謝謝邀請，任何產業的發展都逃不過以下的週期，概念期-積累期-泡沫期-沉澱期-爆發期-成熟期-死亡期。人工智慧的概念始於上世紀60年代，經過長達近40年的積累期後，獲得了逐步走向成熟的基礎。首先人工智慧涉及的硬體製造已經具有極高的技術水平和成熟度，軟體設計積累大量的人才，移動網際網路為人工智慧的實現鋪平了渠道，也帶來更多的想象空間。這40年來，人工智慧從技術上和實現方式變得越來越成熟。

與上世紀的產業不同的時，過去的產業發展很少藉助資金力量，大多數屬於自然生長，缺點是時間很長，優點是活下來的都是牛逼的。現在的資本力量時刻尋找新風口，所以產業發展的泡沫期、與沉澱期這兩個階段前所未有的變短了。

前兩年嗎，人工智慧成為寵兒，各種各樣的公司在資本的催生下拔苗助長。舉例；兩年前中國只有40多家機器人企業，但是現在有超過800家機器人企業，兩年時間增長了20倍。沒有大額資金的扶持，這種速度是難以想象的。也正是這種增長方式給產業發展帶來了產能過剩、資本過剩、智力過剩。產業之中泥沙聚下，也存在很多的偽人工智慧。

然而過剩是市場經濟的必然結果，只有過剩才能真正做到優勝劣汰。目前來看，雖然人工智慧的技術基本成熟，而且很多工業領域得到應用，中國對智慧製造的重視正在推動人工智慧的發展。但是對於這個產業而已，只有產品走入消費者應用才算是真正實現了產業化。

技術的成熟和產業化之間的差距在於成本、製造難度、穩定性、可靠性等等。目前人工智慧的成本過高，舉例，無人駕駛都會用到多維度鐳射測距儀器，Google使用的36維儀器一套就要80多萬，國內很多企業使用的8維測距一臺也需要10萬左右，這已經大大超出了大眾的消費能力；人工智慧產品的大規模製造尚遙遙無期，因為人工智慧的大規模製造是對傳統制造模式的大顛覆，必須要建立在工業4.0的基礎上，而目前國內的大多數製造企業可能還停留在工業2.0的基礎上。人工智慧的產品的質量穩定性和可靠性依然需要更多的時間進行驗證。

參與人工智慧的人越來越多，賽道越來越擁擠，這說明人工智慧依然處於泡沫前期。在最近的幾年內，大規模的人工智慧企業將會倒下，站到最後的一方面要技術過硬，一方面還要燒得起錢。

1月30日晚上，人工智慧領域權威的科學家吳恩達在其部落格上宣佈成立風投基金「AI Fund」，目前已募資1.75億美元，投資方包括紅杉、軟銀集團、NEA、Greylock Partners等，該基金將專注於推動人工智慧專案發展。至此，吳恩達離任百度首席科學家之後的三大創業專案悉數公開（另外兩個專案分別為Landing.ai以及Deeplearning.ai）。

不僅是初創企業，科技巨頭也在人工智慧領域不斷加碼：百度喊出All in AI，騰訊則有 AI in All，阿里巴巴更是預計投資千億成立「達摩院」......

目前，人工智慧正處於1993年以來的第三次發展浪潮。之所以在這個節點爆發，得益於人工智慧三大基礎要素的成熟：算力、演算法和資料。

吳恩達對這三者的關係曾有一個的比喻：發展人工智慧就像火箭發射衛星，需要強有力的引擎和足夠的燃料。燃料不夠，火箭無法把衛星拖到合適的軌道，引擎不夠則火箭無法起飛。演算法模型就好像引擎，高效能的計算機是打造引擎的工具，而海量的資料就是引擎的燃料。

網際網路和物聯網的發展帶來資料量的井噴。IDC的資料顯示，隨著網際網路和物聯網的發展，2016年全球產生的資料量已經達到16.1ZB（1ZB=1萬億GB），未來資料量的CAGR（年度複合增長率）將達到30%。

硬體水平的發展速度一直在摩爾定律的預言之下快速發展，積體電路目前的發展水平已經能夠承載海量的資料計算。

模型的智慧水平取決於可供訓練的有效資料量，資料的規模和質量直接決定了模型的訓練效果。因此，僅僅關注資料量是不夠的，有閉環反饋的標記資料才是能夠訓練人工智慧模型的優質資料（因此，在評估人工智慧技術在具體商業場景的應用時，需要重點考量是否有有效資料）。

最後，我們從投資層面來看人工智慧在應用層所需要注意的問題。

從外部環境來說，投資者需要考慮：

技術突破和落地可行性

正如上文所說，人工智慧技術發展的核心三要素是算力、演算法和資料，當前算力已經不構成發展瓶頸，若算力要求高，只需要增加晶片即可。限制人工智慧的模型質量和應用落地的因素，主要是有效資料的數量和質量，因此投資者應該考慮的是，該應用所在行業資訊化程度如何？資料積累程度如何？是否具備海量、有閉環反饋的資料？

在各個行業中，金融、醫療行業是資訊化程度高、資料量豐富的行業，也是目前人工智慧技術滲透率較高的行業。

應用場景的商業價值

即人工智慧技術能否顯著提升效率，或者創造出足夠的商業價值，這與專案在產業鏈中的議價能力、利益分配地位也有關；

市場競爭

若投資標的所在細分領域市場競爭已是紅海，或者在巨頭企業的射程範圍之內，則不是理想的投資細分領域；

從具體投資標的內部因素來評估，投資者可以考慮以下兩個因素。

技術能力

對於沒有技術背景的投資者而言，技術能力某種程度上是一個黑匣子，投資者可以透過團隊核心技術人員的研發、工作背景，第三方評估結果（如專利技術）等輔助判斷專案能力；

渠道拓展/市場營銷能力

所投企業是否具有將產品推向市場，佔領市場的能力，是被投專案能否建立市場競爭壁壘的關鍵之一。

另外，還需要關注專案的估值。從2017年全年AI領域的投資統計資料來看，投資金額同比增長超過一倍，但是投資事件的數量卻從2016年的379起下降為353起——這意味著對AI領域的單筆投資金額大幅提升，側面也反映了目前AI一級市場的現狀：優質標的少，專案估值高。泡沫擠壓了投資者未來收益的增長空間。即便選中了好資產，投資收益也可能因為估值不合理而沒達到預期目標。