一、简要概述
1.从产业角度看，人工智能结束按照结构可划分为：基础层、算法层、技术层、应用层。
（1）基础层：以芯片、传感器为主的计算机硬件、数据以及以云计算为代表的计算机系统技术。
（2）算法层：包括人工智能的各种算法。业内重要的深度学习开源框架有谷歌的TensorFlow、百度的PaddlePaddle（http://www.paddlepaddle.org/#quick-start）。
（3）技术层：通过计算技术实现感知、认知、分析、决策、学习和行动等人类智慧。主要包括语音识别、计算机视觉、自然语言处理、智能推荐、知识图谱等。
（4）应用层：指人工智能技术在具体产业中的应用。如：百度的智能语音平台DuerOS、无人驾驶操作系统Apollo是国内重要的人工智能应用平台。
2.人工智能发展浪潮的主要驱动因素：
（1）全球数据量爆发性增长：大数据、云、物联网等信息技术的发展产生了前所未有的海量数据。
（2）计算能力提升：人工智能算法需要强大的计算能力作为支撑。
（3）算法的进步：计算能力的提升和数据规模的增长，使得多层神经网络、深度学习、强化 学习算法取得长足的发展。这些算法广泛应用到智能推荐、计算机视觉、 语音识别、自然语言处理等领域并取得丰硕的成果。技术适用的领域大大 拓展，能够满足越来越多的复杂和动态场景的需求。
（4）政策支持、科技巨头和资本追逐：政府对人工智能产业 化高度重视，推动人工智能产业化快速发展。对人工智能产业化落地持有乐观态度，这也是推动人工智能技术产业化应用迎来起飞的另一股重要力量。
二、TUMC模型
TUMC模型是一个基于战略节奏 理论，从产业演进视角研究新产业成熟度和新兴技术产业化成熟度的工具。
（1）由战略节奏理论，产品市场的发展可以分为4个不同阶段，即，小众市场、大众市场、分众市场和杂合市场。当前不同行业中各种各样的 人工智能应用基本上都处于从“尚未进入小众市场”到“即将开启大众市场”的这一阶段。
（2）TUMC模型的4个维度：TUMC模型是一个评测新兴技术产业化成熟度的工具，综合考察技术 （Technology）、用户效用（user Utility）、市场（Market）以及产业 链（industry Chain）。每个维度又根据成熟程度分为2个节点。
①technology:实现商业化的性能阈值。即考察从实验室到市场过程中具体的发展程度。
t1突破实际应用的技术门槛
t2出现新产品的主导设计
②user utility:特定场景中的特定价值，考察新技术和新产品带给用户的价值。
u1满足特定场景中用户需求：如果应用新技术的新产品找到了合适的特点场景，并能满足场景下用户的需求，那么，新技术的产业化就达到了u1节点，产品找到了在市场上的立足点。
u2完成从“极客产品”到“时尚产品”的转变：“极客产品”面对的是小众市场初期的发烧友用户，而“时尚产品”指的 是满足时尚派用户偏好和需求的产品。完成“极客产品”到“时尚产品” 的转变，意味着达到u2节点。这时的产品形态和用户价值已经达到了相当 的成熟度。
③market：市场起飞的关键规模，考察市场规模的变化情况。
m1找到早期用户并能锁定用户
m2达到持续扩散的用户数量：当越来越多的时尚派成为用户，应用新技术的新产品在大众中具备越来越多的持续的曝光度，用户就达到了持续扩散的数量，这意味着在市场维度达到了m2节点。
④industry chain:新的分工协作系统；考察新技术新产品的产业链完善程度。
c1嵌入现有产业链：如果新产品从现有市场中寻找所需供应链的成熟替代品，与现有产业链良 好合作，新兴技术能够“嵌入”现有业务的成熟的产业链中，意味着在产 业链维度达到c1节点。
c2:出现专有产业链要素
三、启示
人工智能技术不是单一的一种技术，而是相关的“一族”技术。人工智能 产业化表现为多种不同的技术和算法同时被应用到不同的产业中。人工智 能广泛而深入的产业化过程，也就是不断拓展“智能+”，为传统产业赋 能、推动产业转型升级的过程，当前很多产业和领域都已具备人工智能应 用的可能，都有机会发掘适合人工智能的应用场景。
伴随着大数据、云等其他相关技术的发展，当前人工智能技术在不同的 产业和领域中已经得到广泛应用，人工智能产业化发展的地形已经初现 端倪。 作为人工智能的应用的前提和基础准备，企业业务流程的信息化和标准 化，以及业务数据的数字化和结构化非常重要，这是企业智能化转型的基 本条件。
当前人工智能主要的热点技术，如智能推荐、计算机视觉、智能语音语义 技术从TUMC模型看，在技术、用户效用、市场和产业链4个维度上都处于 突破第二节点的阶段，人工智能技术和产品能够很好的融合到已有产业链 中，新的产业要素和新的产业链结构正在形成。其产业化过程中，to B的 企业业务成熟度相对较高。这符合新兴技术产业化的一般规律，先在商业 设施完善的to B业务中发展起来，再延伸到更大的市场中。
建议：（1）从企业业务（to B业务）入手，找到发展的一个合适起点
（2）在已有产业中发掘适合自己人工智能产品的应用场景，找到人工智能产业化的一个“锚点”。一般，人工智能的应用率先从提升效率、降低成本方面起步。然后才会发展出全新的应用场景，为用户创造出全新的价值。
（3）“锁定”早期用户，跟随用户增长。在业务发展中理解需求并打磨产品。
（4）随着产业化的发展，与人工智能相关的新的产业要素将会逐渐出现，企业也可根据自身基础，进行选择、建设或投资与自身业务协同的产业新要素。从而能够为未来市场爆发做好准备。
