Cognilytica追踪了近3000家公司，这些公司提供特定于人工智能或人工智能增强产品在市场上销售。与大多数分析公司一样，我们称这些公司为“供应商”，因为它们提供的是销售产品，而企业是实现产品的“终端用户”。然而，正如你可以想象的那样，这些供应商有很大的多样性。一些供应商专注于提供低级的“启用”基础设施，以支持任何范围的人工智能、机器学习或其他计算或数据密集型活动。另一些则提供一个单一行业的应用程序，将AI应用于特定的业务或行业问题。当然，在中间有一个范围。

终端用户面临的主要挑战是，他们需要在他们试图解决的业务问题的背景下评估供应商。这些供应商完全不同，在许多情况下，将他们相互比较是一件令人沮丧的事情。一些流传最广的供应商名单或“分类”糟糕得可笑。他们把无法解决相同问题或几乎没有共同点的供应商混为一谈。这些供应商图表是许多公司的标志的大杂烩，令人困惑地排列在一个图像或幻灯片上，就像一个巨大的沙拉。什么是有意义的。没有办法评估哪些供应商与其他供应商真正具有可比性，以及不同的解决方案领域之间如何相互关联。客户感到困惑。供应商们感到困惑。其他分析公司和咨询公司也没有提供帮助。他们将旧的研究推向新的领域，重拾他们的大数据——或自动化——或以客户为中心——并将其重新贴上人工智能的标签，或者只是简单地将人工智能应用于特定领域的单一视角。难怪大家都很困惑，客户对人工智能的理解也很迟钝。

我们已经受够了其他的分类，决定在过去的几个月里做我们自己全新的、原创的研究。Cognilytica是唯一一家全面关注人工智能领域的公司。我们仔细观察了市场上的3000多家供应商(如果你相信Crunchbase上的AI公司列表，就会发现超过6000家)。我们将它们划分为狭窄的部分，将最相似的供应商放在一个类别中。然后，我们将这些类别归为具有相似特征的类别。然后，我们将这些数据分类成层，以展示某些技术如何支持堆栈中更高层次的解决方案，或者展示高级解决方案如何消除对低级技术的需求。

这篇文章以及我们所有的研究都将突出这一分类系统，我们鼓励你分享我们的分类图表，这样它们便能够将市场上所有其他糟糕的例子推向市场。在本文中，我们将分享分类系统的概述，以及分类矩阵最下面三层的全部细节。最上面的一层太大了，它需要一个自己的帖子!

人工智能供应商生态系统的四大层次

Cognilytica将供应商划分为四个层次的“堆栈”，从底层最普遍适用的技术发展到顶层最特定于行业的应用程序。一般来说，较低级别的技术和供应商可能会被较高级别的供应商利用，或者在堆栈中较高级别销售解决方案的供应商可能会使对较低级别技术的需求变得无关紧要或不必要。

以下是我们如何看待这四个层次的组织:

人工智能和机器学习基础设施

请看前文：【人工智能】Cognilytica对AI供应商生态系统的分类:第一部分

人工智能实现技术

请看前文：【人工智能】Cognilytica对AI供应商生态系统的分类:第二部分

AI的水平应用

AI供应商景观分类的下一个主要层次是AI在特定问题领域的具体应用。这些问题领域可能不是针对特定的行业或行业问题类别，但它们是以这样一种方式构建的，即它们不能被用于另一个AI应用程序，即使它是一个密切相关的应用程序。例如，语音助手是人工智能的横向应用，因为它们是针对特定问题的特定AI实现，但不是针对特定行业的。您可以将语音助手用于多种功能，但不能使用语音助手生成文本内容、提供基于模式的决策支持或自动化业务流程。这是不同的水平应用程序或AI。但是，您可以在这些水平应用程序之上构建行业或领域特定的应用程序，这就是为什么它们不在我们所开发的层蛋糕堆栈的顶部。

以下是AI横向应用的主要类别:

在人工智能的水平应用层面，Cognilytica进一步识别并划分了以下主要类别和子类别:

自主机器和专业机器人

与我们上面详细介绍的AV系统技术供应商不同，这类供应商正在构建、开发和实现实际的自动驾驶汽车、机器人和所有类型的系统，以解决广泛的应用。这些应用程序被列为横向应用程序，因为它们不一定是特定于行业或领域的，但它们也不是那种允许您在它们之上构建其他机器人或自动系统的应用程序。看似矛盾的是，cobot并不属于这一类，因为cobot并不是针对任何特定领域或应用程序的实际实现。你可以使用合作机器人来混合鸡尾酒，就像组装产品一样。这与专门为特定类型的问题而构建的仓库机器人相反。

在这一主要类别中有以下八个子类别:

• 配送和物流机器人——利用人工智能和机器学习技术在配送和物流领域提供解决方案的智能自主或半自主机器人。
• 智能无人机和UAV——智能自主或半自主的空中飞行器，利用AI和ML技术用于一系列不同的使用案例。
• 家庭和办公机器人-智能自主或半自主机器人，利用AI和ML技术，为家庭、酒店或商业办公设置中的个人或商业使用提供解决方案。
• 制造机器人——智能自主或半自主的机器人，利用人工智能和机器学习技术，专门为制造提供解决方案，并只适用于该目的。
• 其他专业机器人——智能自主或半自主机器人，利用人工智能和机器学习技术提供其他子类别不包括的解决方案。
• 安全与防御机器——利用AI和ML技术在战争、执法、防御、安全或类似应用领域提供解决方案的智能自主或半自主机器人。
• 水下机器人-利用人工智能和ML技术为水下和水下应用提供解决方案的智能自主或半自主机器人。
• 仓库机器人——利用AI和ML技术在仓库、履行和类似应用领域提供解决方案的智能自主或半自主机器人。

对话系统

与通用的自然语言技术我们前面指出,对话系统特定水平的应用NLU, NLP, NLG,和机器推理技术+其他基础设施中使用特定的会话上下文,或开发平台,让你利用低层自然语言技术和api来创建特定会话接口。

在这个主要类别中有五个子类别:

• 会话情报-帮助从口头或书面的对话中获得情报和理解的解决方案和工具。这种理解是在更高的组织内容级别，而不仅仅是自然语言理解，而且智能并不意味着常识推理，而是对特定的已经建模的领域的应用。
• 会话开发平台——利用自然语言支持技术、第三方api和其他解决方案来促进会话接口的设计、开发、管理和操作的平台。
• 通用聊天机器人——非行业、非特定领域的会话接口，可以应用于一系列领域。
• 智能消息——让用户能够从不同形式的消息(如电子邮件、文本消息和其他人与人之间的交流)中获得更多智能的解决方案。
• 语音助手——提供访问一系列功能的语音对话接口。通常作为一种硬件设备提供，支持语音交互和基于云的ML功能交互。

智能文档处理

AI和ML系统也可以用于帮助复杂的文档处理和工作流需求，包括处理多个文档交互和分析复杂的文档流程流，如合同和其他需求。

在这个主要类别中有两个子类别:

• 合同情报-使用AI和ML来获得更多理解复杂法律合同和其他类似文件的解决方案。
• 智能文档管理-使用AI和ML来实现复杂和更复杂的文档交互的解决方案。

智能运营

这些解决方案为企业和组织提供了对其内部操作、业务流程以及组织不同方面之间的交互的智能控制。这包括业务操作和度量的智能分析、业务活动的智能和自动自动化，以及数据的智能分析和聚合。

在这个主要类别中有三个子类别:

• 智能业务优化和度量——利用AI和ML为企业和组织提供洞察运营、洞察瓶颈或潜在问题、洞察模式的解决方案，这些模式可能无法通过简单的仪表板从数据中识别出来。
• 认知自动化——利用人工智能和机器学习的解决方案，使组织能够智能地、可能自主地自动化复杂的多步骤过程，否则就需要人类活动或干预。值得注意的是，Cognilytica并不认为机器人过程自动化(RPA)必然与这个空间相关，就像工业机器人与我们上面定义的高级机器人类型的智能、自主机器人无关一样。要被纳入这一范畴，解决方案必须利用ML技术，使任何软件机器人能够在每次迭代后进行学习，将学习应用于动态变化，并自主地学习业务流程和组织的行为。
• 智能数据聚合和分析——利用AI和ML的解决方案，使组织能够智能地、可能地自主地控制来自广泛来源的数据聚合和分析，以促进广泛的用例。

预测分析和决策支持

机器学习的模式匹配和机器学习方法(如强化学习)的力量赋予了组织独特的力量来洞察数据，从而洞察趋势，协助复杂的多因素决策，甚至让组织在执行之前模拟不同的场景。在这一主要类别中，供应商利用AI和ML的力量，通过给予前瞻性企业预测能力、AI增强的决策能力和消耗大量外部信息的环境意识，为它们提供关键的竞争优势。

在这个主要类别中有四个子类别:

• 人工智能支持决策——利用人工智能和机器学习的解决方案，使组织能够使用大量信息，并使用观察到的模式做出更好、更明智的决策。
• 预测分析——利用人工智能和机器学习的解决方案，为组织提供对可能带来挑战或机遇的趋势的预测和预测可见性。
• ai驱动的模拟——利用ML和认知技术的解决方案，让组织模拟不同的场景，以促进广泛的用例。
• 智能态势感知——利用AI和ML的解决方案，使组织能够使用来自各种来源的大量数据，帮助他们做出决策，了解在给定时刻发生的事情，以及其他应用程序。

任务助理

这一主要类别的解决方案侧重于帮助人们执行需要完成的各种日常和常规任务，从安排预约到处理各种重要和普通的任务。这些应用程序并不特定于特定的行业或领域，但可能特定于特定的任务集。

在这个主要类别中有两个子类别:

• 智能个人助理——利用人工智能和机器学习与个人和组织提供自主互动的解决方案，以协助完成可能委托给人类或虚拟助理执行的广泛任务。
• 日程安排助理——任务助理，专门帮助管理或协调日程安排、约会、会议、计划任务等问题。

下一篇文章:AI的特定行业和领域应用

还有一层要讲，那就是最上面的一层:特定于行业的AI应用。这也是一个巨大的类别。事实上，我们跟踪的3000家供应商中的大多数都是行业特有的，所以这个层的细节值得一篇单独的文章来讨论。

我们(和你)将如何使用这个人工智能供应商生态系统分类?

这种分类的目的是为人工智能供应商解决方案带来对复杂市场的理解。这是为了帮助终端用户更好地理解如何评估、获取和实现AI解决方案，并在堆栈的不同层次比较不同的产品。我们将使用这个分类系统来处理每一份Cognilytica的研究报告，我们将使用它来将供应商分组在一起，以作简报之用。研究时间表的细节、简报窗口和研究报告的分类聚类将在另一篇文章中概述。

讨论：请加入知识星球【首席架构师智库】或者小号【ca_cea】或者QQ群【1033354921】