最近人工智能非?；鸨?。
去年，在人類自以為憑智力占據(jù)絕對統(tǒng)治地位的圍棋領域，谷歌的阿爾法狗(AlphaGo)以4:1戰(zhàn)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?qū)o法被證偽，因為人工智能已經(jīng)開始滲入我們的生活了！
1. 三大因素助力人工智能加速：數(shù)據(jù)、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(jù)高盛的數(shù)據(jù)，從2005年到2008年，投資人工智能的VC出現(xiàn)一波小高潮；2009年稍作降溫，之后又開始了3年爆發(fā)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(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(shù)據(jù)、計算能力和算法在過去5-10年間的快速發(fā)展。
數(shù)據(jù)
數(shù)據(jù)是人工智能的關鍵。人工智能的‘智能’能力，就是靠數(shù)據(jù)訓練出來的，正所謂，數(shù)據(jù)夠多，自然智能。比如，阿爾法狗能戰(zhàn)勝世界冠軍，靠的正是“領悟”了上億盤的圍棋招式數(shù)據(jù)。
當今社會，信息的生產(chǎn)速度已經(jīng)超越了所有物質(zhì)生產(chǎn)領域的生產(chǎn)速度。分布全球的無所不在的互聯(lián)設備，包括移動設備、物聯(lián)網(wǎng)等，使得非結構化的數(shù)據(jù)大量增長。比如，在移動互聯(lián)網(wǎng)的驅(qū)動下，互聯(lián)網(wǎng)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(yǎng)料的功臣。
數(shù)據(jù)的覆蓋面決定了人工智能的理解力，人工智能很難學習數(shù)據(jù)之外的知識，而數(shù)據(jù)的增長意味著人工智能能夠用來模擬、訓練和測試的數(shù)據(jù)源更加充足。
值得一提的是，國家一直在為數(shù)據(jù)的高速發(fā)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(fā)展、國民經(jīng)濟轉(zhuǎn)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(xiàn)，專門執(zhí)行復雜的數(shù)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(shù)以千計的計算核心，強大、高效并行計算能力，可實現(xiàn) 10-100倍應用吞吐量，特別適用于人工智能的海量數(shù)據(jù)訓練。目前深度學習解決方案幾乎完全依賴GPU。
根據(jù)高盛的報告，自1993年以來，計算機的計算能力呈指數(shù)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(jīng)網(wǎng)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(fā)展的關鍵。在傳統(tǒng)的機器學習中，需要用帶有特征標注的數(shù)據(jù)訓練數(shù)據(jù)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(jiān)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(chuàng)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(fā)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(fā)商合作網(wǎng)站。當然，并不是所有的AI都出自于開源框架。
可以說，數(shù)據(jù)、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(fā)展。
2. 人工智能是高度垂直的，各行各業(yè)的頭部價值凸顯
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，都會推進行業(yè)改革，激起創(chuàng)新熱潮。在感受到互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的巨大影響力之后，沒有企業(yè)愿意錯過人工智能時代。
人工智能對企業(yè)之所以重要，是因為誰能率先給行業(yè)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(yōu)化配置，進而改寫游戲規(guī)則，在這一輪競爭中占據(jù)有利競爭優(yōu)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(fā)，取得了不錯的成績。截止去年年底，今日頭條已經(jīng)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(fā)生類似“今日頭條”的現(xiàn)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(zhuǎn)無人駕駛，旅游的大數(shù)據(jù)也玩不轉(zhuǎn)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(yè)的內(nèi)部競爭將很激烈，贏者通吃的現(xiàn)象在人工智能領域恐怕仍然成立，每個行業(yè)的頭部巨頭將劃分大幅市場份額，甚至每個行業(yè)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(jīng)襲來。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)開始擁擠，競爭激烈。
根據(jù)36氪研究院的數(shù)據(jù)，從2011年到2015年是人工智能創(chuàng)業(yè)公司的成長高峰期，而到了2016年，人工智能公司成立的數(shù)量大幅減少。這預示著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(zhàn)略布局上已經(jīng)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(shù)據(jù)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(xiàn)象在炙手可熱的人工智能領域依然存在。
其次，沒有數(shù)據(jù)，巧婦也難為無米。
數(shù)據(jù)是人工智能的寶藏，可以說擁有數(shù)據(jù)就搶占了先機。在互聯(lián)網(wǎng)時代就積累了大量數(shù)據(jù)的BAT等巨頭，在人工智能上，有著天然的先發(fā)優(yōu)勢。很多人工智能的學界大牛加盟企業(yè)公司，也正是看中了科研機構沒有的大數(shù)據(jù)，大數(shù)據(jù)的魅力由此可見一斑。
這樣的數(shù)據(jù)寶藏，BAT們很難對外開放，對此，李開復有這樣一段表述：
創(chuàng)業(yè)者太自私，但是最自私的是BAT，BAT他們大量的數(shù)據(jù)，但是他們沒有生態(tài)系統(tǒng)，什么數(shù)據(jù)你進去不會給你看，什么人進去也不會出來的，高薪養(yǎng)著他們，審度平臺的都是內(nèi)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(shù)據(jù)。
再次，2C的生意不好做，2B的買賣更有戲。
人工智能的本質(zhì)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(jié)，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?；蛟S，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(tǒng)行業(yè)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(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現(xiàn)彎道超車，難度太大。
和2C相比，2B業(yè)務更值得深入挖掘。金融服務、生命科學、醫(yī)療保健、能源、交通、重工業(yè)、農(nóng)業(yè)和材料等領域，有清晰的產(chǎn)業(yè)邊界，也有專有數(shù)據(jù)，這些創(chuàng)業(yè)公司可以利用專有數(shù)據(jù)和機器學習模型解決高層次的專業(yè)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?？砍醋髋d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(chuàng)業(yè)公司，借助專業(yè)領域的技能、獨特的數(shù)據(jù)和能夠充分利用人工智能技術的產(chǎn)品，解決行業(yè)面臨的實際問題，這才能傳遞真正的核心價值。
摘自 互聯(lián)網(wǎng)
