在《哈利·波特》的世界中，分院帽象征着一种能够分析学生的性格、兴趣和行为习惯的智能工具，从而决定学生应该归属于哪个学院。如果我们把这种概念应用到现实世界，那么分院帽可以被视为一种基于机器学习的应用程序，它能够独立地分析复杂数据集并作出决策。目前，机器学习正推动着全球数万亿美元的产业，如医疗保健、安全和农业等领域的发展。

如果机器学习有望带来巨大的经济价值，那么接下来的问题就是：这些价值将如何实现？本文将探讨三种类型的企业如何创造并获取机器学习带来的价值：传统公司利用机器学习、专门从事机器学习工具开发的公司以及提供垂直整合机器学习解决方案的公司。

机器学习不仅仅是科技巨头的专利

尽管脸书、亚马逊、苹果、网飞和谷歌等公司在机器学习领域取得了显著成就，但传统行业的公司同样需要机器学习技术。据预测，到2023年，全球人工智能系统的支出将达到980亿美元，比2019年的支出增长2.5倍。金融服务业、零售业和汽车行业将是这一增长的主要驱动力。

例如，管理着超过7万亿美元资产的投资管理公司黑石在2018年推出了一些基于机器学习的ETF产品。同时，机器学习在医疗保健领域的应用也越来越广泛，特别是在医疗影像、诊断和药物研发方面，预计未来三年相关预算将达100亿美元。

在此过程中，软件工程师、数据科学家和业务分析师等不同角色的用户群体都在增长。业务分析师，有时也被称为“公民数据科学家”，虽然他们接受的技术培训较少，但他们正在使用机器学习技术帮助企业更好地利用不断增长的数据资源。

机器学习工具已经渗透到各个行业中

为了满足这些用户的需求，许多公司纷纷推出了机器学习工具和服务。Stuart Bowers曾担任特斯拉和Snap的工程副总裁，他认为机器学习工具的关键在于简化数据管理和模型训练过程，使非技术用户也能轻松上手。

公有云供应商已经推出了端到端的平台，例如AWS的SageMaker最初主要面向专家级开发者和数据科学家，但现在也开始向技术背景较弱的用户开放。此外，一些初创公司如Databricks与微软合作，通过Azure处理更多的数据和计算任务，大大扩展了它们的市场份额。

然而，企业用户开始寻求更为专业和定制化的解决方案。为此，新一代初创公司正致力于解决特定问题，提供更为精确的工具。机器学习工具领域目前面临三大挑战：数据集管理、实验跟踪与版本控制、模型可扩展性。

数据集管理

尽管机器学习的结果可能非常出色，但实际操作中，从业人员需要花费大量时间进行数据清洗、整理和转换。由于数据分布在多台机器和云端的不同位置，统一数据格式并使其便于团队协作是一项艰巨的任务。

Tecton的联合创始人兼CEO Mike Del Balso正在通过他的新公司解决这一问题。Tecton构建了一个平台来管理“特征”，简化了数据层的复杂性，使企业可以从原始数据中提取实时智能信号，从而优化机器学习模型。

在下游领域，Liquidata正在为数据库构建开源工具，类似于GitHub。Liquidata的联合创始人兼CEO Tim Sehn强调了开放数据的重要性，认为需要在互联网级别上进行数据协作。

实验跟踪与版本控制

另一个常见问题是结果缺乏可重复性。机器学习模型版本控制的缺失使得实验难以重现。

Weights and Biases的联合创始人兼CEO Lukas Biewald指出，缺乏基本的软件工具和最佳实践是当前的最大难题。他的公司提供了一种实验跟踪解决方案，帮助客户如OpenAI等将研究洞察从单个研究人员传播到整个团队。

模型可扩展性

建立基础设施以支持生产中的模型扩展和监控结果是另一个重要问题。

Anyscale是一家开源框架Ray背后的公司，致力于构建分布式应用程序和可扩展机器学习的基础架构。Anyscale的联合创始人兼CEO Robert Nishihara认为，他们正在创造一种基础架构，支持从模型训练到部署的丰富生态系统，使开发人员能够轻松扩展机器学习应用程序。

在自然语言处理（NLP）领域，可扩展性也在快速发展。Hugging Face提供了一个开源库，用于构建、训练和共享NLP模型。Hugging Face的联合创始人兼CEO Clément Delangue表示，NLP在过去三年中经历了范式转变，转换学习极大地提高了NLP模型在业务应用中的可用性和准确性。

其他有前景的初创公司包括Streamlit、OctoML和Fiddler Labs。Streamlit让开发人员只需几行Python代码就能创建和部署机器学习应用。OctoML为机器学习应用增加了智能层，使其更加易于优化和部署。Fiddler Labs则提供了可解释的人工智能平台，能够持续解释和监控生产结果。

垂直集成的机器学习应用正在颠覆现状

一些最令人兴奋的机器学习公司正在开发新的商业模式，颠覆传统行业。例如，汽车行业的投资在2019年达到了100亿美元。其他垂直市场，如医疗保健、工业、安全和农业，也有望因机器学习而发生革命性变化。

Salesforce的首席科学家Richard Socher认为，机器学习最有效的形式是“机器学习+X”。他指出，最好的机器学习公司专注于特定的垂直领域，即使它们自己并不将自己定义为机器学习公司。在医疗保健领域，Athelas、Curai和Zebra Medical Vision等公司已经展示了机器学习的巨大潜力。

在工业和物流领域，Covariant和Agility Robotics等公司正在利用强化学习和神经网络技术，使机器人能够更高效地处理复杂任务。Interos则通过机器学习技术评估全球供应链网络，帮助企业做出关键决策。

在安全和国防领域，Verkada、Anduril和Shield AI等公司正在利用机器学习技术重新定义企业物理安全和国家安全。

农业也是受益于机器学习技术的重要领域。John Deere收购了Blue River Technology，后者是一家开发智能农作物喷洒设备的公司。Blue River Technology的首席科学家Lee Redden表示，通过引入计算机视觉技术，他们已经改变了农业领域。

总结来说，机器学习已经成为我们日常生活中不可或缺的一部分，支撑着我们的汽车、医院和食物供应。大型企业孵化了最先进的技术，但真正的希望在于下一波机器学习应用和工具，它们将把机器智能从哈利·波特式的幻想转化为具体的社会价值。在未来几年，我们有理由对机器学习带来的价值保持乐观。