AI能力开始分层：包括底层的原子能力/基础能力、应用能力、应用场景方案、行业应用解决方案能力。产品上，各厂商陆续推出各技术领域的自学习平台，作为不同形式的autoML产品。
从各技术领域来看：1）人脸识别人体方向，云服务能力的更新主要在于人体分析相关的应用。2）图像视频方向，OCR能力进一步扩展，在全栈AI技术中开放的能力最为丰富。3）智能语音方面，云上开放的AI能力数量增长并非十分明显。4）NLP方向，以阿里云、百度智能云为代表的厂商提供了日益丰富的能力。5）机器学习方向，重点是不同形式的automl，以及机器学习开发全流程自动化、智能化工具的不断完善。
融合应用场景、解决方案不断加强：领先的AI云服务厂商融合多项单点AI技术不断推出新的应用场景、解决方案。此部分未在本次的数据统计范围内，将在后续研究中寻找合适的角度跟踪。
在本期研究中，IDC也总结了2020年以来有助于加速技术落地的产业突破，如下图所示：
上图中所列出的突破是从主观上认知到对于加速AI落地有帮助的技术或者产品的突破。可能会由于访谈数量以及访谈安排（并非所有的厂商都安排技术部门介绍访谈）的问题，而忽略了其他更多重要的技术突破。此处仅代表IDC认为对于AI产业化大有裨益的技术突破，仅供参考。
从AI公有云服务市场份额的角度：
- 百度智能云仍然处于AI公有云服务市场份额第一的位置，其AI应用全面开花、多行业落地。
- 阿里云对达摩院的投入逐渐看到收益，在各技术领域，无论是开放的产品能力、营收、还是用户数、认知度，都取得大幅增长。
- 腾讯云正处于AI能力整合期，市场份额方面具有一定的领先性，市场战略与特色优势有待明确。
- 华为云综合智能体营销概念、公有云、混合云策略，以及政企客户的青睐，在AI云服务市场的竞争优势越来越明显。2020年以来，华为云发布混合云策略，也将影响其在AI公有云服务市场的份额，华为云的优势将更多体现在AI整体市场规模方面。
- 全球性厂商如AWS以及微软Azure也在中国市场加大对AI和机器学习的投入。
更多阅读：
