1 資金很多，專案不夠用了


當前的AI產業發展面臨泡沫化的風險，主要體現在投資供應數量大而專案供給數量少，市場對創業專案寄予很高的期望，而實際的產品體驗欠佳。


泡沫即將出現。在騰訊研究院釋出的《中美兩國人工智慧產業發展全面解讀》報告中，分析了引發行業泡沫的兩個訊號：


一是資金多而專案缺。


綜合過往資料和2017年前半年的情況，今年美國新增企業數量將跌到谷底，在2017之際，美國新增企業數量範圍在25-30家之間徘徊。同時，美國的累計融資量持續快速增長，最後將穩定在1380-1500億元的區間。


2018年後，中美兩國AI企業數量增長都將有所恢復，但依然平緩。在這段時期內，創投圈將會發現，找到一個新的有潛力的專案越來越難，由於新增企業數量稀少，經常只能跟投一些專案。


到2020年，美國累計AI公司數量將會超過1200家，累計融資將達到驚人的2000億人民幣。中國AI企業增勢不明朗。根據行業發展週期來計算，中國人工智慧產業將會在2018年回暖，新增公司數量會上揚到30以上，預期融資累計量將會達到900-1000億元。

二是週期長而營收難。


通俗的說，人工智慧期望值被大大高估了。引領本輪AI熱潮的深度學習，起源於上世紀八九十年代的神經網路研究。在很多情況下，前沿研究是由對已有方法的微小改動和改進組成，而這些方法在幾十年前就已經被設計出來了。


2006年，深度學習演算法獲得了突破後，引起市場熱炒，但相關的AI技術和產品的成熟度仍然有限，甚至被譏笑為“人工智障”。許多專案和技術，要想獲得消費者歡迎，還需要相當長的時間。


從投融資趨勢來看，湧入人工智慧領域的資金依然還會增加。


一個依據是，據不完全統計，2017年中國人工智慧領域的投融資事件約353起，比2016年稍有回落。但投資金額激增，總融資金額近600億人民幣，在政府的鼓勵和行業併購中，2018年中國AI的投資將會持續大幅增加。


另一個依據是，行業併購開始加劇。根據CB Insights提供的資料顯示，自2011年以來，已有近140家人工智慧初創公司被收購，而2017年的第一季度，海外就有34家人工智慧初創公司被收購，為去年同期的兩倍。2018年，仍將延續這一趨勢。在資金增長的同時，中國AI企業數量卻不能同幅增長。根據行業發展週期來計算，中國人工智慧產業將會在2018年呈現回暖，預期融資累計量將會達到900-1000億人民幣，而新增公司數量僅僅上揚到30家左右。


資金多而專案缺，週期長而營收難，專案卻一天比一天更加昂貴，這種情形與1999年的第一次網際網路泡沫何其相似。

2 事情很多，人不夠用了


演算法大神YoshuaBengio曾表示：“深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺。”這是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。


人工智慧競爭以頂級人才為根本。 據說世界上深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是資料，對於解決某些領域的問題，獲取資料並非易事；其次是計算基礎架構工具，包括計算機硬體和軟體；最後是這個領域的工程師培養時間非常長。所以科技巨頭們等紛紛通過收購初創公司來招攬人才。


作為國家未來的發展方向，AI技術對於經濟發展、產業轉型和科技進步起著至關重要的作用。而AI技術的研發，落地與推廣離不開各領域頂級人才的通力協作。在推動AI產業從興起進入快速發展的歷程中，AI頂級人才的領軍作用尤為重要，他們是推動人工智慧發展的關鍵因素。


然而，中國人工智慧領域人才發展極為欠缺。


據騰訊研究院釋出的《2017全球人工智慧人才白皮書》顯示，目前我國約有20所大學的研究實驗室專注於人工智慧，高校教師以及在讀碩博生約7000人；產業界現存人員人數約為39000人。遠不能滿足我國市場百萬級的人才需求量。


從產業發展來看，我國人工智慧領域人才分佈嚴重失衡。


人工智慧產業由基礎層（晶片/處理器、感測器等），技術層（自然語言處理，計算機視覺與影象，機器學習/深度學習，智慧機器人等）和應用層（語音識別，人臉識別）等組成，目前我國在產業層次人才上面臨兩個問題如下：


問題一，產業分佈不均。中國AI產業的主要從業人員集中在應用層，基礎層和技術層人才儲備薄弱，尤其是處理器/晶片和AI技術平臺上，嚴重削弱中國在國際上競爭力。
問題二，供求嚴重失衡，人才缺口很難在短期內得到有效填補。過去三年中，我國期望在AI領域工作的求職者正以每年翻倍的速度迅猛增長，特別是偏基礎層面的AI職位，如演算法工程師，供應增幅達到150%以上。儘管增長如此高速，仍然很難滿足市場需求。但是，由於合格AI人才培養所需時間和成本遠高於一般IT人才，人才缺口很難在短期內得到有效填補。
人才不足，是制約中國AI產業發展的關鍵因素。


近幾年來，Google不斷的收購AI領域的公司最主要的目的是“搶購”一批世界上最一流的專家，在一個迅速成長的人工智慧領域裡面，這些專家無一不是佼佼者。其他科技巨頭也相機而動。


可以推想，人才流動，還將加劇。人才引進，還需持續。2018年，無法緩解人才飢渴症。


3 場景很多，路不好走了


如果梳理一下2017全年的AI產業大事件，人工智慧技術與行業結合，九大熱門領域遍地開花。


其中，醫療、金融、無人駕駛這三大熱點中的懸疑，更是大大的吊足了公眾的胃口。


懸疑一，AI醫療的變革的訊號在哪裡？

作為民生領域，醫療年年改，卻次次令人無奈。風險投資也對AI+醫療有持續不斷的支援。2017年，每個月都有VC流入AI+醫療領域，國內所有醫療人工智慧公司累計融資額已超過180億人民幣。


科技企業智慧醫療的佈局與應用已有雛形，IBM Waston已應用於臨床診斷和治療，在2016年就進入中國在多家醫院推廣；阿里健康重點打造醫學影像智慧診斷平臺；騰訊在17年8月推出騰訊覓影，可輔助醫生對食管癌進行篩查。圖瑪深維11月獲投2億元，正在把深度學習引入到計算機輔助診斷系統中，晶泰科技 （XtalPi）近期也融資1500萬美元，用於新一代的智慧藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。


遺憾的是，儘管政府亮了綠燈，企業投了人力財力，但人工智慧卻並沒有在醫療領域出現爆發。原因何在？在於人工智慧需要大量共享資料，而醫院和患者的資料如同孤島。如何打破各方壁壘，保障健康的同時又保障資料安全性？這將是推動智慧醫療快速發展的一個重要訊號。


懸疑二，AI如何深層次的撬動金融？




與智慧醫療面臨相同資料問題的還有金融領域，大量的可信度較高的資料握在各大銀行手中，AI怎麼能夠撬出來這些資料以推動金融科技的創新，是創業者們絞盡腦汁思考的課題。


當前，人臉識別、指紋識別技術作為驗證客戶身份、遠端開戶、刷臉支付，解決金融安全隱患的方案，已經發展成熟正在逐步推廣。


如何利用知識圖譜挖掘潛在客戶、進一步深挖客戶潛在需求的技術也已較為成熟，而資料來源的問題亟待解決。


美國的科技公司FutureAdvisor最早研製出“機器人理財顧問”。隨後，此類機器人理財顧問迅速風靡全球。


2017年智慧投顧更是火燒火燎，被視為是下一個風口。但是，機器人炒股，結果賠了。


懸疑三，智慧汽車究竟何時上市？




無人駕駛汽車被稱為“四輪機器人”，但其發展何時會像智慧手機一般，人手一臺，徹底顛覆傳統手機進而推動整個產業變革？這答案仍然是個懸疑。


2017年，汽車行業內智慧造車勢力動作不斷，其中一部分已陸續交出答卷，讓產品接受市場的檢驗，而一部分仍在溫室中培養，等待結果。之所以稱之為“溫室”，是因為各行各界都對其予以厚望，尤其是在投融資上，雖然投資事件數不多，但金額達234億人民幣。


百度宣佈開放阿波羅平臺。阿里巴巴與上汽集團等傳統車企展開合作。騰訊於年初成功入股特斯拉成為第五大股東，領投蔚來汽車首款純電動產品，已正式上市。


時間正在跟我們賽跑。2017年，無人駕駛車輛走上北京五環被交警調查，12月20日，一支百度Apollo無人車車隊，在雄安新區測試開跑。2018年初，北京順義區無人駕駛試運營基地正式啟動，成為北京出臺國內首部自動駕駛新規以來，全市首個開展無人駕駛試運營的區域。2018年，誰會上路？行業和消費者都拭目以待。


結束語
回顧2000年網際網路泡沫的幻滅，很多人依然覺得不可思議。那時候的產業發展日新月異，軟體應用、網路服務ISP，網路內容ICP爆發，常有一日不見如隔三秋的感嘆。


2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。 納斯達克指數迅速滑落。中間經歷了9.11恐怖襲擊事件，還有安然事件。寒冬持續了3年時間，才慢慢走出低谷。


如今的AI產業正蓬勃發展，與網際網路初期階段何其相似。


產業帶著耀眼的光環，肩負國家戰略的重任，高度依賴資本市場渠道，輿論高度爆炒，從業者無不都是三高社會精英。

但美中不足的是，上市的產品卻體驗欠佳，應用場景略顯不足，魚目混珠的專案時有出現。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------