最近人工智能非?；鸨?。

去年，在人類(lèi)自以為憑智力占據絕對統治地位的圍棋領(lǐng)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(huì )上，人工智能成了焦點(diǎn)，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(guān)，人工智能也首次被寫(xiě)入政府工作報告。

人工智能的崛起，伴隨著(zhù)兩輪“人類(lèi)被超越”的恐慌以及恐慌被證偽的過(guò)程。然而，第三輪“人類(lèi)被超越”的恐慌，或將無(wú)法被證偽，因為人工智能已經(jīng)開(kāi)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(shí)，在大眾意識到人工智能驚人的復雜度之前，嗅覺(jué)靈敏的資本市場(chǎng)早已有所行動(dòng)。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(kāi)始了3年爆發(fā)性增長(cháng)；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(lǐng)先普羅大眾五年！

人工智能風(fēng)投的活躍，折射了人工智能加速發(fā)展的行業(yè)格局。人工智能之所以能高速發(fā)展，得益于數據、計算能力和算法在過(guò)去5-10年間的快速發(fā)展。

數據

數據是人工智能的關(guān)鍵。人工智能的‘智能’能力，就是靠數據訓練出來(lái)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(lǐng)悟”了上億盤(pán)的圍棋招式數據。

當今社會(huì )，信息的生產(chǎn)速度已經(jīng)超越了所有物質(zhì)生產(chǎn)領(lǐng)域的生產(chǎn)速度。分布全球的無(wú)所不在的互聯(lián)設備，包括移動(dòng)設備、物聯(lián)網(wǎng)等，使得非結構化的數據大量增長(cháng)。比如，在移動(dòng)互聯(lián)網(wǎng)的驅動(dòng)下，互聯(lián)網(wǎng)人均流量將從2014年的6G，增長(cháng)為2019年的18G?？梢哉f(shuō)，每一個(gè)流量越用越多的手機用戶(hù)，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(xué)習數據之外的知識，而數據的增長(cháng)意味著(zhù)人工智能能夠用來(lái)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(fā)展鋪路。比如，李克強總理在15和16兩年時(shí)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(gè)什么都在漲價(jià)的當下，提速降費，對于想擺脫管道命運卻始終未見(jiàn)明顯成效的運營(yíng)商來(lái)說(shuō)，壓力很大，但對社會(huì )科技發(fā)展、國民經(jīng)濟轉型升級，起到的推動(dòng)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(kāi)GPU。GPU，圖形處理器，之前常作為顯卡的“心臟”而出現，專(zhuān)門(mén)執行復雜的數學(xué)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(shí)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(xué)習解決方案幾乎完全依賴(lài)GPU。

根據高盛的報告，自1993年以來(lái)，計算機的計算能力呈指數級增長(cháng)，而單位計算能力的價(jià)格卻大幅下降。如果沒(méi)有超強計算能力的支撐，訓練神經(jīng)網(wǎng)絡(luò )模型（人工智能的核心技術(shù)）花上十天半個(gè)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(xué)習，是機器學(xué)習的重要分支，也是人工智能的快速發(fā)展的關(guān)鍵。在傳統的機器學(xué)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(jìn)行進(jìn)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(wú)監督的深度學(xué)習中，重要的特征并不是由人類(lèi)提前設定的，而是通過(guò)算法學(xué)習和創(chuàng )造的，這是巨大的進(jìn)步，也使深度學(xué)習成了人工智能的大腦。

越來(lái)越多的算法研究推動(dòng)著(zhù)深度學(xué)習的實(shí)用性，伯克利、谷歌、Facebook也紛紛公開(kāi)自家的源代碼框架，也就是Caffe、TensorFlow和Torch。源代碼的開(kāi)放吸引著(zhù)越來(lái)越多的軟件開(kāi)發(fā)者嘗試新的算法，不到一年，TensorFlow就以及該形成了一個(gè)活絡(luò )的存儲庫GitHub，作為目前最大的開(kāi)發(fā)商合作網(wǎng)站。當然，并不是所有的AI都出自于開(kāi)源框架。

可以說(shuō)，數據、計算能力和算法三方面的逐漸成熟，合力推動(dòng)了人工智能的快速發(fā)展。

2. 人工智能是高度垂直的，各行各業(yè)的頭部?jì)r(jià)值凸顯

有人將人工智能比作第四次工業(yè)革命，以凸顯其對各行業(yè)帶來(lái)的深遠影響。此言并不夸張?？萍嫉拿恳淮位A層面的突破，都會(huì )推進(jìn)行業(yè)改革，激起創(chuàng )新熱潮。在感受到互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的巨大影響力之后，沒(méi)有企業(yè)愿意錯過(guò)人工智能時(shí)代。

人工智能對企業(yè)之所以重要，是因為誰(shuí)能率先給行業(yè)插上人工智能的翅膀，誰(shuí)就有可能完成市場(chǎng)資源的再整合和優(yōu)化配置，進(jìn)而改寫(xiě)游戲規則，在這一輪競爭中占據有利競爭優(yōu)勢，成為新晉“寡頭”。

今日頭條就是一個(gè)典型的例子。今日頭條將人工智能技術(shù)應用到了新聞資訊，通過(guò)挖掘用戶(hù)的興趣愛(ài)好，完成個(gè)性化推薦，并進(jìn)行智能分發(fā)，取得了不錯的成績(jì)。截止去年年底，今日頭條已經(jīng)累計有6億的激活用戶(hù)，1.4億活躍用戶(hù)，每天每個(gè)用戶(hù)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(mài)、游戲、金融、交通、教育、政務(wù)等方向，都可能會(huì )發(fā)生類(lèi)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(lǐng)域工作，跨領(lǐng)域的人工智能沒(méi)戲。舉個(gè)例子，在圍棋領(lǐng)域稱(chēng)霸的阿爾法狗玩不轉無(wú)人駕駛，旅游的大數據也玩不轉語(yǔ)音識別。

正因為人工智能有清晰的領(lǐng)域邊界，所屬不同領(lǐng)域的人工智能很難跨界到其它領(lǐng)域。但每個(gè)行業(yè)的內部競爭將很激烈，贏(yíng)者通吃的現象在人工智能領(lǐng)域恐怕仍然成立，每個(gè)行業(yè)的頭部巨頭將劃分大幅市場(chǎng)份額，甚至每個(gè)行業(yè)只能容納一到兩個(gè)巨頭。

3. 人工智能是風(fēng)口，想騰飛卻是難事

毫無(wú)疑問(wèn)，人工智能的浪潮已經(jīng)襲來(lái)。但人工智能創(chuàng )業(yè)并不容易，而且失敗的概率非常大。

首先，人工智能行業(yè)已經(jīng)開(kāi)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(chuàng )業(yè)公司的成長(cháng)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(zhù)第一波人工智能的布局已經(jīng)完成卡位，2017年的新入玩家，在戰略布局上已經(jīng)慢人一步。不過(guò)，機遇窗口仍然沒(méi)有關(guān)閉，市場(chǎng)仍有機會(huì )。

通過(guò)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?！癈輪死”的現象在炙手可熱的人工智能領(lǐng)域依然存在。

其次，沒(méi)有數據，巧婦也難為無(wú)米。

數據是人工智能的寶藏，可以說(shuō)擁有數據就搶占了先機。在互聯(lián)網(wǎng)時(shí)代就積累了大量數據的BAT等巨頭，在人工智能上，有著(zhù)天然的先發(fā)優(yōu)勢。很多人工智能的學(xué)界大牛加盟企業(yè)公司，也正是看中了科研機構沒(méi)有的大數據，大數據的魅力由此可見(jiàn)一斑。

這樣的數據寶藏，BAT們很難對外開(kāi)放，對此，李開(kāi)復有這樣一段表述：

創(chuàng )業(yè)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(méi)有生態(tài)系統，什么數據你進(jìn)去不會(huì )給你看，什么人進(jìn)去也不會(huì )出來(lái)的，高薪養著(zhù)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(chuàng )公司進(jìn)入人工智能領(lǐng)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(mǎi)賣(mài)更有戲。

人工智能的本質(zhì)是技術(shù)，需要避免為了技術(shù)而技術(shù)，用戶(hù)需求才是第一位的。因為用戶(hù)最關(guān)心的從來(lái)都不是技術(shù)細節，而是用戶(hù)體驗。

以聊天機器人為例。微軟小冰在火了一段時(shí)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(mǎn)足感，遠不如與美女帥哥聊天，這背后有復雜的社會(huì )心理學(xué)?；蛟S，當人們知道對方是沒(méi)有情感的機器人時(shí)，聊天帶來(lái)的社交滿(mǎn)足感也將大打折扣，當人們過(guò)了新鮮勁之后，聊天機器人恐怕就成了沒(méi)人理會(huì )的玩具了。

小冰帶來(lái)的啟示是，并不是所有領(lǐng)域加上人工智能，都能滿(mǎn)足用戶(hù)的需求。用戶(hù)需求很神秘，在利用人工智能改造傳統行業(yè)時(shí)，用戶(hù)需求要小心論證，切記盲目樂(lè )觀(guān)地激進(jìn)。

再加上2C的行業(yè)，已經(jīng)牢牢被BAT們牢牢掌握，初創(chuàng )公司僅僅想依靠人工智能就實(shí)現彎道超車(chē)，難度太大。

和2C相比，2B業(yè)務(wù)更值得深入挖掘。金融服務(wù)、生命科學(xué)、醫療保健、能源、交通、重工業(yè)、農業(yè)和材料等領(lǐng)域，有清晰的產(chǎn)業(yè)邊界，也有專(zhuān)有數據，這些創(chuàng )業(yè)公司可以利用專(zhuān)有數據和機器學(xué)習模型解決高層次的專(zhuān)業(yè)問(wèn)題。

總的來(lái)說(shuō)，人工智能這門(mén)生意并不好做，真想要做出成就，恐怕還得坐幾年冷板凳?？砍醋髋d起的“偽人工智能”注定難以生存，一批關(guān)注垂直領(lǐng)域的人工智能創(chuàng )業(yè)公司，借助專(zhuān)業(yè)領(lǐng)域的技能、獨特的數據和能夠充分利用人工智能技術(shù)的產(chǎn)品，解決行業(yè)面臨的實(shí)際問(wèn)題，這才能傳遞真正的核心價(jià)值。

摘自 互聯(lián)網(wǎng)