日前，国际权威分析机构Forrester发布《Now Tech: Predictive Analytics And Machine Learning Solutions In China, Q3 2018》报告，选取了国内市场中主流的预测分析和机器学习领域厂商进行评估。从预测分析和机器学习领域的年营收角度，将受评估厂商划分为Large(大型，年收入大于1500万美元)、Midsize(中型，年收入大于500万美元小于1500万美元)、Small(小型，年收入小于500万美元)三个等级。其中，大型厂商包括阿里云、华为、微软、金山云，母公司百度“All in AI”的百度云位列中型玩家，值得一提的是，腾讯云则由于该领域年收入不足500万美元而位列小型玩家。
报告从营收角度将厂商划分为Large(大型)、Midsize(中型)、Small(小型)三个类别
机器学习是人工智能的根基
给机器赋予人类的智慧，让机器能够像人类一样独立思考，是所有人工智能领域从业者孜孜以求的终极目标，而预测分析和机器学习，无疑是通往终极目标的必经之路。该项能力的强弱，直接代表着企业人工智能技术的发展实力。
基于此，我们看到凡是希望在人工智能领域占据一席之地的厂商，不管是云厂商还是设备厂商，都在不遗余力大举投入。在设备厂商中，华为近年来在机器学习方面投入颇多，在此次分析评估中，成功占据大型玩家类别，现在华为也在跨界做云，并发展迅速。
从实际情况来看，云厂商在预测分析和机器学习领域更具优势。云服务商作为距离人工智能最近的应用平台之一，成为机器学习的有力推动者。据IDC调研，关于本地部署、公有云之间的选择，一半的调查参与者把云作为 学习的最佳部署方式，其中，36%的受访者计划使用由云服务供应商提供的 学习工具。云平台提供的AI所需的强大计算能力，是实现AI落地必不可少的先决条件。
以国内公有云三巨头阿里云、腾讯云和金山云来看，自带的互联网基因，天然让他们和用户更近，和应用场景更近。这也是为何阿里云和金山云能够位居大型玩家的原因之一。腾讯云因为前期对机器学习投入偏低，排在了小型玩家类别，但发展也十分快速。
云服务商看准趋势大举投入
阿里云在2015年10月正式发布机器学习平台DT PAI，作为国内首个可视化机器学习平台，开发者通过简单拖拽的方式即可完成对海量数据的分析挖掘，以及对用户行为、行业走势等的预测，并在2017年3月完成了机器学习平台PAI2.0的快速迭代。
腾讯云在2017年3月宣布推出 学习平台DI-X，为机器学习、 学习用户提供一站式服务，为其在AI领域的探索降低门槛并提供最流畅的体验，成为腾讯在AI领域长线布局中不可缺少的一环。
金山云在依托小米智能硬件生态体系，2017年5月实现了 学习平台KDL的全面商用，在IDC发布的《机器学习、 学习开源项目应用机会分析》报告中，KDL成为业界最早实现全面商用的 学习平台。
华为云在2017年9月推出机器学习平台MLS，帮助用户通过机器学习技术迅速发现数据规律，构建预测模型，并将其部署为预测分析解决方案，并在今年3月宣布机器学习服务(标准版)正式上线。
商业化才能更好促进机器学习发展
商业化是技术研发最好的促进方式，尤其是在AI产业被指存在巨大泡沫的背景下，将技术研发和应用落地有机结合起来，无疑是非常有必要的。随着机器学习、 学习应用不断推进，提供海量数据快速精准的分析处理能力，对促进AI发展十分有利，对此，我们也能看到各大厂商不遗余力大举投入，持续推动机器学习等相关技术的快速商业化。
在路径选择上，以多模态学习、Notebook和自动化学习解决方案最具有代表性。多模态PAML(Predictive Analytics & Machine Learning)解决方案提供不同的UI范例和工作台工具，如GUI、配置向导和编码环境，阿里云、腾讯云、金山云等基于公有云计算的PAML解决方案，跟据管道和模型定义提供基于工作流的图形化建模环境。基于Notebook的PAML解决方案为数据科学团队提供了以编码为中心的工作台工具;以自动化为中心的解决方案能够通过配置而不是通过编码或指定生命周期过程中的每一个步骤来构建模型。
虽然构建形式不同，但最终目标还是推动机器学习的快速进步和应用落地，从商业化进程来看，阿里云、华为云、金山云的商业化能力最强，成功居于第一梯队，即收入超过1500万美元;而同样位列公有云前列的腾讯云，在机器学习的应用上还处于追赶阶段，收入不足500万美元。
当前，机器学习正处于飞速发展阶段，随着机器学习应用价值进一步放大，企业对于更快的数据分析，更高的数据洞察和更智能的下一代产品研发能力的需求日益增强，借助于机器学习，构建更加强劲、智慧的服务能力，成为当前企业的核心诉求。可以预见，随着市场需求的全面爆发，未来各大云厂商在机器学习领域的竞争也将愈发激烈，最终市场格局如何，让我们拭目以待。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
