2018年人(rén)工智能(néng)産業發展依然面臨的三大難題

2017年，人(rén)工智能(néng)領域在算(suàn)法、政策、資金(jīn)等方面已經出現(xiàn)了(le)三大突破，業界歡欣鼓舞的情形很像1999年年底網絡泡沫泛濫時(shí)的情形。展望2018年，偌大的人(rén)工智能(néng)領域，優秀項目不夠、頂尖人(rén)才不足、場(chǎng)景落地缺乏等将成為(wèi)橫亘在人(rén)工智能(néng)領域面前的三大難題。

一(yī)、資金(jīn)很多，項目不夠用了(le)

當前的AI産業發展面臨泡沫化(huà)的風(fēng)險，主要體(tǐ)現(xiàn)在投資供應數量大而項目供給數量少，市(shì)場(chǎng)對創業項目寄予很高的期望，而實際的産品體(tǐ)驗欠佳，泡沫即将出現(xiàn)。

騰訊研究院發布的《中美兩國人(rén)工智能(néng)産業發展全面解讀》報(bào)告，分(fēn)析了(le)引發行業泡沫的兩個(gè)信号。一(yī)是資金(jīn)多而項目缺。根據過往數據和2017年上(shàng)半年的情況預測，2017年美國新(xīn)增企業數量将跌到谷底，數量在25～30家之間(jiān)。同時(shí)，美國的累計融資量持續快(kuài)速增長，最後将穩定在1380億～1500億元之間(jiān)。

2018年，中美兩國AI企業數量增長都将有所恢複，但(dàn)增長速度依然平緩。這(zhè)段時(shí)期，創投圈将會發現(xiàn)，找到一(yī)個(gè)新(xīn)的有潛力的項目越來(lái)越難，由于新(xīn)增企業數量稀少，經常隻能(néng)跟投一(yī)些(xiē)項目。

到2020年，美國AI公司累計數量将會超過1200家，累計融資額将達到2000億元。中國AI企業增勢不明朗。根據行業發展周期來(lái)計算(suàn)，中國人(rén)工智能(néng)産業将會在2018年回暖，新(xīn)增公司數量會上(shàng)漲到30家以上(shàng)，預期融資累計量将會達到900億～1000億元。

二是周期長而營收難

可以說(shuō)人(rén)工智能(néng)期望值被大大高估了(le)。引領本輪AI熱潮的深度學習，起源于上(shàng)世紀80～90年代的神經網絡研究。在很多情況下(xià)，前沿研究方法是由對已有方法的微小改動和改進而來(lái)，而這(zhè)些(xiē)方法在幾十年前就(jiù)已經被設計出來(lái)了(le)。

2006年，深度學習算(suàn)法獲得了(le)突破後，引起市(shì)場(chǎng)熱炒，但(dàn)相關(guān)的AI技術和産品的成熟度仍然有限，甚至被譏笑(xiào)為(wèi)“人(rén)工智障”。許多項目和技術，要想獲得消費者歡迎，還需要等待相當長的時(shí)間(jiān)。

從投融資趨勢來(lái)看，湧入人(rén)工智能(néng)領域的資金(jīn)依然還會增加。據不完全統計，2017年中國人(rén)工智能(néng)領域的投融資事(shì)件約353起，比2016年稍有回落。但(dàn)投資金(jīn)額激增，總融資金(jīn)額近600億元，在政府的鼓勵和行業并購(gòu)中，2018年中國AI的投資額将會持續大幅增加。

同時(shí)，行業并購(gòu)開始加劇(jù)。CBInsights提供的數據顯示，自2011年以來(lái)，已有近140家人(rén)工智能(néng)初創公司被收購(gòu)，而2017年的第一(yī)季度，海外就(jiù)有34家人(rén)工智能(néng)初創公司被收購(gòu)，為(wèi)2016年同期的兩倍。2018年，仍将延續這(zhè)一(yī)趨勢。在資金(jīn)增長的同時(shí)，中國AI企業數量不會同幅增長。根據行業發展周期來(lái)計算(suàn)，中國人(rén)工智能(néng)産業将會在2018年呈現(xiàn)緩慢(màn)增長趨勢，預期累計融資量将會達到900億～1000億元，而新(xīn)增公司數量僅會上(shàng)漲到30家左右。

資金(jīn)多而項目缺，周期長而營收難，項目卻一(yī)天比一(yī)天更加昂貴，這(zhè)種情形與1999年的第一(yī)次互聯網泡沫時(shí)非常相似。

三、事(shì)情很多，人(rén)不夠用了(le)

算(suàn)法大神YoshuaBengio曾表示：“深度學習現(xiàn)在很熱門，目前的困境是缺乏專家，一(yī)個(gè)博士生(shēng)大概需要五年的培養時(shí)間(jiān)，但(dàn)是五年前還沒有博士生(shēng)開始從事(shì)深度學習，這(zhè)意味着現(xiàn)在該領域的專家特别少，可以說(shuō)彌足珍貴、極度稀缺。”這(zhè)是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。

人(rén)工智能(néng)競争的根本就(jiù)是争奪頂級人(rén)才。據說(shuō)世界上(shàng)深度學習領域的頂尖人(rén)才不超過50人(rén)，因此科技巨頭們紛紛通過收購(gòu)初創公司來(lái)招攬人(rén)才。

作(zuò)為(wèi)國家未來(lái)的發展方向，AI技術對于經濟發展、産業轉型和科技進步起着至關(guān)重要的作(zuò)用，而AI技術的研發、落地與推廣離不開各領域頂級人(rén)才的通力協作(zuò)。在推動AI産業從興起進入快(kuài)速發展的曆程中，AI頂級人(rén)才的領軍作(zuò)用尤為(wèi)重要，他們是推動人(rén)工智能(néng)發展的關(guān)鍵因素。然而，中國人(rén)工智能(néng)領域人(rén)才極為(wèi)欠缺。

據騰訊研究院發布的《2017全球人(rén)工智能(néng)人(rén)才白皮書》顯示，目前我國約有20所大學的研究實驗室專注于人(rén)工智能(néng)，高校(xiào)教師以及在讀碩博生(shēng)約7000人(rén)；産業界現(xiàn)存人(rén)員(yuán)人(rén)數約為(wèi)39000人(rén)，遠(yuǎn)不能(néng)滿足我國市(shì)場(chǎng)百萬級的AI人(rén)才需求量。

從産業發展來(lái)看，我國人(rén)工智能(néng)領域人(rén)才分(fēn)布嚴重失衡。人(rén)工智能(néng)産業由基礎層（芯片／處理(lǐ)器(qì)、傳感器(qì)等）、技術層（自然語言處理(lǐ)、計算(suàn)機視(shì)覺與圖像、機器(qì)學習／深度學習、智能(néng)機器(qì)人(rén)等）和應用層（語音(yīn)識别、人(rén)臉識别）等組成，目前我國在産業層次人(rén)才上(shàng)面臨兩個(gè)問題。一(yī)是産業分(fēn)布不均。中國AI産業的主要從業人(rén)員(yuán)集中在應用層，基礎層和技術層人(rén)才儲備薄弱，尤其是處理(lǐ)器(qì)／芯片和AI技術平台上(shàng)人(rén)才缺乏，會嚴重削弱中國在國際上(shàng)的競争力。

二是供求嚴重失衡，人(rén)才缺口很難在短期内得到有效填補。過去三年中，我國期望在AI領域工作(zuò)的求職者正以每年翻倍的速度迅猛增長，特别是偏基礎層面的AI職位，如(rú)算(suàn)法工程師，供應增幅達到150％以上(shàng)。盡管增長如(rú)此高速，但(dàn)是由于合格AI人(rén)才培養所需時(shí)間(jiān)和成本遠(yuǎn)高于一(yī)般IT人(rén)才，人(rén)才缺口很難在短期内得到有效填補。人(rén)才不足，是制約中國AI産業發展的主要因素。

近幾年來(lái)，Google不斷收購(gòu)AI領域公司最主要目的是“搶購(gòu)”一(yī)批世界上(shàng)一(yī)流的專家，在一(yī)個(gè)迅速成長的人(rén)工智能(néng)領域裏面，這(zhè)些(xiē)專家無一(yī)不是佼佼者。其他科技巨頭也(yě)在相機而動。2018年，人(rén)才饑渴症不會得到緩解。

四、場(chǎng)景很多，路(lù)不好(hǎo)(hǎo)走了(le)

梳理(lǐ)一(yī)下(xià)2017全年的AI産業大事(shì)件可以發現(xiàn)，醫(yī)療、金(jīn)融、無人(rén)駕駛等三大熱點在吊足了(le)公衆胃口的同時(shí)，尚有疑問待解。

一(yī)是AI醫(yī)療的變革信号在哪裏？

2017年的每個(gè)月(yuè)(yuè)中，都有VC流入AI＋醫(yī)療領域，國内所有醫(yī)療人(rén)工智能(néng)公司累計融資額已超過180億元。

科技企業智能(néng)醫(yī)療的布局與應用已有雛形，IBMWaston已應用于臨床診斷和治療，2016年就(jiù)已進入中國在多家醫(yī)院推廣。阿裏健康重點打造醫(yī)學影像智能(néng)診斷平台；騰訊在2017年8月(yuè)(yuè)推出騰訊覓影，可輔助醫(yī)生(shēng)對食管癌進行篩查。圖瑪深維2017年11月(yuè)(yuè)獲投2億元，正在把深度學習引入到計算(suàn)機輔助診斷系統中；晶泰科技（XtalPi）近期也(yě)融資1500萬美元，用于開發新(xīn)一(yī)代的智能(néng)藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。

遺憾的是，盡管政府亮起綠(lǜ)燈，企業投了(le)人(rén)力、财力，但(dàn)人(rén)工智能(néng)卻并沒有在醫(yī)療領域推出爆發式應用。原因在于人(rén)工智能(néng)需要大量共享數據，而醫(yī)院和患者的數據如(rú)同孤島。如(rú)何打破各方壁壘，在保障健康的同時(shí)又保障數據安全性？這(zhè)将是推動智能(néng)醫(yī)療快(kuài)速發展中需要解決的問題。

二是AI如(rú)何深層次地撬動金(jīn)融？

與智能(néng)醫(yī)療一(yī)樣面臨數據問題的還有金(jīn)融領域，大量的可信度較高的數據掌握在各大銀行手中，AI怎麽能(néng)夠撬出這(zhè)些(xiē)數據以推動金(jīn)融科技的創新(xīn)，是創業者們絞盡腦汁思考的課題。

當前，應用人(rén)臉識别、指紋識别技術作(zuò)為(wèi)驗證客戶身(shēn)份、遠(yuǎn)程開戶、刷臉支付的方案，已經發展成熟，正在逐步推廣。

如(rú)何利用知識圖譜挖掘潛在客戶和深挖客戶潛在需求的技術也(yě)已較為(wèi)成熟，而數據源的問題亟待解決。

美國科技公司FutureAdvisor最早研制出“機器(qì)人(rén)理(lǐ)财顧問”。随後，此類機器(qì)人(rén)理(lǐ)财顧問迅速風(fēng)靡全球。

2017年智能(néng)投股曾被視(shì)為(wèi)是下(xià)一(yī)個(gè)風(fēng)口。但(dàn)是，機器(qì)人(rén)炒股的結果是賠了(le)。

三是智能(néng)汽車究竟何時(shí)上(shàng)市(shì)？

無人(rén)駕駛汽車被稱為(wèi)“四輪機器(qì)人(rén)”，但(dàn)其發展何時(shí)會像智能(néng)手機一(yī)般人(rén)手一(yī)部、徹底颠覆傳統手機進而推動整個(gè)産業變革？這(zhè)個(gè)問題仍然沒有答(dá)案。

2017年，汽車行業内智能(néng)造車勢力動作(zuò)不斷，其中一(yī)部分(fēn)已陸續交出答(dá)卷，讓産品接受市(shì)場(chǎng)的檢驗，而另一(yī)部分(fēn)仍在“溫室”中培養，等待結果。所以稱之為(wèi)“溫室”，是因為(wèi)各行各業都對其予以厚望，尤其是在投融資上(shàng)，雖然投資事(shì)件數不多，但(dàn)金(jīn)額已達234億元。

百度宣布開放(fàng)阿波羅平台；阿裏巴巴與上(shàng)汽集團等傳統車企展開合作(zuò)；騰訊成功入股特斯拉成為(wèi)第五大股東，領投入股的蔚來(lái)汽車的首款純電動産品已正式上(shàng)市(shì)。

時(shí)間(jiān)正在跟我們賽跑。2017年12月(yuè)(yuè)20日，一(yī)支百度Apollo無人(rén)車車隊，在雄安新(xīn)區測試開跑。2018年年初，北京順義區無人(rén)駕駛試運營基地正式啓動，成為(wèi)北京出台國内首部自動駕駛新(xīn)規以來(lái)，該市(shì)首個(gè)開展無人(rén)駕駛試運營的區域。2018年，哪輛無人(rén)汽車會上(shàng)路(lù)？行業和消費者都在拭目以待。

回顧2000年互聯網泡沫的破滅，很多人(rén)依然覺得不可思議(yì)。那時(shí)候的産業發展日新(xīn)月(yuè)(yuè)異，軟件應用、網絡服務(wù)ISP與網絡内容ICP等均在爆發，常有一(yī)日不見如(rú)隔三秋的感歎。

2000年4月(yuè)(yuè)，納斯達克指數一(yī)路(lù)狂飙突進到曆史頂點，5400多點。但(dàn)不幸泡沫破裂，資本市(shì)場(chǎng)崩盤。納斯達克指數迅速滑落。寒冬持續了(le)3年時(shí)間(jiān)，才慢(màn)慢(màn)回暖。

如(rú)今的AI産業正蓬勃發展，與互聯網初期階段何其相似。

産業帶着耀眼的光環，肩負國家戰略的重任，高度依賴資本市(shì)場(chǎng)渠道，輿論高度爆炒，從業者無不都是“三高”社會精英。

但(dàn)美中不足的是，上(shàng)市(shì)的産品卻體(tǐ)驗欠佳，應用場(chǎng)景略顯不足，魚目混珠的項目時(shí)有出現(xiàn)，泡沫的感覺越來(lái)越強。無論是政府還是企業，大家都應該對未來(lái)的風(fēng)險加以防範。