11年8月沃森开始应用于医疗领域;2012年3月，沃森则首次应用于金融领域，花旗集团成为了沃森的首位金融客户，沃森帮助花旗分析用户的需求，处理金融、经济和用户数据以及实现数字银行的个性化，并帮助金融机构找出行业专家可能忽略的风险、收益以及客户需求。美国农业银行信贷证券公司的一份研究报告中预测，Watson在2015年将为IBM带来26.5亿美元的收入。
例如在医疗领域，Watson已收录了肿瘤学研究领域的42种医学期刊、临床试验的60多万条医疗证据和200万页文本资料。Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案。目前癌症治疗领域排名前三的医院都在运行Watson。研究表明，医疗信息数据正以每五年翻番的高速度增长。这为将下一代认知计算系统运用于医疗行业以改善医学的教学、实践和支付模式提供了史无前例的商机。
4.人工智能生态格局展望：巨头与新贵共舞
4.1人工智能将催生新一轮IT商业模式创新
自从PC互联网时代以来，到移动互联网，再到智能硬件时代，技术发展和商业模式创新一直处于相辅相成的状态中，一旦技术进步的红利被商业模式创新挖掘殆尽后，面临泡沫破裂的风险，直到下一轮技术革命浪潮再来，商业模式创新才会春风吹又生。
我们认为，移动互联网时代，万物互联催生出了海量的数据，触摸屏的交互方式已经满足不了用户多元化的输入方式，商业模式创新已经遭遇了技术无法支撑的瓶颈，如果人工智能技术突破，无疑将催生出新的商业模式，带来巨大的市场想象空间。
现阶段移动互联网的商业模式创新已经将web2.0时代的技术红利消耗殆尽，未来新的商业模式的开发需要技术进步的支撑，人工智能是重要的技术突破点。
4.2 AI产业格局成形的路径：“底层—中层—顶层”的生态圈逐步清晰
人工智能发展的拐点已经到来，但需要指出的是，由于技术的复杂性，发展不会一蹴而就，必然经历一个由点到面，由专用领域(domain)到通用领域(generalpurpose)的历程，通用领域的人工智能实现还比较遥远。
我们以计算机视觉的应用为例，正常的成年人可以很容易地识别照片或视频里的多种场景和人、物，但对于计算机来说还难以做到。原因是识别是一个特征抽取的过程，而特征抽取是建立在识别模型的基础之上的，要做到通用识别，则必须对世间万物都建立一一对应的模型，工作量极大。而即使是同一事物，由于光线、角度、距离的原因，在不同的场景里也会呈现出很大的差异，这进一步增加了建立识别模型的难度。短期内计算机的运算能力(即使是超级运算平台)还难以望人脑视觉中枢的项背，因此无法达成这一愿景。
在未来5-10年之内，专用领域的定向智能化将是AI主要的应用发展方向。在更远的将来，如果人脑芯片等硬件架构能有所突破，运算能力有极大提高，则专用智能将逐步进化成为跨场景跨下游应用的通用智能。而AI的生态格局，无论是专用还是通用领域，我们认为都将围绕“底层-中层-顶层”的技术和产品架构逐渐成形。
人工智能产业生态格局的三层基本架构如下：
底层为基础资源支持层，由运算平台和数据工厂组成;
中层为AI技术层，通过不同类型的算法建立模型，形成有效的可供应用的技术;
顶层为AI应用层，利用中层输出的AI技术为用户提供智能化的服务和产品。
每一层架构中，都有不同的企业参与，最终形成围绕AI技术，产品和服务的生态圈。
4.2.1专用领域人工智能生态圈的格局
1、基础资源支持层实现路径：运算平台+数据工厂
基础资源支持层通过部署大规模GPU与CPU并行计算构成的云计算资源池(定义为超级运算平台)来解决AI所需要的超强存储和运算处理能力问题，并辅以能够抓取到汇聚了人类智慧的海量信息的大数据工厂作为数据集，为AI技术层的实现提供有利支持。
超算平台负责存储与运算。人类没有记忆就没有关联，也更不用说决策与创造，而构成记忆的基础正是有极大存储能力的脑容量，那么机器要模仿人脑也必然首先要拥有庞大的存储能力，海量数据的积累最终让机器的“存储”形成类似于人类的“记忆”。
百度在发展人工智能的道路上，首先做的也是不断扩大其存储能力。
除了存储的绝对容量之外，运算
