元,约占全球电信业资本开支的 25%。
半导体:
我们认为 2020 年人工智能相关半导体的市场空间将达到 117 亿美元,其中云端服务器市场规模 76 亿美元,智能手机移动端 41 亿美元。除了上游的芯片设计厂商将 受益之外,中下游晶圆代工及封装测试厂也将同步获益。
传感器:
第二是收集数据需求的增加,手机及汽车上搭载传感器数量大幅上升。我们预 计传感器市场从 2016 年的 82 亿美金扩大到 2025 亿的 290 亿美金(15% CAGR)。
主要图表:
视频、智能驾驶、软件框架、芯片、光学、音箱、云7大产业链
中国视频监控行业在过去十几年经历了两次重要的升级换代:
1、高清化:
在这次升级的主要变化是摄像机的清晰度从标清(30 万像素)升级到 100 万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域 IP 网或同电缆传输的数字信号。后端设备也从DVR(Digital Video Recorder) 过 渡到 NVR(Network Video Recorder)。NVR 的物理位臵还是在本地(例如,小区内)。
2、网络化:
在这次升级中的主要变化是,视频被直接传回数据中心内的集中存储
(IP-SAN)。主要的优势是方便集中管理以及可监控的区域大大增加。
随着 2016 年以来人工智能技术在视频分析领域的突破,我们认为视频监控行业正处在第 三次重要的升级周期的开始阶段。
3、智能化:
我们认为这次升级主要包括:
前端摄像机的智能化升级以支持结构化 数据提取;
后端设备强化计算分析功能,以支持复杂的视频分析;
对应特定行业 应用的人工智能分析软件快速增长。
传统的网络摄像机直接把高清视频回传给数据中心里的 NVR,由于回传视频数据量巨大, 很难对所有图像进行实时分析。
大部分时候是对保存的图像进行事后分析。通过在网络 摄像头上添加人工智能芯片(例如,NVidia 的 Jetson TX2、Movidius 的 Myriad 2 Vision 等芯片),前端摄像头可以实时对视频数据进行结构化处理。
例如,设臵在交通路口的摄 像头可以提取车牌,车型等汽车信息,和乘客数量,是否带安全带等乘客信息回传给数 据中心。方便进行实时分析,优化系统反应能力。
根据 IHS 统计,全球安防摄像头市场 2016 年约 95 亿美元,预计到 2020 年将达到 128.4 亿美元,CAGR 为 8.1%。
其中,网络摄像机占比将从 2016 年的 82%上升到 2020 年的 90%。同时,我们预计相当一部分网络摄像机将迎来智能化升级。目前,中国占据全球44%的需求,海康威视已成为安防摄像头的全球龙头。
后端设备强化计算分析功能,以支持复杂的视频分析:传统的 NVR(Network video recorder)的主要功能是压缩存储视频信息。
通过添加 GPU 等人工智能加速芯片和应用处理软件,智能 NVR 能够实现图像识别,特征提取,人体识别、人员检索等功能。一些公 司率先在里面加入人工智能处理能力,如海康的“超脑”系列。
根据 IHS 的数据,后端录像存储设备的市场规模 2016 年约 38 亿美元,到 2020 年将达 42.7 亿美元,CAGR 为 2.4%。中国依旧占据了全球 42%的市场需求,海康威视成为全 球龙头。
从产品占比趋势观察,基于服务器的集中式存储的占比将逐渐降低。这表明未 来的存储将更加分散化,NVR 等设备的增长更快。
视频管理分析系统(VMS)的主要功能是汇集分析视频信息,以及控制前端安防设备。 由于技术上的限制,在人工智能拘束出现以前,实时视频分析的应用范围一致相对较小。
传统上,中国市场客户倾向于购买包含前端摄像机、后端存储设备和 VMS 的一体解决方案,所以海康威视、大华股份、宇视科技等拥有软硬件一体化解决方案的厂商一直保持较高市场份额。
随着对基于人工智能的视频分析产品的产品要求不断提高,商汤科技、 Face++等在人工智能算法上有特色的公司也积极切入 VMS 市场。
海康威视:
针对公安行业、交通行业、金融行业、司法行业、能源行业、智能楼宇行业、 文教卫生等七大行业分别开发了各自的解决方案。根据 IHS 的统计,海康的 iVMS 系列产品中国市场占有率 23%。
东方网力:
广泛应用于各行业、公安、平安城市等领域。为弥补算法方面的短板,东方 网力和商汤科技合作,提升人脸识别的性能。
商汤科技:
优势在于计算机视觉算法和技术,以及相关的行业应用。2014 年公司在 LFW 的准确率达 99.15%,首次超越人眼;并在 ImageNet 2014 大规模物体识别竞赛中获得 全球第二,仅次于 Google,2015 年取得两项世界第一。
核心技术包括:人脸技术、智能 监控、图像识别、文字识别、图像及视频编辑、深度学习框架。公司技术应用于:智慧 金融、智慧商业、智慧安防等领域。
Face++:
专注于人脸检测,包括人脸检测、对比、搜索、关键点定位、人脸属性。并 提供人工智能开发平台。
根据 IHS 统计,2016 年全球安防设备市场规模达到158.6 亿美金,同比增长 6.6%。其中中国市场最大,市场规模 67.25 亿美金,同比增长 11.6%,占全球 42%。美洲市场第二,市场规模 39.6 亿美金,同比增长 4.1%,占全球 25%。
从中国市场来看,我们认为市场主要包括三个细分市场
1、 政府市场(30~35%):
主要包括各地公安,交通,司法部门。销售渠道以系统 集成商为主。需求受政府固定资产投资拉动,对价格不敏感,是视频分析服务的 重度用户。
2、大企业市场(35~40%):
主要包括银行,电信,石油,文教卫等大型国有企业 和事业单位等。销售渠道以解决方案为主,需求受经营规模扩大的影响。
3、中小企业及个人市场(25~35%):
主要包括中小企业,也包括个人消费需求(尽 管需求很小)。销售渠道以标准产品的分销为主。
根据我们调研,目前人工智能相关产品主要目标市场是政府市场。
其驱动力来自于各地 政府强化各类平安城市相关工程。经过十几年的平安城市建设,中国的主要城市已经积 累了强大的视频数据采集能力。如何利用采集到的数据解决交通拥堵及治安问题一直是 各地政府有待解决的问题。
基于人工智能的新一代视频分析技术为城市管理开辟了一条 新的路径。并将驱动当前 67 亿美元的中国安防设备市场继续以年增速 15%以上增长。
其中,交通管理和公共安全等政府相关项目(约占整体市场规模 30%)是最主要的应用领域。
以下是在交管和公安现场的实例:
通过对前端摄像头和后端系统进行智能化升级,利用前端摄像头对抓取的图像快速处理,将明显的违法行为进行智能识别,并在后端进行收集和二次处理。
可对多种交通违法行 为进行取证,包括机动车闯红灯、违法停车、压线、变道、逆行、超速、人行横道不避 让行人、违反规定使用专用车道、行人闯红灯等各种交通违法行为。
以海康威视的系统破获的某个抢劫案为例。为了从大量的视频图像中找到嫌疑人,需要 对来自 500 多个监控点的长达 250 个小时的视频进行分析,如果采用人力查阅,需要至少 30 天时间,但如果采用基于深度学习的视频分析技术,仅需要不到 5 秒。
另一个案例是,2012 年的“1.6 苏湘渝系列持枪抢劫杀人案”,当时对 1 万多个监控点产 生的 2000 多 T 数据进行人工查阅,投入了 1500 多名干警耗时一个多月。根据海康威视估算,如果采用人工智能分析仅需要几分钟。
根据 IHS 数据,全球视频监控设备市场到 2020 年将达 202 亿美元,是 2016 年的 1.3 倍。 我们估计,在 AI 的驱动下,硬件设备市场的增长将维持较长的时间。
不论全球市场还是中国市场,海康威视、大华股份、宇视科技等中国公司已经占据较为 领先的地位,其中海康威视在全球和中国市场均排名第一。
我们认为,
一方面受益于中国视频监控行业规模在全球占比较高,另一方面,中国龙头公司的技术和产品的竞争力有了极大的提升。
我们预计,这种趋势仍会保持,中国龙头公司的全球市占率将继续提升。
2015 年以来,由于互联网流量红利逐渐见顶,行业发展重点走向以提升转化效率以及付 费习惯培养的精细模式。
在电子商务领域,由于大数据的累积以及底层算法的快速发展, 人工智能开始进入该领域,通过对消费者购买决策过程的深度学习和解析精准定位用户。
主要的应用是为了更精准的推荐商品以及对用户的购买行为作出更好的解释。
大数据是人工智能的重要基础,复杂场景催生技术革新。
经过爆发式的行业增长,电子商务行业已经完成了早期的数据累积,大数据的产生为人 工智能技术打下基础。
而购物场景不断延伸,端到端的互联网消费者行为呈现高度离散 的状态,消费者可触达点的增加同样加大了电商平台对于消费行为把握的难度,因此亟待更高效的方式对用户购买行为作出更好的解释,以实现更精准的商品推荐。
人工智能的知识发现体系更适合解释当下更为复杂的线上购买决策。
根据 MillardBrown2016 年的研究,传统营销通常认为消费者购买品牌是一个线性过程, 但现实中情况却要更为复杂,特别是互联网账号体系的出现,线上消费者在其他如社交 平台的分享同样会影响消费者的最终购买决策。
此外,随着人均可支配收入的进一步提 升,影响消费者购买决定的变量同样变得更为复杂。除了最基本的对于性价比的考量, 粉丝效应、生活方式、特殊事件甚至对于环保的考量都有可能影响消费者最终的购买决定。
互联网环境下,品牌以及商品与消费者的接触点显得分散且数量远大于从前,人工智能 的数据挖掘和知识发现功能为解析大量数据间隐藏的依赖关系提供了具有参考意义的一 条解决路径。
目前该技术在中国的具体应用表现为在售前,通过基于大数据分析的用户画像个性化推荐,向消费者主动展示其购买的产品内容。
目前个性化推荐主要是以分析消费者一定时间内的浏览记录为主,技术上并不难实现, 主要门槛在于商业数据累积以及推荐逻辑优化。
在当下全球电子商务领域,Amazon 的 智能推荐系统被公认为推荐算法最好的系统,其服务主要体现为个性化首页、多页面关联商品推荐和多品类关联促销。
在中国,个性化推荐的形式和 Amazon 并无太大区别, 以发展程度最高的淘宝千人千面模块为例,2016 年双 11 个性化的智能卖家推荐的测试 中,点击率和访客成交转化率分别上升了 25%和 40%,前次展示支付金额提升了 56%。
目前淘宝平台上的钻展以及直通车均已采用千人千面的数据分析,其解决的主要问题在 于如何优化平台海量流量分流从而优化流量货币化效率。
电商领域人工智能技术的商业化已经开始萌芽,阿里巴巴自 2015 年开始加速个性化电 商推广工具的研发,并已将一部分人工智能算法融入底层结构,例如:
基于全网电商数据、跨渠道数据以及第三方数据的客户运营产品 – 聚星台,可实现 店铺“千人千面‖的个性化互动营销以及全域会员运营;
通过标记的方式圈定潜在客群,建立个性化的用户细分和精准营销的数据管理合作 平台 – 达摩盘;
以及开放付费 API 的人工智能系统 – 阿里云 ET 等。
尽管互联网技术解决了传统零售获客能力有限的问题,在购物体验以及沟通交流方面仍 然与线下存在差别,尤其是非标品的售卖,例如服饰退换货率可以高达30~40%。
如何更高效的发掘和理解用户需求进行沟通一直是电商企业努力的方向之一。更为直观方便 的图片、语音识别技术因此被应用到了电商服务上。
消费者的购买需求通常具有即时性的特征,这一点可从 2016 年底开始奢侈品牌纷纷推出“即看即买”的营销策略中窥见一二。
通常电商消费者在搜索商品时平均需要 6 个以 上的点击来达成交易,并伴随大量的输入以及重复搜索尝试。2013 年底在移动电商渗透 之前 Statista 曾有研究表明,消费平均购物放弃率为 67.9%。
而今天这一比例已大幅下降,除了更加便捷的购物车服务以及支付环节以外,搜索环节的匹配效率提升同样起到 了提升转化率的作用。
图片识别加强电商平台数据流动效率。图片搜索通过色彩图形以及空间的比对,即使消 费者并不知道品牌或商品名仍然可以快速帮助用户找到其感兴趣的商品,真正实现了“即 看即买”。
对于平台卖家来说,自商品上线的那一刻图片识别技术就开始贯穿始终,包括自动检测商家上传图片是否存在侵权、投放推广时的自动匹配以及关键字搜索式的自动图片推荐;从而提升了电商平台的数据流动效率以及运营效率。
语音识别技术向智能客服的独立产品进一步迭代。
基于语音识别的搜索也被首先应用到了电商服务中,例如淘宝应用内臵的语音搜索,早在 2013 年就已经可以支持中英文品牌名混杂的复杂搜索情况。京东则将智能客服小咚嵌入其 App 通过语音识别以及语义分析,帮助用户查找用户可能感兴趣的商品。
随着大数据的不断发展,目前语音识别技术正在 逐渐向更为复杂的智能客服迭代演变。
一方面人力成本逐年攀升,对运营效率提升提出 挑战;另一方面售前售后的大部分问题重复率高,存在大量可使用人工智能介入的场景; 因此刺激了行业对基于语音识别的人工智能进行投入。
Chatbot(聊天机器人)的出现使得语音识别进一步从底层应用的技术研究和电商附加服务逐渐走向独立产品,例如亚马逊的开放 Alexa 语音服务,开发者可以利用 Alexa Skills Set 或选择接入语音服务,将自有内容资源上传,在用户出发 Alexa 中定义的“意图”时,开发者可在自有服务器上实 现“回答”。
Facebook 同样于去年 4 月开发了 Chatbot 的平台,该服务可以通过即时通 信软件用自然语言解答客户的问题甚至帮助客户提交订单,目前在 Facebook 邀请的传统 零售品牌中,Tommy Hilfiger 的人工智能甚至可以在交流中融入真实的角色性格。
尽管目前仍没有数据能直接证明传统零售通过此类服务显著提供销售量,但我们认为人机对话水平的提升仍将在长期范围内促进电子商务的进一步渗透。国内同样存在类似应用产 品,例如阿里云 ET 以及科大讯飞的语音识别均已开始向企业用户开放开发端口。
尽管人工智能技术仍处于发展早期,但在改善电子商务售前、售中和售后运营效率的过程中均已开始产生不同程度的增益效果。
随着算法进一步优化,预计其对于简单重复人力的替代过程将带来更多营业效率提升。
另外,除了底层算法的优化,我们看到智能客服和物流机器人领域已经有成型的独立产品萌芽,预计主题投资的风潮将在未来的一段时间加速这些领域内商业化进程,预计我们将在这些细分领域内最早看到商业化产品的成型。
广告:AI 商业化应用最成熟的领域之一。
自 2012 年以来,中国互联网广告市场经历了年复合增长率 39%的高速增长期。
主要的 驱动力来自于传统媒体的式微带来的预算转移、移动设备的大爆发带来的新广告平台以 及更高 ROI 的新广告形式。
根据 eMarketer 数据,2016 年互联网广告市场规模已经达到 404 亿美金,其中移动广告占比已经达到 35%。其中基于大数据的 AI 技术已经起到不小 的推动作用。
人工智能(AI)在广告营销领域的应用是现阶段 AI 商业化应用最成熟的领域之一,从AI 技术的应用阶段来看,已经初步进入感官智能的范畴,且在计算智能领域的技术和使 用场景已经有充分的发展。
精准营销和智能投放就是其中最重要的应用形式,主要的思路是利用高互联网/移动互联网渗透率下积累的大数据(根据《2016 年腾讯智慧营销白 皮书》,当年互联网每日产生数据量已达 18 万亿 GB),通过数据挖掘和机器学习等手段,建立营销对象、产品以及媒介的个性与传播模型,再通过 AI 技术进行高效的智能投放。
精准营销:提升直接反映在单位流量价。
在传统的受众到达模式中,即使基于前期的市场研究,在广告投放的渠道和形式上进行 了充分的选择,但是对目标客户定位的颗粒度则受限于数据规模和智能技术无法进一步 深入,而基于大数据的 AI 技术则很好地解决了这点。
以今日头条为例,作为最早在广告业务中采用 AI 技术的应用公司之一,AI 对其用户规模 的扩展和变现能力产生了巨大的推动作用。
预计 2017 年其广告销售收入可以达到 150亿元。今日头条基于机器学习技术实现了个性化内容推送,按用户阅读偏好进行追踪,AI 算法对历史数据进行分析,为用户生成个性化的阅读模式。
然后推荐他们可能会感兴趣的内容,并在不断迭代中优化。通过这一流程,今日头条在 2016 年 9 月已实现每天76 分钟的每用户平均使用时长,在其同类应用中达到最高水平,同时也大大改善了广告效果。目前今日头条平均点击率接近 3~4%,而其他新闻类应用仅为 1%左右。
精准营销能力的提升直接反映在单位流量价值的提升对广告主定价能力的增强。以信息 流广告为例,在过去 4 年中,主要信息流广告平台(包括腾讯广点通、新浪扶翼、今日 头条、陌陌)的广告单次点击定价(CPC)由 2013 年 0.5~0.8 元上涨至 2016 年的 1.5~2 元。
不仅仅是受众定位一侧,在广告投放一侧,AI 也在不断重构广告主的投放方式与投放策
略。
在传统的媒体采买模式中(即人工选取投放的媒体渠道和预算),往往是“一篮子” 的覆盖,即使能够进行一定程度上的细分,也无法完成实时定价和智能匹配。而随着广 告主对营销效果和 ROI 的追求不断推动,程序化购买的出现利用 AI 自动化技术实现了破局。
程序化购买广告是一种基于 AI 自动化技术和大数据,将广告主的具体广告请求对具体的 广告位(而不是单一媒体)进行智能投放的互联网广告交易模式。
其中,大数据是程序 化购买的基础,AI 自动化技术是实现高效的手段。程序化购买广告市场在过去两年获得 井喷式发展,到 2016 年已达到 308.5 亿元,这其中还不包括头部流量平台的自有程序化 交易体系(这部分收入已经包含在平台广告收入当中)。
AI 技术解决的核心痛点是由于信息不对称造成的用户定价低效,即使在精准定位的前提 下,也无法高效率(低成本)地到达。
而在 AI 的帮助下,广告主可以将散布在不同媒体 的广告位,通过精确营销(如前文描述)的定位后,在高度数据化的广告交易平台中, 由 AI 指挥自动化系统根据设定的绩效指标不断进行智能定向和实时竞拍,取代了人工进 行渠道选择、媒体分析的过程,大大提高了自动化水平、横跨媒体平台的能力和成本效率。