深度 | 被冷落的 AI ，如何在 SaaS 领域“火”起来( 四 ) 关注牛透社

门类4：Forecasting&Optimization

这属于比较专的一个AI领域，主要是对平台进行优化。应用的领域，比如让滴滴能及时调度几千万的司机，让电商平台可以管理发货速度等。

数据的重要性

正如上图所示，明斯基定的目标非常宏大。可现在的 AI 技术即使到了第三个阶段，但离真 AI 还是非常遥远，幸运的是拥有庞大的数据。

那么，在 AI 领域的数据是什么呢？其一，数据是AI算法的养料，通过经验可以告知我们一件事情发生的规律，还可以帮助人将世界具象化，排除一些不确定的条件。

举例来看，如图4所示，左图是微软非常出名的聊天机器人小冰，人类可以跟它聊天气、聊人文地理、聊哲学。但是，对于它不知道的游戏世界，人说再多它也听不懂。

右图则是 Google 非常出名的项目 Waymo ，这是一个智能驾驶的车，曾获得大额融资，且确实离无人出租车越来越近。但如果将其放置于中国的道路上，对它来讲就是很复杂的条件，就需要更多的经验和数据才能来处理。

从这两个例子，都足以看出数据对于 AI 的重要性。

2. 企业和行业中的 AI 应用

文章图片
AI in SaaS 属于应用层

如图所示，最下面是数据源和 API ，以及一些开源的框架。这类型企业基本上做最基础的芯片，或者是做算力的，或者是做基础数据的收集。

往上一层是很多开源的企业，但开源并不代表就是免费。这类型企业通常都做得很大，营收规模也很大。这个空间主要是给开发者和 AI 行业去提供工具，所以这层是工具层。

再往上，左边是偏技术本身的，包括云计算、大数据处理和数据库相应的服务。中间是垂直 AI 算法站，包括做数据分析、BI、CV、NLP 语言处理和语音等等。

那么，企业软件位于什么地方呢？SaaS 类的 AI或 AI in SaaS 其实属于应用层。
往常很多人会说做 SaaS 类 AI 公司没有技术，这显然是错的，只是其所处行业就是在应用层，可帮助企业解决具体问题，更多关注的是应用场景。

图中还有一些垂直类型的企业，在我看来，垂直行业类的 AI 企业有很强的应用场景，出现的也很早。

它们主要是在指纹识别、人脸识别领域的公司，这类公司在上世纪90年代之前就出现了，但只是在做技术的早期积累和一些早期客户的服务。之后，因为云计算和开源的出现，才有了越来越多的 AI 平台，也就出现了更多的 AI 公司，面向更细分和更小众的行业人群。

我认为，向垂直细分类发展的趋势是对的。因为人工智能就如同社会，需要各种分工，应该每个行业都有一些特别专业的人，未来 AI 一定是会这样慢慢去超这一趋势发展的。

AI 和 SaaS 结合的发展趋势