星光GPT大师

快捷发布

{{ notificationData.all_count > 99 ? 99 : notificationData.all_count }}

恭喜您

立即查看

恭喜您

去发布

AI大师 AI Master

首页

资讯

展会

商务旅行

供需

社区

营销工具

专题

小组

收起

发布中心

参展记录

我的订单

我的收藏

资讯 > 资讯详情

Gartner的云AI开发者服务魔力象限

1 年前

638

评论区

软件工程领导者渴望为应用程序用户提供具有预测性的智能化能力，但是他们的团队可能缺乏技能。云AI开发者服务为团队提供支持和加速助力，使团队受益于AI在生成、语言、视觉和自动化机器学习领域的进步。

市场定义/描述

Gartner将云AI开发者服务(CAIDS)定义为云托管或容器化服务。即使不是数据科学专家，软件开发者也能够凭借此项服务，通过API、软件开发工具包(SDK)或应用程序使用人工智能(AI)模型。核心能力包括自动化机器学习(autoML)、自动数据准备、特征工程、自动模型构建和模型管理。可选和重要的互补能力包括语言和视觉服务，如情感分析和图像生成。

我们对CAIDS市场的看法侧重于每个供应商满足最终用户未来需求的能力。只提供语言服务或视觉服务的供应商，以及只专注于特定用例的供应商，均不在这个魔力象限的分析范围内。

魔力象限

图1：云AI开发者服务魔力象限

Figure 1: Magic Quadrant for Cloud AI Developer Services

供应商优势与劣势

Alibaba Cloud

Alibaba Cloud在这个魔力象限中是“挑战者”。Alibaba Cloud的产品供应涵盖语言、视觉和自动化机器学习等服务。该公司通过开发者可以轻松定制的预构建模型提供这些服务。这些模型涉及面向大型垂直领域的服务，例如银行业、金融业、保险业、教育业、政府机构和医疗保健业，以及其他几个较小的行业。

Alibaba Cloud是Alibaba的子公司，而Alibaba是一家在全球拥有48个办事处的上市公司，总部位于中国杭州。该公司在欧洲、中东和非洲(EMEA)以及北美洲有一小部分业务，但其业务主要集中在中国和其他东南亚/太平洋国家/地区。

优势

创新：Alibaba Cloud的CAIDS产品具有高度可定制性，通常支持对低代码工具和SDK的使用。Alibaba的ModelScope平台有许多预构建模型，开发者可轻松修改这些模型以适应其语言服务和视觉服务中的各种用例。小样本学习技巧进一步增强了这些能力。该平台的structBERT语言模型也优化了该公司的语言服务。Alibaba Cloud具备异常强大的翻译能力，支持的语言种类超过任何其他提供商。
对市场的了解：Alibaba Cloud专注于零售、媒体和物流等主要垂直领域的视觉产品，可见其产品组合显然由客户需求驱动。该公司不断完善其CAIDS产品组合，使客户无需掌握数据科学技能，亦能轻松地根据自己的用例定制服务。例如，Alibaba Cloud的图像生成功能易于使用，可以定制样本图像以适应特定的用例。
整体可行性：Alibaba Cloud是跨国企业集团Alibaba的全资子公司。该公司拥有广泛的资源，可以进入任何市场，追寻任何机会。此外，该公司还坚守准则，先确保能够提供全面的产品和服务，然后再扩张到新市场或地区。

劣势

产品战略：对开发者来说，浏览这个平台并非易事。Alibaba Cloud CAIDS产品的全面性提升了其复杂程度。
地区战略：Alibaba Cloud在中国、中东和亚太地区以外的业务覆盖范围有限。该公司在语言服务上的产品限制也体现了这种地理区域集中性。虽然Alibaba Cloud拥有强大的翻译能力，但该公司的其他语言服务和产品文档支持的语言种类相对有限。
营销执行：Alibaba Cloud在中国拥有强大的营销执行力，但在国外的营销活动很少。虽然这一战略是Alibaba Cloud刻意为之，但中国以外的客户可能对Alibaba的产品缺乏了解。

Amazon Web Services

Amazon Web Services (AWS)在这个魔力象限中是“领导者”。该公司的CAIDS产品涵盖Amazon SageMaker以及其他热门语言和视觉服务，旨在自动化从开发到运营的整个AI和ML周期。AWS使开发者能够在专门的AWS人员、解决方案架构师或咨询合作伙伴的帮助下自行构建解决方案。

AWS总部位于华盛顿州的西雅图，在CAIDS市场拥有强大的全球影响力，客户遍及各行各业。AWS运营成本低，且推出了广泛的AI服务和基础架构选择，所以对于生产工作负载来说，AWS是一个很有吸引力的选择。

优势

销售执行和定价：AWS的销售和定价方式吸引了数十万客户使用其CAIDS服务。2022年，AWS推出了AI Use Case Explorer，这一产品增强了AWS Solutions Library，并能够为解决方案架构师提供助力，因而可帮助客户和潜在客户根据其行业和业务特定的需求选择合适的AI解决方案。AWS的CAIDS产品价格具有竞争力 — 没有最低消费或预期承诺，客户只需为他们使用的东西付费。
地区战略：AWS云基础架构在全球分布广泛。AWS的可用区覆盖范围超过其任何竞争对手，可使客户轻松跨越多个可用区部署模型。其CAIDS产品遍及美洲、欧洲、中东和非洲以及亚太地区。AWS还在中国提供语言和自动化机器学习服务。该公司计划向泰国扩张，并扩大其在澳大利亚和新西兰的业务规模。
整体可行性：作为一家大型跨国公司，AWS拥有充足的资源，可以面向所有市场和地区的客户扩大产品供应规模。AWS的母公司Amazon报告称，Amazon的净销售额在2022年增长了9%，达到5,140亿美元，而AWS的销售额同比增长了29%，达到801亿美元。

劣势

产品战略：虽然AWS最近公布了多云解决方案的计划，但目前为寻求多云的客户提供的选择很少。如果对客户来说云可移植性具有高优先级，他们应考虑能够在各种云上以原生方式运行的供应商。
创新：AWS CAIDS用户可能需要使用开源软件来完善他们的工作，利用最近公布的Hugging Face合作伙伴关系或访问AWS市场以了解热门的ML产品和服务。AWS加大研发力度将推动其创新，并提供更高的可视性。
市场响应速度：AWS为Amazon Rekognition面部匹配、Amazon Textract AnalyzeID和Amazon Transcribe推出了全新的AI Service Cards，虽然这是强化其负责任AI的出色措施，但截至本文撰写时，AWS仅推出了三款AI Service Cards。自2022年以来，AWS在利用Amazon SageMaker Clarify和Model Monitor实现公平性、稳健性和可解释性能力方面取得了进展，但寻求统包式负责任AI功能的客户可能需要研究自定义选项。

Baidu

Baidu在这个魔力象限中是“挑战者”。Baidu针对自动化机器学习、语言和视觉功能提供一系列广泛的AI服务。该公司总部位于中国北京，业务和客户也大多在中国。Baidu大脑服务支持Baidu的内部和商业AI服务。

Baidu拥有1,300多名专门负责商业CAIDS产品组合的员工。Baidu的AI技术组和AI实验室拥有大约2,000名员工，他们开发的技术包括Ernie（大型语言模型）、PaddlePaddle（开源深度学习平台）、AI芯片、DuerOS（虚拟助手）和Baidu Apollo（用于自动驾驶）。

优势

创新：Baidu计划为中国用户推出一款名为Ernie Bot的生成式AI和ChatGPT风格的产品。Baidu提供丰富多样的创新功能，包括自动驾驶、多模态基础模型、量子计算、图计算和元宇宙。
销售执行和定价：与竞争对手相比，Baidu的价格具有竞争力。Baidu还为开发者提供全面的学习课程、开源平台(PaddlePaddle)、数据和免费的计算能力，以便他们可以通过AI Studio探索想法。得益于这些功能，付费用户人数在2022年增长了60%。
业务模式：带着“相信人人皆可使用AI”的愿景，Baidu旨在为每位开发者提供使用开源AI技术的途径。为了支持这一愿景，该公司为PaddlePaddle打造了强大的开发者社区（拥有超过500万名开发者），并于2022年与AI公司Hugging Face建立了合作伙伴关系。

劣势

地区战略：Baidu的AI解决方案主要面向中国的开发者。该公司的部分自然语言产品只提供中文版本，如文本分析和情感分析。缺乏非中文支持可能会削弱Baidu对中国以外客户的吸引力。
产品战略：Baidu向企业销售的数据库和数据湖等数据管理解决方案的业务规模不如其在中国的直接竞争对手。Baidu的数据重力相对较小，因此，它可能难以在这个市场中脱颖而出。
营销战略：Baidu没有在其营销信息中积极推广负责任AI，因此对客户的可视性有限。Baidu计划推出的Ernie Bot将会有所帮助，这一产品具备增强偏差检测和模型可解释性等能力，但与这个魔力象限的领导者相比，推出时间过晚。

Clarifai

Clarifai在这个魔力象限中是“利基企业”。该公司以其视觉服务而闻名，并且一直是该领域的强大提供商。然而，它的CAIDS产品和路线图涵盖语言、视觉和自动化机器学习用例。Clarifai总部位于美国特拉华州威明顿市。它的业务遍及不同地区，并且计划增加其在北美洲、欧洲、中东和非洲及亚太地区的员工人数。其客户往往是来自各大行业的大中型企业。

Clarifai的销售策略集中在五个垂直领域：公共部门、零售、媒体和娱乐、制造和运输。该公司目前仍是一家处于中期的初创公司，尚未盈利。

优势

对市场的了解：作为一家纯粹的CAIDS公司，Clarifai根据市场需求确立了两个明确的重点。首先，Clarifai为开发者提供构建支持AI的业务应用程序所需的功能，包括生成式AI、API、加速器、可定制的预训练模型和端到端机器学习操作(MLOps)功能。其次，Clarifai的产品有助于通过自动化提高开发者的生产力。
产品战略：Clarifai计划在2023年进一步加强其产品。它的路线图涵盖ChatGPT衍生的生成语言服务，将文本转音频与其他NLP服务相结合的工作流程，以及用于搜索和多模态任务的视觉和语言的联合嵌入。该公司还计划发布合成数据生成、适用于深度训练模型的分布式训练能力，以及带自动驾驶模式的一键式训练。
垂直/行业战略：2022年，Clarifai的CAIDS产品获得了新的认证，包括服务组织控制(SOC) 2/SOC 3和通用数据保护要求(GDPR)。这表明其产品在支持受监管行业方面的成熟度得到了进一步的提升。在各个垂直领域中，Clarifai的平均客户增长率为16%。该公司对以行业为中心的解决方案的投资，例如，情报监视和侦察、视觉检查、商业地产的视频分析、媒体和娱乐的内容审核，进一步强化了这一点。

劣势

整体可行性：Clarifai是一家规模相对较小的风险投资公司，目前正与云领域的巨头一较高下。尽管Clarifai计划在2023年增加其在北美、欧洲、中东和非洲以及亚太地区的员工人数，但它必须加快在销售和支持方面的投入，以满足大型企业的需求。
地区战略：Clarifai的地理覆盖范围无法与这个魔力象限中的领导者相提并论。它的投资处于适度水平，将不足以有效地在所有地区树立客户认知。
运营：与竞争对手相比，Clarifai的员工人数较少。大型企业必须与Clarifai密切合作，才能确保得到自己预期的支持。

Google

Google在这个魔力象限中是“领导者”。Google Vertex AI在Google Cloud Platform (GCP)上提供语言、视觉、结构化数据和自动化机器学习等服务。Google一直在完善Vertex AI机器学习平台，包括推出新的增强功能，这些功能提高了这些服务对开发者的可用性和可及性。

自2022年以来，Google新增了针对教育、政府、生命科学、交通和物流等特定垂直领域的解决方案。它利用有针对性的解决方案（例如以应对新冠病毒为中心的产品）以及称为Contact Center AI和Document AI的水平解决方案来补充这些垂直产品。Google Vertex AI的收入和份额持续走高，依然是AI研究和负责任AI领域的领导者。

优势

市场响应速度/记录：随着Google增强其服务的能力，Google Cloud的Vertex AI继续保持增长势头。更多低代码工具的加入，使非数据科学家更容易使用该平台。GCP还继续专注于目标垂直市场和Google服务广受欢迎的主要客户。
整体可行性：Google拥有广泛的资源并将其投入到CAIDS产品组合中。该公司已经构建涵盖语言、视觉、结构化数据和自动化机器学习等服务的最强大产品组合之一。Google提供适用于语言、结构化数据和视觉（包括图像和视频）等领域的独立预构建自动化机器学习服务。Google的DeepMind和Google研究院(Google Research)通过深度学习、无监督学习和生成式AI来推动AI发展，这将使Google能够利用AI技术的进步，迅速将其打造为面向客户的企业就绪服务。
销售执行和定价：过去几年来，Google Cloud组织的重组取得了成果。该组织正专注于服务指定客户和提供为选定的垂直领域定制的产品。因此，GCP的产品在市场上越来越受欢迎。除了自有垂直解决方案外，Google还与C3.ai和许多其他合作伙伴合作，共同为客户提供合作伙伴解决方案组合。

劣势

客户体验：随着Google对其销售和支持功能的持续投入，它的客户体验评分仍在不断提高。该组织的近期变化包括从其他超大规模云服务商和独立软件供应商(ISV)中聘请新领导者。
营销战略：在推广产品方面，相较于其他CAIDS提供商，Google的积极性较低。由于公众对其AI实践的讨论，Google似乎采用更加谨慎的营销方式。
垂直/行业战略：Google最近扩大了其GCP产品组合（包括其CAIDS服务）所服务的行业的数量。市场认知仍在不断提升，而且Google针对特定垂直行业推出的新解决方案能否取得成功还有待观察。

H2O.ai

H2O.ai在这个魔力象限中是“前瞻者”。H2O AI Cloud可为AI模型和应用程序实现端到端AI生命周期开发、管理和部署。它的平台提供语言、视觉和自动化机器学习服务，这些服务可以在云端、本地、边缘和混合环境中运行。H2O.ai的客户来自大多数行业。该公司仍然是结构化、时间序列、图像、视频、音频、文本和文档数据等方面自动化机器学习领域的思想领导者。

该公司是一个主要的开源贡献者，支持H2O.ai的开源产品的公司有20,000家，用户有100多万。H2O.ai向AI for Good投入资源，以解决全球问题，如保护问题和自然灾害。

优势

市场响应速度/记录：H2O.ai不断对其CAIDS产品进行创新。过去12个月以来，H2O.ai增强了其核心AI引擎，即用于深度学习的Hydrogen Torch、用于非结构化数据用例的Document AI，以及为开发者和数据科学家提供更多便利的Driverless AI。H2O.ai还重点发展负责任AI，设立防护机制来防范常见的机器学习陷阱，包括自动模型验证和模型监控，从而确保信任水平。
对市场的了解：H2O.ai与客户共同打造AI产品。该公司提供自己的技术、AI专业知识、上市支持、培训和实施，而客户贡献其针对这一领域的敏锐度和数据。例如，H2O.ai与AT&T共同打造了AI Feature Store，与Snowflake共同制定了数据库内模型部署流程，与Subsalt共同打造了生成合成训练数据的解决方案以保护隐私，并与澳大利亚联邦银行共同打造了金融科技应用。H2O.ai还优先考虑了针对医疗保健、金融服务、经营活动和客户服务的垂直解决方案。
产品战略：H2O.ai可帮助开发者快速构建准确、透明的AI模型和应用程序，其功能包括模型验证、H2O Hydrogen Torch中的无代码深度学习框架，以及用于无监督图像和文本数据探索的零样本学习和嵌入学习模型。

劣势

营销执行：H2O.ai的大多数客户是数据科学家，只有25%的客户是开发者。H2O.ai的产品应该因其易于使用的SDK、界面、工作流程和API体验而对开发者具有吸引力，但其营销力度不足以吸引更多开发者。
运营：H2O.ai的投资规模与其在拉丁美洲、澳大利亚和新加坡的增长幅度相匹配。H2O.ai的社区支持和自助服务非常适合精通机器学习的用户，但大多数开发者需要额外的指导。
销售执行：供应商的云AI单元旨在迎合训练和推理消耗方面的差异，但这种模型可能会让客户感到困惑。然而，客户可以选择基于服务器的许可，而且不断发展的H2O.ai开源平台是免费的。

Huawei Cloud

Huawei在这个魔力象限中是“利基企业”。Huawei Cloud的平台提供语言、视觉和自动化机器学习服务，这些服务可以在其公有云和本地以及边缘和混合环境中运行。Huawei Cloud的总部位于中国广东，业务主要集中在中国，尽管它在东南亚以及欧洲、中东和非洲也有业务。

相较于大多数竞争者，Huawei Cloud拥有更多专门从事CAIDS的人员，并且在运营和营销执行方面信誉良好。它是特定行业基础模型、企业知识管理和智能决策领域的思想领导者。提供阿拉伯语语言服务的供应商少之又少，但Huawei Cloud拥有最全面的语言服务。

优势

整体可行性：Huawei Cloud经营着盈利的CAIDS业务，而且大部分销售成果来自客户的有机增长。该公司在2022年继续扩大合作伙伴关系，目前拥有数百家合作伙伴，并计划在2023年继续扩大合作伙伴关系。2022年，该公司在收入方面取得了两位数的增长，预计在2023年也将取得类似增长速度
营销执行：Huawei Cloud主导了以开发者为中心的活动，如国内和国际会议、展览和大学计划。它专注于打造顺畅的端到端开发者体验，促使工程师广泛采用其产品。该公司在企业知识管理和使用AI和ML能力加速决策制定方面的思想处于领导地位，而这一点正在引起潜在客户的共鸣。
运营：Huawei Cloud提供世界一流的运营SLA，可用性高达99.9%，响应时间视事件的规模和严重程度而异，最短可低至15分钟。Huawei Cloud拥有数百名专门针对该平台的支持和运营人员。

劣势

对市场的了解：Huawei Cloud并不像这个魔力象限的领导者那样强调或倡导负责任地使用AI。客户应根据其组织的要求，确保他们使用和开发的Huawei Cloud模型具有可接受的偏差水平。
地区战略：Huawei Cloud仅在少数几个国家/地区可用，其地理覆盖范围比这个魔力象限的领导者要小得多。此外，并非每个有Huawei Cloud业务的国家/地区都有CAIDS服务（语言、视觉和自动化机器学习服务）。客户应评估在他们需要部署服务的国家/地区可以使用这三种用例中的哪一种。
垂直/行业战略：在本研究中，Huawei Cloud没有像领导者那样具备预先构建的特定行业服务和模型的广度。客户应该评估Huawei Cloud的产品，以确保这些产品满足他们的特定行业需求。

IBM

IBM在这个魔力象限中是“领导者”。IBM的Watson AI服务和能力涵盖全部三个CAIDS用例。IBM一直在不断改进其行业领先的研究部门与其产品组织之间的整合，确保能够及时将IBM的创新融入到产品中。

IBM的总部位于美国纽约州阿蒙克，拥有300多家实体办事处，业务遍及全球，客户来自各行各业。IBM在垂直市场拥有强大的影响力，在负责任和受信任AI方面更是如此。它采用真正的混合云战略，吸引了大多数客户，并因此而位居行业前列。

优势

产品或服务：Watson Discover和Watson Natural Language Understanding具备强大的回答问题和生成叙述能力。IBM的视觉服务很有竞争力，其视频内容分析能力更是如此。Maximo Visual Inspection内含深度学习模型，这些模型可以学习分析视频流以进行分类，还可学习检测物体、动作和异常情况。除了Watson Studio AutoAI的自动化机器学习支持外，IBM还为开发者提供了负责任AI能力，包括数据质量、模型沿袭、模型监控、模型漂移、偏差检测和可解释性。
对市场的了解：IBM的CAIDS产品组合提供了一组强大的功能来满足广泛的客户需求。IBM的用户友好型工具使开发者能在任何环境中部署嵌入式人AI服务，包括公有云、本地和边缘。IBM的CAIDS产品还提供低代码和无代码工具，使开发者和公民开发者能快速构建和部署AI解决方案。
运营：IBM训练有素的全球技术支持团队可全天候提供支持。IBM提供可用性高达99.995%的一流运营SLA，对高严重性问题的响应时间不到15分钟。

劣势

销售战略：IBM的销售战略由其现有合作伙伴关系驱动。2022年，IBM推出了IBM Partner Plus计划，该计划提供了获得IBM竞争激励、更高内部访问权限和增强支持的重要途径。
市场响应速度：IBM的产品相当全面，但在图像生成和图像标注服务方面存在一定差距。它的产品缺乏众包和合成数据创建能力，也不支持自动化构建图像和视频内容分析模型。
销售执行和定价：IBM提供了广泛的部署选项，但这些选项的成本可能并不明确。客户应该仔细评估非标准部署的全部成本影响。

Microsoft

Microsoft是这个魔力象限的“领导者”。Microsoft的Azure AI平台有针对全部三种用例（语言、视觉和自动化机器学习）的综合产品。Microsoft总部位于美国华盛顿州雷德蒙德，业务遍及全球，客户来自各行各业。专业开发者可以通过API和SDK使用Microsoft的服务。

相较于竞争对手，Microsoft对市场需求的响应速度更快，建立了极具吸引力的商业模式，并构建了分层定价模式，用以鼓励规模各异的企业构建由AI提供助力的应用程序，因此而成为行业领先者。

优势

业务模式：Microsoft的客户可以访问和扩展Microsoft、OpenAI（通过Microsoft的独家协议）和Hugging Face提供的各种预构建模型。Microsoft还为客户提供广泛的全球合作伙伴网络。Microsoft在其所有产品线内部使用CAIDS，这使其能够比竞争对手更快地提升产品质量和发布功能。
销售执行和定价：Microsoft推出了免费版Azure AI，适用于小型团队的即付即用版，适用于大型企业的折扣订阅计划（固定每月或每年订阅）。Microsoft免费开放了其自动化机器学习功能，只对计算和存储收费。Microsoft还聘请AI解决方案架构师，并让他们成为销售团队的成员。这些“AI特别行动队员”创造成功的、可部署的概念证明。
市场响应速度/记录：Microsoft以超过其竞争对手的速度不断将面向企业市场的AI创新成果打造成产品。除了Microsoft自己的AI产品外，客户还可以利用市场解决方案，这些解决方案在2022年以三位数的速度增长。Microsoft还通过提供免费在线课程、视频、教程和文档来支持开发者。Microsoft是开源软件(OSS)代码的主要贡献者，包括以负责任的方式开发AI应用程序的SDK，而且Microsoft的子公司GitHub免费托管其大部分AI/ML OSS代码。

劣势

垂直/行业战略：Microsoft已经完善了其行业覆盖范围，但其模型战略和垂直产品的选择不如其他供应商全面。客户应评估Azure AI预构建模型在其业务领域的深度和广度。
客户体验：与去年相比，客户对Microsoft服务的评价有所改善，但仍低于这个魔力象限中的其他一些领导者。为了避免让开发者群体感到受挫，Microsoft需要将其CAIDS产品整合为单一的产品，并更好地响应对新功能的请求。
运营：Microsoft的SLA不能保证CAIDS的延迟限制。在将这些服务嵌入到任务关键型实时应用程序中，以及当工作负载的计算成本高昂时，这可能会出问题。此外，对于正常运行时间低于99%的任何CAIDS停机时间，Microsoft最多提供25%的服务额度返还，而其他一些领导者在这种情况下会向其客户提供100%的服务额度。

Oracle

Oracle在这个魔力象限中是“利基企业”。Oracle发布了针对语音、视觉、文档和翻译等领域的新服务，并增加了跨堆栈的多种能力（如自定义语言）。Oracle的总部位于美国德克萨斯州奥斯丁。它的业务遍及全球，客户来自各行各业。

Oracle的主要优势在于它的自动化机器学习服务，特别是它的负责任AI能力和模型部署灵活性（包括对混合、云和本地部署的支持）。

优势

行业/垂直战略：Oracle为预构建模型和特定行业模型提供了坚实的支持。该公司还提供打包的AI解决方案，如OCI异常检测，这一解决方案支持欺诈检测、营销效果、威胁识别和根本原因分析等用例。
地区战略：过去一年来，Oracle针对其服务增加更多语言的支持，包括情感分析和翻译服务。Oracle在美洲、欧洲、中东和非洲以及亚太地区提供视觉、语言和自动化机器学习服务。
整体可行性：Oracle在2022年的收入超过了其2021年的收入，而且2023年第二季度的收入超过2022年第二季度的收入。收购Cerner Corporation后，Oracle有望在未来几年巩固其在医疗保健数据科学市场的地位。

劣势

市场响应速度/记录：虽然Oracle从去年就开始改进CAIDS产品，但截至2023年1月，仍有一些服务不可用，例如，生成能力、文本转语音以及生产模型的冠军/挑战者分析。
产品或服务：虽然Oracle提供有竞争力的AI服务，但它需要改善一些领域，才能更好地在CAIDS市场竞争。为了保持竞争力，Oracle必须迅速扩展其语言服务，在其中纳入文本转语音和生成文本功能，并改进其在标注和生成式AI领域的视觉服务。
业务模式：对一些企业IT领导者及其采购办公室来说，Oracle近期执行的Java许可变更和审计已经变成一大问题。潜在买家将需要有效地证明Oracle CAIDS的价值才能驾驭采购环境。

Tencent

Tencent云在这个魔力象限中是“利基企业”。Tencent以其技术和能力而闻名，如微信、游戏和移动支付解决方案。自2021年以来，Tencent已经扩展其CAIDS解决方案的视觉、语言和自动化机器学习能力。 Tencent的各项创新主要由是其AI实验室（2016年成立）和位于华盛顿州西雅图的AI研究中心负责开发。

Tencent的总部位于中国深圳。该公司在14个国家/地区设有办事处，并计划将其CAIDS语言服务扩张至欧洲、中东和非洲及拉丁美洲。Tencent的业务和客户大多在中国，约10%的客户在其他亚太国家/地区或美国。

优势

创新：在过去的一年里，Tencent大大扩大了预构建垂直解决方案的范围并提升其质量。该公司已经为多个垂直行业添加预构建模型，包括（但不限于）教育、能源、医疗保健、运输和物流。
整体可行性：Tencent在三个关键领域实现了增长：合作伙伴关系、活跃客户和收入。在过去的一年里，Tencent大幅增加了合作伙伴的数量，这推动了Tencent CAIDS产品的收入增长。同期，Tencent的活跃客户数量增长了大约37%，CAIDS产品收入增长了约26%。
销售执行和定价：Tencent推出了灵活的定价选择，包括免费试用期、即付即用、基于消耗量的订阅和预付协议。Tencent完善的销售渠道和广泛的合作伙伴生态系统提高了其接触和服务不断增长的客户群的能力。

劣势

地区战略：Tencent在多个国家/地区提供视觉和语言服务，但自动化机器学习服务几乎全部集中在中国。其语言服务的某些方面，如情感分析和文本分析，仅提供中文和英文版本。
产品战略：Tencent的语言服务可以区分发言者，但目前缺乏生物识别和发言者验证。然而，在该公司的产品路线中，他们计划在2023年增加这些功能。
产品或服务：尽管Tencent在自然语言生成(NLG)等领域完善了产品供应，但在其他产品领域仍落后于市场领导者。这些领域包括特征存储、模型可解释性、偏差检测和补救以及模型组合管理。

新增和摒弃的供应商

Gartner依照市场变化审查并调整了魔力象限的入选标准。由于上述调整，任何魔力象限中的供应商组合可能随着时间的推移而变化。若某一年魔力象限中出现某供应商但第二年无该供应商，这并不必然表明我们已经更换了该供应商。这种情况可能是市场变化和评估标准变化或该供应商重心变化的反映。

新增的供应商

Huawei Cloud

摒弃的供应商

Aible：Aible被排除在外是因为它的上市推广战略并不关注专业软件开发者这一角色。
Dataiku：Dataiku被排除在外是因为它的上市推广战略并不关注专业软件开发者这一角色。
Prevision.io：Prevision.io已被Density收购，不再在CAIDS市场提供产品。

入选和排除标准

要获得入选此魔力象限的资格，每个供应商都必须符合以下要求：

展现出关注专业软件开发者这一角色的上市推广战略
包含符合市场定义（和下文定义详细规定）的CAIDS平台的全部核心能力
在2022年，其CAIDS产品的收入（不包括专业服务的收入）至少达到1,500万美元
目前至少有75个企业客户付费购买其CAIDS产品

核心能力

自动化机器学习服务

利用自动化机器学习服务，开发者可以创建自定义模型或补充模型，以便与现有的通用服务结合使用。以下各项服务使不具有重要机器学习(ML)或数据科学技能的开发者能够定制供应商提供的ML服务或构建专用ML：

自动数据准备 — 这些服务可以准备用于训练模型的数据集。这些服务可以从组织提供的原始数据中清理和扩充数据集，并且可以支持实现数据可视化。
特征工程 — 这些服务自动评估数据并将元数据添加到提交给提供程序的数据集中。这种扩充可以通过众包功能或ML模型来完成。此项功能还便于对特征进行自动检测和分类，以及根据现有特征生成新特征。
自动模型构建 — 这些模型要求开发者提供可用于训练模型的数据集，以及元数据标签，这些标签需要具有开发者希望模型经过训练后能识别的属性。他们还必须确定他们建模来预测的变量。这些服务分析数据，然后推荐或选择可用于构建和优化模型的潜在最佳算法。此类服务通过调整模型的超参数来自动优化模型的性能和准确性。此类服务还可以混合算法来优化模型性能。
模型管理/操作化 — 这些服务可以提供模型加工/编排功能，以自动构建ML管道，范围涵盖模型训练、部署、监控和管理投产模型。此类服务还可以为所创建的模型打包和提供基础架构，如Kubernetes容器。此类服务还应该自动创建访问模型所需的API。此项能力便于开发者监控测试和生产环境中的模型，以评估模型性能和模型漂移。此服务可以自动再训练模型，并提供用更好的模型替换过时模型的配置。其他功能可能包括针对模型值的业务关键绩效指标(KPI)，以及评估影响模型性能的数据质量的能力。
负责任AI — 这些服务分析数据集的潜在偏差、可解释性和可诠释性：
- 自动偏差检测/补偿 — 这些服务分析用于训练AI和ML模型的数据集，以消除来自不平衡样本（由过采样造成，包含由监管限制造成的特别禁止的数据）或其他来源的潜在偏差。
- 可解释性 — 这些服务解释模型的运作，例如，参数、用于给定模型输出的参数的权重以及模型中采用的算法方法。
- 可诠释性 — 这些服务解释模型如何以开发者和其他普通用户可以理解的方式得出输出结果。

可选功能

语言服务

语言服务可以包括：

自然语言处理/理解 — 此服务涵盖令牌化、词性(POS)标记、词干提取、检索词频率与逆文档频率(TF-IDF)和其他文本处理功能。自然语言理解是处理机器理解的自然语言处理的一个子集。它接受文本输入并从文本中提取元数据。元数据提取很简单，但理解文本输入者的意图并非易事，并通常需要借助补充模型。
语音转文本 — 此服务是计算语言学的一个子集，它将模拟输入转换为文本输出。这种文本输出可以是最终产品，开发者也可以将其输入到自然语言理解模型中，以便提取元数据。个人电脑和智能手机等许多计算设备都有内置自动语音识别(ASR)功能。
自然语言生成 — 此服务根据机器表示创建自然语言，例如，知识库中的概念、数据集或最简要描述；也根据逻辑表单创建自然语言，例如，生成给客户的信函的退货表单。此服务本质上是将数据转换为自然语言文本。
文本转语音 — 此服务将文本输入转换为模拟输出/语音。
翻译 — 此服务从源语言获取文本输入并将其转换为目标语言。这是一项具有挑战性的任务，因为不同的语言有不同的结构。它不像把一个词从一种语言翻译成另一种语言中对应的词那么简单。
情感分析 —此服务根据开发者在对话或社交模型中输入的词语来分析语言的积极、消极或中立情绪。可以通过分析模拟输入音调的其他服务完善这些服务。
文本分析 — 此服务分析非结构化文本以提取概念、主题和关键字属性等元素，并将这些元素添加为元数据。

视觉服务

视觉服务可以包括：

图像识别/标注 — 此服务通常识别图像中包含的物体或人物。有些服务还可以识别图像中的其他属性，如颜色或图案。此服务使开发者能够识别图像中是否有人物或其他感兴趣的项目，添加用于对图像进行分类或标记的元数据，并提交用于标注的图像数据集。
视频AI — 此服务通常结合图像识别和ASR来识别视频中的人物和其他物体，并为音频创建转录文本。有些服务还可以在视频的多个帧中追踪人物的移动。
启用机器学习的光学字符识别(OCR) — 该服务将打字、手写、打印文本或图像或视频中文本的电子图像转换为机器编码文本，并将元数据添加到内容中。此服务还借助ML，根据内容对给定字段中的信息进行分类。
图像生成 — 此服务构建类似于给定图像集的图像或基于词语提示构建图像。合成数据是图像生成的一种常见用途。

我们排除符合以下情况的任何供应商：

其CAIDS产品中不包括自动化机器学习服务。
仅将CAIDS视为专业服务合同的一部分，而且服务仅可由供应商的顾问使用。
所提供的服务不是由供应商创建和交付的原生服务。因此，客户使用供应商平台构建的模型不予考虑。

荣誉提名

Live Tech SRL：Live Tech SRL提供LOKO AI IDE，这是一种低代码和纯代码的开发环境，可供数据科学家和软件工程师轻松拖放数据源、算法和工作流程，以构建模型并开展操作。这家供应商提供与大型云提供商的集成，以获取常见存储服务并实现模型部署。支持使用R和Python对自定义扩展进行编码，并可将这些扩展作为简单的构建块集成到LOKO AI IDE中。LiveTech SRL还提供可在本地使用的社区版本。为特定行业用例提供范围有限的预构建模型，而且技术仍在不断成熟。

Hugging Face: Hugging Face：Hugging Face推出了名为 “Hub”的开放平台，这一平台的目标领域是人工智能(AI)和机器学习(ML)，适用范围广泛。下面这些产品均构建于Hugging Face Hub平台，旨在使提高先进机器学习的可及性。Inference Endpoints可助力社区在全管理型专用基础架构上快速部署自定义模型或超过200,000个预训练转换器、句子转换器或扩散器模型。利用AutoTrain，用户无需代码即可创建强大的AI模型。最后，Hugging Face专家会为公司提供直接指导和实际帮助，以加速执行公司的机器学习路线图。

评估标准

执行能力

本魔力象限中使用的执行能力标准如下（关于Gartner使用这些标准进行评估的信息来源，请参阅“依据”部分）：

产品或服务：此标准旨在根据供应商的RFP响应和视频提交内容，评估供应商的CAIDS产品在关键能力领域的竞争力和成功程度。产品权重高，其原因在于至关重要的最终用户价值，这种价值是由学习和采用自动化机器学习、语言和视觉服务并将这些服务应用于创新和智能化企业应用程序和系统的能力所产生的。
整体可行性：这一标准涉及组织的财务状况和模式，因为它与CAIDS相关。该标准还衡量现有和潜在客户对供应商可能的未来相关性的看法。
销售执行/定价：这一标准涵盖供应商在销售活动中的能力。它包括供应商方面的总体评估和合同谈判/灵活性以及客户获得的价值。
市场响应速度/记录：这一标准使用一套平衡的指标来衡量供应商在全球市场上的发展势头和成功程度。
客户体验：这一标准关注客户在购买后与供应商合作的体验。衡量因素包括高质量第三方资源（如集成商和服务提供商）的可用性、最终用户培训和认证的质量和可用性，以及对等用户社区的质量。
运营：这一标准关注供应商对客户的支持程度以及软件的可靠程度。

表1：执行能力评估标准

评估标准	权重
产品或服务	高
整体可行性	中
销售执行/定价	中
市场响应速度/记录	中
营销执行	中
客户体验	中
运营	中

来源：Gartner（2023年5月）

愿景完整性

本魔力象限中使用的愿景完整性标准如下（关于Gartner使用这些标准进行评估的信息来源，请参阅“依据”部分）：

对市场的了解：这一标准关注CAIDS供应商与软件工程领导者不断变化的需求的契合程度，以及其客户对最新和新兴功能的使用范围。
营销战略：该标准考虑供应商是否有一套清晰的信息来传达其在CAIDS市场中的价值和优势，以及该供应商是否正在产生对其优势的认知。
销售战略：这一标准关注供应商的销售方法在多大程度上受益于鼓励客户评估其CAIDS产品的一系列选项和驱动因素。
产品战略：Gartner评估了供应商支持未来将创造商业价值的关键趋势的能力。根据每个供应商提出的路线图，有助于促成这些趋势的现有和计划中的产品和功能将计入供应商在该标准上的得分。供应商路线图能够展现各个供应商的特点，并能够凸显当前进展与路线的偏离程度，而且这一标准的权重很高，原因在于该市场变化迅速并需要优先予以执行。
垂直/行业战略：这一标准衡量供应商通过模板或打包的数据和分析内容可以满足各行业需求的程度。供应商一直在投资他们的垂直战略，因为各个组织正在设法构建AI来解决他们特定业务领域内的问题。因此，这一标准的权重很高。
创新：这一标准衡量供应商在多大程度上为生成式AI能力投资、扩展其自动化机器学习技术的价值和提供独特能力。该标准评判供应商是否正在树立可供其他供应商效仿的创新标准。这个市场的创新速度很快，所以这一标准的权重很高。
地区战略：这一标准衡量供应商在全世界的覆盖情况如何。

表2：愿景完整性评估标准

评估标准	权重
对市场的了解	中
营销战略	中
销售战略	中
产品战略	高
业务模式	中
垂直/行业战略	高
创新	高
地区战略	中

来源：Gartner（2023年5月）

象限描述

领导者

领导者在所有三个关键服务领域都有稳健的产品：自动化机器学习、语言和视觉。他们可以通过API提供CAIDS产品，开发者无需掌握数据科学专业知识，也可使用。领导者还提供支持能力，以增强其核心服务，包括自动偏差检测和缓解、特征工程、自然语言处理、图像标注、MLOps以及可解释和可诠释的AI。领导者在多个地区提供服务，支持多种语言。

挑战者

挑战者通常是资产雄厚的大型企业。挑战者拥有资源，可对其CAIDS服务进行投资，但在清晰表达产品愿景并将愿景与市场需求相匹配的能力方面，可能存在不足。挑战者可能在地区或全球范围内经营业务。他们甚至可能在一个地区占据主导地位。

前瞻者

前瞻者渴望在CAIDS市场上参与竞争，并拥有取得成功所需的资源，但他们尚未提供有竞争力的服务组合。前瞻者通常只提供市场所需整体服务的其中一部分，并打算扩大服务，以便与领导者竞争。

利基企业

与领导者和挑战者相比，利基企业通常专注于更小范围的AI服务。有的利基企业规模较小，资源有限，难以对自己的服务进行投资，也无法向本国以外的地区扩张。有的利基企业是大型组织，但在创建和执行具有吸引力的产品路线图方面遇到困难。

背景

软件工程领导者应该从多个方面评估CAIDS供应商的能力，包括：

负责任AI：为了响应客户日益提高的期望，大多数CAIDS供应商都在加大投资，完善负责任AI组件。
模型组合管理：供应商越来越多地对AI能力进行产品化和工业化，将AI能力融入到支持治理、可重用性、可扩展性和审计的平台中。
预构建模型和可定制性：CAIDS供应商正在扩展他们针对特定垂直领域的预建模型集合，以普及AI/ML增强软件的开发。
模型创作技术：供应商目前使用开源和开放数据库并为之做贡献，并为软件开发者提供涵盖命令行界面(CLI)、SDK和低代码方法等方面的模型创作能力。
部署灵活性：有些供应商的部署方式十分灵活，而另一些供应商会限制团队部署模型的位置。

供应商之间的关键区别在于他们在负责任AI、生成式AI能力、语言和地理支持以及模型部署灵活性方面的成熟程度。

在选择自动化机器学习服务时，软件工程领导者应该优先考虑在内置偏差检测功能和可解释的透明模型方面表现出色的供应商。使用具有这些功能的CAIDS有助于团队构建负责任且更合乎道德的AI解决方案。模型的整个生命周期耗时不短，并需要持续投资。软件工程团队需要提高使用这些工具的技能和熟练度，包括在数据获取、特征工程、模型创作和性能改进等领域。

除了获取数据和创作新模型外，软件工程领导者还必须帮助他们的团队学习支持ModelOps所需的技能（参见“MLOps、ModelOps和DevOps协调要求”）。随着开发者越来越熟悉AI和ML模型以及可以添加到应用程序中的功能，他们将越来越多地承担ModelOps的部分或全部责任。具体包括：

监控和管理部署ML模型的应用程序中的ML模型
从非结构化文本或数据资产中提取信息（或向该等文本或资产添加元数据）
使用自动化机器学习服务来构建用于给出后续最佳操作的ML模型，实现文档处理分类和自动化或实现业务工作流决策的自动化
评估模型在道德问题和缓解偏差方面的表现
在更为关注功能重用和大型模型组合管理的更大的社区中使用

软件工程领导者还必须让自己和其他利益相关者了解负责任AI的必要性，以及围绕AI使用的道德和隐私问题。他们应该推动建立负责AI隐私、安全和风险的特别工作组。Gartner的《2021年组织中的人工智能研究》发现，拥有AI隐私、安全和风险特别工作组的组织将更高比例的AI概念验证转化为生产，也从AI投资中获得了更多价值。

市场概况

生成式AI的最新进展强烈激发了软件工程领导者和商业领导者对AI技术的巨大兴趣。向Gartner提出的有关生成式AI的咨询数量同比增长超过1,300%。AWS、Microsoft和Google是社交媒体上热议的CAIDS供应商。1 到2025年，AI软件市场的收入预计将达到1,348亿美元，复合年增长率为29.2%，增速是整个软件市场增长速度的两倍多。² 2023年，许多公司就此发表了声明，宣布将继续塑造今年和未来的市场。^3,4,5,6

尽管软件工程领导者对AI的潜力充满期待，但这种热情尚未促使新兴AI技术得到主流采用。在《2022年Gartner技术创新投资调查》中，参与者表示，AI是他们尚未部署但预计在未来五年内特别重要的领先技术。此项调查还发现，在许多新兴AI技术中，负责任AI是采用人数最少的技术之一（只有13%的受访者已经部署此项技术）。

软件工程领导者面临的阻碍AI技术采用的一个主要障碍是团队内部缺乏这方面的技能。《2022年Gartner技术创新投资调查》还发现，对于每一项新兴AI技术，缺乏相关技能始终是妨碍采用这些技术的最大限制因素，其比重超过了资金、法律、客户或员工阻力以及不明确的投资回报率等其他因素。软件工程领导者迫切需要雇佣这方面的人才并提升现有员工的技能，以便团队能够构建、维护和操作机器学习模型。

云AI开发者服务(CAIDS)是必不可少的工具，此类服务可以减轻软件工程团队所需要付出的努力和技能提升。CAIDS供应商目前提供一些功能来帮助弥合技能差距，包括：

数据准备
特征工程
自动化机器学习构建
在生产环境中部署，并在其中进一步监控漂移和调整
监测准确性、性能和道德问题

CAIDS使软件工程团队能够构建新一代应用程序

CAIDS不会取代软件工程师。相反，这些服务增强了团队的能力，使他们能够以全新的方式运用他们的应用程序、数据和技术技能。

CAIDS使软件工程师能够构建更具预测性和智能化程度更高的功能，从而更好地满足用户需求。CAIDS为软件工程团队提供创建和自定义ML模型所需的自动化机器学习能力。软件工程团队目前使用ML模型来增强现有应用程序的功能，并创建全新类型的应用程序。ML模型能够对信息进行分类、预测趋势、评估风险，并在所有功能领域和工作流程中实现流程自动化。

CAIDS对于构建集成的MLOps管道也是必不可少的，在这类管道中，软件工程团队不必组装单个的工具，也无需弄清楚如何组合使用这些工具。这种自动化管道可以使开发者更快、更有效地交付全新和增强的应用程序功能。

软件工程领导者可以使用单个提供自动化机器学习、语言和视觉服务的CAIDS供应商，以此简化操作的复杂性并从中受益。这种方法可以改善开发者的体验，并使团队顺畅地游弋于不同服务之间，从而简化团队的工作流程。然而，使用多个供应商并非不可能。专注于自动化机器学习的规模较小的供应商可以提供与您的用例紧密结合的服务和能力，并且他们可以提供最大的价值。

CAIDS供应商正在扩大和改善他们的服务

在过去一年里，CAIDS供应商极大地扩展了他们针对垂直解决方案的预构建ML模型库，并大幅完善了对这些解决方案的支持。供应商在教育、生命科学、专业服务、交通运输、银行和金融等领域提供更多预构建模型，进一步普及了AI。向Gartner提出的关于生成式AI的咨询同比增长超过1,300%，CAIDS供应商一直在宣布推出全新的生成能力并公开跨视觉和语言用例的合作伙伴关系。

CAIDS供应商也在改进其在三个关键用例中的能力：

自动化机器学习：规模较小的供应商继续引领自动化机器学习能力的创新，但大型供应商正在迎头赶上。供应商正在扩展机器学习模型的性能和准确性，专注于提供增强可解释性、透明度和减少偏差的功能。供应商也在细调软件工程团队需要的核心自动化机器学习功能，以便在生产环境中快速开发、部署和维护模型。
语言：供应商正在开发大量语言模型，这些模型可以提供更广泛的高质量语言服务。各大云供应商正在使用他们庞大的计算基础架构来开发专有的语言模型。规模较小的供应商正在使用开源软件、数据和机器学习模型来努力与之抗衡。
视觉：几乎每个CAIDS供应商都改进了自己的视觉能力。在过去一年里，计算机视觉在中国的广泛应用推动了总部设在中国的供应商实现巨大的改进。OpenAI于2022年发布了DALL-E 2，这为CAIDS供应商当前的执行计划、合作伙伴关系和路线图方向增加了投资、关注和创新。

我们期望CAIDS供应商提高模型部署的灵活性，改进模型组合管理和负责任AI，以及提供更多使用生成式AI的能力和服务，从而实现成长和发展。

依据

¹ 经认可的方法：Gartner利用第三方数据工具进行社交媒体监测分析，以对本文档中介绍的其他事实基础进行补足或补充。鉴于研究结果的定性和不可分割性，这些结果不应与本研究的其余部分分开使用。不应仅从这一数据得出结论。所参考的社交媒体数据取自于2021年1月1日到2023年2月20日期间，来源包括所有地区（中国除外）和合规语言的数据。社交媒体分析团队的Fahim Talmeez为本研究作出了贡献。

² 预测分析：人工智能软件，Worldwide

³ Azure OpenAI服务的全面可用性扩展了对大型高级AI模型的使用途径，也增加了企业优势，Microsoft。

⁴ AWS和Hugging Face携手提升生成式AI的可及性和成本效益，AWS。

⁵ AI之旅的重要下一步，Google。

⁶ Baidu文心一言新闻发布会，YouTube。

2021年Gartner针对组织中的人工智能调查。本调查的目的是了解成功实现AI的关键因素和AI操作化的障碍。Gartner于2021年10月至12月期间对来自美国、德国和英国组织的699名受访者进行了本次在线调查，同时对本次调查设立了配额，以确保样本在各个行业和公司规模中具有良好的代表性。所调查的组织必须是会在未来三年内开发或打算部署AI。受访者必须是该组织企业领导层的一员或承担企业领导角色，并高度参与至少一项AI计划。受访者还必须在其组织中担任以下与AI相关的角色之一：确定AI业务目标，衡量AI计划产生的价值或管理AI计划的制定和实施。免责声明：本次调查的结果并不代表“全球”调查结果或整个市场，而是反映了受访者和受访企业的观点。

2022年Gartner技术创新投资调查。本研究旨在确定围绕关键技术采用的态度和过程以及负责技术采用的角色。本研究还探讨了与这些技术相关的各种挑战和影响。Gartner于2022年5月至6月期间对164名受访者进行了本次在线调研，这些受访者分别来自北美州（92人；美国和加拿大）、欧洲（40人；英国）和亚太地区（32人；澳大利亚和新加坡）。调查结果来自2021年企业年收入在5,000万美元或以上的受访者。调查的行业包括银行业/投资服务业、院校、能源、政府、医疗保健、IT、保险、制造业、自然资源、零售、服务、通信服务提供商、交通运输、公用事业和批发。调查对在以下方面对受访者进行了筛选：受访者职衔、公司规模、工作职责（必须重点从事与IT或业务相关的任务）、对公司内特定创新技术决策的认识、与特定技术相关的知识的准确性以及技术部署时间框架。免责声明：本次调查的结果并不代表“全球”调查结果或整个市场，而是反映了受访者和受访企业的观点。