文娛數據庫（http://www.myleadsbuilder.com） 編者按：人工智能當前有了一定的發展和突破，但離真正商用、產品化落地與人類生活緊密關聯的時間點還太遙遠。
 

　　人工智能（AI）應該是今年科技行業的最熱門領域之一。今年的兩會，“人工智能”首次被寫入政府工作報告中。李彥宏、馬化騰、雷軍、馬云等大佬均提及了“人工智能”這一概念，并且都在推動之中。
 

　　有數據顯示，從全球來看，截至到2016年第二季度，全球AI公司突破1000家，跨越13個子門類，2011-2016年人工智能領域融資額復合增速達到42%，總融資額高達48億美元，其中，深度學習、自然語言處理、計算機視覺是獲投金額最多、創立公司最多的領域。
 

　　百度人工智能早早已在布局，今年阿里宣布啟動“NASA”計劃，騰訊正式宣布成立AI Lab。國內BAT，前兩年的共同戰略還是連接與生態戰略，轉眼間，都在給自身貼AI標簽了。

　　李開復曾聲稱創新工場投資接近25家企業。而在創新工場之外，眾多風投機構也紛紛開始瞄準了人工智能領域。甚至有人激情萬丈的喊出：“創業就去搞人工智能”。
 

　　人工智能為何這么火？
 

　　人工智能這么火事實上也不是沒有原因，第一，這跟當前移動互聯網多數領域的風口已經過去了有關系，人口紅利結束了，互聯網巨頭需要新的增長點，用戶對于下載新的APP越來越沒有興趣。有數據顯示，在2016年1月有超過5萬個新的APP被提交到了appstore，但是在美國市場有65%的智能手機用戶在一個月內下載新APP的數量為0，下了1個新APP的人占8.4%。

　　去年五月份，美國排名前15名的移動軟件開發商，發現下載量同比下跌了兩成。國內這種趨勢也非常明顯，所以我們看，開發一個APP則會面臨用戶獲取和使用成本高，難留存，用戶難發現等瓶頸。于是創業者到資本開始不斷尋找新風口與新的增長點。
 

　　其次，人工智能基本上是被巨頭推動的。巨頭為何要推動，因為它畢竟是關系到未來的一項顛覆性的技術，沒有人會愿意自己被新技術顛覆。在硅谷，英特爾、谷歌、GE、facebook等是最活躍的投資者。

　　在AlphaGo之外，Google不久前又發布了神經機器翻譯系統（GNMT），并且將其投入到了難度系數頗高的漢語-英語翻譯應用中，Facebook扎克伯格甚至表示人工智能就是下一個十年路線規劃的核心。
 

　　在美國，MIT，斯坦福等高校以人工智能方向的專業培養了眾多頂尖人才，被以谷歌、Facebook、微軟等為代表的企業重金聘請。而人工智能的基礎層涉及到大數據、人機交互、計算能力、通用算法、框架等這是構建生態的基礎，價值高，能聚集大量開發者和用戶，有人認為未來AI產業盈利亮點還將傳導至應用層，它成為巨頭必然要拿下的高地就不足為奇了。所以我們看到，當前中國互聯網巨頭也紛紛開始從谷歌、Facebook、微軟以及全球名牌大學招募頂尖人才。

        而當前人工智能項目又是巨頭的標配，國內資本嗅到風向又開始助推，因為一旦下注到一個好的項目被BAT收購接盤，在高點退出，也是一筆劃算的買賣。資本和企業都樂意鼓吹人工智能領域的無所不能與遠大前程，方便融資并獲得高額估值，擠入獨角獸行業。這是科技互聯網領域常見的場景，從O2O、P2P、VR到今天的人工智能盡皆如此。

 

　　硅谷巨頭的人工智能助理被嘲為智障助理
 

　　當前人工智能還是依賴海量數據、算法、計算能力進行驅動。但最重要的是，基于用戶特定場景需求的邏輯理解能力以及顛覆性的商業模式方面，人工智能的應用還沒影兒。但在現在，最重要的是基于用戶特定場景需求要具備邏輯理解能力與顛覆性的商業模式方面，人工智能的應用還沒影兒。
 

　　在硅谷，谷歌、亞馬遜、微軟都紛紛推出了自己的人工智能的基礎設施、API和開源框架，包括了計算機視覺、語音、語言、知識圖譜、搜索等幾大類。硅谷科技巨頭的人工智能助理基本上也已經成為標配了：從Facebook M到Amazon Echo，從Google Assistant，到Apple Siri、IBM Watson。但即便是這些巨頭的人工智能助理，它們的服務范圍基本定位在信息檢索，資訊收集獲取，而無法搞定相對復雜一點的問題。
 

　　比如這些助理基本能回答今天天氣如何，但如果問到附近的星巴克可以用微信支付么以及今天的天氣是否會導致塞車或者航班延誤等這類相對有邏輯一點的問題就無能為力了。在推理性與邏輯性、專業性的實際問題層面的解決能力上依然被一些用戶與業內人士嘲為智障助理，實用價值并不大。
 

　　總體來看，從巨頭的戰略布局目的來看，iOS和macOS的軟硬件操作需要SIRI來尋找突破口；Cortana依附于windows；echo關聯著的智能家居設備的操作等等。

　　但在當前，它依然不具備類似的生態和硬件入口的條件，而只是一個生態的補充。另外，許多巨頭研發的AI助理在基于上下文的對話能力與理解口語中的邏輯、能力履行、基于上下文的對話能力方面都存在欠缺，也意味著當前的人工智能還處于相對初級的階段。

 

　　人工智能還有很多難題，創業者也很難跟巨頭去拼人才、用戶、流量與資本
 

　　所以說，以深度學習為主力的這一波人工智能浪潮吹了很多年，巨頭也投入了很多資源，但從當前巨頭的人工智能助理看出，深度學習在處理復雜的任務時顯然還存在諸多不足，也就是說深度學習技術當前還缺乏邏輯推理與表達因果關系的能力。
 

　　顯然，如果無法根據邏輯進行多層次地推演，理解表達因果關系的能力，就無法擔綱深層的服務。這也是我們看到巨頭研發的聊天機器人都只能做到幾輪對話的原因。

　　另外，人工智能目前在技術上還有很多難題有待處理，從當前來看，在手機、電腦等常規的硬件載體之外，人工智能還沒有相對成熟的全新的軟硬件載體，人機語音交互的智能化程度低，硬件層面缺乏配套。語音識別、自然語言理解等技術要產品化商業化落地目前還看不到苗頭。
 

　　即便在當前，人工智能相較以往已取得很大進步，但其主要應用仍在企業服務領域，用戶端能接觸到的人工智能應用仍是以手機、電腦端的語音助手為主。人工智能應用的服務行機器人層面，雖然功能性雖不斷完善，但當前的產品體驗層面依然離商業化與消費者太遠。
 

　　況且人工智能離不開海量數據的支撐。對于創業者來說，一旦科技巨頭都在開足馬力，加大火力，在進行人工智能布局的時候，創業公司與巨頭相比，在人才儲備與數據、用戶、流量、資本不在一個檔次，貿然進入這個賽道，結果是可以想象的。
 

　　當前人工智能領域的人才是稀缺性人才，創業公司也很難去搶到優質人才。創新工場李開復曾指出，硅谷各公司給剛畢業的人工智能領域博士都能開出超過200萬到300萬美元的年薪。這種人才方面的競爭，也導致創業者在與巨頭搶食過程中處處受限。
 

　　人工智能本質是拼技術：但創業者要拼過巨頭很難
 

　　即便是做大了被收購這種想法也相當危險，因為人工智能在本質上是拼技術，而當前互聯網創業成功者多數是基于商業模式的創新。
 

　　創業公司在某一垂直領域做出絕對的技術壁壘其難度相當大，因此有業內談到這樣一個案例，硅谷某大公司收購一個人工智能初創公司后，發現各種指標、性能還不如內部的產品，于是被收購的團隊全部派去做產品了。
 

　　另外，在谷歌發布新版神經機器翻譯系統后，某定位于機器翻譯創業團隊發現自家產品翻譯的準確性全面落后于谷歌。這體現出，創業者拼技術要拼過巨頭很難，另一方面，人工智能類創業公司想做大了被收購的概率相對于其他拼商業模式的公司或許也更難。
 

　　創業者缺數據，但數據是AI的基礎
 

　　人工智能（AI）已經應用于語音識別、圖像處理器、計算機視覺、機器人等多個領域，在人機圍棋大戰中屢屢獲勝，而這背后，經過了是海量數據的積累與學習。AI的基礎是大數據，這些資源通常掌握在巨頭手中。
 

　　而當前巨頭紛紛布局人工智能的想法就是充分激活先有的數據價值，掌握用戶的行為，精確計量數據變現路徑。谷歌在利用大數據方向與關鍵業務是搜索，但可以衍生到地圖，視頻、翻譯、無人駕駛汽車等相關業務。
 

　　在國內，BAT等巨頭占有者最大的用戶群與數據，它們可以用深度學習的算法，在大數據的基礎之上，更好的應于廣告的推薦以及內容平臺的信息流算法推薦。比如對于今日頭條這家從誕生之初就自冠以人工智能屬性的公司，其基于數據的推薦算法驅動機制盡管帶來了低俗的標簽，但卻俘獲了海量用戶。通過技術手段的過濾和機器學習在內容產業領域也正在成為BAT的標配與必爭之地。
 

　　事實上，無論是谷歌，還是BAT，都可以利用人工智能算法收集到很多的數據，這些都可以幫助它在未來推送有價值的廣告。說到底，人工智能的本質是進化算法可以自我學習，但它無法從根本上去改變行業，而更多的是提高效率的一種方式。
 

　　有人認為，創業公司可以選擇做垂直領域的先行者，積累用戶和數據，結合技術和算法優勢，成為垂直領域的顛覆者。但要知道，普通的創業者在數據層面跟互聯網巨頭根本沒得比，而深度學習的強大在于非結構化大量數據的特征提取，創業者在數據層面的欠缺往往只能給別人提供API服務，因此這一領域可能很難支撐一個獨立的公司，它更適合作為巨頭未來戰略下的一個部門或環節。
 

 

　　當前人工智能還停留在學術層面：投資回報率不對等
 

　　另一方面，當前人工智能的深度學習在語音和圖像以及自然語言處理的應用方面雖有進展，但更適合在搜索引擎和學術、信息流內容數據推薦方面，還無法應用在許多普通用戶的產品上面。也就是說，AI當前目前跟學術關聯性很高，而且更多是停留在學術研究層面，但技術與學術研究要應用到一些產業或行業從規律來看都需要幾年甚至幾十年的時間，不能簡單地靠普通商業思維去打通。
 

　　對于巨頭來說，如果人工智能的應用只能停留在下棋與炫技的層面，那可能意味著投資回報率不對等以及很大的泡沫與風險。當然，布局人工智能是有必要的，因為它是底層基礎層面的應用框架，這是構建生態的基礎。

　　有業內人士認為，從未來性看，結合了復雜推理和表示學習的系統將為人工智能帶來巨大的進步，但深度學習在短時間內不會像圖形操作界面與互聯網那樣改變大部分人的生活。
 

　　而不能否認人工智能將是輔助醫療、服務機器人、無人駕駛、虛擬現實等領域的重要變革變量，對互聯網、安防、金融、醫療、汽車、制造業、教育、廣告、智能家居等諸多行業均會進行重要改造。但這個遠不是其他領域創業打雞血拼宏愿談理想就能成，開發人工智能是一個龐大的系統工程，它不會是一個突然出現的風口，更是一個長時間的經濟技術、科研發展水平的緩慢沉淀與推動的過程。
 

　　技術雖炫酷，但盈利方面艱難
 

　　而人工智能的技術雖炫酷但盈利方面艱難，當前即便是與人工智能息息相關的機器人產業，其前景也并不樂觀。OFweek行業研究中心統計數據顯示，從盈利能力來看，機器人本體業務虧損面高達70%。

　　有人拿出數據說，2020年中國人工智能市場規模將達91億元，年復合增速將超過50%，稱這個行業發展前景極為廣闊。但如果被稱之為下一代新的入口與全球科技巨頭爭搶布局的未來技術奇點與底層基礎設施的產業，在3年之后，市場規模才91億元，還不及共享單車市場的一個零頭，這只能意味著人工智能產業的發展還處于初級階段，AI在短時間內也很難成為風口。
 

　　我們知道，人工智能在美國已經研究幾十年，但依然很難看到盈利的希望，商業化落地依然面臨尷尬局面，創業者的游戲都是資本推動的，資本是逐利而短視的，如果游戲的結果是一直是無底洞的投入換不來真金白銀，游戲就很難玩下去。
 

　　當然人工智能是未來這并不錯，問題是這個變革或者說真正改變人類的未來時間點什么時候來，但肯定不是現在。人工智能當前有了一定的發展和突破，但離真正商用、產品化落地與人類生活緊密關聯的時間點還太遙遠。
 

　　微軟亞洲研究院常務副院長芮勇曾經說了一句略顯夸張但卻清醒的話：實現真正的人工智能大約要500年，你要讓我在后面再加個0我也不反對。
 

　　從當前看來，如果沒有清醒的認識到現狀，資本瘋狂助推，創業者貿然入局會把AI的泡沫越吹越大。“當下創業就去搞人工智能”最終可能會淪為一個笑話。