今年似乎什么时候聊起“人工智能”都显得不那么过时，当我们还在消化“5G”、“区块链”到底能如何改变我们的生活时，人工智能突然就已经无处不在。大到城市建设和管理，小到手机指纹解锁，在医疗、教育、金融、商业、城市管理、工业、农业等众多领域，人工智能似乎都在悄然进行着一场又一场的革命。
当我们一次次谈论人工智能又以怎样的新形态出现在面前时，市场却正在发生一轮新的变革。在各路人马井喷式涌入人工智能行业后，去年90%以上的企业却都处于亏损状态，当“死亡名单”开始越来越长后，即使是一些几年时间迅速登顶独角兽的人工智能企业，也同样不能幸免。我们又产生了一层新的思考？
眼下对于人工智能行业来说，究竟是新浪潮还是新寒冬？
六十多年里的三次浪潮
说到人工智能，肯定离不开如今作为美国历史最悠久的世界顶尖学府达特茅斯学院。因为这个概念的正式诞生，就来自于这个学府上的一场会议。
1953年夏天，几个对计算机感兴趣的年轻人聚在一起，想编一本关于“是否可用图灵机作为智能活动的理论基础”的书籍，虽然书籍慢慢搞成了，但这几个年轻人却非常不满意。所以在1955年夏天，他们决定再次搞一场类似的活动，而其中一位叫麦卡锡的年轻人，突发奇想给1956年举办的“达特茅斯学院会议”上，起了一个“人工智能夏季研讨会”（Summer Research Project on Artificial Intelligence)的名字。虽然历史上对“人工智能”是不是麦卡锡本人创造的词汇还有很大争议，但必须承认的是，“人工智能”一词在这一年也正式进入了人们视野。
但是这个词诞生之后的发展，却远不像大家想得那样顺利。1956-1974年间，或许是对人工智能抱有过高的期待，这些年间无论大学还是政府机构都纷纷在人工智能相关领域倾注包括人力、物力、财力等大量资源。然而，在当时无论硬件还是自身技术，都无法匹配人工智能的发展需要，所以，在经历第一次大发展后，1974年人工智能迎来了首次寒冬。
这一次寒冬，业界认为主要是来自于计算机性能的瓶颈，无法满足发展人工智能所需要的复杂计算以及庞大的数据量，导致AI领域研究者们一筹莫展。
这阵寒冬一直持续到上世纪80年代，解决的突破口是一种名为“专家系统”的AI程序的出现，这个系统其实就是一种程序，能够依据一组从专门知识中推演出的逻辑规则，在某一特定领域回答或解决问题，“专家系统”在全世界范围内被采纳后，在某些范围内解决了一些问题。此外，非常热衷于人工智能的日本，也在这个时期通过政府斥资8.5亿美元创造出了一台具有超级计算能力和人类智能的计算机，这台被称为“第五代计算机项目”的机器，目标是可以实现与人对话、翻译语言、解释图像，并且能像人一样推理。这也吸引了英国、美国开始向AI和信息技术领域的研究提供大量资金。
这次突破也为行业带来了第二次发展，但随着1987年“苹果”、“IBM”崛起，研发出类似我们现在使用的台式电脑，让AI硬件市场需求突然下跌。再加上人们逐渐意识到，日本人提出的“第五代计算机项目”并没有实现，所以开始走向失望。这直接导致价值5亿美元的专家系统产业的直接崩溃，并引发了人工智能的第二次寒潮。
之后几年，随着互联网的发展，人工智能才有了稳定复苏的迹象。此后的标志性事件，就是1997年IBM研发出的计算机“深蓝”击败国际象棋冠军加里·卡斯帕罗夫，才让公众真正开始意识到人工智能的力量。随后，2011年，IBM的问答系统“沃森”在美国智力竞赛节目《危险边缘》中击败了卫冕冠军布拉德·拉特和肯·詹宁斯。“Alpha GO”分别在2016年和2017年击败九段围棋选手李世石和世界冠军柯洁。这些也一次次刷新着人们对人工智能的认知。
由于硬件设备的突破，机器学习继续向前发展。计算机的处理和存储能力呈指数级增长，使企业能够存储和处理大量数据，众多企业和政府机构已成功地将人工智能大规模地应用起来，但与此同时，科技行业面临着网络泡沫，人工智能的基金已经耗尽。
很多人认为目前人工智能的发展已经放缓，即将面临人工智能发展的第三次寒潮。也有些人认为在强人工智能方面还没有取得重大突破，而当前企业专注于弱人工智能的研究，抑制了整个人工智能技术水平的发展。也有人批评当前人工智能研究过于集中，可能会危害到社会。不管怎样，不可否认的是，当前的股票市场由苹果、谷歌、亚马逊、Facebook等公司主导，如果人工智能的第三次寒冬真的来临，不仅AI产业将停滞不前，全世界都将可能面临下一次经济危机。
弱人工智能阶段的“天才白痴”
得益于大数据与大数据技术发展，深度学习的出现以及运算力的提升，当前人工智能已经进入加速发展期。数据方面，大数据的出现为人工智能提供了充分“养料”；算法方面，深度学习颠覆了语音识别、语义理解、计算机视觉等基础应用领域的算法设计思路。算力方面，GPU、NPU、FPGA等专用芯片的出现，突破了人工智能发展在数据处理速度上的瓶颈。然而单就目前AI的智力水平来说，业界普遍认为它仅与人类三岁小孩智力相当，可以说还处在弱人工智能阶段。
数据、算法和算力是现阶段推动人工智能发展的三驾马车。而在过去60多年间，有碍于数据的缺失和算力水平薄弱，人工智能发展遭遇巨大瓶颈。虽然人工智能当下在很多应用领域可以实现数据的高写入、高分析和高存储，但离想象中具有自我思考能力、能够认知外部世界的人工智能还差得很远。
对此，久其软件产品中心副总经理李纪洲也对《数据》杂志表示，作为当前支撑人工智能的核心技术，深度学习本质上还是统计学层面的技术，也就是说，现在的人工智能对外部信息还无法给出自己的判断，只能通过大量数据灌输来总结概率，从而得出结论。久其人工智能研究院院长龚佶敏，则干脆将现在的人工智能比作“天才白痴”。
绿湾科技CTO于建岗也对此表示，在数据处理方面，人工智能的确远远超越了人类，但在认知思维方面，目前人工智能可能还相当于零，“很多对于人来讲非常简单的事情，但是从机器学习的角度来说，却是非常困难的。”于建岗博士解释道，“光靠数据堆积做统计分析的事情，现在已经做得非常好。但人工智能如何从现在的统计走向思维，这条路还很漫长。”
从深度学习的角度来说，现阶段通过大量数据进行灌输训练的方式还显得过于简单粗暴，并不能算为智慧。在李纪洲的理解中，如果机器学习能够摆脱对庞大样本数据的依赖，那么人工智能技术发展会有一个巨大突破。
同样的构思，中国人工智能学会前理事长钟义信也曾对《数据》杂志表示，希望可以通过给予目标来让人工智能系统自动排除非目标数据。钟义信的理念是，强调目标是一切智能系统的灵魂，用目标来甄别和过滤大数据，将杂乱的大数据变成有用的小数据，这是智能系统区别于计算机系统的重要体现。
基于这些构思，研究人员也开始将目光重新放回到神经网络身上。想要学习人的思维能力，就要了解大脑的运行机制，研究人的脑神经。“而人工智能现在正处于从感知智能走向认知智能转移的初期，属于非常初级的阶段。”于建岗表示，不过他相信，在未来的5-10年内，人工智能的理论研究会在认知推理、逻辑思维方面取得一些突破。
“To”谁的人工智能？
人工智能在中国的火热已无须赘言，仅从近两年人工智能企业的数量增长就可见一斑。据中国信息通信研究院发布的数据表明，中国人工智能企业数量从2012年的300家已经增长到2017年末的1000家左右。从横向看，中国人工智能企业数量在全球范围内，已仅次于美国稳居第二。截至2018年6月，美国和中国的人工智能企业数量分别为2028家、1011家，随后排名第三的英国企业数量仅有392家，排名第九的瑞典仅有55家，差距已经逐渐拉大。
此外，人工智能、大数据企业无疑也是近两年“独角兽”阵营中的明星。2018年全球新生独角兽中，包括新能源汽车、人工智能芯片、机器人、大数据、计算机视觉、云计算等在内的企业共28家，较2017年增长9家，增长近50%。其中中国共有8家，分布在人工智能、机器人、新能源汽车和大数据领域。
从这几年资本的倾斜程度也不难看出市场对人工智能的期待。2013年到2018年一季度，全球AI行业累计投融资数据中，中国占比60%，美国占比29%，合计占比接近90%。根据亿欧智库《2018中国人工智能商业落地研究报告》显示，2017年中国AI创业公司累计获得超过500亿元人民币融资，但其中累计产生收入却不足100亿美元，绝大多数的人工智能企业是在亏损的状态。
繁荣过后不久，95%以上的人工智能创业公司就要迎来倒闭潮。对此有业内人士表示，在IPO提速以及高估值的双重作用下，2018年已经开始出现了AI公司的倒闭潮。甚至从2018年年初开始，人工智能领域的投融资热度也已出现明显放缓节奏。新工场董事长李开复也曾在公开场合表示，在2018年底AI公司估值已经下降了20%、30%，同时他还表示，“要再下降20%、30%，就是AI公司合理的估值了。”
今年8月中旬，《华尔街日报》就曝光了一家海外伪AI明星公司Engineer.ai。这家成立于2016年、总部设在美国洛杉矶和英国伦敦的公司，号称可以通过人工智能程序、辅助缺少工程师的公司、自动“组装”新的代码。可以像定制披萨一样，为任何人和公司自动生成自己的各种网站和手机App。他们声称，使用AI技术在很大程度上实现了移动App的自动化开发。
依靠这项理念，在2018年11月，Engineer.ai对外宣布完成了2950万美元A轮融资。但很快它就被爆出，该公司所声称的大部分demo制作和软件生成，目前都是依靠印度以及其他地方的人工工程师来完成的，而不是使用人工智能。
，而不是使用人工智能。风口之上，打着人工智能幌子的公司让人真假难辨。风投公司MMC曾发布的一份报告显示，只要打上“AI”的标签，企业可以多获得15%-50的融资。对此业界甚至调侃，很多人工智能公司不是“to G”，也不是“to B”或“to C”，而是“to VC”，这些公司主要研究的是怎么做PPT而不是怎么做人工智能。
打怪升级的创业之路
第三届“百度AI开发者大会”上，李彦宏的被泼风波依然余音未平，不过令人匪夷所思的不只是李彦宏现场的遭遇，还有他后来接的一句颇有意思的话：在AI前进的道路上会有各种各样的事情发生，但是我们前进的决心不会改变，AI会改变每一个人的生活。
AI之路到底有多艰难？尤其对于创业型AI公司来说，尽管能拿到风投，但在开始的两三年之内，就会因为技术研发基本被烧光，如果这个时候还找不到合适的应用场景去做产品落地，就相当于死亡。而闯过这几关的公司，也还会面临数据收集难、产品与用户需求不匹配、项目产出周期漫长、项目成本高但盈利低等种种难关。
赚钱慢、烧钱快、磨合时间长，在过五关斩六将的路途上，甚至有大批企业还没有找到应用场景就已经死掉了。在这样的情况下，如何走出一条稳妥的路，对创业型人工智能公司来说，可谓是举步维艰。对此于建岗也表示，AI这波火有点虚热，国家政策大力支持，VC的钱也大量投进来，但人工智能技术的落地仍然是一大问题，目前除了图像、语音、视频这几块的智能产品落地能产生价值，其他的到现在还没有出现。
所以，为了让自己能活下去，国内也出现了很多打着人工智能旗号却用人力来解决问题的AI公司。不过对于这种情况，龚佶敏也表示，并不能因此认定对方是“伪AI”，但可以肯定的是AI的智能水平没有达到那些公司所宣扬或者人们所想象的那种程度。
此外，人才问题目前也是我们发展人工智能的一个短板。近期某互联网公司给名校人工智能方向应届博士开出80万年薪，一度引发社会热议。但在这件事背后，却是500万的AI人才需求缺口、1：10的供需比例、平均年薪约33万……在这些高帽子加持下，人工智能已经超越了曾经的金融、计算机等专业，成为了站在风口最前端的香饽饽专业。今年35所学校获得首批开设人工智能本科专业的学科建设资格，包括同济大学、浙江大学、上海交大等一批一流学校，可见社会对这一领域人才的极度渴求。对此于建岗也表示，人工智能的发展难题归根结底是人才的难题。
技术先行OR商业模式先行？
产品落地决定企业生死，有无技术决定企业存亡，而当这两者之间出现矛盾时，企业到底应该是技术先行还是商业模式先行？
以AI识别技术为例，李纪洲举了个例子，在一些对结果不容出错的应用领域，例如监狱服刑人员的监控、点名等场景，除非能完全消除程序的错误率，否则再好的人工智能产品都没有应用价值。李纪洲解释道，对于AI识别，很多人把“正确率”+“错误率”理解成“已识别的”+“未识别的”，但实际上并不准确，应该分为三类：“已识别正确的”、“已识别错误的”，和“未识别出的”，相对应的就是正确率+错误率+未识别率=100%。而在上述几个实际应用场景中，对于错误率几乎是零容忍，不管产品的识别正确率有多高，如果无法消除错误率，稍微一点差错都会为用户带来更大的麻烦。
李纪洲表示，当前市场上人脸识别产品的准确率基本都可以达到85%、甚至90%以上的准确率，再想把准确率提高一个点都是件非常艰难的事，一些企业会花大量成本追求这个准确率，但是很少会有人去关注错误率的问题。然而一旦落到实地，会发现还是有很多水土不服的地方。在结果门槛高于技术门槛的应用领域，任何一个点的错误都会导致大量的人工核对成本。有客户就曾说过：“AI可以识别不出来，但千万不要识别错了，每错一个我们都要去人工核查一遍真实情况。”这正是技术与应用场景脱节的地方。
比如对于2014年才成立的绿湾科技来说，这也不是一个容易取舍的问题。与大多数初创型企业一样，绿湾科技在获得第一笔融资后花费了大概三年的时间潜心研究技术，然后在2017年左右开始开拓市场。应用领域从一开始的公安、法院、政务等G端慢慢向金融等B端市场迈进。在王兴让看来，做人工智能的企业一定是以技术为驱动，以市场需求为牵引，同时需要找到相匹配的商业模式来做产品的孵化器，“这三个要素是相辅相成的过程”。
李纪洲也给出了类似的回答，在久其自己的摸索过程中，也曾经出现过一个很精致的智能产品做出来不符合用户需求的情况，然后拿回去大刀阔斧地改，但即使最优秀的产品设计师也不能百分百满足用户需求。对此李纪洲也表示：“一家公司里的销售团队和研发团队永远都在‘打架’，但是只要这两方势力均衡，这家公司就算是健康的状态，这就是商业模式和技术该有的关系。”
不过在商业化探索方面，“目前应该说很少或者说几乎没有现成的商业模式可供参考”，绿湾科技运营总监胡大民表示，“从这个角度来看，应该说大家都是在推进技术创新和落地的过程当中，不断地在摸索合适的商业模式。”
“别害怕这个泡沫破灭”
从2017年开始，人工智能连续三年进入政府工作报告，而2019年的政府工作报告不仅继续大力推进人工智能发展，更首次提出“智能+”的概念，从顶层设计的角度，将人工智能视为国家战略中重要的基础设施，推动其与产业的融合，加速经济结构升级。可以说我国对于人工智能的重视程度非常高，已经上升到国家战略层面。
而回望AI过去两次浪潮都跌入低谷，很大一部分原因是没有跟产业结合。但掀起这一次浪潮的更大背景是万物互联。大数据、5G、物联网等这些前沿技术的兴起都为人工智能与实体产业的融合提供了充足动力。“AI+”也被寄予着在未来撬动整个社会经济深度变革和人类文明科学有序进展下去的厚望。
对于人工智能的未来，李纪洲表示，平民化的产品应该是未来大数据分析的方向，尤其在未来客户普遍对大数据分析有了一定认识后，做人人可用的产品直接赋能用户，可以减去厂商和用户之间大量的沟通成本。总而言之，技术的发展终归是要让技术越来越简单化、平民化。借助于人工智能的技术，未来每一个人都可以成为数据分析师。
“人工智能不新鲜，但人工智能还很幼小，它未来的潜力无限，但现在人们把这个东西无限放大了，实际上我们离这一步还非常遥远，人工智能不是像大家现在看到的那样一下子就来了。”于建岗表示。
“人工智能有可能是泡沫，但别害怕这个泡沫破灭。”华为创始人任正非曾这样表示。就像是晦暗河流之上的一座灯塔，人工智能吸引着人类的注视和追逐，我们距离这座灯塔还有多远？眼下并没有确切答案，每个走在前沿的AI企业都在无人区摸索前进。而眼下的每一个难关，都是必经之道。作为一项能够大规模提升生产效率的技术，AI的前景不可限量，尽管当前道路阻力重重，重要的是人类没有因此停下脚步。
·人工智能大家谈·
久其软件人工智能研究院院长 龚佶敏
用“天才白痴”来形容现在的人工智能其实特别合适，我们不能因此否定它现在拥有的智慧。对于目前人工智能的技术发展正处在一个什么阶段，没法给出准确的回答，但未来是无限可期的。
绿湾科技副总裁 王兴让
人工智能这个行业确实是一个趋势，但这个趋势需要几个要素。第一个是需要技术来驱动，只有计算机技术、人工智能技术到这个程度了，你才能推进业务发展，所以要技术做源动力。第二个是要需求来牵引，如果没有业务需求，实现不了商业化，就没有营收来滋养你的技术进步，所以技术需要需求的牵引力。第三个就是要有配套的商业模式来做它的孵化器。这三者是一个相辅相成的关系。
绿湾科技CTO 于建岗
为什么从象棋到围棋对人工智能来说是个巨大进步，因为围棋可搜索空间比象棋要多得多。但毕竟围棋有固定规则，在有规则的情况下做人工智能是比较容易的，但实际生活中的规则太多了，这对人工智能的学习是很大挑战，这就需要一个行业一个行业地去解决。
久其软件产品中心副总经理 李纪洲
很多的所谓AI应用，从本质上来看还都是大数据的应用。AI只是露出来的冰山一角，从数据的采集到存储、管理等都需要一整套大数据平台的支撑。现在的“AI+”更多地聚焦于把系统做得简单易用，是锦上添花的东西；未来应该更关注于用户的核心生产场景，真正实现雪中送炭。
文 / 李婷