选自 Gartner
机器之心编译
作者：Tracy Tsai等
参与：Cindy、李泽南
东亚的公司和机构在机器学习技术的应用方面面临着人口多样性、语言障碍和技术适用性等不同于西方的独特挑战。所以，企业架构和技术创新的领导者们在开展自己的业务时应优先考虑在这个领域的明星创业公司。最近，著名信息咨询公司Gartner发布了一份报告，选出了本年度东亚人工智能领域最具代表性的五家公司。在这份榜单中，中国公司占据四席，思必驰、旷视科技和第四范式入选（另有Appier）。
主要发现
机器学习和深度学习技术不仅仅是抽象的概念，更可以为现有的商业问题提供现实的新解决方案。然而，在东亚地区，一些地域差异，如语言，对大群体的可扩展性支持，或文化多样性等需要本地化的解决方案，用以支持人工智能的成功实施。
随着技术发展的热潮，东亚地区以人工智能为主的创业公司越来越多，这意味着在这个地区对人工智能解决问题有着强大的市场需求。这些创业公司不仅仅具有创新性，能够在机箱中传递机器学习功能，并解决实际商业问题，而且具有成本竞争力，可以吸引许多公司与之合作。
建议
技术创新的领导者在寻求建立他们在人工智能方面的进步时：
如果你希望在这个地区启动人工智能项目，请确定有来自东亚或全球的人工智能领域的创业公司以及这个地区的本地合作者，以便更好的获得本地支持来满足个性化需求；这将有助于更有效地为当地市场提供服务。
只有最好的人工智能技术专家才可以提供最大规模的数据，最高的客户满意度，以及在当地市场开拓人工智能来提高投资回报率的最创新的解决方案。
在开始启动人工智能项目之前，与人工智能方面的专家联系，并参考一些可靠的成功的资料，比如如何使用机器学习来提高成本效率，客户满意度，以及创新新企业模型等；然后从一些 90 到 120 天的可以快速产生回报的小项目开始。
战略规划设想
到 2021 年，在中国，超过 60% 的与人工智能项目相关的企业将选择直接与当地人工智能专家合作，或通过有当地合作者的全球明星创业公司合作来确保解决方案适合当地市场。
分析
尽管这项研究并不包含在任何给定技术领域里的全部的明星创业公司，但它旨在强调有趣的，新的和创新的创业公司，产品和服务。Gartner 对本研究不承担任何明示或暗示的责任，包括对特定用途的适销性或性质的任何保证。
首要信息
企业使用人工智能技术创新业务的热潮在全球迅速增长，其中包括东亚地区。根据 2016 年 Gartner 在中国的企业调查，中国有 94％的受访企业已经使用或计划在未来 12 个月内即将使用机器学习，这远高于全球使用人工智能的平均水平。
根据这 94％的企业，选择 AI / ML（人工智能/机器学习）项目的外部服务提供商的主要标准是：
帮助企业探索成本效益
创造一种新的商业模式或带来新的收入
这两个标准均以有形商品的形式出售，并为 AI 相关项目提供可衡量的投资回报。3 月，Gartner 在亚太地区举办了一个以人工智能为主题的会议，吸引了来自北京，首尔和台北的 500 多名与会者。来自该地区的 IT 公司领导，首席信息官，首席技术官和首席执行官们都渴望深入了解这一领域的最新动态，例如目前什么 AI 应用程序被采用的最多，如何选择自然语言处理（NLP）服务供应商，以及如何生产优质数据。人工智能已经超越了概念应用程序，成为了支持实现商业目标的实际应用。作为物联网（IoT）的一部分，在帮助改造电子商务方面，人工智能也同样重要。
人工智能和深度学习的先进技术有很多已被应用于垂直行业。这些方向包括增加安全性、新商业模式、直观的用户体验、更多的客户知识等等。商家可以利用面部识别预测客户接下来的可能选择或可能想要阅读的内容，中国和日本的开发商正在积极地采用新的解决方案来解决他们的数据和交互挑战。
企业正在当地市场上寻找即用的 AI 解决方案。这为创业企业创造了一个颇具吸引力的环境。东亚地区最成功的创业公司，特别是中国和日本，通常具有相似的背景。它们由领先的学术机构的数据科学家发起，包括领先公司的业务专家，有足够的风险资本支持，并致力于解决具体的业务问题本地化解决方案。
由于当地市场的需求旺盛，尤其是考虑到中国大量人口和地理位置带来的优势，许多公司都将解决方案集中在可扩展性和大数据上。随着积累的成功案例，其中许多解决方案有可能对全球市场造成颠覆性影响。他们也可能挑战领先的 IT 公司，如英特尔，微软，IBM 和谷歌，通过本地化解决方案和定制来支持。
图 1. 导致东亚地区人工智能创业公司数量增长的因素
资料来源：Gartner（2017 年 4 月）
Gartner 将明星创业公司定义为大量类似业务公司的典型代表，显示了人工智能技术和应用中前所未有的创新速度。该报告将帮助 IT 领导者和特殊技术创新领导者，不仅在亚洲，而且在北美和欧洲，中东和非洲地区，确定和评估不同的替代方案和解决方案，将 AI 技术作为电子商务转型的一部分。
当与以下这些供应商合作时，请先选择可以在 90 到 120 天内实施项目，如果取得成果，则每季度收益都会逐步扩大。
Gartner 对明星创业公司的判断是基于对这些公司给市场带来的创新性和多样性技术的能力。机器学习和深度学习提高了基于用户环境的自然语言处理、计算机视觉、行为分析和营销推荐等解决方案的准确性。这引起了新的商业模式，使移动用户成为用户体验的中心。
尤其是东亚地区，特别是在拥有 13 亿人口和高度以移动设备为用户行为中心的中国。数字化的人口统计与移动和云端技术的广泛可用性结合在一起，使企业能够利用机器学习等先进技术进行预测分析。
大量人口和高数量的智能手机用户提供了开拓智能手机场景的潜力。在许多方面，东亚不是同质的，与美国和西欧相似，具有多种语言和文化。公司需要使人工智能技术适应异构客户群，而不是简单地复制经过其他地区验证的模型。
思必驰
中国，苏州：www.aispeech.com
入选理由：思必驰的端到端中文自然语言处理程序拥有完整的硬件和软件解决方案，它可以优化多种设备的音频接收质量，如车辆，智能家电和智能机器人。自然语言处理面临的最大挑战之一是可能影响语音识别精度的背景噪声。不同的环境可以创造各种各样的挑战，它可以在室内或户外，汽车内部，或在公众场合的人们中进行交谈。该公司拥有联想，小米，魅族，海尔，腾讯，MXCHIP 等 1000 多家客户。联想选择了思必驰的 NLP 技术，为嵌入联想第一个中国虚拟个人助理（VPA）智能扬声器优化了其麦克风阵列软件的解决方案。
思必驰通过云服务和本地设备 SDK（包括硬件模块）或两者的组合来集成模块化语音技术以及内容服务解决方案，以最低的成本为硬件配备自然语言的人机交互能力和必要的服务。思必驰还提供满足特定客户需求的定制业务。
语音技术模块包括文本到语音（TTS），自动语音识别（ASR），扬声器验证/识别，口语对话系统（SDS），口语理解（SLU）和内容服务。思必驰与小米科技，阿里云 OS，Ingenic 和 MXCHIP 签署了关于车载设备，智能家居，智能 Wi-Fi 扬声器和机器人解决方案的战略合作协议。
挑战：思必驰面对着来自百度、微软、Emotibot Technologies、小 i、科大讯飞、云知声和 出门问问等各种垂直行业和商业应用的竞争激烈。语音到文字的应用（STT）或 TTS 的使用正在向高精度成熟。主要挑战是不同领域的语义分析和语言理解。建立此功能需要时间。此外，背景噪声干扰是影响捕获口语单词，降低音频接收质量，间接影响语音识别的另一个挑战。
思必驰需要优先考虑对垂直行业的支持，特别是对于意图通过对话性 AI 应用程序提供新客户体验的企业而言，该领域的应用程序还不发达，但具有快速增长的机会。
潜在客户：考虑 NLP 解决方案的技术创新领导者，特别是中文语言的，应该在中国其他相关供应商之间优先评估思必驰，因为它的即用解决方案可以有效减少产品上市时间。另外，除微软外，中国的公司很难与国外 NLP 公司展开合作。基于中国人口及其经济实力，技术创新领导者需要融入本地人工智能解决方案，从而为全球中国人市场服务。
旷视科技
中国，北京：www.megvii.com
入选理由：旷视科技自行开发的深度学习平台，Brain++，是用于面部，文字，图像识别和其他计算机视觉训练的技术平台，为大规模数据处理和训练提供一站式支持。旷视科技的 Face++ 是开发人员和通过 API 或软件开发工具包（SDK）进行面部识别供第三方使用的开放平台。Face++开始于 2012 年，是第一个面部识别云端服务平台。
旷视科技目前拥有超过 50,000 名客户和开发商，其中包括滴滴出行，支付宝和联想。Face++被用作智能城市举措中的证券和安全监控的一部分，如面部识别，犯罪检测或识别。
目前，Face++每天平均使用超过 2400 万次 API 通信，在身份识别数据库上注册了超过 1 亿个面孔，用于金融证券的个人身份识别。许多西方银行仍未使用面部识别技术，但这项技术很可能会成为未来身份识别系统不可或缺的一部分。
旷视科技始于 2011 年，以深度学习和计算机视觉为核心业务。它为视频数据分析的垂直行业提供解决方案，以监视和识别来自云端点设备的多个对象，包括人脸、云端、终端设备。产品包括为开发人员提供的基于 AI 的云平台即服务（PaaS），更多定制要求的 SaaS，以及包括计算机视觉嵌入式摄像机或监控系统等硬件的整体解决方案。它的算法可以同时部署在云端和终端设备上。
挑战： 旷视科技面临来自其他类似计算机视觉 AI 公司（如微软，百度，海康威视，SenseTime，DeepGlint，LinkFace，谷歌，无所不知等）的强大竞争。图像识别取得了显著的进步，但要接近成熟仍然面临着许多挑战。计算机视觉领域在成本，虚假警报减少，实时系统响应和多事件和行为跟踪，以及如何在不降低图像质量的情况下发送压缩图像或视频等方面都展示着竞争的激烈性。解决方案如通过从视频流中提取关键元素如人类属性来结构化数据，将重点放在缩小的场景上，以最大限度地减少虚假警报和强大的本地焦点，有助于与区域或全球市场玩家进行竞争。
潜在客户：寻求运营效率，安全认证，个人识别和业务流程创新的技术创新领导者应该评估中国的计算机视觉解决方案以及提供者，因为这些创业公司及其解决方案正在通过中国的大量人口不断地运营和测试。
Appier
中国台湾，台北：http://www.appier.com/
入选理由：Appier 使用机器学习来增强数字营销。它采用深度强化学习，以及传统和其他机器学习技术来解决多种挑战，包括准确统一跨设备使用模式，通过设备定位广告和自动控制广告操作。
这些解决方案使 Appier 能够为全球 500 多个品牌和机构提供服务，如雅诗兰黛，奥迪和 Axe。Appier 具有内部 NLP 技术，用于识别用户喜欢的内容。为了通过设备实现有效广告目标，Appier 使用深度学习模型来分析设备使用模式，以及一系列无监督和监督模型来分组设备和识别相同的用户群体。
为了抢占招标广告市场，有效地强化机器学习模型用以控制广告操作，Appier 已经开发了自己的运算法则。Applier 的强大技术团队为自己的 AI 模型的使用建立了一个有效的数据管道和平台。
目前，在这个市场上，有许多数字营销公司，但是这些公司都没有人使用人工智能来识别在不同设备不同时间访问内容的人，并为目标用户在正确的时间和设备上提供正确的内容。Appier 的团队包括拥有 AI，数据分析，分布式系统和营销方面经验的计算机科学家和工程师。
一些员工曾经为谷歌、英特尔和雅虎以及哈佛大学和斯坦福大学的人工智能研究机构工作。Appier 的业务覆盖亚洲的 12 个市场，包括台北，新加坡，吉隆坡，东京，悉尼，胡志明市，马尼拉，香港，孟买，新德里，雅加达和首尔。
挑战：有许多创业公司和成熟的公司进行电子营销。竞争主要集中在传递成果的有效性和速度上。实现有效的针对性广告有许多方法和替代方案。谷歌和一些大型互联网服务公司由于可访问的数据量大，数据具有多样性而处于优势地位。为了区别于一些大公司，Appier 必须继续专注于用户行为，文化和其他任何因素等本地生态系统知识。
潜在客户：考虑开始新项目的企业技术创新者，试图以人工智能推荐的有针对性的广告开发新的销售渠道或增加营销投资回报的决策者。
Fronteo
日本，东京：http://www.fronteo.com/global/
入选理由：Fronteo 的人工智能引擎（Kibit）为虚拟助手提供基础，它可以基于过去的行为和新颖性容忍度为用户提供建议。Kibit 的产品适用于许多行业，如法律支持和医疗保健应用。
最酷的地方是，Kibit 助理不仅会根据以往的行为锁定你的建议。它还会尝试绘制推导出用户的历史行为中不曾发生过，但他们可能考虑将要做的事或可能发生的购买行为。它通过分析数据来发现隐藏的偏好来学习用户的偏好和感觉以支持决策。这不仅仅是提供所需的信息，而且可以提供可以满足用户意想不到的喜好的书籍的建议——这是一种非常日式的做法，重点在于深入洞察一切。这有利于日本企业以不同的方式利用这种人工智能应用。
例如，Kibiro 是由 Kibit AI 引擎支持的虚拟助手嵌入的物理服务机器人产品。一个功能是找出并推荐用户想要的书籍。这是通过分析文本数据完成的。助理将通过摘要或审查用户以前读过的书籍的评论获得信息。它会学习这些因素和偏好，探究为什么用户认为这些书很有趣。然后，它会尝试从学到的东西中得出推论，然后提出新的建议。它有时会建议用户可能会发现有趣的其他类型的书籍，但通常本身并不能接触新的选择，也可能不了解其他类型。
Fronteo 也对外提供其 AI 引擎。Kibit AI 引擎以其判断力实现了人类专家级的隐性知识学习，可以分析公司电子邮件的文本和日常报告。这将有助于抓住销售机会，顺利推进项目。Solasto 是一家医疗外包公司，宣布将通过使用 Kibit AI 引擎分析现有员工访谈记录，以提前发现不愉快的员工，找出解决方案来改善员工参与度，防止员工离开公司。
挑战：截至 2017 年 3 月底，该公司由于面临大规模诉讼而下调了对于销售成绩的预测。它的 AI 业务正在进行产品组合转移，尽管其商业智能部门正在领导着其他人工智能相关业务。这些业务部门可能需要更多的投资来进一步开发，而这也可能潜在地影响着利润率。
潜在客户：正在寻找合作伙伴的服务或解决方案供应商。利用虚拟客户助理（VCA），虚拟员工助理（VEA）或 VPA 提供服务。客户助理机器人或个人助理机器人厂商的项目经理如正在寻找合作伙伴来增强或增值服务和解决方案，他们应该关注 Fronteo。
第四范式
中国，北京：www.4paradigm.com
入选理由：大多数人工智能平台专为特定行业或垂直领域而设计，很少成为适用于不同行业的通用平台。第四范式的旗舰产品——第四范式·先知可以解决这个左右为难的问题。它是一个商业应用的全过程 AI 平台，允许非技术人员为自己的行业开发专业的 AI 算法，如银行和保险业。它可以提高人工智能的效率，解决 AI 人才短缺问题。在第四范式先知平台上开发的 100 多种 AI 解决方案已被用于各种领域，如金融，通信，互联网，古籍识别和医疗诊断。解决方案包括但不限于智能定价，实时反欺诈系统，精准营销，个性化建议等。
第四范式在迁移学习方面具有优势，这种方法可以减少对大量训练数据的需求。许多学术研究人员认为迁移学习是下一代深度神经网络的关键部分，让人工智能可以广泛应用于诸如医疗保健等缺乏大量数据的领域。第四范式已经帮助中国最大的糖尿病研究机构确认了糖尿病的几个成因。然而，即使是中国最大的糖尿病患者数据库，数据量依旧不足以有效诊断糖尿病。
第四范式主要服务于大型企业，国有企业和非盈利机构。根据 2016 年排名，在金融领域，世界十大银行中有三家，前 100 名中有 9 家是第四范式的客户。该公司的服务包括在中国和海外的所有主要中国银行，涵盖 2 亿以上的商业客户和 20 亿个人用户。
挑战：虽然第四范式的 AI 平台易于使用，但仍然需要业务专家对商业问题有明确的了解，以及在考虑将平台作为工具之前先思考如何构建人工智能模型来解决问题。对于大多数经验不足的企业而言，他们面临的挑战是需要一个即用的方案，而不是开发一个模型，尽管培训工程师比培训数据科学家需要更少的时间。此外，还有一些类似的 AI 开发平台和工具可能因为专注于某领域而更具优势。对于不熟悉人工智能项目以及如何处理 AI 项目的企业而言，这些行业特定解决方案可能是更有用的。
潜在客户：有资源可以快速建立自己的 AI 解决方案的大型企业应该评估第四范式，特别是如果你的机构中缺乏人工智能人才，如数据科学家。 
本文为机器之心编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：[email protected]
投稿或寻求报道：[email protected]
广告&商务合作：[email protected]
