只經(jīng)歷了半年多的時間，對于人工智能的冷思考在行業(yè)內(nèi)逐漸占據(jù)了主流，對于AI領(lǐng)域的狂熱漸漸開始退潮回歸理性。

從去年的幾場人機大戰(zhàn)人類相繼敗北后，在國內(nèi)人工智能成為了熱點中的熱點，隨便什么項目，只要和AI扯上點關(guān)系，就可以頓時身價百倍，備受矚目。

按照CBInsights統(tǒng)計的數(shù)據(jù)，在2011年全球人工智能初創(chuàng)企業(yè)一共加起來僅有70家，這個數(shù)字到了2015年，就已經(jīng)超過了400家，增長近六倍，當年投入人工智能的風險投資達到5億8千7百萬美元，比上一年翻了一番。而GoogleDeepMindAlphaGo機器人戰(zhàn)勝李世石的2016年，僅第一季度就有超過200家AI相關(guān)的初創(chuàng)公司融資超過15億美元。

不過，只經(jīng)歷了半年多的時間，對于人工智能的冷思考在行業(yè)內(nèi)逐漸占據(jù)了主流，對于AI領(lǐng)域的狂熱漸漸開始退潮回歸理性。這背后，技術(shù)處于初級探索階段，商業(yè)轉(zhuǎn)化成功案例有限，專業(yè)人才缺乏以及投資資金趨于理性化等因素是AI熱退潮的主要因素。

技術(shù)仍在初期階段

現(xiàn)在看來，人工智能好像又陷入了早前的循環(huán)--從出現(xiàn)一點新突破，帶動人們的期望高漲，繼而被現(xiàn)實潑把涼水，然后回到冷靜期。五十年代出現(xiàn)第一款感知神經(jīng)網(wǎng)絡(luò)軟件時，人們就大膽預(yù)測"再過十年機器人會超越人類"，然而這些理論和模型只能解決一些簡單問題，人工智能陷入第一個冬天;到了八十年代，Hopfield神經(jīng)網(wǎng)絡(luò)和BT訓(xùn)練算法提出，語音識別技術(shù)帶來的第二次浪潮也沒有持續(xù)多久;2006年Hinton提出深度學習技術(shù)后，十多年才迎來這一輪人機大戰(zhàn)的勝利。

雖然和1956年剛提出人工智能概念時，人類在這個領(lǐng)域已經(jīng)取得了長足的發(fā)展，但是從專業(yè)上來說，人工智能現(xiàn)在仍然處于初級探索階段，仍需要在基礎(chǔ)理論上進行突破。之前在媒體報道中，微軟亞洲研究院副院長芮勇就認為，公眾缺乏對人工智能的正確理解，以AlphaGo為代表的深度學習機器的勝利，并不能代表AI對人類的勝利。不能把AlphaGo在圍棋上的勝利過度解讀成"人工智能已經(jīng)戰(zhàn)勝人類"。

硅谷的專家也認為，"當前最好的區(qū)域是機器學習而不是'真實的AI'。機器學習需要數(shù)據(jù)和訓(xùn)練，AI在其基礎(chǔ)上以一定的方式行動。至于真正的AI，相信還有幾年。"可見距離真正的人工智能商業(yè)化運用還需要發(fā)展時間。

專業(yè)化人才缺口大

目前，在人工智能領(lǐng)域的探索，不管是國內(nèi)還是國外，都主要集中在大企業(yè)?？梢钥吹竭@個領(lǐng)域的主要領(lǐng)導(dǎo)者都是一些巨頭，國際的有微軟、谷歌、IBM等，在AI領(lǐng)域的研究基本已經(jīng)有十幾年的時間，一些研究成果也已經(jīng)進行商業(yè)應(yīng)用。國內(nèi)，基本就集中在BAT幾家公司，像是百度、阿里巴巴和騰訊等，都已經(jīng)在人工智能領(lǐng)域耕耘多年。

百度在過去的兩年半在人工智能領(lǐng)域的投入就達到了200億。阿里的阿里云成功實施了飛天5000集群，在對應(yīng)領(lǐng)域的技術(shù)水平位居全球前列，并且兩年前就已經(jīng)和中科院成立實驗室共同研制量子計算;去年4月騰訊也成立了自己的AILab，目前已經(jīng)有30多位的ResearchScientists。

在還處在技術(shù)探索期，需要大量資金投入，而且商業(yè)化應(yīng)用變現(xiàn)也是未知的情況下，也只有財大氣粗的互聯(lián)網(wǎng)巨頭和國家能夠在早期就投入大量的人力物力來對行業(yè)人才進行培養(yǎng)。AI領(lǐng)域的專業(yè)人才量少并且普遍集中在大企業(yè)。

所以在近兩年人工智能領(lǐng)域爆發(fā)期，AI這類高新產(chǎn)業(yè)面臨非常嚴重的人才缺口問題。北美去年人工智能開發(fā)的相關(guān)職位需求大約在10萬左右，而北美人才市場僅有約3萬名人工智能開發(fā)者，供求比例接近一比三。據(jù)LinkedIn統(tǒng)計，全球目前擁有約25萬名人工智能專業(yè)人才，其中美國約占三分之一。中國只有不到25%的人工智能從業(yè)者擁有超過10年的行業(yè)經(jīng)驗，而在美國這一比例為50%。這樣的人才儲備量遠遠無法滿足現(xiàn)在以及未來幾年中，人工智能市場快速增長的需求。

雖然國家也在加快對人工智能產(chǎn)業(yè)的布局，去年5月，發(fā)改委聯(lián)合相關(guān)部門發(fā)布了互聯(lián)網(wǎng)+和人工智能三年實施計劃。規(guī)劃確定了在包括資金、系統(tǒng)標準化、知識產(chǎn)權(quán)保護、人力資源發(fā)展、國際合作和實施安排等方面支持人工智能的發(fā)展。但是段時間內(nèi)，要在技術(shù)含金量如此之高的領(lǐng)域培養(yǎng)出大量的人才來補充人力缺口，還是個難題。

商業(yè)化成功案例少，投資趨向理性

盡管今年初AlphaGo的升級版Master連勝60盤，橫掃中、韓、日的圍棋頂尖高手，但不得不承認的是，人工智能領(lǐng)域的商業(yè)化應(yīng)用，目前取得成功的案例還是比較少的。不管是自動駕駛，還是人臉識別、語音交互等，大多數(shù)靠譜的商業(yè)化項目都是巨頭主導(dǎo)，基本也都處在試驗期，并沒有真正實現(xiàn)大規(guī)模產(chǎn)業(yè)化的輸出。自動駕駛汽車的多次事故，也多少讓狂熱的資本對人工智能的商業(yè)化前景的期待退了一點燒。

相對于巨頭們的十幾年磨一劍，在人工智能領(lǐng)域熱潮推動下，創(chuàng)投領(lǐng)域不可避免的出現(xiàn)了泡沫，去年的狂熱期過后，資本在投資時更趨冷靜。根據(jù)投資研究機構(gòu)VenturesScanner的跟蹤調(diào)查數(shù)據(jù)，截止2016年11月，一共有1485家人工智能創(chuàng)業(yè)功能拿到了融資，總?cè)谫Y金額超過89億美元，創(chuàng)下歷史之最。在這些拿到投資的企業(yè)中，有44%的企業(yè)為機器學習領(lǐng)域的人工智能。

和別的領(lǐng)域創(chuàng)業(yè)不同的是，人工智能領(lǐng)域有極高的技術(shù)壁壘，需要創(chuàng)始團隊具有很深的技術(shù)積累，但是一年能夠涌出這么多的項目，里面不少就是掛羊頭賣狗肉的。有些公司為了蹭熱點，把機器學習和一些開源軟件打包打包就賣給投資人，有些則把原本和AI沒關(guān)系的項目包裝包裝，一定要扯上點關(guān)系以便融資。這些不靠譜的項目，也對資本在AI領(lǐng)域的投入產(chǎn)生了一些負面影響。

加上人工智能到底能如何和各個行業(yè)結(jié)合進行商業(yè)化轉(zhuǎn)化的前景還不是非常清晰，大家看到的成功案例還不夠多，對于人工智能領(lǐng)域的熱度也就漸漸開始退潮。

更多資訊請關(guān)注人機界面頻道