人工智能是风口想腾飞却是难事

　　去年，在人类自以为凭智力占据绝对地位的围棋领域，谷歌的阿尔法狗(AlphaGo)以4:1战胜韩国围棋名将李世石九段，让惊诧人工智能“思考”的复杂性。在今年的上，人工智能成了焦点，李彦宏、马化腾、雷军等科技巨子的提案和或多或少都与人工智能有关，人工智能也首次被写入工作报告。

　　人工智能的崛起，伴随着两轮“人类被超越”的恐慌以及恐慌被证伪的过程。然而，第三轮“人类被超越”的恐慌，或将无法被证伪，因为人工智能已经开始渗入我们的生活了！

　　其实，在大众意识到人工智能惊人的复杂度之前，嗅觉灵敏的资本市场早已有所行动。根据高盛的数据，从2005年到2008年，投资人工智能的VC出现一波小；2009年稍作降温，之后又开始了3年爆发性增长；从2012年到2016年，投资人工智能的VC总量一直维持在高位。

　　人工智能风投的活跃，折射了人工智能加速发展的行业格局。人工智能之所以能高速发展，得益于数据、计算能力和算法在过去5-10年间的快速发展。

　　数据是人工智能的关键。人工智能的‘智能’能力，就是靠数据训练出来的，正所谓，数据够多，自然智能。比如，阿尔法狗能战胜世界冠军，靠的正是“”了上亿盘的围棋招式数据。

　　当今社会，信息的生产速度已经超越了所有物质生产领域的生产速度。分布全球的无所不在的互联设备，包括移动设备、物联网等，使得非结构化的数据大量增长。比如，在移动互联网的驱动下，互联网人均流量将从2014年的6G，增长为2019年的18G。可以说，每一个流量越用越多的手机用户，都是为人工智能添加养料的功臣。

　　数据的覆盖面决定了人工智能的理解力，人工智能很难学习数据之外的知识，而数据的增长意味着人工智能能够用来模拟、训练和测试的数据源更加充足。

　　值得一提的是，国家一直在为数据的高速发展铺。比如，李克强总理在15和16两年时间里，四次提到提速降费，其目的也正是让流量成为像水电一样的基础设施。在这个什么都在涨价的当下，提速降费，对于想摆脱管道命运却始终未见明显成效的运营商来说，压力很大，但对社会科技发展、国民经济转型升级，起到的推动作用却是不可估量。人工智能就从中受益。

　　人工智能的训练和运行需要大量的计算，这就离不开GPU。GPU，图形处理器，之前常作为显卡的“心脏”而出现，专门执行复杂的数学和几何计算，完成图形渲染。

　　如今，强于并行计算的GPU成了人工智能的计算中枢。相比于CPU，GPU 具有数以千计的计算核心，强大、高效并行计算能力，可实现 10-100倍应用吞吐量，特别适用于人工智能的海量数据训练。目前深度学习解决方案几乎完全依赖GPU。

　　根据高盛的报告，自1993年以来，计算机的计算能力呈指数级增长，而单位计算能力的价格却大幅下降。如果没有超强计算能力的支撑，训练神经网络模型（人工智能的核心技术）花上十天半个月也不足为奇，这也使得计算能力成为人工智能加速的重要因素。

　　深度学习，是机器学习的重要分支，也是人工智能的快速发展的关键。在传统的机器学习中，需要用带有特征标注的数据训练数据模型，再由模型进行进行工作，这其中，特征由人设计，特征标注也是人工智能的瓶颈。

　　而在无监督的深度学习中，重要的特征并不是由人类提前设定的，而是通过算习和创造的，这是巨大的进步，也使深度学习成了人工智能的大脑。

　　越来越多的算法研究推动着深度学习的实用性，伯克利、谷歌、Facebook也纷纷公开自家的源代码框架，也就是Caffe、TensorFlow和Torch。源代码的吸引着越来越多的软件开发者尝试新的算法，不到一年，TensorFlow就以及该形成了一个活络的存储库GitHub，作为目前最大的开发商合作网站。当然，并不是所有的AI都出自于开源框架。

　　可以说，数据、计算能力和算法三方面的逐渐成熟，合力推动了人工智能的快速发展。

　　有人将人工智能比作第四次工业，以凸显其对各行业带来的深远影响。此言并不夸张。科技的每一次基础层面的突破，都会推进行业，激起创新热潮。在感受到互联网、移动互联网的巨大影响力之后，没有企业愿意错过人工智能时代。

　　人工智能对企业之所以重要，是因为谁能率先给行业插上人工智能的翅膀，谁就有可能完成市场资源的再整合和优化配置，进而改写游戏规则，在这一轮竞争中占据有利竞争优势，成为新晋“寡头”。

　　今日头条就是一个典型的例子。今日头条将人工智能技术应用到了新闻资讯，通过挖掘用户的兴趣爱好，完成个性化推荐，并进行智能分发，取得了不错的成绩。截止去年年底，今日头条已经累计有6亿的激活用户，1.4亿活跃用户，每天每个用户使用76分钟，成为让百度都害怕的巨头。

　　今日头条给人们的是，社交、搜索、购物、外卖、游戏、金融、交通、教育、政务等方向，都可能会发生类似“今日头条”的现象。

　　值得一提的是，人工智能只能在高度垂直的领域工作，跨领域的人工智能没戏。举个例子，在围棋领域称霸的阿尔法狗玩不转无人驾驶，旅游的大数据也玩不转语音识别。

　　正因为人工智能有清晰的领域边界，所属不同领域的人工智能很难跨界到其它领域。但每个行业的内部竞争将很激烈，赢者通吃的现象在人工智能领域恐怕仍然成立，每个行业的头部巨头将划分大幅市场份额，甚至每个行业只能容纳一到两个巨头。

　　毫无疑问，人工智能的浪潮已经袭来。但人工智能创业并不容易，而且失败的概率非常大。

　　根据36氪研究院的数据，从2011年到2015年是人工智能创业公司的成长高峰期，而到了2016年，人工智能公司成立的数量大幅减少。这预示着第一波人工智能的布局已经完成卡位，2017年的新入玩家，在战略布局上已经慢人一步。不过，机遇窗口仍然没有关闭，市场仍有机会。

　　通过数据还能看到，获投公司融资轮次整体偏中期，公司融资阶段集中在轮、Pre-A轮和A轮，C轮之后的公司较少。“C轮死”的现象在炙手可热的人工智能领域依然存在。

　　数据是人工智能的宝藏，可以说拥有数据就抢占了先机。在互联网时代就积累了大量数据的BAT等巨头，在人工智能上，有着天然的先发优势。很多人工智能的学界大牛加盟企业公司，也正是看中了科研机构没有的大数据，大数据的魅力由此可见一斑。

　　创业者太，但是最的是BAT，BAT他们大量的数据，但是他们没有生态系统，什么数据你进去不会给你看，什么人进去也不会出来的，高薪养着他们，审度平台的都是内部使用，所以不要指望BAT帮我们做什么，在美国的BAT也是这样的。

　　初创公司进入人工智能领域首先要解决的就是，如何在脱离BAT的前提下获得全面数据。

　　人工智能的本质是技术，需要避免为了技术而技术，用户需求才是第一位的。因为用户最关心的从来都不是技术细节，而是用户体验。

　　以聊器人为例。微软小冰在火了一段时间后，如今正慢慢淡出人们的视野。小冰的遇冷，折射出聊器人的尴尬处境。与机器人聊天的满足感，远不如与帅哥聊天，这背后有复杂的社会心理学。或许，当人们知道对方是没有情感的机器人时，聊天带来的社交满足感也将大打折扣，当人们过了新鲜劲之后，聊器人恐怕就成了没人理会的玩具了。

　　小冰带来的是，并不是所有领域加上人工智能，都能满足用户的需求。用户需求很神秘，在利用人工智能传统行业时，用户需求要小心论证，盲目乐观地激进。

　　再加上2C的行业，已经牢牢被BAT们牢牢掌握，初创公司仅仅想依靠人工智能就实现弯道超车，难度太大。

　　和2C相比，2B业务更值得深入挖掘。金融服务、生命科学、医疗保健、能源、交通、重工业、农业和材料等领域，有清晰的产业边界，也有专有数据，这些创业公司可以利用专有数据和机器学习模型解决高层次的专业问题。

　　总的来说，人工智能这门生意并不好做，真想要做出成就，恐怕还得坐几年冷板凳。靠炒作兴起的“伪人工智能”注定难以，一批关注垂直领域的人工智能创业公司，借助专业领域的技能、独特的数据和能够充分利用人工智能技术的产品，解决行业面临的实际问题，这才能传递真正的核心价值。