人工智能（AI）的聲勢似乎不復去年之勇。項目變少了，業(yè)內(nèi)薪酬漲勢停滯，投資人開始討論AI的泡沫問題，輿論的風向也從鼓噪轉(zhuǎn)向了質(zhì)疑。

客觀講最近一年時間，AI的基礎層、技術(shù)層和應用層都沒有出現(xiàn)革命性的理論，而AI的9個熱門方向——芯片、自然語言處理、語音識別、機器學習應用、計算機視覺與圖像、技術(shù)平臺、智能無人機、智能機器人、自動駕駛的商業(yè)化進展參差不齊，和與深度學習有關(guān)的自動駕駛等領(lǐng)域，則一直處在商業(yè)化的邊緣徘徊。

當多年后我們回頭看眼下這段時間，到底是爆發(fā)前的靜默，還是漫漫長夜的無聊片段？

大公司與小公司的殊途同歸

這一年，谷歌旗下的Waymo自動駕駛技術(shù)仍在測試，盡管FCA代工的車隊正在擴張，Waymo也一度宣稱商業(yè)化“近在眼前”，但尚未有下文。

亞馬遜的無人快遞系統(tǒng)，更像蜻蜓點水，稍有漣漪，轉(zhuǎn)瞬不見，無論是無人兩輪車，還是快遞旋翼機。

而蘋果重金投入的自動駕駛項目，除了一個名字（泰坦）半遮半掩之外，尚未有任何進展披露，應該說，這很“蘋果”。

微軟是唯一置身AI核心商業(yè)產(chǎn)品之外的8000億美元市值的巨頭。微軟云作為商業(yè)價值上僅此于亞馬遜云的公有云，實際上充當了開放AI的運行平臺，雖然擴展出眾多AI應用，但并不直接開發(fā)面對個人消費者的產(chǎn)品。

大公司如此，創(chuàng)業(yè)公司同樣感受到資本的絲絲涼意。

有報道稱，去年美國AI產(chǎn)業(yè)創(chuàng)造了216億美元的產(chǎn)值，對于同期融資2000億美元，虧得底掉。當然，投資人沒指望當年投入，當年產(chǎn)出。投資基金的生命周期一般超過5年，因此所投公司5年內(nèi)沒回報是可以理解的。但實際操作中，如果創(chuàng)業(yè)公司3年內(nèi)沒有實現(xiàn)“批量增長”，甚至沒有合理商業(yè)模式，基本上也就涼了，很難融到下一輪。

因此，我們經(jīng)常能看到原有創(chuàng)業(yè)團隊產(chǎn)生裂變，某個大咖拉一票人“二次創(chuàng)業(yè)”，講新故事，投資人再次跟進......這在AI領(lǐng)域簡直成了家常便飯。

有意思的是，二次創(chuàng)業(yè)團隊一般都選擇“降級打怪”。從圖像識別公司離職的員工，會創(chuàng)辦一個在圖像識別領(lǐng)域有具體應用場景的公司。從L5（完全自動駕駛）離職的團隊，則另開一攤研發(fā)L3、L4的落地方案，甚至具體到自動駕駛產(chǎn)業(yè)鏈上的某個硬件、算法。

經(jīng)歷過的人，才能更好地讀懂投資人熱切的目光和顫抖的手。AlphaGo負責向公眾秀AI的魅力，更像個公關(guān)項目，暫時沒有產(chǎn)生實際效用，是大公司的玩具。創(chuàng)業(yè)公司無法玩票，或者長期玩票，花別人的錢，落地兌現(xiàn)是王道，也是生存之道。

有人戲稱，國內(nèi)最早一批AI專家多半來自百度和微軟亞研院。后兩者堪稱中國AI的黃埔軍校，水平最高但缺乏成功轉(zhuǎn)化的產(chǎn)品。時任百度COO的陸奇迅速整合百度AI團隊，將研發(fā)方向指向語音助手、智能家居和L3自動駕駛。這些都是明顯更容易出產(chǎn)品的方向。當大公司都在為“稻粱謀”的時候，AI的泡沫實際上是變少了，而不是增多了。

而創(chuàng)業(yè)公司折騰半天之后，突然發(fā)現(xiàn)自己不但離不開投資人，也離不開大公司。雖然大家的商業(yè)轉(zhuǎn)化率都很感人，但AlphaGo屬于谷歌，Waston屬于IBM，小度屬于百度，自動駕駛公認的執(zhí)牛耳者仍是特斯拉和Waymo。

自動駕駛和其他AI領(lǐng)域一樣都需要大量的數(shù)據(jù)訓練，而擁有更多的用戶，就意味著擁有更多可供填喂的數(shù)據(jù)。數(shù)據(jù)驅(qū)動的技術(shù)導向，是眼下AI的固有門檻，創(chuàng)業(yè)公司很難跨越，于是他們大多選擇成為鏈條上的一環(huán)，而非單干。在大數(shù)據(jù)時代，大公司實際上增強了對小公司的統(tǒng)御能力，真是令人遺憾的事。

AI商業(yè)化還有多遠？

AI概念的提出有50年之久，有人總結(jié)稱“火3、5年，涼7、8年”。

神經(jīng)網(wǎng)絡在本世紀以前也是無人問津，近5年的AI發(fā)展熱潮是由深度學習引領(lǐng)的，而四層以上的神經(jīng)網(wǎng)絡就可以稱之為深度學習。顯然，算力和數(shù)據(jù)處理在近10年來取得重大突破引爆了AI，而大的方法則在幾十年前就設計出來了，只是當時缺乏實現(xiàn)手段而已。

市場上熱炒的AI產(chǎn)品總有點差強人意，背后的深層次是理論前沿研究尚未取得突破。新理論向來是應用技術(shù)的助跑器，只不過是何時發(fā)現(xiàn)其價值的問題。

現(xiàn)在的AI發(fā)展幾乎摸到天花板，如果短期實現(xiàn)不了的需求，再投多少錢也沒用，還不如期待學術(shù)界的突破，學術(shù)界上一次突破（深度學習算法）帶來的應用紅利馬上就要看到盡頭。

而學術(shù)界正被AI商業(yè)公司挖得千瘡百孔，有教授吐槽稱“連寫個項目申請都找不到合適的PI來組隊”。想將自己的研究成果商業(yè)化，或者趁熱賣個好價錢，都無可厚非，但都導致學術(shù)界的失血。為30年后的新世界當墊腳石，還是現(xiàn)在就年薪百萬千萬，選項設置是失衡的。

自動駕駛為代表的AI創(chuàng)新，一種是技術(shù)創(chuàng)新，一種是模式創(chuàng)新，后者依賴于前者。

有人認為自動駕駛風口已過，但也有人認為風口可能還沒來。L5自動駕駛的商用化，似乎永遠差5年，也基于同樣的理由。

即便短期的發(fā)展不容樂觀，產(chǎn)業(yè)上也進入平緩期，但不意味著從業(yè)者消極等待無事可做。距離出發(fā)點很近的好處在于，誤入歧途的話容易改弦更張，代價則是商業(yè)化的夢想需要多等些日子。

【來源：通訊汽車】