越來越多的行業(yè)組織開始部署機器學習、深度學習項目，這些項目中有很多技術組件來源于開源社區(qū)。用戶基于開源框架開始在云服務中或者本地數(shù)據(jù)中心探索面向各種業(yè)務場景的行業(yè)應用解決方案。對機器學習有高度熱情的開發(fā)者、開源社區(qū)的賦能、已被成功應用的社區(qū)開發(fā)模型，催生了正在增長的機器學習、深度學習市場。

　　開源軟件已在業(yè)界廣泛應用，大部分組織對開源都有比較深入的理解（雖然偶爾也會有些誤區(qū)）。很多開發(fā)者也接觸過大量開源的開發(fā)工具以及編程語言，或者已經(jīng)將這些開源技術集成到商業(yè)化產(chǎn)品組合中。但無論如何，使用開源軟件是一個正式商業(yè)化的選擇。在使用之前，有必要先明確如下問題：項目的管理方是誰，是高校研究機構還是商業(yè)化公司？貴公司正在使用的License模型是怎樣的，組織是否已經(jīng)充分理解該License所要求的權利和義務？貴公司是否要在商業(yè)化產(chǎn)品中使用開源技術，您的產(chǎn)品和開源技術的區(qū)隔是什么？如果您是技術最終用戶，是否有比較過開源社區(qū)工具和商業(yè)化產(chǎn)品的總成本？

　　除了上述要考慮的問題之外，在此機器學習研究報告中，IDC也重點介紹了以下10個開源項目的背景、更新頻率以及用戶活躍度等。

　　隨著開源項目的成熟，中國市場已經(jīng)有很多行業(yè)企業(yè)開始部署基于開源技術組件的人工智能系統(tǒng)。IDC在報告中研究了4個有關行業(yè)組織部署機器學習系統(tǒng)的深度訪談案例，分別是廣州某醫(yī)院基于TensorFlow部署輔助診療決策系統(tǒng)；北京市某公安分局基于TensorFlow部署人臉識別系統(tǒng)；某銀行基于Caffe開發(fā)圖像識別系統(tǒng)；某航空公司基于TensorFlow部署人臉識別系統(tǒng)。

　　開源項目只處理完整人工智能解決方案的部分工作。大部分情況下，今天提供的開源機器學習工具只處理構建完整的認知/人工智能應用程序所需的部分工作。即使是最先進的開源的機器學習庫也不提供收集、匯總數(shù)據(jù)的工具，不會提供實際部署過程中的完整框架。IDC看到市場上已經(jīng)有很多硬件以及軟件技術供應商在整合這些工具，一些硬件以及基礎架構供應商在其平臺上提供對開源社區(qū)軟件的支持。

　　另外，多家大型云服務商已上線基于開源項目的商業(yè)化服務，甚至提供機器學習的部署、實施服務。云計算服務商在云上開放機器學習平臺，能夠集模型訓練、預測、部署的功能于一體，并提供公共數(shù)據(jù)集和業(yè)界模型，賦能用戶快速釋放數(shù)據(jù)價值。

　　從2017年人工智能技術投資的進展來看，目前互聯(lián)網(wǎng)、金融、醫(yī)療、制造、汽車、游戲是技術投資主力。29%是互聯(lián)網(wǎng)企業(yè)，這其中包含BATJ級別的互聯(lián)網(wǎng)公司，還包含新美大、網(wǎng)易、聚美優(yōu)品等互聯(lián)網(wǎng)公司，以及互聯(lián)網(wǎng)+教育、互聯(lián)網(wǎng)+汽車等互聯(lián)網(wǎng)+傳統(tǒng)行業(yè)的公司，可以說是AI技術投資的第一梯隊。占據(jù)19%份額的制造業(yè)主要以消費級產(chǎn)品制造商為主，如智能家電、機器人等，還包括汽車制造業(yè)。消費級產(chǎn)品制造商是本次人工智能浪潮中AI技術投資的第二梯隊。16%是金融業(yè)，領先的銀行、保險以及投資管理機構在探索基于深度學習的刷臉身份驗證、刷臉支付、圖片識別、智能投顧等應用場景。14%的份額是醫(yī)療行業(yè)，以專科醫(yī)院、民營醫(yī)院以及對新技術持開放態(tài)度的大型醫(yī)院為主。此外，游戲行業(yè)也是機器學習、深度學習技術應用的主力。

　　在本次研究中，IDC也發(fā)現(xiàn)，在APeJ地區(qū)只有11%的組織已經(jīng)部署了人工智能系統(tǒng)，有53%的組織計劃在5年之內(nèi)部署人工智能系統(tǒng)，這一數(shù)字意味著未來5年內(nèi)人工智能解決方案市場將有巨大的增長潛力。

　　IDC中國研究經(jīng)理盧言霞認為：“市場上現(xiàn)在有各種各樣的框架、庫等工具可用，但現(xiàn)在還不清楚在特定的場景下使用哪些庫或者工具更容易成功。建議最終用戶將技術供應商和服務商作為可信的顧問，這將利于雙方共同取得項目成功。”