Gartner:日本、新加坡、韩国、印度的代表性人工智能公司一览

在当今人工智能如火如荼的发展大潮中，中国一直被认为与美国、英国等处于第一集团，然而事实上，更广泛的亚洲也颇受全世界关注。著名IT咨询公司Gartner认为：亚洲基于人工智能技术的总业务价值将占全球市场的48%。人工智能的竞争既是技术竞争，也是数据竞争乃至创新生态的竞争，亚洲典型国家都积极储备属于自己的优势，发展代表自己世界竞争力的人工智能公司。本文是Gartner选取亚洲其他国家一些具有一定代表性的企业，讨论其业务、方向和面临的挑战。
基于人工智能技术的新的实用解决方案正在亚洲出现，多样化和本地化的区域人工智能生态系统正在形成。比如人工智能人脸识别技术在中国得到了广泛的应用，语音智能在东南亚遇到挑战：基于东南亚1000多种口语的语音智能并非易事。本文并不是要列举亚洲地区人工智能企业的详尽清单，而是旨在突出有趣的、有特色的人工智能企业、产品和服务。
亚洲各国政府，普遍认为AI是一个“关键增长乘数”，将在未来10年内为经济加快增长赋能。人工智能有望在亚洲实现全球范围内最快的增长速度。风险投资家仍然对人工智能领域技术差别化应用的广度和深度持乐观态度。高德纳(Gartner)认为：亚洲基于人工智能技术的总业务价值将占全球市场的48%。人工智能的影响无疑将跨越所有商业、垂直产业。目前，大多数人工智能应用都涉及到解决智慧城市、人口老龄化、劳动力短缺、提高运营效率和降低成本等最紧迫和最关键的问题。
对于亚洲区域的企业来说，其最大优势是容易获得并拥有特定领域的训练数据集，这些数据集可以极大地提高人工智能技术的学习效果。当前，全球企业都应密切关注亚洲区域人工智能的发展，如果其它区域缺乏新的增长动能，就有可能输给亚洲的竞争对手（下图是全球人工智能增长预测图）。

面向实际创新应用的人工智能解决方案正在亚洲出现，主要以适应本地化的需求为主（下图显示了亚洲企业对AI技术不同部分的选择与定位）。

大数据成为亚洲各地企业的核心竞争力，获得数据并成为标注的数据集，对于这个区域之外的人工智能企业来说并不容易，甚至是不可能具备的优势。
以下列举亚洲部分地区的AI企业：
一、日本
1.Brains Technology
Brains Technology是专注于机器学习和大数据分析的一家公司，已经成为机器学习处理的数据分析平台，其功能包括特征分析、算法选择、参数调整等，涉及早期故障和性能退化检测、安全异常检测和物联网设备的图像分析。Brains Technology注重选择最优化的算法，如稀疏编码、SVM、高斯过程、回归或突破检测等，执行参数模拟，提供参数值，而不需要人工干预。
当前，BrainTechnology拥有约24名员工和几十个付费的企业客户，其中包括Nitto Denko UK、大阪煤气(Osaka Gas)和微软的雅默尔(Yammerer)公司等。Gartner估计，本财年该公司将产生约3.8亿日元的利润。
➤面临挑战：
Brains Technology一直专注于日本市场，但面向全球市场的扩张已经起步。目前该公司正在面临缺乏具备机器学习专长的开发工程师和数据科学家的问题。如果该公司没有这方面的人才，将很难扩大业务规模，以在全球市场上取得进展。除了人才之外，该企业还需要一个具有异常检测、模式匹配和因果分析功能的统一数据分析公共服务平台，可以减轻或降低企业成本的压力。
2.kii
kii是一家物联网公司，主要业务是为企业构建优化的端到端的物联网平台，来满足其高性能需求。人工智能主要为kii的物联网业务赋能。Kii认识到，对于不同的公司来说，物联网业务的起点可能是完全不同的。有些有功能服务平台需求，另一些则有垂直解决方案的需求。解决方案主要服务用户所产生的各种诉求(如数据模型、仪表板、业务规则、分析、后端、警报、通知、移动应用程序等)，人工智能在其中起到了重要的判断和辅助作用。解决方案的范围包括：远程资产监测、冷链监测、环境监测、精确农业、自动售货机管理和信标解决方案。从根本上讲，远程资产监控的“基础”—人工智能，是所有解决方案的基础，因为它具有界面、应用、业务规则、警报、通知、多租户和分析等多重功能和属性。这些解决方案为客户提供了更快的应对市场的时间，为Kii提供了更快的销售和交付过程，并最终为客户“定制”了更完美的方案。
➤面临挑战：
几乎每个中间件解决方案提供商都成为IoT平台客户，Kii将不得不投入更多资金和时间来构建这些差异化解决方案，并适当培训、激励和扶植其生态合作伙伴，包括与思科合作。这引发了一个问题：Kii在何种程度上可以成为思科全球范围战略中的更重要的组成部分？
3. Money Tree
Money Tree是日本第一家开始以API形式提供数据聚合和基于机器学习的人工智能服务的公司。Money Tree代表了一种新的创业模式，赢得了日本大型银行的巨额资本投资，这些银行过去对不知名的公司持保守态度。此外，由于主要的会计公司和软件公司采用了MoneyTree，它为日本云会计模式树立了标杆，引领了风向。该服务自动捕获来自不同金融机构的不同格式的数据，自动记录整理四年的累积数据，并使用机器学习技术自动处理。
2016年，瑞穗银行正式开始采用MoneyTree的业务。在保守的日本金融界，大型银行和初创公司之间的这种合作是罕见的，因此在金融和会计行业产生了巨大的影响。截至今天，MoneyTree的API及服务已被10个会计软件融合，在日本会计行业，人们常常认为这是事实上的金融平台标准。MoneyTree还被认证为日本在IBM Bluemix(改名为IBM Cloud)上的首个金融API，并被选为美国相关的官方合作伙伴。MoneyTree的主要公司客户包括大型银行和当地银行、大型会计师事务所、主要会计软件提供商、房地产租赁管理公司、汽车维修公司等等，在其行业范围提出新的价值，并有效地执行会计工作。在个人财务管理(PFM)方面，与竞争对手提供的类似服务不同，用户不需要自己设置自动日记账规则，也不需要为每次交易手动选择帐户项。PFM有超过2600项服务可供客户选择，包括个人/公司银行账户、信用卡、移动资金、会员卡和证券账户等。PFM服务可通过IOS/Android/Web应用程序获得。
➤面临挑战：
随着业务的扩展和能力的提升，安全风险将会增加。例如，公司可能成为被攻击的目标，或者攻击点的数量可能会增加。此外，随着用户和服务范围的扩大，还需要相应规模的资源的适时扩展和应用。
二、新加坡
1. Active.AI
Active.AI是一家总部位于新加坡的金融科技初创公司，主要是利用人工智能(AI)提供银行会话服务，帮助银行重新确定未来的数字战略，引入自动化和有洞察力的客户参与。该公司的银行人工智能技术使用先进的NLP和机器智能，使客户能够在信息传递、语音或物联网设备上进行自然对话。它将会话代理整合到信息平台中，而苹果Siri、谷歌和AmazonLex则是该平台实时界面的一部分。Active.AI列出了其Triiti平台的自然语言理解(NLU)功能，包括理解复杂的话语和在多轮会话中保持上下文意识，以提高客户的参与度。它的重点是通过其对话中间件Morfeus使用语音和文本的直接会话接口，为用户提供一种自然语言体验。除了提供基于文本和消息的聊天机器人之外，Active.AI还建立了一个以金融服务为中心的本体和银行、资本市场和保险的预先培训模型库。该公司对社交媒体、应用程序和网络渠道的广泛用例有着深刻的理解，提供关于其对话平台各组成部分的清晰部署，具有预测和积极主动的处理“闲聊”、财务查询和交易的能力，这是其关键的价值差异体现。此外，它有能力以东南亚语(泰语、马来语和印尼语)处理聊天和短信，使其在竞争对手中脱颖而出。
➤面临挑战：
Active.AI正在竞争一个在2018年迅速增长的会话市场。金融服务是最早采用客户服务和基本帐户智能语音会话服务的行业之一，但是一直缺乏个性化的服务产品，并且消费者对其有着模糊的理解。Active.AI必须克服这些挑战。
2. Dathena
Dathena提供了一个大规模的、自动化的数据科学应用程序，旨在解决数据分类和处理问题，使用诸如机器和深度学习之类的分析技术来基于相关联的元数据标签、用户访问、位置和文档的内容来识别和分类文档，涉及用户访问权限、文档分类或存储位置的异常区域的洞察。Dathena的平台基于实时信息流、大数据技术，执行文件、图像扫描，并创建标准、特定内容或可定制的数据分类；重构数据标记，以使DLP解决方案更加有效。Dathena在没有监督的情况下，同样有识别和分类文档的能力，包括凭据和访问数据，使得组织能够使用它来实现基于安全的目的或复杂管理的云迁移。Dathena以一种简单易懂的仪表板或报告格式交流其发现，使用了很好的行业术语。
➤面临挑战：
Dathena的技术能力将吸引拥有成熟IT系统的大型组织，生成或存储大量敏感信息，但Dathena对这些数据的存储方式和生成节点缺乏可预见性，因此会招惹隐私保护方面的麻烦。Dathena还需要遵守一般数据保护条例(GDPR)，以及这些新条例中的约束要素，需要持续跟踪数据在整个企业中持续存在的情况等。
三、韩国
1. Aizen Global
Aizen Global提供了一个实时的人工智能平台，即专门从事银行业务和保险业务，支撑金融机构预测和控制业务决策过程。Aizen Global目前使用深度学习融合金融服务业，实现决策自动化。鉴于组织内存在的数据孤岛，Aizen Global的策略是针对孤岛业务的核心部分，提供解决方案，使其融入人工智能平台。Aizen Global目前主要聚焦贷款业务，但它有潜力应用于更多的用途，可以扩展到抵押贷款。Aizen Global在技术适用性、技术采用的易用性和可伸缩性等方面有别于其他传统企业。人工智能工作业务包括提供策略、销售、定价、分析、决策、抵押品管理、问题识别、编制策略和使用洞察力生成报告等活动。
Aizen Global是韩国第一个将AI应用于整个价值链活动的平台，这些活动可能会破坏业务决策过程，但是机器学习、深入学习、预测建模和机器推理正在创建一个可应用于核心价值链的自动化决策平台，其意义非同寻常。Aizen Global应用了预测分析，以减少数据分析时间，提高接受率，并创建一个新的业务流程。Aizen的框架应用了变量之间的相关性，并配置了不同算法的实时组合，利用深度学习技术实时更新Aizen服务。Aizen的三种预测解决方案分别侧重深度学习、预测建模和人工智能决策的应用。Aizen Global计划在未来转换为云服务，搭建云平台，这是一个不可阻挡的重要趋势。
➤面临挑战：
Aizen Global目标是在银行机构的核心功能领域开展业务。在这一领域引入一项新技术将需要一段时间，银行也需要时间才能接纳这一功能。此外，在使用不同组织的训练数据时可能存在潜在的限制。
2. Innomdle Lab
Innomdle Lab骨传导技术是个亮点，其应用允许智能手机用户将他们的有线耳机和耳塞留在家里，只需将指尖握在耳朵上就可以收听通话音频。该产品的核心组件Sgnl是一个时尚的腕带，可以改造为用户的智能手表，接收音频并通过蓝牙技术连接电话，并将其传送到用户的前臂。通过手指压到耳朵实现骨传导，信号被传送并被感知为音频。打电话的能力并不是Sgnl的主要优势；隐私因素和不用担心耳塞才是最主要的优势。再就是内置的健康传感器，与连接的应用程序一起可以提供实时的健康指标。
➤面临挑战：
骨传导属于人机界面(Hmi)技术范围，低劣的音频质量(与声学扬声器相比)是其主要的缺点，这可以通过精确的信号处理得到部分补偿。然而，正如在CES 2018年进行的测试所显示的那样，音乐播放效果并不理想。此外，内置在Sgnl中的电子产品需要额外的能量存储和持续充电，通话时间限制在4小时以内。充电需要两个小时。如果没有备用报警系统、头部蜂鸣器或单独的扬声器，骨传导就无法在安全的环境中发挥关键的作用。虽然Sgnl产品的新奇效果可能会引起用户的注意，但对于市场渗透和可持续性，业界一直持观望和怀疑态度。
四、印度
1. Autoplant System India
Autoplant System India企业服务通过跟踪整个供应链，利用物联网和人工智能技术实现物流决策自动化，为消除物流行业的诸多不确定性提供了解决方案。未来，人工智能在物流方面将发挥重要作用，改善成本方面的不确定性、运输中的货物能见度、道路条件和经营者、司机的行为、车辆周转时间等，这些需要AI实时解决。为了支持这种数字化，解决方案使用了一个基于java的专有物联网平台，该平台具有专有的业务逻辑，既可以实现供应自动化，也可以支持第三方分析工具(如tableau和spagobi)。该解决方案还与现有的企业资源规划方案(如甲骨文和SAP)集成，以提供一个完全集成的系统。目前物流解决方案涵盖了从定单到付款(运费结算)的整个供应链。在构建集成供应链时，它的重点是三大领域，包括：一是工厂内资产自动化流转，如装货点、传送带和码头/装载机调度；二是实时跟踪整个长途航线、监控路线内劫持、跟踪司机行为、对天气、路线和危险区提出积极建议、安排回程等；三是使用一个中央控制中心来监控整个操作，同时使用移动应用程序和网络接口为第三方获取相关的更新。
➤面临挑战：
设备、工厂传感器等基础部件的不完备，托运人、运输商、船东、经纪人和客户可能存在的利益冲突，都对这项业务提出了挑战。
2. Creditvidya
Creditvidya建立了一个信用评估、评价平台TrustScore，以帮助贷款人评估那些信用历史有限或没有信用记录的借款人。该平台通过使用AI分析超过10，000个数据点，来实现对客户的风险评估。TrustScore主要基于各种在线的非结构化数据，包括设备、浏览器和社交媒体痕迹等。在非结构化数据上建立专有评级模型，将正面和负面影响因素设立为100到1000分。公共费用的拖欠、商人之间的不良互动、金融纠纷记录等会对影响者产生负面加分，而社会贡献、旅游记录和良好的通信等则会给影响者产生正面加分。然后，Creditvidya使用一个专有的基于人工智能的框架来整合所有的影响因素，以生成一个信用档案，产生不同的信用分。
➤面临挑战：
由于非银行客户在社交媒体、数字公共支付平台和旅行等方面的数字痕迹有限，虽然搭载了人工智能的TrustScore能够自动获取数据并建立可信的风险评估，但是“巧妇难为无米之炊”。Creditvidya需要不断地改进其算法和积累数据，以满足针对不同客户的特定需求，并在此基础上扩展业务。