应该说，过去一年最风生水起的技术领域就是人工智能。谷歌的AlphaGo着实掀起了一阵媒体关注的热潮，大有上升到第四次产业革命的高度。一大批创业公司也聚焦AI技术的研发和创新，行业的发展势头和前景是非常好的。但与此同时，不可否认地说整个行业存在过热现象。一批创业公司跟风巨头，从事纯人工智能技术研究，而没有去着眼考虑具体的应用领域。下面我简单谈一下对于当前AI创业的一些个人思考：

应用技术成熟，硬件载体廉价

近年来，人工智能应用领域的飞速发展主要得益于以下三个方面。首先，适合人工智能计算的专有硬件进入量产时代。这当中非常突出的是NVIDIA，它的GPU天生擅长并行处理任务，非常适合人工神经网络的计算。过去的一年多内其股价上涨了3倍，足以说明其相关产品的出货量持续向好。其次是移动计算能力的强大。如今手机的处理能力已经远远超过三十年前的想象。很多早期科幻片里，光速飞船上还用大哥大尺寸的东西通话，而今天已经可以用小型手机来实现了。当下很多复杂计算任务和控制逻辑，可以在体积非常小且低功耗的移动平台上完成。这让很多过去无法想象的应用成为现实，例如无人机，本质上它只是多种应用技术达到成熟之后相互结合的一种产品。最后一个关键的是人工智能的应用技术正在走向成熟，这里不仅仅是指软件技术、开源代码包，也包含相应的人才梯队，在市场上不再稀缺。

并无重大理论突破

从理论角度，人工智能领域这些年其实并没有重大突破。即便是媒体炒的火热的deep learning（深度学习）以及reinforcement learning（增强学习）也并不足够新鲜。直到今天，我们仍旧搞不清人类智能的本质是什么。或者说，学术界和业界并不是在研究媒体关注的“具有自主意识的AI”，而更多是贴近垂直应用，解决应用当中的实际问题。今天，依赖deep learning技术，我们已经可以在特定应用下模拟人类的感知（perception）。我们可以让机器从一堆证件照里找出某个具体的人，甚至有可能比人找得更加准确。我们正在试图让机器去识别和理解，图像里到底有什么。但这绝不是极具热度的自主意识的AI。即便是最强大最前沿的人工智能软件，比如AlphaGo，它归根到底还是个按照预设逻辑执行的机器，从这点上它和我们用的计算器在本质上并无差别。AlphaGo并没有自主思考的能力，所以我们大可不必担心，类似《终结者》电影中AlphaGo向人类宣战的场景出现。

在真正的人工智能道路上，我们还有很长的路要走。这当中有些研究和计算理论、数学，甚至哲学相关的。比如，把图灵问题放在人工智能领域，我们可以问自己一个诡异的问题，“使用人类智慧是否能够理解人类智慧是怎么工作的？”甚至更绕一点，这个问题本身是否是用人类智慧不可解答的？当然，这些都不影响目前人工智能在具体应用领域大放异彩，逐步把人从一些机械的、重复的劳动中解放出来，这才是我们目前要关心的。

行业整体存在过热现象，创业公司机会有限

目前在人工智能应用领域，已经开始出现产业过热以及投资过热现象。早两年和投资圈的人闲聊时，都希望帮着介绍“VR”项目。而现在见面聊天，都问有没有人工智能项目推介。除了资本圈一哄而上，互联网产业内也开始追逐这股热潮。不管有没有使用场景，从公司的管理层到一线的研发，都希望将技术路线往人工智能上靠一靠，一定程度上造成了过度设计和资源浪费。

创业公司面临的一个共性问题，就是缺乏用户。在缺乏有效用户数据的情况下，很多统计学习的方法未必奏效。比如，一些创业公司基于统计的机器学习技术（比如多层神经网络、SVM等），来解决一些简单的分类或推荐问题。而实际上却没有那么多用户数据来进行有效的训练。即便训练出来一个模型，其评测的结果也很难具备统计意义。而实际上，在训练样本极其稀疏的情况下，基于行业经验的启发式规则，往往会比统计模型更加简单可控。

而同时，我们也看到国内很多中小型公司，都跟风设立了所谓的人工智能实验室。甚至还出现了一些没有细分应用场景的，做纯人工智能技术或平台的创业项目或者实验室。我认为广义的人工智能研究，或者人工智能技术平台，可能只有如Google、Facebook、Baidu、Alibaba、Microsoft这样量级的大公司，才有足够的财力、人才储备、行业号召力来进行。而小团队或创业公司更多的机会是聚焦在一个个具体的垂直应用上。虽然有一定技术通用性，但人工智能技术的每一个细分领域都有很深的行业沉淀和差异性。比如，一个做人脸识别的专家的经验未必就适用在金融风控上。同样，一个做自动驾驶的专家也未必会做程序化交易。在人工智能的细分创业领域上，往往要求founding team是在相关行业从业多年的博士或者研究团队，否则很难在相应领域产生足够深的积淀。因此不基于细分应用领域的，侧重于纯技术甚至平台的创业项目，很可能不靠谱。

需要结合国情和实际

在分析人工智能细分领域的前景时，我们需要看到它背后的社会源动力和经济价值，不能照搬美国的一些模式。

例如，对于美国本土市场而言，自动驾驶极有可能会是下一个巨大的风口。一则美国地广人稀，路况简单，对自动驾驶的技术要求没有国内那么复杂，相对而言形成成熟技术比较容易。二则美国人工成本极贵，比如美国打车动辄上百美元，包车一天少说也得300美元。所以在商业动机上，自动驾驶的商业利益远比国内大（国内司机人工成本低）。

除了自动驾驶自身可能触发的出行、旅游，甚至车载娱乐业的变革，美国的自动驾驶技术还有一个巨大的潜在可能性——外卖行业。美国的人工成本极高，加上地广人稀，外卖产业极度不发达。很简单的道理，你送一个餐要开30公里，下一个餐又得跑20公里，效率极低。除了少数的披萨和大城市核心区域，大部分餐饮都不提供外卖服务，只能是自己去取餐。但有了自动驾驶或者无人机，这种能够灵活实现短距离配送的手段，将打开全新的外卖市场。比如可以有一种自动配送车，按照中央调度的信息设定去哪里取外卖，然后送到哪里。按照密码取货，还可以保温。这一天的到来应该不会遥远。相反，中国城市内路况复杂，人口密度高，再加上人工相对便宜，因此自动驾驶的经济源动力未必有美国那么强劲。

再比如，因为社会价值和经济利益的双重驱动，电子交警在中国国内各个城市得到了普遍应用。这催生了一个巨大的产业链，硬件摄像头，违章识别系统等相关产业出现了很多上市公司。而反观北美，因为法律、人口密度等多种原因，电子警察实际应用又远不如国内这么广泛。相应的技术发展和创新动力也就没有国内那么足。

后记：

“人工智能”归根到底是人类社会科技进步的代表，如同一百多年前蒸汽机、内燃机、电力技术、晶体管被发明出来一样，都以不同的方式促进了人类社会生产力的提高，人工智能如今处于起步发展阶段，很多应用还处于探索状态，但不可否认基于AI技术的应用已经出现在我们日常生活中，可以代替人类去做单调、乏味、机械性的工作，机器的效率比人更高，比如物流仓储中的机器人、无人制造工厂、汽车安全辅助系统、酒店自助入住、旅游线路定制规划、银行自助无人终端等，但这些无人设备工作过程中离不开人类的辅助，比如数据源更新、设备维护、修理、校正，“人+技术”组合或许是未来人工智能发展的重要途径。

作者简介：

“对世界上瘾”系列文章，由穷游网创始人团队主笔，分别从创新、品牌、营销以及产业格局分析等方面，讲述他们从业十余年的经验及感想，分享行业及职场干货。每月定期更新，陪读者一起“对世界上瘾”。

金翔宇博士毕业于南京大学、美国弗吉尼亚大学，获计算机博士学位。2016年4月加入穷游网，担任首席技术官（CTO），全面负责规划、制定和实施公司技术发展战略，包括：互联网产品研发、大数据战略、以及技术创新等方面的工作。

加入穷游网前，金博士先后就职于美国Yahoo！Labs（雅虎实验室）、阿里巴巴集团硅谷研发部，从事搜索、大数据、云计算方面的研究和实践。此前，他曾在微软亚洲研究院、美国惠普实验室从事过模式识别和人工智能的研究工作。金博士还曾担任美国科学应用国际集团（SAIC）顾问，以及多家学术期刊与会议的审稿人。

【号外】想要捕捉文旅大消费行业风向标？想要了解最前沿的文旅跨界创新？想要学习行业大佬最新的干货分享？想要与行业精英现场互动深入交流？来“2017中国文旅大消费创新峰会”吧！6月13-14日，北京·国际会议中心，文旅大消费顶级内容盛宴等你来！了解会议详情&报名请戳：我要报名！（提前报名有优惠）