对AI行业未来发展的一些看法

技术在最初期都是"智障"的，可是拉马车的马是不会觉得有汽车存在的必要的。

这一次AI兴起的浪潮，来源于算力的提升，把过去深度学习所欠缺的大算力问题弥补上了，得到了一次质变的飞跃，但从深度学习核心算法角度来看，并非具备划时代的改革意义。也就是说现在的深度学习，算力不再是阻力（绝大多数场景，不考虑roi问题），但AI的应用也来到了瓶颈——

一方面是由于舆论、国家政策、公司PR、影视剧作品等的不切实际的宣传，给人们以过高的期待，人们以要求达到"强人工智能"为默认的目标，来审视AI项目，导致AI项目在企业客户或终端消费者（少数的落地场景）落地过程中往往达不到预期，进而没法真正的发挥出其曾许诺或应有的价值；
另一方面是场景，能够真正被AI赋能并产生变革意义的场景很少，且均被巨头瓜分：人脸支付、人脸解锁、语音识别等等。大公司的资源与技术的优势不断挤压初创公司，马太效应初显；
最后是成本，算力、服务器、带宽等等的成本投入，需要有可观的利润作为支撑。

但在现阶段疫情的影响下，客户缩紧自己的创新业务开支预算，导致大批初创公司入不敷出。而如果深耕于某一领域的AI底层技术解决方案（CV，NLP等算法层面的能力），是需要持续不断的大量的研发投入，且不论这些投入最后是否会有相应的回报，目前来看现阶段能支撑AI底层技术发展的可能也只有大公司或大平台了。

人工智能作为中国"新基建"所定义的主力发展领域之一，在相当长的一段时间内仍会保持热度。

下面是我个人的一些看法：

AI基础设施能力将被巨头垄断

马太效应凸显，重资产投资所带来的收益将会越来越多向头部集中，而头部玩家掌握越来越多、壁垒越来越高、成本越来越低的上游资源，以及因为品牌带来的泛流量——下游资源，将逐步发展成以提供AI基础设施建设的平台。

AI的应用化、垂直化和场景化

AI的应用、垂直化和场景化将是下一阶段AI落地变现的主要发展路径。

首先平台型公司由于掌握了上下游资源，可以复制互联网流量时代的玩法，将资源重组的形式构建生态，这其中已然可以收割第一波红利。但和过去不一样的是，相较于消费互联网的流量即变现，在产业互联网下，资源重组仅能成为一个开始，整个价值链很长，每一个节点都存在想象空间、红利空间——这也是为什么在toB领域，永远不会存在一家独大覆盖全部场景的公司形态。而这正是参与到toB领域，AI行业其它玩家的机会

现在所谓的一些AI公司，将会逐渐转变为以AI技术+行业业务理解+客户至上的服务为理念的服务型公司。对上游，可以低成本、高效率的对接先进的AI底层技术，对下游，应用自身对行业的理解，制定或提供符合客户预期的解决方案，并真切的展示出价值，帮助客户成功。

对AI认知的转变

放弃"强人工智能"吧，那只是寄托了人类美好的想象，只存在于影视作品里的不切实际的幻想。

自然是复杂的，生物响应世界带给他们的刺激来进行针对性的反馈，这已经历经几十亿年了，而人类目前的科学技术还未能将自然界所发出的刺激完全穷举出来并做针对性的反馈。而人工智能只是人类科学技术的产物，短期内难以超越人类的认知，换句话说，如果超越了人类的认知，要么我们感受不到，要么就是要严格限制甚至扼杀在摇篮里的。我们期待未来的AI可以"像人一样"，这个想法本身就是投入产出比极低的。我们希望AI可以"像人一样"帮我们做家务，其实我们看重的是"做家务"，而未必是"像人一样"。

所以未来的AI发展将向着低成本、高效率发展，云边端协同，只为解决某一领域、甚至只处理某一单独问题而存在。它的形态将和人完全不一样，毕竟人的形态也只是"碰巧"在自然选择的进化过程中为适应环境逐渐变成现在这样，并非客观上最合适、效率最高的存在方式。

写在最后

基础科学已经很久没有发展了，好像真的如《三体》里所写的，人类的基础科学被"智子"锁死了一样。全世界都在等待着技术变革，AlphaGo的时候，世界以为等到了技术红利，可是在没有基础科学发展的支撑下，目前的AI也只是现有科学手段的一种增值应用。这种增值应用，其实是从原子到比特的转换，也就是非结构化数据（可观真实世界）向结构化数据（数字世界）转换，这是现在AI存在的根本价值。

AI的红利还远没有榨干，伴随着5G、云计算、IOT边缘计算等等技术的共同进步，AI在"垂直化应用"领域仍然有着可观的前景和想象力。我们这一代可能看不到飞行的汽车了，但是如果可以把现有的实体世界转化为数字化世界，在这个比特世界里，人飞行都不再是梦。