這年頭這樣的事情越來越常見了，不稀奇了！

當一個新的技術有足夠的噱頭和亮點的時候，就會有一大群人一頭扎進來，還有一大群投資者跟著跳進來。目的也都只為一個——用最短的時間獲取最大的價值！

不只是 AI，區塊鏈、共享經濟這都屬於一個德行...

AI 技術現在還只是侷限在機器學習、深度學習的演算法學習研究時期，它還沒有人們想象的那麼智慧。在還沒有那麼智慧的時候就有人開始研發一大堆看起來很牛逼實則然並卵的產品出來，打上 AI 人工智慧的旗號開始進入市場。

真正致力於研究 AI 技術的廠商都還把這種東西放在實驗室裡，它還沒有條件問世的時候非要把它推到市場上，不虧錢怎麼可能？這就好比你90年代就開始賣8核的 CPU，聽起來簡直就是來自未來的東西，但誰能買得起？誰能用得上？又有誰能接受的了這種產品呢？

要落地還得再等3年吧，需要一段時間的冷靜期！

　　2017年中國AI創業公司獲得的累計融資超過500億元，但國內AI 100強創業公司累計產生的收入卻不足100億元。之所以會有如此大的反差，原因有多方面的。

　　同樣，AI行業也有太多的跟風者。由於資本過度的吹捧AI行業，導致大量創業者跟風進入AI行業，催生了巨大的泡沫。過去一年，國內AI行業累計融資500億，這說明資本和創業者並不理性。

　　2、AI行業門檻很高：不可否認，與AI相關的概念非常火爆，但AI創業的門檻還是很高的。目前，國內針對AI的專案，不過是停留在基於智慧手機的一些應用，諸如AI拍照和AI語音助手。從技術角度來說，AI是人工智慧，需要有一定的學習和思考能力，這就需要大資料和演算法的支撐。如果沒有豐富的資料，以及不斷完善的演算法，AI就無從談起。從這一角度來看，AI行業的門檻還是很高的，AI公司產出低也就可以理解了。

　　3、AI產業並不成熟：作為一項新生事物，AI產業並不成熟，商業化仍處於探索階段。雖說很多企業涉足AI研發，但真正成熟的AI專案很少，能夠商業化運作的AI專案更是稀少。

　　總之，AI概念雖然火爆，但AI行業並不成熟，商業化還在探索。沒有成熟的商業化，AI創業公司產出少亦是必然。就目前的情況來看，AI產業成熟至少還需要5年以上的時間。

說人工智慧只是輔助手段，而不是決勝力；人工智慧產業缺乏的不是演算法，而是如何更好地轉化成工程手段。”等等說法，但我覺得大家忽略了一個問題。

還記得前幾年很火的3D列印嗎？現在是不是除了關鍵詞的定向搜尋基本上看不到任何圖文和影片訊息了？難道說3D列印是純炒作概念根本沒有使用價值嗎？顯然不是！每一個新興事物的出現都會經歷波峰——波谷——波峰——平穩增長的階段。AI人工智慧也是如此，除了客觀條件的技術限制，最主要的就是在第一個峰——波谷期間投入太大，導致現在的結果看起來是九成AI企業虧損，即：人工智慧領域的技術發展尚未到大規模投入產出階段。我堅信，未來3年一定是3D列印的爆發期，之後，可能會出現這樣的新聞：如何看待九成AI企業營收過億，人工智慧商業之春真的來了嗎？

先給結論，這是必然的結果也是正常現象。

人工智慧作為下一個技術風口是大機率事件，人工智慧的前景非常好。這一點不會因為有大量企業虧損而改變。至於九成AI企業虧損，需要從不同的角度去解讀。

一．孕育新市場需要一個過程

作為新興技術，人工智慧目前還在大規模投入階段。這個時候是技術積累，市場培育的階段。短暫的虧損並不能說明太多問題。

目前如日中天的阿里巴巴也曾經難以為繼，目前勢頭良好的京東也曾經經歷過長期的虧損。電商行業目前已經成熟，行業佼佼者可以收穫鉅額回報。在行業發展早期，湧現出來一大批電商企業，即使是笑到最後的阿里巴巴和京東也難以逃脫階段性虧損的命運。因此，人工智慧企業經歷大規模的虧損，並不值得大驚小怪。行業成熟之前，盈虧不是衡量企業優劣的標準，也不能說明行業前景。

二．行業集中是行業成熟的必然現象

在一個行業展現出良好的成長性之時，一定會有大量投資者進入該領域。但是，在競爭的過程中，一部分企業會有著更為優良的市場表現，並且不斷侵蝕其他競爭者的份額，最終市場集中度會不斷提高。這是任何一個行業成熟的過程中都會出現的情況。以中國的手機市場為例，前幾年大量投資者請進入手機市場，但是經過幾年的廝殺，最終形成了華為，小米，OPPO和vivo等幾家中國產巨頭聯合蘋果公司共同主導市場的格局，其他企業不斷被邊緣化，不少企業嚴重虧損。雖然AI產業還在快速發展中，但是行業中大多數企業註定只能是過客，出現虧損實屬正常。

三．中國投資者喜歡跟風加劇虧損現象

鑑於“風口說”在中國備受推崇，目前的中國市場上投機心理比較嚴重。大量投資者喜歡跟風投資，很多行業都出現了嚴重的投資過剩。之前的團購網，共享單車，無人貨架等等行業，都出現了投資過熱，泡沫嚴重的情況。這個現象在人工智慧領域再次上演並不令人意外。

四．部分企業虧損不代表商業化落地困難

最後，九成企業虧損不能說明人工智慧商業化落地困難。虧損也需要分情況討論，階段性虧損和欠缺競爭力的企業虧損都是市場發展的正常現象。目前人工智慧依然有著非常不錯的發展前景，而且未來的發展潛力很大。目前還遠遠沒有到收穫成果的階段，大量企業虧損不代表人工智慧商業化遇到重大挫折，人工智慧的前景依然值得期待。

自1956年“人工智慧”一詞誕生於“達特茅斯會議”後，前者就始終在不斷向前推進。雖然中間經歷了不少低谷和寒潮，但總算挺了過來。60多年後，人工智慧在當下呈現突飛猛進的發展態勢。

無論是谷歌、蘋果、阿里、騰訊等巨頭，還是眾多創業公司，都在圍繞人工智慧下苦工。成果自然是顯著的，人工智慧技術在深度學習的加持下有了長足的進步。而從國家層面看，去年7月國務院釋出《新一代人工智慧發展規劃》。在綱要中就提出：到2030年，使中國成為世界主要人工智慧創新中心。

技術突飛猛進、國家政策支援，怎麼看人工智慧都站在了風口上。而且在中國發展人工智慧又有著得天獨厚的條件：深度學習演算法模型的訓練需要大規模資料集，中國各行業沉澱著大量資料。為此，很多人工智慧企業都將中國當做人工智慧商業落地的主戰場。

但事與願違的是，技術實力並不等於變現能力，技術領先也不一定就具有商業價值。《2018華人工智慧商業落地研究報告》中還包括了一份“2018華人工智慧商業落地100強榜單”，這份榜單凸顯出當下華人工智慧商業落地之痛。

2018年預計營業收入在10億以上的人工智慧企業只有8家，絕大部分企業年營業收入不足2億。此外，2017年中國AI商業落地100強創業公司累計產生的收入不足100億元，90%以上的AI企業虧損。按照此前的各種資料預測，文娛、數碼、製造等多個行業的人工智慧潛在產值都在數千億乃至上萬億元左右，但現實卻是如此的殘酷。

之所以人工智慧在商業落地層面遭遇尷尬處境，一方面在於過高估了它的能力。畢竟人工智慧更偏向於輔助手段，只能是一種新動能，而不是最不可或缺的驅動力。另一方面，很多人工智慧技術比較尷尬，雖然技術領先但卻並沒有適合的具體場景，就像是“屠龍之術”。

不可否認的是，人工智慧的未來必然會很美好。但如果不能解決商業落地的問題，或許還會再次遭遇低谷。這對於整個人工智慧行業來說，打擊是致命的。在投入不斷增加卻始終不見回報的情況下，又有多少企業能堅持下去呢？

說三點

１、不是所有的事物都是用錢來衡量。

２、即便是在探索中走到了錯誤的方向，也會成為未來成功的奠基石。

３、目前的人工智慧的研究基本上實用性不大，很多方面還待理論上逐步的完善。所以對於急需掙錢等米下鍋的人，最好不要去碰。

雷聲大，雨點小是對目前國內AI人工智慧行業現狀的最好概括。

為什麼說雷聲大？在《2018年華人工智慧商業落地研究報告》中，陳述了這麼一個現象：2017年華人工智慧領域的創業公司獲得的融資累計超過500億元。這麼大的融資額，背後其實是風口和資本效應。

我們都知道，資本是往熱鬧的地方走的，而中國的很多資本流向，大部分是為了獲利，而不是產生實際的社會價值。所以，追風口的事情在中國非常普遍，資本方用資金及其他資源，催熱一個行業，甚至是一個概念，吸引更多資本和人進入，等到大盤被抬高時，套現走人。

人工智慧就是資本眼中很好的標的。我不是說人工智慧是虛的，或者只是一個概念，人工智慧確實是未來發展的方向和各行業改革的助力器，它是絕對的政治正確，而且確實已經有一些落地應用，加上媒體的廣泛報道和國家的支援，雖然離真正的普及和大規模實際應用還有比較長的距離，但人工智慧將會是長期的風口。所以，資本都流向人工智慧行業，具體到創業公司，只要涉及到人工智慧的，獲得融資的機率都會高很多。

你想想幾年前，移動網際網路剛剛興起，無數網際網路創業公司如雨後春筍成立，整個網際網路行業都是資本的狂歡，北京、深圳等一線城市還出現了“創業一條街”、“掃碼一條街”等網際網路和資本的產物，等到泡沫破滅時，絕大多數創業公司面臨倒閉。如今的人工智慧、區塊鏈也是新技術風口，也會受到資本的瘋狂追捧。所以，這500億元，投的大部分是對風口的追捧和對未來應用的期待，實際的落地和產出與此並沒有多大的關係。

事實上，人工智慧行業的商業落地之路也確實不太順利，因為這個人工智慧實在太複雜了，很多技術瓶頸難以突破。目前人工智慧的主要邏輯是依賴於大資料訓練與學習，而目前的資料需要標註整理，現階段人工智慧實現的前提，就是以大量的人為標註資料為執行基礎的。這不僅需要大量的人力和時間，而且各垂直行業所需的專業人才不一樣，再把帶有專業背景的人才歸到人工智慧行業，就更是難上加難了。

而且，能實際落地、產生社會效應的人工智慧，大部分需要面臨極其複雜的情況。你們不要以為阿爾法狗下圍棋無敵就證明人工智慧技術成熟了，圍棋所面臨的情況其實很簡單，幾千萬種情況都可以透過機器自我學習，而且不需要其他技術的應用，只需要純演算法。但像自動駕駛這種實際應用的場景就不同了，比如一輛自動行駛的車，遇到有人招手，該不該停？這裡就有好多種情況：是路人要搭車？還是交警要查車？亦或是前方有事故需要停車？再具體下去，還需要涉及到衣服或標誌的識別技術，從著裝判斷招手的人是不是交警，什麼型別的著裝或戴有什麼標誌的人是交警？一旦延伸下去，我們就會發現，這些情況是非常多的，要植入的技術也是相當複雜的，不僅是大資料演算法這麼簡單，一旦有一個分支技術不成熟，整個自動駕駛系統就是有缺陷的。所以，人工智慧雖然在圍棋上能戰勝所有人類，但在很多人類認為是常識的、本能反應的東西，人工智慧卻連嬰兒都不如。

總而言之，人工智慧要實現真正的商業落地，還有挺長的路要走，華為任正非也說過，技術研發需要有坐十年冷板凳的決心，人工智慧是未來變革社會的方向，目前無法實現商業落地，人工智慧企業虧損是很正常的，但這個行業的人才要堅持下去，不斷精進和研發，我們才能早日迎來再一次社會生產力的巨大變革。

這個事從更大的視角很好理解。第一，這個行業並沒有那麼簡單，是高科技行業，營利模式不成熟 ，環境不成熟 ，想這麼快賺錢並不容易 。就像晶片行業，想三五年內看到利潤，也不現實。甚至說想三五年內看到怎麼賺錢都不現實。所以投了500億，只有100億並不是什麼大事。

第二，任何行業，都有一個過程，投入大於產出的過程，然後產出大於投入。科技含量越高，難度越大，這個過程可能越長。如果人工智慧未來的產值是5萬億，現在投500億，產出100億，和未來的5萬億比基本可以無視，也根本沒有代表性。

第三、一個行業越大，改變的代價也就越大，想阿里改變商業，也是好多年投入。人工智慧改變是整個人類的生產，學習方式，所以需要大量的積累。

整體上說人工智慧離產業化的路還很久，並不是一個可以賺快的行業，所以如果是想賺快錢，還是省省吧。

至於資本方，一定是賺快錢的，往往是把概念吹大，把營利說的很簡單，目的是為了套現，對於創業者來說，還是要冷靜了。

我們為您提供專業的網際網路服務，幫助您利用網際網路高效獲得客戶。

AI企業可以分為核心人工智慧公司（提供平臺層面的服務和整合，如阿里、騰訊、京東）、應用人工智慧公司（面向個人使用者的AI，如科大訊飛、虛擬試穿）、行業人工智慧公司（面向企業提供服務，如電商搜尋、影象識別、影片識別、智慧巡線）。

核心層人工智慧公司財大氣粗，不怕虧損，他們可以持續的補貼，All In AI，比如百度的阿波羅計劃；應用層人工智慧公司容易誤解使用者需求，誤估市場規模，誤判市場前景；這是最容易虧損的AI企業；行業層人工智慧公司的重點是滿足企業的需求，實現企業降本增效的目標；但是這些公司往往容易高估行業的數字化程度。

我們看一下三十大最大AI應用案例，是不是完全屬於這三大類？

我比較瞭解企業市場，這裡專門說一下行業人工智慧公司。對於一個大行業，比如石油、化工、煤炭、汽車、機械行業，市場規模在幾萬億左右，只要AI公司能夠發掘出企業的痛點，幫企業節約人工、成本，加快週轉效率，那麼自然能活的越發壯大。

如果創業者只懂技術，不瞭解、也沒機會了解企業的現狀，更不明白企業真正的需求；這種AI企業憑什麼掙錢？不瞭解業務，就沒法切入到大型企業的服務中去，也就意味著沒法做幾百萬一個的專案，卻只能做幾萬塊的小服務，那憑什麼掙錢？

舉個例子：目前無人機巡線業務發展的非常好，一個油田一年的無人機巡線服務就能達到兩三千萬，這需要對無人機傳回來的影片和影象進行識別，判斷是否有人偷油、覆壓管道等問題，這就能夠大量減少油田企業的人工成本和物資消耗，還能減少交通意外的風險。這對企業就是有價值的。

那如果是針對企業的經營資料進行人工智慧的判斷，那就一定會出問題的：因為每個企業的資料都有一部分是滯後的、是員工隨手編的，物料、資金和採購資料都不是嚴絲合縫，環環勾稽的，那在垃圾資料的基礎上，是無法訓練出正確的人工智慧的。

只有瞭解客戶需求，滿足客戶痛點，AI企業才能生存下去。

一個新興產業鏈孕育的過程、市場經濟正常發展的結果。

孕育新興市場需要一個過程、產業鏈整體還不成熟

任何一個新興的產業從孕育到成長都有一個培育的過程，從之前的電商、移動網際網路、o2o、VR/AR、共享經濟、區塊鏈、微博、京東、陌陌早期的不盈利到現在的盈利，再到現在非常火熱的人工智慧。每次的技術革新背後都可能會一次消費或者是應用升級，而不管是針對2b還是2c的使用者，這種升級的培育、行業的落地都需要一個過程。

“人工智慧產業缺乏的不是演算法，而是如何更好地轉化成工程手段。”卡耐基梅隆大學機器學習系副主任、Petuum創始人兼CEO邢波說，人工智慧太高深了，為人所知的有自動駕駛、醫療等應用場景，其實最普通的土木工程領域，也需要人工智慧技術的變革，但是這些小的應用場景很少有人關注。

因此，人工智慧企業經歷大規模的虧損，並不值得大驚小怪。行業成熟之前，盈虧不是衡量企業優劣的標準，也不能說明行業前景。

國內投資者盲目跟風

國內投資者喜歡跟風投資、投資過剩，導致市場存在巨大泡沫。風口過後，大家都會迴歸理性，都會遇到變現難，就會出現很多湧入的公司大批次的倒閉。

目前人工智慧還處於大規模投入階段，依然有著非常不錯的前景，我是非常看好的，但基於產業鏈尚不成熟，大家都在尋找落地的方向。或許可能五年、十年才能看到效果，迎來大爆發，到那時我們真正能夠體驗人工智慧帶我們的便利，讓我們一起拭目以待。