從Shopify可防止欺詐的機器學習到Salesforce的Einstein，在過去的數年間，SaaS巨頭們或投入巨資以進行AI的開發，或收購AI創業公司，以試圖率先在競爭中取得優勢。

借助于云計算，AI技術也得以落地與普及，因而我們可能正處于一個全新的“AI即服務”的時代。

那么AI這個雪球如何在云計算這塊“雪場”中越滾越大?AI又為SaaS帶來了什么?當然我需要從AI在云計算中的發展說起。

[[213595]]

***階段：由巨頭***的潮流

傳統的SaaS模式基于每月訂閱模式，這意味著SaaS廠商需要不斷地維護與培養客戶關系，以確保客戶不會流失。 SaaS加速器公司L-Spark的創始人Leo Lex說道，“AI正在幫助人們去減少那些建立客戶關系所需的人力工作，并允許SaaS供應商以更有意義的方式與客戶進行交流”。

在過去的幾年中，只有那些大型，擁有充足資金的SaaS巨頭才能夠聘用到合適的人才，并進行有意義的AI研發投資。 但是僅僅依靠于銀行存款遠不足以創造出使用的AI應用，AI的核心內容依然是數據，當然也有眾多其他的基礎事物。

SaaS公司建立自己的平臺只是***步。在AI和機器學習系統培訓中***的障礙之一就是無法獲得足夠大的數據集。Shopify數據和分析高級VP David Lennie解釋道：“只有盡可能的獲得更大的樣本才能獲得足夠的價值，而當你擁有一群同事從事相同事務時，一切都會事半功倍。 SaaS公司通常會以打造全新種類的方案，以快速進入那些那些可以為他們提供更多數據的市場”。

Lennie認為，與其試圖打造一套“一體化”的SaaS AI 工具不如專注于一個特定領域，因為這樣公司可以更好的創建數據以訓練他們的AI與機器學習應用。 一旦公司能夠建立起全球數百萬用戶這種級別的龐大數據集，他們就可以著手去解決問題。不過，Rubikloud的CEO兼聯合創始人Kerry Liu認為，知道目前為止，AI應用中***的成功案例還是在公司內部中。

“無論是Google用AI來優化他們的基本搜索功能，還是Salesforce使用Einstein來幫助自己去確定賬戶與銷售助手的***實踐案例，迄今為止大部分成功的AI應用均是為了促進公司自己內部的運行效率與產品開發”。

不過盡管Liu觀點反應了一定的事實，但是我們也應該看到這是因為這些公司主要的數據來源也是其內部，而這些公司正走在一條促進自動化、個性化、語音輸入和用戶安全性的正確道路上。

第二階段：“AI即服務”的出現

直到現在，SaaS行業中依然鮮有新興公司去使用高級的AI應用。Affinio的聯合創始人Ardi Iranmanesh說道，“AI被過度地用于營銷目的，許多小公司僅使用諸如聊天機器人或線性回歸分析功能就聲稱自己是AI創業公司”。

不過，在過去的幾年中，AWS、Microsoft Azure、Google和Oracle等巨頭利用云計算為市場帶來了“AI即服務”產品，這也為小型公司打開了機器學習和更高級的I應用的大門。

這意味著，這些云服務巨頭可以為小型公司提供底層的技術支持，這使得他們無需具有硬件與擔心數據安全問題，而且他們可以隨時隨地的獲得這種真正具有意義的AI計算能力。

在這個SaaS AI發展的第二階段中，由于更強的包容性與支持性，許多專門的SaaS AI應運而生。這些全新的公司專注于解決更為細分領域中的問題，而不是像大規模廠商那樣去進行更廣泛的生產力或通信方面的服務。

正如Mobify的聯合創始人兼CEO Igor Faletski所述，“AI已經存在這么長時間了，如果還有什么新消息的話就是它開始真正的逐漸開放給開發者，越來越多的小型創業公司獲得AI的能力”。

像Beanworks和Mindbridge Analytics這樣的專注于垂直領域的新興公司就利用AI以實現審計和會計等“白領”工作的自動化，而這些業務在很大程度上被SaaS巨頭忽略了。

EnergyX Solutions 的CTO Alex Cornegilo認可了這一趨勢。他說道，“我看到了一個全新的利基產品，這種產品可以針對非常具體的市場用戶進行量身定做。不妨設想一下，那些吸引我們的各種微小特征與功能都可以被嵌入到產品和服務中，而這種產品可能很快就會出現。”

但是正如前文所述，AI的價值并不在于其算法而是公司可以訪問的數據集的規模與數量。Lennie警告到，公司在創建AI方案前要充分了解到如何去使用數據。

Lennie認為，為了克服AI與數據集這道“雞與蛋”的難題，新興的AI公司需要分享更多的數據，并于那些“擁有大量數據，但不知道如何去使用”的傳統公司進行合作，甚至他們可以為這些傳統公司進行工作，以交換獲得一些關鍵的數據。

Iranmanesh預計將有更多的傳統公司會向AI創業公司開放數據，比如Mastercard和Visa。他指出, “雖然個人身份信息將永遠是是個問題，但是公司總是希望增加他們手中的籌碼，而僅僅是存儲數據并不能解決他們自身的需求”。

不過，Mindbridge Analytics的CEO Eli Fathi不太同意這一觀點，他反駁到， 在處理像審計這一的任務時，可以利用來自于各公司的公開數據或小樣本數據進行算法訓練。Beanworks的CEO Catherine Dahi也認為，會計任務往往是重復的，因而這使得少量樣本就可以去訓練機器學習算法。

第三階段：百花齊放的SaaS AI應用

對于已經獲得了大量客戶和運營數據的成熟SaaS公司來說，他們的機器學習系統的智能水平已經呈現出了指數級的增長，因此在不久的將來，我們可能會看到更多專注于企業問題解決的AI應用的出現。

Forrester預測，2018年SaaS巨頭們在平臺層面的競爭將愈發激烈，他們會在云計算平臺上運行部分服務，以應對客戶對自定義應用程序和更高級AI應用的需求，以實現一系列核心業務功能的自動化。

與此同時，隨著AI在各個領域中的普及，更小于更專業的服務公司將能夠獲得更多的客戶，從而使他們能夠獲得更多的數據集以磨煉他們的AI應用。Lennie認為，如果小型公司專注于逐一的問題解決，那么他們就將獲得進軍臨近市場的能力，而這最終將使得他們的AI平臺具有SaaS巨頭的水平。他說道，“你需要反復錘煉自己的模型，如果你錘煉了足夠多的次數，那么最終你就會得到一個出色的平臺”。

Faleski預測，Amazon、Microsoft和Google等公司都將大力推進AI的研發，以爭取在其平臺上構建出生態系統，并成為真正的“AI即服務”供應商。這將進一步為小型創業公司打開AI大門，借助于云計算，這些創業公司或通過自主算法開發，或通過巨頭們的計算能力將為市場帶來種類極為豐富的AI產品。

Liu也同意這一點，他說到，“五巨頭(Amazon、Microsoft、Google、Apple和Facebook)意識到市場中的AI應用越多，他們所能提供的云計算服務種類就越多。巨頭們會很樂意看到各種規模和各種形式的公司應用AI方案，因為這樣，他們就可以將相關運行數據和各種應用部署在一個可以***擴展的彈性云平臺之上”。

看起來，借助于云計算這塊大“雪場”，AI的雪球不但正在越滾越大，而且還越滾越快。SaaS巨頭們的智能平臺的能力正在以指數級增長，而較小型利基市場的參與者正在不斷地為AI落地“開枝散葉”。Liu認為，人們低估了AI應用的速度，雖然一些人預測，那些財富500強的公司需要10-15年才能將SaaS AI產品應用到他們核心的業務系統中，但他認為，這一過程在未來5年內來就將完成。