最近人工智能非常火爆。
去年，在人類自以為憑智力占據絕對統治地位的圍棋領域，谷歌的阿爾法狗(AlphaGo)以4:1戰勝韓國圍棋名將李世石九段，讓世人驚詫人工智能“思考”的復雜性。在今年的兩會上，人工智能成了焦點，李彥宏、馬化騰、雷軍等科技巨子的提案和建議或多或少都與人工智能有關，人工智能也首次被寫入政府工作報告。
人工智能的崛起，伴隨著兩輪“人類被超越”的恐慌以及恐慌被證偽的過程。然而，第三輪“人類被超越”的恐慌，或將無法被證偽，因為人工智能已經開始滲入我們的生活了！
1. 三大因素助力人工智能加速：數據、計算能力、算法
春江水暖鴨先知。
其實，在大眾意識到人工智能驚人的復雜度之前，嗅覺靈敏的資本市場早已有所行動。根據高盛的數據，從2005年到2008年，投資人工智能的VC出現一波小高潮；2009年稍作降溫，之后又開始了3年爆發性增長；從2012年到2016年，投資人工智能的VC總量一直維持在高位。
資本對人工智能的前瞻意識，至少領先普羅大眾五年！
人工智能風投的活躍，折射了人工智能加速發展的行業格局。人工智能之所以能高速發展，得益于數據、計算能力和算法在過去5-10年間的快速發展。
數據
數據是人工智能的關鍵。人工智能的‘智能’能力，就是靠數據訓練出來的，正所謂，數據夠多，自然智能。比如，阿爾法狗能戰勝世界冠軍，靠的正是“領悟”了上億盤的圍棋招式數據。
當今社會，信息的生產速度已經超越了所有物質生產領域的生產速度。分布全球的無所不在的互聯設備，包括移動設備、物聯網等，使得非結構化的數據大量增長。比如，在移動互聯網的驅動下，互聯網人均流量將從2014年的6G，增長為2019年的18G。可以說，每一個流量越用越多的手機用戶，都是為人工智能添加養料的功臣。
數據的覆蓋面決定了人工智能的理解力，人工智能很難學習數據之外的知識，而數據的增長意味著人工智能能夠用來模擬、訓練和測試的數據源更加充足。
值得一提的是，國家一直在為數據的高速發展鋪路。比如，李克強總理在15和16兩年時間里，四次提到提速降費，其目的也正是讓流量成為像水電一樣的基礎設施。在這個什么都在漲價的當下，提速降費，對于想擺脫管道命運卻始終未見明顯成效的運營商來說，壓力很大，但對社會科技發展、國民經濟轉型升級，起到的推動作用卻是不可估量。人工智能就從中受益。
計算能力
人工智能的訓練和運行需要大量的計算，這就離不開GPU。GPU，圖形處理器，之前常作為顯卡的“心臟”而出現，專門執行復雜的數學和幾何計算，完成圖形渲染。
如今，強于并行計算的GPU成了人工智能的計算中樞。相比于CPU，GPU 具有數以千計的計算核心，強大、高效并行計算能力，可實現 10-100倍應用吞吐量，特別適用于人工智能的海量數據訓練。目前深度學習解決方案幾乎完全依賴GPU。
根據高盛的報告，自1993年以來，計算機的計算能力呈指數級增長，而單位計算能力的價格卻大幅下降。如果沒有超強計算能力的支撐，訓練神經網絡模型（人工智能的核心技術）花上十天半個月也不足為奇，這也使得計算能力成為人工智能加速的重要因素。
算法
深度學習，是機器學習的重要分支，也是人工智能的快速發展的關鍵。在傳統的機器學習中，需要用帶有特征標注的數據訓練數據模型，再由模型進行進行工作，這其中，特征由人設計，特征標注也是人工智能的瓶頸。
而在無監督的深度學習中，重要的特征并不是由人類提前設定的，而是通過算法學習和創造的，這是巨大的進步，也使深度學習成了人工智能的大腦。
越來越多的算法研究推動著深度學習的實用性，伯克利、谷歌、Facebook也紛紛公開自家的源代碼框架，也就是Caffe、TensorFlow和Torch。源代碼的開放吸引著越來越多的軟件開發者嘗試新的算法，不到一年，TensorFlow就以及該形成了一個活絡的存儲庫GitHub，作為目前最大的開發商合作網站。當然，并不是所有的AI都出自于開源框架。
可以說，數據、計算能力和算法三方面的逐漸成熟，合力推動了人工智能的快速發展。
2. 人工智能是高度垂直的，各行各業的頭部價值凸顯
有人將人工智能比作第四次工業革命，以凸顯其對各行業帶來的深遠影響。此言并不夸張。科技的每一次基礎層面的突破，都會推進行業改革，激起創新熱潮。在感受到互聯網、移動互聯網的巨大影響力之后，沒有企業愿意錯過人工智能時代。
人工智能對企業之所以重要，是因為誰能率先給行業插上人工智能的翅膀，誰就有可能完成市場資源的再整合和優化配置，進而改寫游戲規則，在這一輪競爭中占據有利競爭優勢，成為新晉“寡頭”。
今日頭條就是一個典型的例子。今日頭條將人工智能技術應用到了新聞資訊，通過挖掘用戶的興趣愛好，完成個性化推薦，并進行智能分發，取得了不錯的成績。截止去年年底，今日頭條已經累計有6億的激活用戶，1.4億活躍用戶，每天每個用戶使用76分鐘，成為讓百度都害怕的巨頭。
今日頭條給人們的啟示是，社交、搜索、購物、外賣、游戲、金融、交通、教育、政務等方向，都可能會發生類似“今日頭條”的現象。
值得一提的是，人工智能只能在高度垂直的領域工作，跨領域的人工智能沒戲。舉個例子，在圍棋領域稱霸的阿爾法狗玩不轉無人駕駛，旅游的大數據也玩不轉語音識別。
正因為人工智能有清晰的領域邊界，所屬不同領域的人工智能很難跨界到其它領域。但每個行業的內部競爭將很激烈，贏者通吃的現象在人工智能領域恐怕仍然成立，每個行業的頭部巨頭將劃分大幅市場份額，甚至每個行業只能容納一到兩個巨頭。
3. 人工智能是風口，想騰飛卻是難事
毫無疑問，人工智能的浪潮已經襲來。但人工智能創業并不容易，而且失敗的概率非常大。
首先，人工智能行業已經開始擁擠，競爭激烈。
根據36氪研究院的數據，從2011年到2015年是人工智能創業公司的成長高峰期，而到了2016年，人工智能公司成立的數量大幅減少。這預示著第一波人工智能的布局已經完成卡位，2017年的新入玩家，在戰略布局上已經慢人一步。不過，機遇窗口仍然沒有關閉，市場仍有機會。
通過數據還能看到，獲投公司融資輪次整體偏中期，公司融資階段集中在天使輪、Pre-A輪和A輪，C輪之后的公司較少。“C輪死”的現象在炙手可熱的人工智能領域依然存在。
其次，沒有數據，巧婦也難為無米。
數據是人工智能的寶藏，可以說擁有數據就搶占了先機。在互聯網時代就積累了大量數據的BAT等巨頭，在人工智能上，有著天然的先發優勢。很多人工智能的學界大牛加盟企業公司，也正是看中了科研機構沒有的大數據，大數據的魅力由此可見一斑。
這樣的數據寶藏，BAT們很難對外開放，對此，李開復有這樣一段表述：
創業者太自私，但是最自私的是BAT，BAT他們大量的數據，但是他們沒有生態系統，什么數據你進去不會給你看，什么人進去也不會出來的，高薪養著他們，審度平臺的都是內部使用，所以不要指望BAT幫我們做什么，在美國的BAT也是這樣的。
初創公司進入人工智能領域首先要解決的就是，如何在脫離BAT的前提下獲得全面數據。
再次，2C的生意不好做，2B的買賣更有戲。
人工智能的本質是技術，需要避免為了技術而技術，用戶需求才是第一位的。因為用戶最關心的從來都不是技術細節，而是用戶體驗。
以聊天機器人為例。微軟小冰在火了一段時間后，如今正慢慢淡出人們的視野。小冰的遇冷，折射出聊天機器人的尷尬處境。與機器人聊天的滿足感，遠不如與美女帥哥聊天，這背后有復雜的社會心理學。或許，當人們知道對方是沒有情感的機器人時，聊天帶來的社交滿足感也將大打折扣，當人們過了新鮮勁之后，聊天機器人恐怕就成了沒人理會的玩具了。
小冰帶來的啟示是，并不是所有領域加上人工智能，都能滿足用戶的需求。用戶需求很神秘，在利用人工智能改造傳統行業時，用戶需求要小心論證，切記盲目樂觀地激進。
再加上2C的行業，已經牢牢被BAT們牢牢掌握，初創公司僅僅想依靠人工智能就實現彎道超車，難度太大。
和2C相比，2B業務更值得深入挖掘。金融服務、生命科學、醫療保健、能源、交通、重工業、農業和材料等領域，有清晰的產業邊界，也有專有數據，這些創業公司可以利用專有數據和機器學習模型解決高層次的專業問題。
總的來說，人工智能這門生意并不好做，真想要做出成就，恐怕還得坐幾年冷板凳。靠炒作興起的“偽人工智能”注定難以生存，一批關注垂直領域的人工智能創業公司，借助專業領域的技能、獨特的數據和能夠充分利用人工智能技術的產品，解決行業面臨的實際問題，這才能傳遞真正的核心價值。
摘自 互聯網
