随着现在人们对这些技术单一或者多样化的运用，有一部分开发出的产品或服务也演变出各自的子领域并迅速发展。根据行业特性的不同，我们将人工智能细分成13个子领域，如图26所示。咨询公司VentureScanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。整体来看，AI产业不论是行业规模、还是吸金能力都在飞速扩张中。根据BankofAmerica预测的数据：未来五年人工智能的年复合增速36%，预计2020年将达到700亿美元。在上述13细分行业中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。

　　横向比较：机器学习、图像识别、智能机器人最具发展潜力

　　我们从未来发展空间、产业投资回报率、产业成熟度、应用场景拓展广度等几个方面来横向比较人工智能的各个细分领域的发展前景。

　　从未来市场空间和行业增速来看，发展速度最快、市场空间最大的三个领域是机器学习、图像识别和智能机器人。根据咨询公司Tractica的预测，机器学习领域从2015年1.09亿美元的市场规模，将以年复合增长率超过60%的速度飞速发展，预计2024年将突破100亿美元。目前已经拥有庞大市场容量的图像识别同样不可小觑。2014年图像识别领域市场规模已达57亿美元，在接下来的五年内将以42%的年复合增长率继续扩张，预计2019年可达333亿美元。此外，智能机器人领域也将随着应用场景的不断扩展迎来一轮高速增长Markets And Markets的机器人市场研究数据显示：机器人行业的总市值将以每年20%的增速增长，并于2020年达到约80亿美元，若将硬件与软件细分开来，软件部分的增速高达30%。

　　从投资回报率和产业成熟度来看，机器学习、图像识别、智能机器人仍然是最受产业资本青睐的三个细分领域。众所周知，风投公司倾向于将资金流向投资回报率最高的新兴产业，对比人工智能领域的风险融资额度能够很好地反映该领域的投资回报率。VentureScanner公司的调查数据显示：无论从总体融资额度还是企业平均融资额度，机器学习都牢牢占据榜首；图像识别领域的总体融资额度和企业平均融资额度紧随其后；而智能机器人领域由于公司数量较少，在融资总量上稍有落后，但其企业平均融资额度高达1400万美元，仅次于机器学习和图像识别领域。此外，从各领域公司创办时间而言，机器学习、图像识别以及智能机器人也是最为“年轻”的三个领域之一，产业内技术成熟度还不够高，未来几年将提供广阔的蓝海市场。

　　应用场景扩展方面，机器学习、图像识别、自然语言识别和智能机器人是应用范围较为广泛的几个领域。机器学习技术当前已广泛应用于广告、媒体、消费业等，并且需求不断增加，未来还将快速渗入医疗、制造、金融、教育业，对众多传统行业形成巨大冲击。图像识别技术目前的应用领域很广并且需求非常大，具体包括安防监控系统、无人驾驶、商品消费、工业制造、医药、体育和娱乐业等等，并且在未来几年将大规模应用于智能机器人的开发中。自然语言识别未来可广泛应用于穿戴设备、智能家居、智能汽车等领域，此外在很多安全保密系统中，语音识别技术也发挥着重要的作用。但是，该技术目前在不同口音的处理、背景噪音、区分同音异形异义词方面仍然存在一些难以解决的困难。而随着智能机器人功能的逐渐完善，未来在农业、工业以及医疗、消费等服务行业都能代替人工完成多项任务，既能节省大量人力成本又能提高工作效率和质量。

　　综合以上分析，我们认为机器学习、图像识别和智能机器人是目前整个人工智能产业链中发展前景最好的三大领域。

　　Who：谁能脱颖而出？技术壁垒、跑对赛道、优先布局

　　人工智能是跨学科、跨行业的综合性学科，以大数据为基础、以核心技术为驱动，应用领域极其广阔，想象空间极大。在这样一个复杂度、精细度极高的产业内，什么样的企业能够脱颖而出呢？我们认为具备技术壁垒、跑对赛道、优先布局特征的企业最具发展前景。具体来看：

　　技术壁垒：巨头企业通过并购初创技术企业形成技术优势

　　国际互联网巨头争相收购人工智能技术开发公司抢夺核心技术。技术是人工智能产业发展的必备要素，因此在加强自身研发投入的同时，各个互联网巨头公司纷纷收购有技术优势的初创型企业来快速获得技术、形成壁垒。在过去的几年里，超过20家专注于开发人工智能技术的企业被蜂拥而至的大型互联网公司收购，谷歌、亚马逊、苹果、IBM、雅虎、Facebook、Intel等互联网行业巨头收购动作最为频繁。

　　谷歌作为人工智能领域的领头羊进行了5次至关重要的收购，涉及深度学习、推荐引擎、图片搜索等多个技术领域，值得一提的是，近期战胜韩国棋手李世石的AlphaGo是2014年谷歌花费4亿美元收购的英国初创公司DeepMind所创造的。而据彭博社报道，亚马逊于2015年秋季秘密收购了硅谷初创公司Orbeus，该团队专注于人脸识别技术，其核心产品ReKognition能够自动分类和辨别照片中的内容，目前的识别对象可以包括人脸、场景、陆标、物体等其他概念。Orbeus的照片软件PhotoTime不仅早于谷歌发行的基于人工智能的应用，其使用的图像识别算法也比Facebook先前收购的Face.com更加细致。

国际互联网巨头收购人工智能公司主要案例

　　跑对赛道：选择重点领域进行突破，所选领域未来有爆发点

　　人工智能产业目前尚处于成长初期，应用领域非常广且又是技术密集型产业，任何一个领域的发展都需要投入大量的科学资金、科技人才和物力等等。即便是资金技术雄厚的巨头企业也很难在人工智能产业链全部领域全面开花，这个时候很多公司往往会选择一个或者几个重点领域进行重点布局，因此，公司战略所选的领域未来是否具有爆发潜力就至关重要，也就是我们所说的“跑对赛道，脱颖而出”。

　　基于我们从产业资本投资方向，行业属性及发展路径等几个维度的比较分析，我们认为重点布局在机器学习、图像识别、智能机器人三大领域的公司最可能脱颖而出。

　　机器学习主要指的是人工智能领域应用中比较热门的深度学习，通过多层次的学习而得到对于原始数据的不同抽象层度的表示，进而提高分类和预测等任务的准确性。深度学习可以应用于包括图像识别、自然语言处理、广告点击率预估乃至人工智能平台（如谷歌大脑）等在内的多个产品，并大幅度地提升这些产品的性能，各大研究机构和公司都投入了大量的资源进行相关的研究和开发。

　　纵观国际，谷歌可谓跑对机器学习领域赛道的最佳典范。谷歌在机器学习领域的投入和研发水平远超其他对手，更是在被称为机器学习年的2015年取得了这个领域多项突破性的进展。

谷歌2015年机器学习研究大事件

　　放眼国内，百度是目前国内唯一一家有望在机器学习领域与谷歌相媲美的公司。百度2013年率先决定成立深度学习研究院，主要进行深度学习&机器学习、机器人、人机交互、图片识别等方面的研究。此后，百度继续加大在机器学习领域的研发投入，2014年5月在美国硅谷投资3亿美元成立百度美国研发中心，宣布任命人工智能泰斗，原GoogleBrain项目负责人吴恩达为百度公司的首席科学家，全面负责百度研究院。2014年，百度发布大数据计划，拟运用机器学习完成“开放云-数据工厂-百度大脑”的三层设计。

　　图像识别是指计算机从图像中识别出物体、场景和活动的能力。传统的图像识别技术只能简单识别或查找静态图像，对视频分析、动态识别等则是有待于开发的潜力市场。不仅如此，图像识别还可以应用到特别广泛的社会领域，比如智能安保和互联网金融、社会福利保障、电子商务等领域。因此，在图像识别领域跨越的一个小小步伐，就有可能带来可观的收益。

　　举例来说，一家初创公司Dextro正在开发能够进行视频识别的软件并凭借这个产品，成功进入了2015年在线视频企业Top15。Dextro主要运用深度学习算法进行视频分析，它们正在开发的平台SSM（Sight，Sound&Motion）可以帮助用户寻找最有新闻价值的视频。Dextro目前提供两种服务，一种是在线视频搜索，即像文字搜索一样寻找、解释和分类视频，可以用于提升视频编辑剪辑工作效率和实现视频与广告的智能匹配；另一种是监控视频管理，能够快速锁定监控视频中的图像，可以用于家庭智能安保、城市空间布局分析和犯罪分子识别等领域。

　　根据国际机器人联盟(IFR)按应用领域的划分，可以将智能机器人分为工业机器人和服务机器人两大类，并且广泛应用于生产组装、维护保养、修理、医疗、清洗、保安、救援、监护等领域。随着智能机器人能实现的功能越来越多，提供的服务越来越精细化，刺激着智能机器人规模的快速增长。生活中，人们厌烦了从事类似于清洁、看护、保安等重复性工作，这种简单劳动力的不足使服务机器人有着巨大的市场，因此家庭清洁机器人、残障看护机器人、住宅安全和监视机器人应运而生；而随着人们生活水平的提高和全球人口老龄化的到来，能够提供教育、医疗、娱乐等专业化服务的智能机器人也开始倍受人们追捧。受到这些刚性需求的驱动，公司涉足智能机器人领域就等同搭上规模扩张的“快速列车”。

　　美国直觉外科公司正是凭借其王牌产品达芬奇机器人在10年间一举扩张成为全球最优秀的医用机器人公司。达芬奇机器人目前世界上最成功的手术机器人系统，它是为外科医生手术操作中提供直观的控制运动、精细组织操作和三维高清晰度视觉能力而设计的，同时允许外科医生进行微创手术。达芬奇机器人由三部分组成：外科医生控制台、床边机械臂系统、成像系统。实施手术时主刀医师不与病人直接接触，通过三维视觉系统和动作定标系统操作控制，由机械臂以及手术器械模拟完成医生的技术动作和手术操作。目前美国FDA已经批准将达芬奇机器人手术系统用于成人和儿童的普通外科、胸外科、泌尿外科、妇产科、头颈外科以及心脏手术。得益于世界市场对医用机器人的持续认可和需求增长，直觉外科公司在过去的10年里规模快速扩张，营业收入复合增长率达30%，达芬奇机器人使用范围复合增长16%，使用频率达52.3万次。

　　领先布局：国外将技术开发拓展到商业领域，国内将场景设计进行商业落地

　　随着AI技术的发展，AI技术几乎可以应用到现代商业的各个领域。由于AI涉及到许多复杂的技术，通过长时间的积累和学习还可以进行自我改进，原有的客户使用情况还能提供源源不绝的数据供进一步改进参考。因此，在人工智能领域的商业化尽早进行布局，占据市场、积累客户资源获得足够多的基础数据就至关重要。我们发现，国内外公司都在商业化应用领域积极地进行探索，国外的商业化以技术为核心，通过优化算法推广到实际应用；国内的商业化更侧重场景设计，注重个人体验，相对来说，核心技术优势的进步并不那么明显。具体如下：

　　海外AI商业化应用：将技术开发拓展到商业领域，拥有核心技术的互联网巨头和创业企业最容易脱颖而出。海外AI的商业化注重技术开发，基于大数据基础、算法优化来提高技术水平进而再把技术开发拓展到商业化领域：以技术为核心，商业化则是再进一步的必然结果，一般来说商业化的项目都是其在技术技术领域已经达到足够多的积累之后才发生的。具体来看：1）Facebook，围绕大数据挖掘的技术核心，建造能够理解海量数据的人工智能机器，通过挖掘用户数据信息为用户推荐其更为喜欢的浏览内容；2）苹果，基于语音识别的核心技术，开发人工智能语音系统Siri，用户通过语音对话对苹果下指令；3）Uniqul，基于人脸识别技术，最早推出了人脸识别支付技术，推进AI与金融相结合的商业模式发展；4）Bettermen，建立个人投资管理平台，只要在Betterment平台上，回答几个关于你的投资目标的问题，Betterment会根据你的回答做分析给出相应的投资组合建议，并通过平台直接投资。

　　国内AI商业化应用：优化场景设计进行商业化布局。与海外国家相比，国内的AI核心技术优势并不那么明显，相应的在商业化应用领域也并非注重核心技术的提供而是投入于优化商业场景，加强用户体验。有人力、财力基础的三大国内巨头互联网公司最具商业场景落地优势。具体来看：1）百度，百度将语音技术、图片识别技术、O2O服务进行场景落地，用户通过百度输入一段语音，百度通过语音技术将其准确的翻译为文字，再通过自然语言理解技术对该需求进行理解，最后给出用户想要的电影票预订、酒店预订、景点门票预订等服务；2）阿里巴巴，成立DST部门专门进行大数据挖掘，通过用户产生的大数据进而为其推荐更多其有潜在购买欲望的产品；3）腾讯，旗下的QQ、微信有着巨大的用户流量，向客户精准投放广告并开放“人脸识别”API。

　　投资策略：聚焦高前景细分领域技术突破者和商业化应用先行者

　　技术腾飞与应用拓展带来人工智能第三波浪潮。目前人工智能的技术领域的发展还在起飞期，企业通过选择重点领域进行突破，机器学习、图像识别和智能机器人三大领域将有望带来技术腾飞；而近几年来国际互联网巨头争相收购初创技术企业，加速人工智能布局，逐渐形成技术优势；技术层的进步人工智能进入发展的上升通道，应用层投资机会和投入回报率也随之高企。