摘要： 人工智能并非泡沫，只是我们将过多的精力放在了那些还很遥远的通用AI、自动驾驶上，而没有关注到身边那些细微的变化。

　　

 

　　“在AI问题上，我错得一塌糊涂”，前Google CEO施密特曾在2017年出的RSA安全大会上这样说道。在此之前，施密特认为人工智能技术的研究会遭遇巨大的阻碍，因此规模根本无法扩大，只能解决某些特殊问题，而事实上施密特低估了算法解决复杂问题的能力。

　　算法创业遇阻，AI浪潮这次真的到了吗?

　　不过施密特的言论并没有引起太多的媒体关注，因为看好AI(人工智能)如今已经不是什么新鲜话题，几乎所有的科技巨头都成立了自己的AI研究院，百度等公司更是将未来豪赌在了人工智能上。“我认为互联网的下一幕就是人工智能的时代”，在百度创始人李彦宏眼中，人工智能俨然已经成了和互联网一样的一个新的技术浪潮周期。

　　于是我们看到越来越多的知名学者进入工业界，或加入大公司的实验室，或指导自己的学生创业，甚至自己亲自充当操盘人的角色去创业。随着这波人工智能热，科学界和工业界的界限开始变得模糊。

　　从人工智能的核心三要素——算法、计算力、数据来看，这些技术大牛创业往往都是抱着一套独门秘籍的算法起步，但想比于大公司，目前大多数以人工智能算法为核心的创业公司们，从现在来看并不算非常成功，尽管它们获得了大量的估值，拥有着一个个自带光环效应的明星团队。

　　商汤科技，这家成立于2014年11月的创业公司，仅用了2年时间就实现了估值从0到10亿美元的飞跃，其背后则是香港中文大学教授、IEEE Fellow 汤晓鸥博士，汤晓鸥是计算机视觉领域中华人科学家里的翘楚，其带领的团队在ImageNet的排名中曾一度获得第一名，超过了Google、Facebook旗下的AI研究团队。

　　但这家融资超过1亿美元的人工智能创业公司似乎并没有在技术的实际应用中找到好的场景，点开商汤科技的主页我们不难发现，金融、商业、安防等领域都是商汤所研发的计算机视觉技术的应用方向，无论是官网，还是其在对外的文章中，我们似乎都很难搞清楚这家拥有着不错技术的公司真正的发力点是哪里。

　　与商汤有着同样困惑的或许还有Face++、依图等等，仅仅在计算机视觉算法这一个小领域中，就已经聚集了多家融资超过千万美元的创业公司，他们也一直在寻找自己技术应用场景，这其中不乏前微软亚洲研究院首席研究员孙剑、中科院的人脸识别大牛山世光老师加入或带领的创业团队。

　　“今天再出来做一个公司，你要不说自己是用深度学习、人工智能，你都不好意思出来混。就跟前两年，你要不说自己是O2O，都不好意思去融资一样，我觉得这个有泡沫的成分。”“大炮”周鸿祎曾这样实在地评价人工智能创业。

　　但资本市场的泡沫并不意味人工智能百无一用，只是当前大多数以算法为核心的创业公司并没有，也很难找到应用场景，而拥有场景和数据的产品叠加上人工智能之后，所带来的结果就大为不同了。

　　算法、计算力、数据，人工智能如何落地?

　　人工智能离不开算法、计算力、数据，随着深度学习相关算法的不断成熟，以及计算力资源不再稀缺，那些从创业之初就围绕算法做文章的创业公司似乎很难在市场竞争中找到自己的位置，更无法依靠运营获得更多的数据，不断训练自己的模型，调优算法。

　　早在2016年6月，有着“互联网女皇”之称的KPCB合伙人玛丽·米克尔就在其报告中表示，在中国BAT三家公司共同占据了中国用户71%的移动消费时长，仅微信一个产品就占据了中国用户35%的使用时长。在流量集中化、寡头化的大背景下，商汤、Face++们自然很难找到属于自己的场景，只能为现有的场景拥有者打工，或者去死磕更难的传统行业，比如安防等等。

　　随着算法和计算力的成熟，人工智能的天平开始更倾向于那些原本有着足够多用户和数据的场景拥有者们，因此除了BAT之外，我们也看到越来越多的成熟期创业公司开始应用人工智能技术，并借此寻找到了弯道超车，或巩固自己优势地位，建立壁垒的机会。

　　除此之外，由人工智能去改造传统行业也变得可能，不过这一切的前提是传统行业的信息化，因此我们看到在过去的几年中，SaaS成为最受资本追捧的赛道之一。

　　人工智能相当于发动机，使其运作的前提是需要有足够多的燃料，也就是数据。人工智能能否从实验室中走到实际的工业界中，核心问题也是能否找到足够好的场景，获取足够大量的数据。

　　细分场景下的应用，人工智能价值被凸显

　　1、AI + 内容

　　在2016年的世界互联网大会上，红杉全球合伙人沈南鹏在接受采访时曾表示，今日头条就是自己最看好的人工智能公司，其实在此之前，并没有多少人把今日头条看作一家人工智能公司。但实事求是地说，今日头条确实成功应用了人工智能技术，提高了其个性化推荐内容的准确性，帮助用户节省了筛选内容的时间。

　　而从人员配置上来看，今日头条也正在向一线的人工智能公司看齐，先是前百度少帅计划的科学家、卡内基梅隆大学博士李磊加入，随后微软亚洲研究院常务副院长马维英也加入金头陀担任副总裁。

　　聚拢了优秀的人工智能人才，张一鸣也自然不仅仅希望将人工智能用于头条已经较为成熟的个性化推荐上，根据其2016年在世界互联网大会上的发言，头条正在试图让人工智能应用于新闻内容的创作、智能问答，以及低劣内容的过滤。这些都将成为今日头条面对百度、腾讯等竞争对手时的护城河，尤其是前者已经豪言将豪赌人工智能和内容分发。

　　2、AI+工具

　　除了内容分发，在工具领域，人工智能也在发挥着巨大价值，FaceU的成功其实是AR贴纸的成功，这背后则是商汤科技提供的计算机视觉技术支持。变美永远都是用户使用美颜相机类产品最大的驱动力，而人工智能将这一点做得更好。

　　但遗憾的是人工智能可以让FaceU作为一款优秀的相机工具在95后群体中迅速走红，但却不能改变FaceU本身极强的工具属性，相比于工具，社交需要的是时间和运营。

　　3、AI+社交

　　而拥有社交场景的项目则要简单的多，刚刚上市的Snapchat本身也是人工智能的获益者，其AR贴纸极大程度上增强了Snapchat对于年轻人的可玩性。而在国内，in作为目前国内最大的图片分享社区，也在AI+社交上有一套自己的逻辑。

　　困扰in的是如何把海量的UGC数据，通过人工智能的筛子，再反哺分发给用户。in平台上已经累积了1.8PB的图片数据量，要知道全球最大的图库google photo一年的数据量也不过13.7PB。要做到精准分发匹配，先要基于AI深度学习对图像进行识别，再通过in自主研发的Argus好图发现系统，对图像进行评判，最后结合用户的点击、浏览、点赞等行为画像，匹配系统中已有的3000多个子类场景，推荐相应的贴纸内容。

　　比方说，你坐在星巴克拍了个杯子，系统会识别出你在咖啡馆，并猜测你心情一定很闲适，然后推荐你“阳光温热、岁月静好”的贴纸。那一刻，你会感觉机器很懂你。

　　不过，Facebook AI研究院负责人称，“AI面临的最简单却又最富有挑战问题是“非监督学习”，现在AI分析的样本是建立在人的行为作用之上的，机器学习人的方式来处理数据，我们要开发一个不需要人类标记来“监督”的系统。“AI虽说容易融入社交场景，但其本源太过依赖数据的依赖和挖掘，而数据的价值又取决于用户的分享互动行为，因此社交平台做AI非一朝一夕之功。

　　4、AI +X

　　人工智能技术除了给互联网产品赋能之外，也正在影响着传统行业，随着IBM Watson在医疗领域的成功，越来越多的创业者也将目光投向了人工智能+医学影像，甚至更深一步的机器人诊断系统。根据IT桔子的不完全统计，目前以人工智能+医学影像的创业公司多达26家，其中不乏红杉、经纬、蓝驰等知名基金投资的项目。尽管这背后面临着如何合法有效获取数据，如何进入医院场景，由谁买单的问题，但人工智能在一些细分场景下正在找到它的应用，并在为传统行业赋能。

　　除了医疗之外，在物流运输领域，基于人工智能进行运力的优化和路线规划;在金融行业，依靠人工智能建立风控模型，降低资金风险;在教育领域，自适应学习在国外逐渐被认可……人工智能也正在逐渐地改变着这些传统行业。

　　很明显，在大多数领域，目前看来人工智能可能并不足以支撑一家独立的独角兽企业，它更适合作为一个成熟公司的一个组成部分，或者一个创业公司切入某个细分领域的一把利刃，或者说改造传统行业的一种催化剂。人工智能可以为公司赋能，但却很难直接产生价值。

　　它需要足够多和好的数据土壤，这或许也是为什么李飞飞等教授选择离开学术界，投身工业界的原因，Google所拥有的数据量显然不是斯坦福这样的学校实验室可以比拟的。数据是决定人工智能能否落地的关键，而数据的背后则是场景。

　　人工智能并非泡沫，只是我们将过多的精力放在了那些还很遥远的通用AI、自动驾驶上，而没有关注到身边那些细微的变化。可问题是，任何一个技术的出现从来也不会如同惊雷一般振醒世界，而是润物于无声。