人工智慧軟體平台可協助企業開發預測與規範性的應用程式，以提供預測與建議，並對財務、銷售、風險管理、研發、採購、人力資源、行銷和與績效管理等領域產生相當大的影響。下列將摘錄IDC論述AI軟體技術分類、市場收益、技術趨勢，以及通用人工智慧(General-purpose AI)軟體的領導者。

一、人工智慧軟體平台技術分類

AI軟體技術透過自然語言處理(NLP)、影像分析、機器學習(machine learning, ML)、知識圖譜(knowledge graphs)與其他技術來回答問題、發掘洞見(insights)與提供建議，並在假設與基於可使用的資料與證據，以及利用資料分析、從錯誤與失敗學習等重複訓練或在人類監督下學習，以提供可能解答的系統。AI軟體平台服務技術分類，如圖一所示。

二、人工智慧軟體平台市場收益預測

全球AI軟體平台收益將從2018年的26億美元，成長至2030的117.9億美元，年均成長率達35.3%，如圖二所示。以各區域市場來看，雖然美國在2018-2030年仍為主要市場，不過市場收益占全球比例，將由2018年的77.3%，降至2023年的64.1%，各區域市場收益詳如圖三。
影響市場成長的主要驅動力包含：雲端與行動平台採用AI、對話AI應用與深度學習與機器學習的採用；主要阻力包含：缺乏AI/機器學習人才、選擇開源技術。

三、人工智慧軟體平台技術趨勢

(一)深度學習(Deep Learning)被大幅應用在自然語言方面，如NVIDIA突破語言理解的障礙，促使即時性對話AI(Conversational AI)得以發展。
(二)增強學習(Reinforcement Learning)越來越普及，微軟收購Bonsai以發展自主性AI(autonomous AI) 。
(三)生成對抗網絡(Generative adversarial networks)逐漸開始被應用於現實世界。
(四)至2022年，情感運算(Affective Computing)在真實世界的應用將提高25%，主要被用於協助改善人類的情緒商數與建立人與機器間的信任，應用領域如顧客服務、健康照護、金融服務與自動化等。
(五)電腦視覺(Computer Vision, CV)：許多機構將使用電腦視覺處理非結構性資料，估計10年內，CV的準確率將從50%大幅提升至99%，許多主要供應商已著手發展視覺化問答(Visual Q&A)，其將是CV下個前沿技術的發展重點。 

四、通用人工智慧軟體平台主要廠商

通用AI軟體平台提供能將結構化與非結構化資訊予以分析、組織與取得，並提供諮詢服務的功能，平台透過提供API與微型服務以構建AI應用程式。主要包含三種類型的服務：使用者/資料互動(User/data interaction).、具代表性知識(Knowledge representation)與學習(Learning)。IDC認為以市場滲透度與能力來看，市場領導者包含：

(一)    IBM：AI與ML軟體平台為Watson產品組合的一部分，IBM持續提供自然語言處理、推薦工具、語音辨識與電腦視覺的API路徑與服務，不僅可在IBM公用雲端平台使用，亦提供公司端(on-premises)服務。近期推出的Watson OpenScale更提供可依據業務KPI與技術指標的生產監測模型，並可偵測與修正模型偏移與偏誤。
挑戰：IBM長期投入AI，IDC認為其需要改變Watson技術與功能的市場定位，並更重視逐漸成為平台採購者的開發者的行銷策略。
(二)    微軟：為提供最多元的AI軟體平台之一，包含語音辨識、文本分析、電腦視覺與機器學習API與服務，其機器學習工具可被內建於微軟的資料庫伺服器(Microsoft SQL Server)與雲端架構商務分析服務的Power BI，並成為企業應用程式的一部份。微軟積極投入AI與ML研究，透過收購Maluuba改善非結構性文件學習，以及為發展自主AI而收購Bonsai，同時積極發表AI/ML的相關研究。
挑戰：雖然提供相關多種AI服務，但此特性使微軟較難在特定商業議題提供更深入的服務，如部分使用者認為其在執行特定商業議題應用前，需要先教導微軟，且微軟的AI模型須更具透明性與可解釋性。此外，對AI軟體平台的問卷調查結果顯示，約有30%受訪者認為，微軟的產品在從應用到導入生產流程間相當具有挑戰性，且開發與生產成本相當高。
(三)    AWS：為企業開發雲端服務的重要廠商，在過去幾年發展出一套AI/ML功能以符合顧客需求，並提供許多機器學習服務，包含AWS SageMaker，以及可用於語音辨識、電腦視覺、自然語言處理的許多API，亦開始提供特定產業的解決方案，如Amazon Textract是能與HIPAA相容的自然語言處理功能。
挑戰：約有40%使用AI軟體平台的受訪者認為，其目前在AWS平台面臨的最大挑戰為從模型轉入生產階段，約35%受訪者認為開發與產品成本過高。此外，AWS傾向部分AI功能僅在雲端提供，此將侷限部分產業的應用。
(四)    SAS：提供資料分析服務超過數十年的軟體公司，SAS為了協助企業能實踐數位轉型，需要改善交易與策略決策的準確性與速度。SAS Viya結合決策輔助、資料取得管道、資料準備、AI/ML模型建置等功能，讓AI應用可導入生產並規模化運作。且SAS可結合開放原始碼與工具，如R、Python與Jupyter Notebooks。
挑戰：約有37%使用AI軟體平台的受訪者認為，利用SAS Viya來開發較為耗時，且有34%認為將資料導入SAS Viya是具挑戰性的。此外，預先建置(prebuilt)與AutoML模型越來越常被使用，提供訓練好的模型將可提高更多新消費者使用SAS Viya的意願。