人工智慧的複雜性一般分兩個層面，一個是系統層面一個是應用層面，系統主要是演算法設計和底層依賴的複雜，這類複雜世面上已經有大量開源工具和演算法幫忙解決掉了大部分，大大降低進去門檻，另外一個層面是應用的複雜性，這塊比較關鍵，因為它是一項系統工程，跨系統、跨團隊，涉及到工程化、產品化、業務閉環等方方面面，非實戰難以習得，進入門檻較咖高

人工智慧主要是根據大資料去調配指令。大資料的採集需要過程，大資料目前也不是很完善。所以人工智慧還有很長一段路要走，只能是一邊走一邊改進。就像目前的人工智慧產品，都只能算是初級試驗品。或者在某個小領域裡可以做到通過資料的分析達到代替人工作的目的。就像目前京東正在用的智慧分揀。汽車上用的無人駕駛。這些領域裡人工智慧都可以通過固定的資料和指令完成匹配工作。但是比如用人工智慧手術，目前就不能實現，因為人體環境每個人都不一樣，需要專業的理論和技術來支撐人工智慧的技術。所以完全實現自動化起碼要三十年以上。但是要實現在某領域完全成功不會太久。