當前，中國的AI市場發(fā)展階段和市場特性，與美國是完全不同的。美國的AI技術應用最廣的還是語音、IOT、智能客服等方面，但其圖像識別等才剛剛起步。而中國的圖像識別技術應用更加廣泛，中國的人口規(guī)模龐大，因此人口規(guī)模到了一定程度之后，做應用的時候會有不同的優(yōu)先級。目前，網(wǎng)上一直對國內(nèi)的AI發(fā)展并不看好，而這究竟為何？

認為所謂的AI落地只是試點

云計算和網(wǎng)絡工業(yè)都花了大約5年的時間才開始對人們的生活產(chǎn)生重大影響，而這些行業(yè)影響市場的重大轉(zhuǎn)變也花了近10年時間。而AI的落地也需要一個類似的時間表。正如AI技術方面經(jīng)驗豐富的Karen Bennet解釋的那樣：“為了讓每個人都能采用，一款產(chǎn)品需要方便可用，需要是能夠擴展至被所有人使用，而不僅僅是服務于數(shù)據(jù)科學家。該產(chǎn)品將需要考慮數(shù)據(jù)生命周期中數(shù)據(jù)捕獲、準備、培訓模型和預測等環(huán)節(jié)。隨著數(shù)據(jù)被存儲在云端，數(shù)據(jù)管道可以不斷地提取，并準備用它們來訓練模型，從而做出預測。模型需要借助新的訓練數(shù)據(jù)不斷改進，從而保持模型的相關性和透明性。這就是目標和希望�！�

數(shù)據(jù)的完整性問題

如今的AI需要大量的數(shù)據(jù)才能產(chǎn)生有意義的結(jié)果，但目前依然無法熟練利用其他應用程序。數(shù)據(jù)的不完整，導致人們對于AI的信任和信心都在下降。例如，在土耳其語屬于中性的語言，谷歌翻譯中的AI模型在將其翻譯成英語時卻錯誤地預測了性別。雖然克服這些局限性的工作已經(jīng)取得進展，但是在模型擴展的方式應用之前，學習是有必要的。然而，在某些情況下，AI可以在今天已經(jīng)得到有效的應用，比如在圖像識別、聲音、視頻和翻譯語言方面的洞察力。

初創(chuàng)AI企業(yè)還在向頭部聚攏中

當前，AI還在迅速發(fā)展，但并沒有像人們想象中發(fā)展的那么迅速。根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)統(tǒng)計機構Statista發(fā)布的調(diào)查結(jié)果來看，截止2017年，全球只有5％的企業(yè)在生產(chǎn)流程和產(chǎn)品中廣泛采用了AI，32％的企業(yè)尚未采用AI，22％的企業(yè)甚至沒有采用AI的計劃。AI在不斷的進步，走過了很長的路，也需要越來越多的時間來成熟。

目前AI具備的“智能感知”、“智能交互”和“智能決策”三大能力對傳統(tǒng)企業(yè)幫助特別大。過去三年里，AI行業(yè)涌入大量資金，創(chuàng)業(yè)公司林立，獨角獸此消彼長，曠視科技、商湯科技、優(yōu)必選、極鏈科技Video＋＋等快速占領資本市場高地。自2013年到2016年AI企業(yè)發(fā)生融資數(shù)量由21家增長到335家，融資規(guī)模高速增長，由15億到236億。從2017年開始，企業(yè)融資數(shù)量開始增長放緩，但融資規(guī)模依然高速增長到338億，向頭部聚齊。

AI圍繞上半場（消費互聯(lián)網(wǎng)）的算法相對比較成熟，尤其是一些應用場景。但在下半場（產(chǎn)業(yè)互聯(lián)網(wǎng)）還處于一個非常不成熟的階段。傳統(tǒng)企業(yè)在面臨新技術的時候，無法快速的找到適合的場景，甚至一些AI公司很多時候是不計成本的在開發(fā)模型，不計成本的在獲取客戶。以深度學習為代表的AI到了期望值非常高的高度，但是技術成熟度曲線一直存在。

結(jié)語：

未來，我們或許將看到開發(fā)新的自適應技術，以便將知識從模擬無縫轉(zhuǎn)移到現(xiàn)實世界。這將有助于我們克服數(shù)據(jù)稀缺并加快新領域和問題的學習。使AI從模擬到實際數(shù)據(jù)將對機器人技術、圖像識別、自動駕駛、醫(yī)學成像、地震預報等產(chǎn)生重大影響。模擬是解決自動駕駛等安全關鍵應用中所有可能情況的好方法，內(nèi)置于復雜模擬器中的知識將以新穎的方式被使用，以使AI更具物理意識，更強大，并能夠推廣到新的未知場景。

AI在不斷的進步，走過了很長的路，但需要越來越多的時間來成熟。計算機技術水平的不斷提高，也決定了AI如何更好地融入企業(yè)，如何用AI解決現(xiàn)在的問題。AI的無處不在將引起我們生活的重大變化，越來越多的AI領軍人物加入AI的發(fā)展中，AI的發(fā)展前景不會因為面臨的問題減弱，而是會越來越好，到那時人們對AI的期望也會不斷提高。