1、機器學習平臺：提供算法、API、開發(fā)和培訓工具包、數(shù)據(jù)以及計算能力，來設計、訓練模型并將其部署到應用程序或其他機器中。目前廣泛用于企業(yè)級應用，主要涉及預測或分類。

2、人工智能優(yōu)化硬件：圖形處理單元（GPU）和專門設計制造的設備，用于高效運行面向人工智能的計算作業(yè)。目前已經(jīng)在深度學習應用程序方面發(fā)生重大影響。

3、決策管理：引擎將規(guī)則和邏輯架構插入人工智能系統(tǒng)，并用于初始設置/培訓和持續(xù)維護和調(diào)整相關決策。它是一種成熟的技術，廣泛應用于各種企業(yè)應用程序中，幫助或執(zhí)行自動化決策。

4、機器人流程自動化：使用腳本和其他方法自動化人工操作，以支持高效的業(yè)務流程。目前用于人類執(zhí)行任務或流程成本過高或效率低下的情況。

5、文本分析和自然語言處理：自然語言處理（NLP）使用和支持文本分析，為此它借助統(tǒng)計方法和機器學習方法，為理解句子結構及意義、情感和意圖提供方便。目前應用于欺詐檢測和安全等廣泛的自動化輔助以及挖掘非結構化數(shù)據(jù)等領域。

6、自然語言生成：從計算機數(shù)據(jù)生成文本。目前用于客戶服務、報告生成和商業(yè)智能匯總分析。

7、語音識別：將人類的語音轉錄并轉換成對計算機應用有用的格式。目前用于交互式語音響應系統(tǒng)和移動應用程序。

8、虛擬人物：從簡單的聊天機器人到可以與人類連接的高級系統(tǒng)。目前用于客戶支持和服務，并擔任智能家居管理。

9、深度學習平臺：一種特殊類型的機器學習，由多個抽象層的人工神經(jīng)網(wǎng)絡組成。目前主要用于大數(shù)據(jù)技術支持的模式識別和分類應用程序。

10、生物特征識別：使人類和機器之間的互動更加自然，包括但不限于圖像和觸摸識別、語言和身體語言。目前主要用于對市場的研究。