2017年全球AI报告解读中国仅占17%

AI的喧哗声足够大，已经达到足以鼓励风投和私人进入的地步。其他的外部投资，比如天使轮基金和种子孵化者，也都被激活了。麦肯锡估计2016年的年度外部投资总额为80亿美元至120亿美元。机器学习吸引了近60％的投资，这很可能是因为它是许多其他技术和应用的推动者，如机器人和语音识别。另外，投资者也被机器学习所吸引，因为像以前一样，安装新代码比重建运行该软件的机器人或其他机器更快更容易。这一领域的企业并购也快速增长，2013至2016年的复合年增长率约为80％。

与数字革命的其他投资相比，AI的投资仍处于初期阶段。例如，人工智能在2016年吸引了所有VC风险投资的2％至3％，而信息技术普遍上涨了60%。AI在2016年的PE公司投资总额中所占比例只有小部分：1％至3％。但AI投资增长较快，从2013年到2016年，AI技术的外部投资年复合增长率达到近40％。而2010年至2013年则为30％。不仅交易规模越来越大，而且需要较少的参与者来完成融资。这表明投资者对该行业的信心越来越大，对技术和潜力有更好的了解。

根据PitchBook的说法，大部分投资者仍然没有拿到投资回报。将机器学习作为核心业务的创业公司只有10％表示已经产生收入，其中只有一半报告了超过5000万美元的收入。此外，外部投资在地理上高度集中，主要由美国和中国的几个技术中心主导，欧洲落后。我们在第3章进一步探讨这些问题。

处在数字化前线的公司和行业已经开始采纳AI，但是其他人还在犹豫

基于期望AI采用者的市场能够快速发展，并愿意支付AI基础设施，平台和服务，投资者正在向AI公司投入数十亿美元。

显然，亚马逊，谷歌和其他公司正在为自己的应用程序进行投资，例如优化搜索和个性化营销。但是了解传统医疗保健，零售和电信公司在AI上所花费的成本并不容易。

为此，我们进行了一次调查，以更深入地了解这一情况。一般来说，很少有公司将AI大规模地纳入其价值链；大多数具有AI技术意识的公司仍处于实验阶段或试点阶段。事实上，在3,073个受访者中，只有20％的受访者表示他们在规模上或核心部分采用了一种或多种AI相关技术。10％的受访者表示采用两种以上的技术，只有9％的受访者表示采用机器学习。

即使这样可能夸大了AI的商业需求。我们对各种行业的160多个全球用例的审查发现，只有12％的发展超出了实验阶段。商业兼并可以解释为什么一些公司可能不愿意采取行动。在我们的调查中，不良或不确定的回报是企业，特别是较小的公司不采纳AI技术的主要原因。第3章进一步探讨的监管问题也变得更为重要。与每一个新的技术浪潮一样，我们期望看到行业和企业之间早期和晚期采用者的不同模式。我们发现了AI采用早期模式的六个特征，这与公司采用和使用最新的数字技术的方式大致相符。不巧的是，在早期的数字化潮流中领先的同样的玩家正在AI，下一波浪潮中也居于领先地位。

第一个特点是，早期的AI采用者来自已经在相关技术上进行大量投入的部门，如云服务和大数据，这些行业也处于数字资产和使用的前沿。这是一个至关重要的发现，因为它表明，谈到数字化，行业外的公司和机构正在追赶的证据并不明显，因为每一代新技术都建立在前一代的。第二，独立于部门，大型企业往往更快投入AI。这又是典型的数字采用，中小型企业在投资新技术的决定中通常落后。第三，早期采用者不是专门从事一种技术。它们更广泛，因为它们同时采用多种AI工具来解决许多不同的用例。第四，投资规模大的企业靠近核心业务。第五，早期采用者倾向于通过人工智能的上升潜力来削减成本。AI不仅涉及过程自动化，也被公司用作主要产品和服务创新的一部分。

报告接下来讨论的话题包括：

早期采纳AI技术的领域与数字化前线非常接近

谈到对AI技术的采纳，越大的公司，越勇敢

早期的采纳者成为连续采纳者

AI的应用已经开始成熟，而认真采取前瞻性策略的公司将得到显著的竞争优势