概念火爆，看上去很美，人工智慧的未來在何處？

科技的革新，可能來自不經意的思維碰撞。1956年，幾位科學家「閑聊」了關於「以機器模仿人類的學習及其他方面的智能」的討論，並催生了一個新名詞——「人工智慧」。

2016年，互聯網「預言帝」、《連線》雜誌創始主編凱文凱利在多個公開場合表示：「人工智慧會像電一樣，成為可購買的商品。」

其間的60年，人工智慧逐漸顯現出「具體」形態，近年來，資本的大量湧入和互聯網科技巨頭的扎堆參與使得行業熱情空前高漲，目前，這種高漲仍在繼續。人工智慧真的「形勢一片大好」？之後的路又該如何去走？

看上去很美

AlphaGo的不敗戰績攪動了人工智慧的「靜水」，相關的行業信息紛紛進入公眾視野，一個新的概念，似乎正要點燃技術領域和資本市場。

首先，繼智能硬體、虛擬現實之後，在國內第三次出現了技術團隊大規模「玩命」扎堆某一行業的場景：《烏鎮指數：全球人工智慧發展報告2016》顯示，2016年，全球每10.9個小時誕生一家人工智慧企業，人工智慧企業達到709家，美國的相應數據為2905。布局者其中不乏互聯網科技巨頭的身影。

從國內來看，BAT三巨頭較早進行了人工智慧布局，目的似乎是要保住現有「優勢」，畢竟新興團隊儘管「勢弱」，卻已經開始對其形成挑戰：阿里巴巴將人工智慧放在其DT大商業體系內，配合雲計算、大數據對其電商、物流，特別是作為未來工作重心的物聯網體系展開全面賦能；騰訊馬化騰曾指出互聯網的下一次變革就在於與人工智慧的集合，而其相關業務可以被認為主要由搜狗實施。

三家中，百度將人工智慧放在了最重要的位置，16年，百度無人車、人工智慧等業務由李彥宏直接管理，同時，其人工智慧業務已經與O2O等商業項目進行聯動；今年初，李彥宏更是將人工智慧作為了百度在未來的「核心競爭力」。

BAT之外，科大訊飛已經是人工智慧「元老」，華為等終端廠商也紛紛加入，也有團隊另闢蹊徑，為人工智慧及相應的機器人業務提供基礎服務，比如，達閥科技就試圖通過雲平台搭建「雲端大腦」為人工智慧機器人賦能。下一個五年或者十年有可能出現這樣的場景：沒有科技互聯網公司不涉足人工智慧。

全球科技巨頭也是磨刀霍霍：IBM架構Watson、Facebook建立實驗室、微軟搭建Project Malmo平台、谷歌設有TensorFlow資料庫，蘋果Siri則早作為先頭部隊落地；谷歌、亞馬遜、Facebook、IBM 和微軟達成「AI 聯盟」，而包括蘋果在內的更多團隊也逐漸加入。對於國內團隊而言，這些在互聯網、移動互聯網時期已經引領過潮流的團隊相結合，有可能再次使自己不得不成為追趕者甚至淪為「看客」。

其次，資本市場則似乎比技術團隊本身更看好人工智慧：風投研究機構CB Insights的數據表明，2016年，人工領域的共有涵蓋13個種類的超過1600家公司獲得了超過90億美元的融資，另有數據顯示，從2006年到2016年的十年間，人工智慧領域融資的年複合增長率高達42%，2016年正是十年來的最高值。

一個事實是，即便人工智慧當前燃起的，僅是同幾年前的智能硬體一般的「虛火」，但這把火，依舊「看上去很美」。

做起來不易

儘管有觀點認為人工智慧將引領第四次工業革命，但所謂「知易行難」，在人工智慧領域同樣如此。在釘科技看來，在真正獲得「引領第四次工業革命」的能力之前，人工智慧還面臨著如下障礙。

首先，從現有的市場信息來看，「概念大於實際」。

在行業、資本、媒體的共同攪動下，人工智慧的功用被做了一些誇大。從目前來看，人工智慧的主要能力體現在對語音和圖片等「信息」的識別並作出相應的反饋，例如進行檢索、做出動作（自動駕駛中），功能相對單一。

但在一些商家的產品描述中，人工智慧被描述為「顛覆性」的黑科技，這類商家在國內多為手機或者家電廠商，其類似於語音搜索電視頻道等的功能，尚不足以體現人工智慧的應該具有的能力，而這種「炒作」，有可能對行業造成惡性透支，讓用戶誤以為這就是人工智慧的全部，從而在新鮮感過後，對其失去信心。

其次，技術團隊變現能力不明確，容易引起行業動蕩。

有數據顯示，2016年大陸在人工智慧領域的投資規模約為人民幣68億元，排名前十的企業融資額基本都達到了2億以上，超過1億的企業有18家。而上文中已經提到，人工智慧企業已達到709家。

在釘科技看來，數據反映出兩個問題，一是多數團隊尚不具備足夠的變現能力，二是部分團隊屬於單純的盲目跟進。特別是后一類團隊，很容易在行業的「泡沫期」出局，而大量的出局企業勢必引起行業動蕩。

再次，缺乏明確的、有足夠差異化的切入點。

在智能機器人硬體、手勢控制、機器學習、深度視覺、語音翻譯與識別、視頻內容識別、圖像識別、情景感知計算、神經網路模擬等相關技術中，語音識別、智能機器人領域有相當多的團隊進行布局,就目前而言並未形成足夠的差異，相對而言就不足以深度激發行業活力。

最後，一些技術門檻目前尚難以跨越。

有業內專家表示，真正的人工智慧至少要達到「接近人」的程度。據此，釘科技認為，人工智慧發展到一定階段后的關鍵技術門檻有兩個。

其一是腦科學。人類對自身的某些探索尚處於初級階段，特別是腦科學的相關領域、自我意識及智力如何產生等等，真正在這些領域取得突破之前，很難說，人類能夠製造出「接近人」的人工智慧。

其二是計算機科學本身。現有的計算機依舊採用經典的「馮·諾依曼結構」，但該結構與大腦的結構應當是有所差距的，人工智慧，需要尋找新的計算機結構。此外，目前計算機的計算容量沒有達到人腦的容量，同樣是需要突破的關鍵。

在上述背景下，發展多年的人工智慧，實際上依舊處於「幼生期」。包括技術領域和資本市場都需要審慎面對。但同時，利好消息在於，同樣從初級階段進行布局，國內技術團隊未必沒有機會引領一次「潮流」。

未來在哪裡

儘管存諸多問題，人工智慧的「被期許」，依舊是合理的。人類的智慧創造了「文明」，而人工智慧的作用，是在未來，被作為人類智慧的延伸，這和代步工具、通訊工具等在一定程度上是相似的。

釘科技認為，就目前而言，國內人工智慧的深入發展需要注意以下幾個方面：

首先是做好相關基礎技術層面的準備工作。當然，這類業務對於中小團隊而言有一定門檻，可以選擇和相關服務方合作。

一是大數據。基於大數據的深度學習為人工智慧的實現「與人」的接近提供了可能。有觀點認為大腦通過接收感官信息，融合處理並反饋，在信息塑造神經元結構，神經元結構處理信息的反覆迭代過程中，最終誕生了人類的智能。相應的，數據越多，其塑造培養出的信息處理系統越「聰明」，這就是大數據之於人工智慧的意義，因為在後續的信息識別和處理過程中，人工智慧會獲得更多的參照系。

二是雲服務。手機和電腦，小型設備「離網」運行人工智慧，在目前尚不具備足夠的數據處理和存儲能力，也就達不到人工智慧的運行需要，這就要通過雲平台來激發人工智慧潛能。

結合第一點，雲平台至少可以提供豐富的、實時變化的數據。此外，雲服務本身也有降低使用和研發成本的優勢。而要實現人工智慧像電一樣作為生活所需的基礎資源，通過雲平台，恰恰形成類似於電力傳輸的方式，使其得以在不同設備上「流通運行」。

在雲端智能機器人產業進行布局的達閥科技創始人、原移動研究院院長黃曉慶就表示，以人工智慧為基礎的未來機器人應該是雲端智能機器人，如果要製造運算能力達到人類智能的機器人，需要一個體積相當於人腦100萬倍的機器人大腦，這樣大的機器人大腦與身體根本無法匹配，一個更合理的方式是，把機器人「大腦」放在雲端，通過網路傳輸數據和指令與機器人本體連接起來——正如現實版的「阿凡達」。而達闥科技正在努力構建雲端大腦、安全網路、機器人終端的運營公司，將其連接起來，三者密不可分——這便是達闥「雲端機器人運營商」的定位所在。

其次是業內嚴謹務實的態度。人工智慧應當並且最終必將融入生活，但不能夠誇大其實，畢竟，其不能僅僅作為一個概念存在，對於用戶而言「希望越大，失望越大」，技術團隊給予用戶合理的心理預期是十分必要的。

再次是選擇適合的變現模式。一些團隊在為包括手機、家電等產品提供人工智慧方面的技術支持，可以獲得一些資金回報，但對於技術本身的推動作用稍顯不足，因為3C產品終歸僅是人工智慧的「獲益者」。在現階段，相比傳統的3C產品，機器人、自動駕駛等同人工智慧能夠產生更好的相互促進。

就目前來看，雖然近千的相關團隊使人工智慧領域看起來稍顯冗雜，但在「龐大」的基數下，也確實有團隊低調行事，通過技術研發爭取獲得突破，而在這種背景下，的科技互聯網圈子就有可能擺脫在互聯網和移動互聯網時代追趕者甚至「看客」的形象，自主掌握核心關鍵技術，從而成為時代的「弄潮兒」。