3、消費(零售和消費者零售包裝貨物/CPG)

　　這一行業主要的AI應用在于銷售、市場、營銷和供應鏈物流。典型用例包括自動化客戶服務代理、產品專家顧問和購物建議、全渠道銷售。

　　4、電信/機電

　　這一行業主要的AI應用在于銷售、市場營銷和IT。典型用例包括虛擬代理、數字廣告、自動化的威脅情報處理。

　　5、政府/教育

　　這一行業主要的AI應用在于戰略項目和威脅情報。典型用例包括威脅情報和預防、國防、恐怖主義調查、項目顧問和推薦系統、公共安全和應急響應、自適應學習等。

　　比如，貝勒醫學院的認知技術用于加速醫學研究自動分析超過300000篇文章，進行關鍵詞索引和模糊索引;導盲之眼(Guiding Eye)對導盲犬的結構化和非結構化數據分析發現基因、健康、氣質和環境因素適宜的導盲犬。

　　專利方面，2014年是認知計算產業專利的高峰期，2016年專利數有所下降。從目前的產業環境來看，已經有2000多家創企，2016年整體風投融資近45億美元，主要投資領域包括核心AI技術、聊天程序/機器人、前沿數據分析技術、結構化或非結構化數據處理等。

　　實現認知計算的五大關鍵技術

　　就像IDC所說的，認知計算的進步是機器人、物聯網、人工智能、虛擬/增強現實、機器智能、大數據的進步的總和，它日益增強的系統模擬能力將助力人類的智慧增長。認知計算的關鍵技術主要包括以下五項：

　　1、神經網絡技術

　　神經網路也就是提供快速語音和圖象識別、機器翻譯的技術，目前已經有一些系統能夠表現出媲美人類的技能水平。

　　2、機器學習和物聯網

　　隨著物聯網的布局，將有更多的數據生成，機器學習算法將能對這些數據進行規劃、預測，并應用于關鍵業務決策。

　　3、自然語言處理

　　自然語言處理(NLP)有著很直接的應用，包括聊天程序，可用于客戶服務和調查，這種人機交互將提高企業的整體效率，降低成本。

　　4、模式識別

　　模式識別即基于歷史數據處理經驗來處理豐富的非結構化數據，從而更高效的進行數據處理，應用于決策過程。

　　5、知識庫

　　未來的認知計算會應用于更加專業化的領域，這就需要構建更為知識化的數據庫，使得認知計算系統可以被專業人士所應用。

　　技術推廣的五大挑戰

　　1、成本考量

　　在某些企業的情況下，認知計算和人工智能是可以幫助提高企業效率的，但問題是，具體的業務價值和投資回報率又是目前并不明確的事情。目前的案例和案例可參考的價值都比較有限，導致很多企業抱著觀望態度。

　　2、數據管理和安全/隱私問題

　　認知計算嚴重依賴數據量和數據來源，因此，保證可靠和充足的數據來源，與此同時維護數據安全和數據源的隱私，是重要的舉措，目前暫時缺乏完美的實用方案。

　　3、技能有限

　　作為新的技術，認知計算暫時沒有開發出完整的應用系統，這對于市場突破不利。

　　4、缺乏行業定義和標準

　　跟其他新興產業一樣，認知技術還沒有明確的定義，也缺乏通用的行業標準制定，這會影響到它的應用流程。

　　5、技術局限性

　　不得不承認，認知計算還有不夠完善的地方，公司必須考慮各個平臺提供的技術的長短板，以及發展前景對于公司目標的影響。

　　智東西認為，國內的大數據積累，歸功于移動端設備和各類服務型軟件的發展，為機器學習提供了良好的基礎;于此同時，神經網絡構建也在研究機構合作科技巨頭的模式下發展。加之政策推動，龐大的消費市場和制造業發展需求，國內的認知計算處在一個非常積極的發展狀態。