ИИ как экосистема, бизнес и рынок

Например, если мы анализируем поставки ноутбуков на рынок той или иной страны, то методику можно назвать интуитивно понятной, потому что все, кто будет оценивать данный рынок, будут использовать близкую таксономию и придут примерно к одному и тому же набору лидеров рынка. Потому что есть продукт, который непосредственно определяет рынок. В случае анализа таких рынков, как Big Data или ИИ, нет однозначно определенного продукта, который формирует данный рынок, каждый аналитик вправе предложить свою методику (определить, какие продукты и услуги или бизнес каких компаний он отнесет в данную категорию, а какие нет). Проблема в том, что добиться консенсуса (единой методики) на практике в данном случае очень сложно. Поэтому объемы и лидеры рынка у каждого аналитика могут быть разные. Если общая методология не выработана, каждый из аналитиков будет пытаться продвигать свою методику и свой уникальный отчет на ее основе.

Если понятие рынок ИИ не является консенсусным, то, очевидно, производная от этого понятия, такая как "вклад ИИ в ВВП", также не является общепринятой. Попытки оценить объемы финансирования ИИ-компаний тоже наталкиваются на ряд проблем. Здесь сложность анализа связана с тем, что существуют не только стартапы, которые четко определяют свою принадлежность к разработке той или иной ИИ-технологии, но и высокотехнологичные компании, которые объединяют множественные направления бизнеса. В этой связи многие аналитики решают более частную задачу - пытаются собрать данные именно о финансировании стартапов, подчас называя это объемом финансирования ИИ. Смежными в подобных отчетах являются исследования рынков слияний и поглощений ИИ-компаний с выделением информации о том, какие ИИ-стартапы покупают, кто основные покупатели в мире, в каком объеме и почему, каковы средние размеры сделок, количество раундов инвестиций, на какие технологии охотятся ИТ-гиганты и почему, как ИИ-стартапы распределены по миру (какие страны более активны в развитии ИИ-бизнеса в форме такого рода компаний). Еще один тип количественных исследований, которые следует упомянуть, - это исследования, связанные с построением комплексных коэффициентов "ИИ-зрелости". В этой области существует ряд аналитических сообществ, которые собирают данные и занимаются построением своих коэффициентов по индивидуальной методике и публикуют рейтинги стран по уровню зрелости применения ИИ. Подобные методики учитывают уже перечисленные параметры (количество стартапов, количество ИИ-компаний, объемы финансирования ИИ-бизнеса), а также десятки других - таких как наличие профильных университетов, доступа к данным, привлекательность бизнес-среды, политика государства, наличие ИИ-стратегии в стране и прочее. Часто эти методики берут показатели из международных социальных сетей (такие как число соискателей ИИ-работы), исходя из того, что пользователи разных стран имеют равный доступ к подобным международным источникам. Однако в условиях многополярного мира разные социальные сети тяготеют к тем или иным государствам, и представленность в них разных стран не является равномерной, что в свою очередь приводит к искажениям комплексных страновых показателей. Так, например количество ИИ-специалистов по данным LinkedIn ^{36С 2016 года заблокирована на территории РФ за нарушение правил хранения персональных данных российских пользователей} нельзя считать объективным, поскольку посещение данной сети в ряде стран ограничено.

Далее мы кратко остановимся на всех перечисленных типах исследований и начнем с анализа инвестиций в ИИ-компании.

Анализ инвестиций в ИИ

Информацию о глобальных инвестициях в ИИ можно найти в целом ряде отчетов.

В частности, на рис. 3.26 показаны данные Tortoise Intelligence.

Рис. 3.26. Динамика глобальных инвестиций в ИИ. Источник: Tortoise Intelligence

Согласно отчету Tortoise Intelligence [163], инвестиции в ИИ-компании в мире выросли более чем вдвое в 2021, что стало самым большим годовым ростом инвестиций в ИИ за последние два десятилетия. Общий объем инвестиций в 2021 году достиг 77,5 млрд долларов.

Аналитики объяснили всплеск роста глобального интереса к ИИ со стороны правительств и инвесторов в 2021 г. потребностью в цифровых технологиях для совместной работы во время пандемии.

Интересно отметить динамику инвестиций в ИИ в Китае. Согласно рис. 3.26, до 2015 года ИИ-инвестиции в США были больше, чем совокупные инвестиции всех прочих стран, включая Китай. Однако в 2016 году объем ИИ-инвестиций в Китае получил такой всплеск, что Китай вышел на уровень, сравнимый с аналогичными показателями в США, и в разы превысил инвестиции во всех остальных странах мира, вместе взятых.

Уже упомянутая ранее компания CB Insights дает схожие оценки глобальных инвестиций в ИИ (см. ис. 3.27), отмечая тот же (почти двукратный) рост в 2021 году. Интересным фактом в исследованиях CB Insights является информация о высоком росте вливаний в область медицинских ИИ-решений в 2021 г. в связи с эпидемией коронавируса. Согласно данным аналитической компании, почти пятая часть всех инвестиций в 2021 году пошла на ИИ-разработки в области здравоохранения.

Рис. 3.27. Динамика глобальных инвестиций в ИИ. Источник: CB Insights [164]

Есть также попытки оценить кумулятивные расходы на отдельные направления в области финансирования ИИ-компаний. При этом, к сожалению, таксономия у большинства аналитических агентств разная. Одни исследования пытаются оценить ИИ-финансирование по ИИ-отраслям, другие, как например исследование, отмеченное в табл. 3.8, использует статьи расходов, не связанные с отраслевым делением. В частности, такая категория как "распознавание, классификация и маркировка статических изображений" может относиться к разным отраслям, а "обработка данных пациентов в медицинских приложениях" и "анализ медицинских изображений", напротив, относятся к одной области.