上述领域都非常适合应用AI，这便解释了为何人工智能都集中活跃于其中。有机会在这些领域创造价值是显然且有必要的。例如，在市场营销和金融方面，广告转化效果的提升和财务绩效的评价是易于量化的。 所有的上述领域都提供了大量非常适合应用机器学习的解决的预测和优化问题，开奖，它们都能提供用于训练和部署的大数据集。因此，在这些领域找到优于人类表现的AI方案是在技术上可行的，而找到非AI的替代方案则不切实际或非常昂贵；并且，这些领域都是专业化的垂直行业，距来自消费者和受到AI平台提供商巨头（如Google, Amazon, Microsoft, IBM）关注的竞争威胁甚远，除了Google和IBM可能有能力在健康医疗领域发起挑战。

　　有吸引力的市场基础促进了产业活动，最强的AI公司们可以通过以下方式发展竞争优势：引入深度的专业知识来处理复杂的专业领域问题；开发专利算法；通过利用非公开数据集

　　有吸引力的市场基础促进了产业活动，最强大的AI公司可以通过以下方式发展竞争优势：引入深度的专业知识来处理复杂的专业领域问题； 开发专利算法； 通过利用非公开数据集创建围绕数据的网络效应（network effect，又称需求方规模经济，就是指一个产品或服务的用户越多价值越大）； 并通过保障充足的资建立一个高质量的机器学习团队和上市的资源。

　　产业活动中营销和广告活动占主导地位； 英国每5个初创AI公司就有1个关注该行业。 现代营销和广告的根本特点体现了AI的好处。 消费者对网站和应用程序拥有数十亿个接触点，这提供了丰富的可得但复杂的数据。 此外，营销和广告价值链的几乎每个阶段都适合进行优化和自动化，包括内容处理、消费者划分、消费者定位，程序化广告优化，消费者购物推荐和消费者情绪分析。

　　不太活跃的领域 ▼

　　在一些领域，相对于市场机遇来说AI活动是微不足道的。 例如，在制造业行业，很少有初创公司能够解决实质性的需求。 机器学习有潜力通过预测和优化机器维护过程，提高机器20％的生产能力。 通过改进的产品质量数据分析，可以降低原材料成本和重复性劳动。 此外，如果生产能力被预估的更好，“缓冲”（即储存原材料和半成品以弥补生产过程中意外的低效）可以降低达30％。 制造业传感器的激增，包括来自生产线的传感器数据，机床参数和环境数据，也大大增加了可用于机器学习的数据。

　　在合规与欺诈(Compliance & Fraud)职能方面，较少有初创公司有意参与银行合规资助项目从而获利。花旗集团30,000名员工，占该银行员工总数的12％ - 现在在做合规工作。在其15年一季度的电话会议上，花旗强调，通过提高效率计划节省的3.4亿美元，50％以上被用于监管与合规的额外支出。花旗集团的同行之间也显现出这一趋势。摩根大通用于合规的支出，自2011年至2015年增加了50％，达到了9亿，而高盛则强调，过去四年其员工人数增长了11％，主要是为了满足监管合规方面工作的需求。我们与银行的讨论特别关注“了解您的客户”（KYC）和反洗钱（AML）的打算。除了提出广泛的需求，该部门提供大量的数据集，用于训练人工智能，作为昂贵 人工的替代品，并且考虑到人类监测数据泛滥根本是不可能的，至少在某些方面的机器学习能力，能够提供明显优于人类的绩效。在银行内部努力下，可能有少数英国合规公司，开始专门留意潜在客户的关注点或来自美国初创公司的竞争，不过机会似乎相当可观。

　　3. 人工智能创业公司数量已经翻倍

　　与前一时期（2011-2013年）相比，近年来（2014-2016年）在英国成立的AI公司数量（图5，下图）增加了一倍。 超过60％的英国AI公司成立于过去36个月。 在此期间，几乎每周在英国都有一家新的人工智能公司成立。

　　人工智能领域的创业正在被更广泛的人工智能时代的到来以及早期创业平台所特有的因素推动。