2018年，英特尔的AI相关硬件部门收入达10亿美元，英特尔预计这一市场还会以每年30%的速度增长，从2017年的25亿美元，到2022年增长至100亿美元。

那么要达成这一目标，英特尔将如何寻找新的客户？当然是靠AI。

2月27日，英特尔在一篇博文中详细介绍了其IT高级分析团队内部开发的AI工具，该工具可挖掘数百万个商务页面，并快速根据当前客户信息和潜在客户要求，进行可行性分析。英特尔表示，其销售和营销人员已在使用新系统，该工具帮助他们更快、更准确地发现新的潜在客户。

英特尔的博文中提到：“英特尔的销售和市场营销人员识别潜在客户的传统方法是手动搜索和利用供应商工具识别。但这些方法不能于英特尔员工使用的内部语言保持一致，使得他们无法正确地细分客户以调整他们的推广方案。此外，在业务全球化的时代，现有客户经常会将业务扩展到新领域，这要求销售和市场营销人员跟上各个行业的不断变化。”

具体来说，该系统侧重于两个关键方面：

1. 行业分类，从“医疗保健”等相对广泛的垂直行业分类细化到了“视频分析”等更具体的业务方向；

2. 职能角色，如将客户进一步细分成“制造商”或“零售商”等角色，更有利于进一步辨别潜在的销售和营销机会。

系统中的AI模型，首先从数百万个站点获取恒定的文本数据流，然后再每小时都用千兆字节的数据更新数百万个节点的知识图，再传递给机器学习模型，从而细分出潜在客户。

网页被输入到一个文本分类模型中，该模型由一个预先训练的多语言BERT语言模型进行增强，以帮助跨语言、跨类别进行扩展（BERT是谷歌在2018年11月开放的资源，它使开发人员能够在既没有分类也没有标签的数据上训练一个“最先进”的自然语言模型）。英特尔公司从维基百科上搜集数万个公司网站的信息，并用这些信息丰富了用来训练该模型的数据。而对于没有标签的公司，则采用半监督学习方法利用已有的维基百科语料库进行训练，半监督学习在训练时只需要将少量标签数据，。

博文中还写道：“我们的客户细分系统只是数千个AI应用程序中的一个，这些应用程序将在未来几年提高企业的工作效率。我们希望找到新的、令人兴奋的方式来利用前沿技术以最合适的方法进行数据的移动、存储和处理。”

基于AI的潜在客户开发正迅速成为一种常态，而非个案。有研究数据表明，大约87%的 AI 使用企业表示，他们正在使用（或至少考虑使用）AI和机器学习进行销售预测、改善电子邮件营销情况。根据实时数据仓库公司MemSQL的数据，61%的营销人员认为AI是他们整体数据战略中最重要的元素。此外，65%的市场营销专业人士在最近的Salesforce调查中表示，“AI使他们在工作中更加有效”。