业界 | 从12大领域盘点133家人工智能企业,精准提升产品与服务

2017 年 4 月 25 日 机器之心

选自Venture Beat

机器之心编译

参与:蒋思源


本文提供了 133 家人工智能企业,其中既有科技巨头又有新兴初创公司。本文希望能按类别给读者提供一个全面的视角来了解人工智能企业。读者可以点击「阅读原文」下载这一些企业的高清分布图。


公司企业占据了全球 3.4 万亿美元的市场份额,并且该市场有越来越多的份额分配到人工智能技术。


根据我们的定义,「企业级」的科技公司为职场人和大量的商业应用创造了框架性工具与功能。例如 Salesforce 就是各个公司销售人员使用的主要软件,其也称为客户关系管理软件或 CRM 系统。该系统是销售人员记录客户联系方式、潜在客户的进程和销售指标的跟踪。任何直接销售其产品和服务的公司都从 CRM 系统受益良多。


近来,许多企业综合运用自动化数据科学、机器学习和现代深度学习方法处理如数据预处理、预测分析和过程自动化等任务。其中很大一部分公司是具有深厚领域专长和产品功能优势的知名企业。而另一些则是运用人工智能解决新问题的新兴初创公司,本文的盘点涵盖了这两种公司。


为了确定最适你业务的工具,我们将企业的人工智能解决方案图景按照功能类别来划分,这样以匹配组织工作流程和使用案例。大多数公司企业能分为多个类别,但本文专注于每一个公司的主要附加值和差异化部分。


下图就展示了各类别的人工智能解决方案:



商业智能


这一部分的 AI 解决方案是从公司数据中挖掘智能,包括将公司所有信息汇聚到一起的业务程序、工具和工作流程等,进而实现智能化分析。如精简数据预处理流程的 Paxata 和 Trifacta,让存储在不同区域的数据实现更有效率交互的 Tamr 和 Alation,甚至能如 Narrative Science 和 Yseop 那样自动生成报告或文档。


  • Alation:http://www.alation.com/

  • Ayasdi:https://www.ayasdi.com/

  • Datasift:http://datasift.com/

  • Enigma:https://www.enigma.com/

  • Import.io:https://www.import.io/

  • Maana:http://www.maana.io/

  • Narrative Science:https://www.narrativescience.com/

  • Paxta:https://www.paxata.com/

  • SAS:https://www.sas.com/en_us/home.html

  • Sisense:https://www.sas.com/en_us/home.html

  • Tamr:http://www.tamr.com/

  • Trifacta:https://www.trifacta.com/

  • Yseop:https://yseop.com/


生产力(Productivity)


工作中的生产力经常会通过大量微小的任务消耗你的注意力。许多生产力工具已经出现并消减这些琐事,如会议安排所需要的流程。还好现在有很多虚拟调度助手如 X.ai、FreeBusy 和 Clara Labs。


  • Brainasoft:https://www.brainasoft.com/braina/

  • Findo:https://findo.com/about/

  • Clara Labs:https://claralabs.com/

  • Freebusy:https://freebusy.io/

  • Julie Desk:https://www.juliedesk.com/us

  • Kono:http://kono.ai/

  • NextOS:http://www.nextos.com/

  • Pogo:https://memo.ai/

  • SkipfFlag:https://skipflag.com/

  • Talla:https://talla.com/

  • X.ai:https://x.ai/

  • Zoom.ai:https://zoom.ai/


客户管理


维持客户关系可不是一件简单的任务。许多公司企业已经意识到人工智能将会变革这一相对成熟的关键领域。DigitalGenius 利用 AI 筛选客户服务数据并自动化客户服务操作。Inbenta 由人工智能支持的自然语言搜索可以在论坛或虚拟智能体中提供自助服务支持。而 Luminoso 则创建客户反馈的可视化展示,使公司能更好地了解客户的需求。


  • ActionIQ:https://www.actioniq.com/

  • Clarabridge:http://www.clarabridge.com/

  • CogniCor:http://www.cognicor.com/

  • Digital Genius:https://www.digitalgenius.com/

  • Eloquent Labs:https://www.eloquent.ai/

  • Inbenta:http://www.inbenta.com/

  • Interactions:http://www.interactions.com/

  • IPSoft:http://www.ipsoft.com/amelia/

  • LivePerson:https://www.liveperson.com/

  • Luminoso:http://lumino.so/

  • Kasisto:http://kasisto.com/

  • Narvar:https://corp.narvar.com/

  • Wise.io:http://www.wise.io/

  • Zendesk:https://www.zendesk.com/


人力资源管理


随着平均雇佣期的缩短,招聘和人才资源管理可以说是每个公司所面临的困难之一:即在哪可以招到合适的雇员,如何让招聘链不会中断?Entelo 和 Scout 这样的公司从渠道顶部开始,为其他公司提供最高质量的应聘者,而像 hiQ Labs 那样的公司则利用公共数据给出其他企业员工流失的风险,从而能提前制定人员保留策略。


  • Entelo:https://www.entelo.com/

  • Gigster:https://gigster.com/

  • hiQ Labs:https://www.hiqlabs.com/

  • HireVue:https://www.hirevue.com/

  • Scout:https://usescout.com/about

  • SpringRole:https://www.springrole.com/

  • Textio:https://textio.com/

  • unitive:http://www.unitive.works/

  • Wade&Wendy:http://wadeandwendy.ai/


B2B 销售和市场


没有人喜欢浪费时间繁琐地进行数据输入或人力搜索上。这也就是为什么从事这些职能的员工愿意接受和尝试新工具。一些如 Fusemachines 和 由 AI 支持的销售助手 Tact 通过自动化数据输入和提升预测准确度来解决这一问题。而其它的如 Lattice Engines 和 Mintigo 这样的公司利用成千上万的数据源展现最高质量的前景和机会。同样也可以使用 Salesforce 的 Einstein 将 AI 和自动化引入整个销售生态系统。


  • 6Sense:https://6sense.com/

  • Albert:https://albert.ai/

  • Aviso:http://www.aviso.com/

  • BrightFunnel:http://www.brightfunnel.com/

  • Clari:http://www.clari.com/

  • Collective[i]:https://www.collectivei.com/

  • Conversica:https://www.conversica.com/

  • Fuse Machines:https://www.fusemachines.com/

  • InsideSales:https://uk.insidesales.com/

  • Lattice Engines:https://www.lattice-engines.com/

  • Mintigo:http://www.mintigo.com/

  • Radius:https://radius.com/

  • Sudo:https://www.sudo.ai/

  • Salesforce Einstein:https://www.salesforce.com/products/einstein/overview/

  • Tact:https://tact.ai/

  • Zensight:http://www.zensight.ai/


消费市场


企业可以通过社交渠道、分销渠道、媒体渠道等方式获得消费者数据与智能。智能工具不仅能抓取这些数据,同时还能分析和理解它们。Lexalytics 是一个文本分析平台,其可将数十亿个非结构化数据和在线信息转换为对公司的可行性见解。Affinio 通过深度学习和创建基于兴趣的社交群体展现出品牌的社交指纹。品牌现在能更好地理解客户细分、行为和情感了。


  • AirPR:https://www.airpr.com/

  • Appier:http://www.appier.com/

  • GumGum:http://www.gumgum.com/

  • Invoca:https://www.invoca.com/solutions/b2c/

  • Lexalytics:https://www.lexalytics.com/

  • Liftigniter:https://www.liftigniter.com/

  • NetBase:http://www.netbase.com/

  • Persado:https://persado.com/

  • Rentention Science:https://www.retentionscience.com/


财务与运营


财务与运营包括整个公司的所需的后端办公、预测、会计和运营专员等。由于少有人喜欢文书工作,该领域已经拥有成熟的自动化。HyperScience 通过 AI 完成自动化后台操作,如表单处理和数据提取等。AppZen 则是自动化审计平台,其可以及时发现欺诈和合规问题,让 T&E 团队免于繁杂的人工审核和检查过程。由于这一类任务的重复性,这一领域的工具可为企业带来即时的回报。


  • AppZen:https://www.appzen.com/

  • Captricity:http://captricity.com/

  • Cognitive Scale:https://www.cognitivescale.com/

  • HyperScience:https://www.hyperscience.com/

  • Sapho:https://www.sapho.com/

  • WorkFusion:http://www.workfusion.com/


数字化商务


现在很多客户使用在线交易,因此网上零售与电子商务成为了一个关键领域。Sentient Technologies 根据产品目录分析用户行为,其能更有效地推荐产品,同时该公司也在积极探讨个性化购物体验。BloomReachis 利用 NLP 和机器学习算法调整站点内容以获取流量,它还根据用户属性提供个性化搜索。


  • Airtifacia:http://www.artifacia.com/

  • BloomReach:http://bloomreach.com/

  • Infinite Analytics:http://infiniteanalytics.com/

  • Layer of 6 AI:http://layer6.ai/

  • Mona:https://www.monahq.com/

  • Msg.ai:http://msg.ai/

  • Optoro:http://www.optoro.com/

  • Pinterest:https://engineering.pinterest.com

  • Sentient Technologies:http://www.sentient.ai/

  • SiteZeus:https://sitezeus.com/

  • Wayblazer:http://wayblazer.com/technology/


数据科学


公司需要正确的数据格式、数量和理解方式才能有效部署人工智能解决方案。随着数据科学新工具和平台的兴起,数据科学和管理对任何企业都是至关重要的。Yhat、DataRobot 和 Domina Data Lab 都是新兴的数据科学平台,它们能帮助数据科学家更快更高效地部署模型。


  • BigML:https://www.contextrelevant.com/

  • Context Relevant:https://www.contextrelevant.com/

  • CrowdFlower:https://www.crowdflower.com/

  • Dataiku:https://www.dataiku.com/

  • Datalogue:https://about.datalogue.io/

  • DataRobot:https://www.datarobot.com/

  • Deepsense.io:https://deepsense.io/

  • Domino Data Labs:http://www.dominodatalab.com/http://www.dominodatalab.com/

  • RapidMiner:https://rapidminer.com/

  • SigOpt:https://sigopt.com/

  • SparkBeyond:http://www.sparkbeyond.com/

  • Yhat:http://www.yhat.com/


工程


即使是软件工程也能通过人工智能加速和自动化。Diffbot 使用 AI 技术(如计算机视觉、NLP 和机器学习),令开发者能从任意网页中抽取和理解对象。Bonsai 通过去掉复杂的分层让编写 AI 模型更加方便。而 Rainforest 利用智能群测试(crowdtesting)保证质量以跟上开发团队。


  • Bonsai:https://bons.ai/

  • Cycorp:http://www.cyc.com/

  • Diffbot:https://www.diffbot.com/

  • Fuzzy.ai:https://fuzzy.ai/

  • Kite:https://kite.com/

  • Logzi.io:https://logz.io/

  • Rainforest:https://www.rainforestqa.com/

  • SignifAI:https://www.signifai.io/


安全与风险控制


随着越来越多的用户在线交易,安全与风险成为企业面临的巨大挑战。安全与风险公司一般分为两类:


  1. 专注于监控和缓解潜在欺诈和网络犯罪等风险的公司;

  2. 专注于自动化和规模性业务保障的公司。


第一类为 Sift Science 和 Darktrace 那样的公司,它们都是由 AI 驱动的平台。这些平台用于监控和跟踪成千上万的异常情况,以检测欺诈和网络犯罪。第二类如 Demisto 是作为一个事件响应平台,该平台力图减少响应时间并自动对事故原因进行探查。


  • Anodot:https://www.anodot.com/

  • Cylance:https://www.cylance.com/en_us/home.html

  • Darktrace:https://www.darktrace.com/

  • Deep Instinct:https://www.deepinstinct.com/

  • Demisto:https://www.demisto.com/

  • Drawbridge Networks:https://www.drawbridge.io/

  • Graphistry:https://www.graphistry.com/

  • LeapYear:https://leapyear.io/

  • SentinelOne:https://sentinelone.com/

  • Sift Science:https://siftscience.com/

  • SignalSense:https://www.signalsense.com/

  • Spark Cognition:https://sparkcognition.com/

  • Vectra Networks:https://www.vectranetworks.com/

  • Zimperium:https://www.zimperium.com/


工业和制造业


工业与制造、供应链和货物分配有关。这一部分通常不是垂直整合的,因此经常受到去中心化数据的影响。DeepVu 利用深度强化学习评估供应链风险和给出未来需求的精准预测。Arimo 则通过分析历史数据,以提供设备停机监控、管理有效利用的能源和检测生产中异常的方法。


  • Arimo:https://arimo.com/solutions/manufacturing/

  • DeepVu:http://deepvu.co/

  • FusionOps:https://www.fusionops.com/

  • GE Predix:https://www.predix.com/

  • Kinaxis:http://www.kinaxis.com/

  • Logility:https://www.logility.com/

  • Pensiamo:https://www.pensiamocs.com/

  • Skuchain:https://www.skuchain.com/

  • Tradeshift:https://tradeshift.com/


结语


本文通过分类列举这 133 家人工智能企业,希望能为读者的公司或组织提供优良的技术解决方案。虽然很多公司都是跨领域或在多个垂直领域内提供应用,但基本上它们都是使用较为广泛的人工智能技术,如深度学习、强化学习和 NLP 等。我们希望读者能根据自身的需求进一步了解这些企业和应用。


原文链接:https://venturebeat.com/2017/04/23/113-enterprise-ai-companies-you-should-know/



本文为机器之心编译,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者/实习生):hr@jiqizhixin.com

投稿或寻求报道:editor@jiqizhixin.com

广告&商务合作:bd@jiqizhixin.com

登录查看更多
0

相关内容

斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
300+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
资源|Blockchain区块链中文资源阅读列表
专知会员服务
43+阅读 · 2019年11月20日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
阿里技术大牛:一份架构师成神路线图!
51CTO博客
30+阅读 · 2019年7月6日
解读《中国新一代人工智能发展报告2019》
走向智能论坛
32+阅读 · 2019年6月5日
盘点2018年计算机视觉领域技术突破
专知
5+阅读 · 2019年1月4日
【物联网】物联网产业现状与技术发展
产业智能官
15+阅读 · 2018年12月17日
2018年4个需要关注的人工智能趋势
大数据技术
7+阅读 · 2018年1月30日
【区块链】区块链是什么?20问:读懂区块链
产业智能官
8+阅读 · 2018年1月10日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
最全技术图谱!一文掌握人工智能各大分支技术
CSDN大数据
5+阅读 · 2017年7月13日
Generative Adversarial Networks: A Survey and Taxonomy
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关VIP内容
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
300+阅读 · 2019年12月23日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
资源|Blockchain区块链中文资源阅读列表
专知会员服务
43+阅读 · 2019年11月20日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
相关资讯
阿里技术大牛:一份架构师成神路线图!
51CTO博客
30+阅读 · 2019年7月6日
解读《中国新一代人工智能发展报告2019》
走向智能论坛
32+阅读 · 2019年6月5日
盘点2018年计算机视觉领域技术突破
专知
5+阅读 · 2019年1月4日
【物联网】物联网产业现状与技术发展
产业智能官
15+阅读 · 2018年12月17日
2018年4个需要关注的人工智能趋势
大数据技术
7+阅读 · 2018年1月30日
【区块链】区块链是什么?20问:读懂区块链
产业智能官
8+阅读 · 2018年1月10日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
AI世界:2018年八大趋势
CSDN云计算
6+阅读 · 2017年10月20日
最全技术图谱!一文掌握人工智能各大分支技术
CSDN大数据
5+阅读 · 2017年7月13日
相关论文
Generative Adversarial Networks: A Survey and Taxonomy
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
7+阅读 · 2018年1月24日
Top
微信扫码咨询专知VIP会员