AI的泡沫要来：创业者别急着往坑里跳

　　人工智能(AI)应该是今年科技行业的最热门领域之一。今年的两会，“人工智能”首次被写入政府工作报告中。李彦宏、马化腾、雷军、马云等大佬均提及了“人工智能”这一概念，并且都在推动之中。

　　有数据显示，从全球来看，截至到2016年第二季度，全球AI公司突破1000家，跨越13个子门类，2011-2016年人工智能领域融资额复合增速达到42%，总融资额高达48亿美元，其中，深度学习、自然语言处理、计算机视觉是获投金额最多、创立公司最多的领域。

　　百度人工智能早早已在布局，今年阿里宣布启动“NASA”计划，腾讯正式宣布成立AI Lab。国内BAT，前两年的共同战略还是连接与生态战略，转眼间，都在给自身贴AI标签了。

　　李开复曾声称创新工场投资接近25家企业。而在创新工场之外，众多风投机构也纷纷开始瞄准了人工智能领域。甚至有人激情万丈的喊出：“创业就去搞人工智能”。

　　人工智能为何这么火?

　　人工智能这么火事实上也不是没有原因，第一，这跟当前移动互联网多数领域的风口已经过去了有关系，人口红利结束了，互联网巨头需要新的增长点，用户对于下载新的APP越来越没有兴趣。

　　有数据显示，在2016年1月有超过5万个新的APP被提交到了appstore，但是在美国市场有65%的智能手机用户在一个月内下载新APP的数量为0，下了1个新APP的人占8.4%。去年五月份，美国排名前15名的移动软件开发商，发现下载量同比下跌了两成。

　　国内这种趋势也非常明显，所以我们看，开发一个APP则会面临用户获取和使用成本高，难留存，用户难发现等瓶颈。于是创业者到资本开始不断寻找新风口与新的增长点。

　　其次，人工智能基本上是被巨头推动的。巨头为何要推动，因为它毕竟是关系到未来的一项颠覆性的技术，没有人会愿意自己被新技术颠覆。

　　在硅谷，英特尔、谷歌、GE、facebook等是最活跃的投资者。在AlphaGo之外，Google不久前又发布了神经机器翻译系统(GNMT)，并且将其投入到了难度系数颇高的汉语-英语翻译应用中，Facebook扎克伯格甚至表示人工智能就是下一个十年路线规划的核心。

　　在美国，MIT，斯坦福等高校以人工智能方向的专业培养了众多顶尖人才，被以谷歌、Facebook、微软等为代表的企业重金聘请。

　　而人工智能的基础层涉及到大数据、人机交互、计算能力、通用算法、框架等这是构建生态的基础，价值高，能聚集大量开发者和用户，有人认为未来AI产业盈利亮点还将传导至应用层，它成为巨头必然要拿下的高地就不足为奇了。

　　所以我们看到，当前中国互联网巨头也纷纷开始从谷歌、Facebook、微软以及全球名牌大学招募顶尖人才。

　　而当前人工智能项目又是巨头的标配，国内资本嗅到风向又开始助推，因为一旦下注到一个好的项目被BAT收购接盘，在高点退出，也是一笔划算的买卖。

　　资本和企业都乐意鼓吹人工智能领域的无所不能与远大前程，方便融资并获得高额估值，挤入独角兽行业。这是科技互联网领域常见的场景，从O2O、P2P、VR到今天的人工智能尽皆如此。

　　硅谷巨头的人工智能助理被嘲为智障助理

　　当前人工智能还是依赖海量数据、算法、计算能力进行驱动。但最重要的是，基于用户特定场景需求的逻辑理解能力以及颠覆性的商业模式方面，人工智能的应用还没影儿。

　　但在当前，最重要的是基于用户特定场景需求要具备逻辑理解能力与颠覆性的商业模式方面，人工智能的应用还没影儿。

　　在硅谷，谷歌、亚马逊、微软都纷纷推出了自己的人工智能的基础设施、API和开源框架，包括了计算机视觉、语音、语言、知识图谱、搜索等几大类。硅谷科技巨头的人工智能助理基本上也已经成为标配了：从Facebook M到Amazon Echo，从Google Assistant，到Apple Siri、IBM Watson。

　　但即便是这些巨头的人工智能助理，它们的服务范围基本定位在信息检索，资讯收集获取，而无法搞定相对复杂一点的问题。

　　比如这些助理基本能回答今天天气如何，但如果问到附近的星巴克可以用微信支付么以及今天的天气是否会导致塞车或者航班延误等这类相对有逻辑一点的问题就无能为力了。

　　在推理性与逻辑性、专业性的实际问题层面的解决能力上依然被一些用户与业内人士嘲为智障助理，实用价值并不大。

　　总体来看，从巨头的战略布局目的来看，iOS和macOS的软硬件操作需要SIRI来寻找突破口;Cortana依附于windows;echo关联着的智能家居设备的操作等等。但在当前，它依然不具备类似的生态和硬件入口的条件，而只是一个生态的补充。

　　另外，许多巨头研发的AI助理在基于上下文的对话能力与理解口语中的逻辑、能力履行、基于上下文的对话能力方面都存在欠缺，也意味着当前的人工智能还处于相对初级的阶段。

　　人工智能还有很多难题，创业者也很难跟巨头去拼人才、用户、流量与资本

　　所以说，以深度学习为主力的这一波人工智能浪潮吹了很多年，巨头也投入了很多资源，但从当前巨头的人工智能助理看出，深度学习在处理复杂的任务时显然还存在诸多不足，也就是说深度学习技术当前还缺乏逻辑推理与表达因果关系的能力。

　　显然，如果无法根据逻辑进行多层次地推演，理解表达因果关系的能力，就无法担纲深层的服务。这也是我们看到巨头研发的聊天机器人都只能做到几轮对话的原因。

　　另外，人工智能目前在技术上还有很多难题有待处理，从当前来看，在手机、电脑等常规的硬件载体之外，人工智能还没有相对成熟的全新的软硬件载体，人机语音交互的智能化程度低，硬件层面缺乏配套。语音识别、自然语言理解等技术要产品化商业化落地目前还看不到苗头。

　　即便在当前，人工智能相较以往已取得很大进步，但其主要应用仍在企业服务领域，用户端能接触到的人工智能应用仍是以手机、电脑端的语音助手为主。人工智能应用的服务行机器人层面，虽然功能性虽不断完善，但当前的产品体验层面依然离商业化与消费者太远。

　　况且人工智能离不开海量数据的支撑。对于创业者来说，一旦科技巨头都在开足马力，加大火力，在进行人工智能布局的时候，创业公司与巨头相比，在人才储备与数据、用户、流量、资本不在一个档次，贸然进入这个赛道，结果是可以想象的。

　　当前人工智能领域的人才是稀缺性人才，创业公司也很难去抢到优质人才。

　　创新工场李开复曾指出，硅谷各公司给刚毕业的人工智能领域博士都能开出超过200万到300万美元的年薪。这种人才方面的竞争，也导致创业者在与巨头抢食过程中处处受限。

　　人工智能本质是拼技术：但创业者要拼过巨头很难

　　即便是做大了被收购这种想法也相当危险，因为人工智能在本质上是拼技术，而当前互联网创业成功者多数是基于商业模式的创新。

　　而创业公司在某一垂直领域做出绝对的技术壁垒其难度相当大，因此有业内谈到这样一个案例，硅谷某大公司收购一个人工智能初创公司后，发现各种指标、性能还不如内部的产品，于是被收购的团队全部派去做产品了。

　　另外，在谷歌发布新版神经机器翻译系统后，某定位于机器翻译创业团队发现自家产品翻译的准确性全面落后于谷歌。这体现出，创业者拼技术要拼过巨头很难，另一方面，人工智能类创业公司想做大了被收购的概率相对于其他拼商业模式的公司或许也更难。

　　创业者缺数据 但数据是AI的基础

　　人工智能(AI)已经应用于语音识别、图像处理器、计算机视觉、机器人等多个领域，在人机围棋大战中屡屡获胜，而这背后，经过了是海量数据的积累与学习。AI的基础是大数据，这些资源通常掌握在巨头手中。

　　而当前巨头纷纷布局人工智能的想法就是充分激活先有的数据价值，掌握用户的行为，精确计量数据变现路径。谷歌在利用大数据方向与关键业务是搜索，但可以衍生到地图，视频、翻译、无人驾驶汽车等相关业务。

　　在国内，BAT等巨头占有者最大的用户群与数据，它们可以用深度学习的算法，在大数据的基础之上，更好的应于广告的推荐以及内容平台的信息流算法推荐。

　　比如对于今日头条这家从诞生之初就自冠以人工智能属性的公司，其基于数据的推荐算法驱动机制尽管带来了低俗的标签，但却俘获了海量用户。通过技术手段的过滤和机器学习在内容产业领域也正在成为BAT的标配与必争之地。

　　事实上，无论是谷歌facebook，还是BAT，都可以利用人工智能算法收集到很多的数据，这些都可以帮助它在未来推送有价值的广告。说到底，人工智能的本质是进化算法可以自我学习，但它无法从根本上去改变行业，而更多的是提高效率的一种方式。

　　有人认为，创业公司可以选择做垂直领域的先行者，积累用户和数据，结合技术和算法优势，成为垂直领域的颠覆者。

　　但要知道，普通的创业者在数据层面跟互联网巨头根本没得比，而深度学习的强大在于非结构化大量数据的特征提取，创业者在数据层面的欠缺往往只能给别人提供API服务，因此这一领域可能很难支撑一个独立的公司，它更适合作为巨头未来战略下的一个部门或环节。

　　当前人工智能还停留在学术层面：投资回报率不对等

　　另一方面，当前人工智能的深度学习在语音和图像以及自然语言处理的应用方面虽有进展，但更适合在搜索引擎和学术、信息流内容数据推荐方面，还无法应用在许多普通用户的产品上面。

　　也就说是说，AI当前目前跟学术关联性很高，而且更多是停留在学术研究层面，但技术与学术研究要应用到一些产业或行业从规律来看都需要几年甚至几十年的时间，不能简单地靠普通商业思维去打通。

　　对于巨头来说，如果人工智能的应用只能停留在下棋与炫技的层面，那可能意味着投资回报率不对等以及很大的泡沫与风险。

　　当然，对于巨头来说，布局人工智能是有必要的，因为它是底层基础层面的应用框架，这是构建生态的基础。

　　有业内人士认为，从未来性看，结合了复杂推理和表示学习的系统将为人工智能带来巨大的进步，但深度学习在短时间内不会像图形操作界面与互联网那样改变大部分人的生活。

　　当然，不能否认人工智能将是辅助医疗、服务机器人、无人驾驶、虚拟现实等领域的重要变革变量，对互联网、安防、金融、医疗、汽车、制造业、教育、广告、智能家居等诸多行业均会进行重要改造。

　　但这个远不是其他领域创业打鸡血拼宏愿谈理想就能成，开发人工智能是一个庞大的系统工程，它不会是一个突然出现的风口，更是一个长时间的经济技术、科研发展水平的缓慢沉淀与推动的过程。

　　技术虽炫酷但盈利方面艰难

　　而人工智能的技术虽炫酷但盈利方面艰难，当前即便是与人工智能息息相关的机器人产业，其前景也并不乐观。OFweek行业研究中心统计数据显示，从盈利能力来看，机器人本体业务亏损面高达70%。

　　有人拿出根据艾瑞的数据说，2020年中国人工智能市场规模将达91亿元，年复合增速将超过50%，称这个行业发展前景极为广阔。

　　但如果被称之为下一代新的入口与全球科技巨头争抢布局的未来技术奇点与底层基础设施的产业，在3年之后，市场规模才91亿元，还不及共享单车市场的一个零头，这只能意味着人工智能产业的发展还处于初级阶段，AI在短时间内也很难成为风口。

　　我们知道，人工智能在美国已经研究几十年，但依然很难看到盈利的希望，商业化落地依然面临尴尬局面，创业者的游戏都是资本推动的，资本是逐利而短视的，如果游戏的结果是一直是无底洞的投入换不来真金白银，游戏就很难玩下去。

　　当然人工智能是未来这并不错，问题是这个变革或者说真正改变人类的未来时间点什么时候来，但肯定不是现在。人工智能当前有了一定的发展和突破，但离真正商用、产品化落地与人类生活紧密关联的时间点还太遥远。

　　微软亚洲研究院常务副院长芮勇曾经说了一句略显夸张但却清醒的话：实现真正的人工智能大约要500年，你要让我在后面再加个0我也不反对。

　　从当前看来，如果没有清醒的认识到现状，资本疯狂助推，创业者贸然入局会把AI的泡沫越吹越大。“当下创业就去搞人工智能”最终可能会沦为一个笑话。