在政策引导和资本大量涌入下，国内人工智能领域迎来空前繁荣。回顾2017，人工智能领域已经出现了三大突破，算法、政策、资金，均创里程碑，业界欢呼鼓舞，这种情形像极了1999年底网络泡沫泛滥的情形。

走访市场可见，一些装上简单预设程序的音箱、机器人，就敢冠以“人工智能”；一些自动化设备也偷换概念，被包装成人工智能。甚至有做内衣的企业，也炒作自己是人工智能。专家认为，类似这些“伪创新”的炒作，炒得越热，潜在的泡沫就越大，对人工智能的发展伤害也越大。

近期，国内外一些人工智能企业接连倒闭，业内预警，2018年我国人工智能企业或将迎来“倒闭潮”，加速该行业调整。优秀项目不够、顶尖人才不足、场景落地缺缺，人工智能三大难题横亘眼前，又将如何破解？

人工智能行业或将洗牌

近期，各方高度关注的人工智能行业出现了“大规模倒闭”的预期。据初步估算，中美倒闭企业总数已超过50家。近期倒闭的公司有雨恒矩阵、智能万事屋等。

人工智能经过创业持续火爆增长的两年高峰期，在2017年，产业开始进入休整阶段。2013至2015两年间快速发展下积压的众多市场矛盾已经出现爆发的前兆。截至2017年6月份，智能无人机、餐厅机器人、虚拟助理、智能硬件等领域和行业已初显颓势。

2017年，很多无人机领域的公司资金方面都遇到了一些问题，亿航、零度相继大幅裁人，全球销量前三的Parrot也宣布裁员三分之一。机器人服务员是噱头，早期几家均倒闭。由多位苹果前资深员工创立的Pearl Automation(珍珠自动化)自动驾驶公司，曾获得两轮总计5000万美元的投资，也因为旗下产品销量惨淡，目前已经停止了运营。

一些人工智能企业负责人也预计，2018年将迎来“倒闭潮”。创新工场董事长李开复2017年4月公开发言称，人工智能创业有泡沫，未来可能会有一批人工智能公司钱花完了后倒闭。“AI项目(融资热)是2017年上半年开始的，融资差不多够18个月花，2018年底估计有一批公司倒掉。”

业内认为，“倒闭潮”是整个行业洗牌、稳定的必经之路。科大讯飞董事长刘庆峰谈到，2018年将有一大批的人工智能创业公司倒闭，但整体上人工智能产业会大规模发展。就像当年所谓的互联网泡沫一样，在2002年看，互联网是大泡沫，但在2014年看，互联网是人类历史上的一次产业浪潮。人工智能会快速改变世界，深入到越来越多的行业。不过也应该看到，随着人工智能领域竞争的加剧，那些光靠概念的创业公司确实可能会出现倒闭。

人才发展跟不上产业化步伐

算法大神YoshuaBengio曾表示：“深度学习现在炙手可热，目前的困境是缺乏专家，一个博士生大概需要五年的时间培养，但是五年前还没有博士生开始从事深度学习，这意味着现在该领域的专家特别少，可以说弥足珍贵、极度稀缺。”这是三年前AI面临的困境，至今依然未得到改善，甚至变得更加严峻。

人工智能竞争以顶级人才为根本。 据说世界上深度学习领域的顶尖人才不超过50人，Andrew Ng表示深度学习领域人才匮乏的主要原因首先是数据，对于解决某些领域的问题，获取数据并非易事；其次是计算基础架构工具，包括计算机硬件和软件；最后是这个领域的工程师培养时间非常长。所以科技巨头们等纷纷通过收购初创公司来招揽人才。

作为国家未来的发展方向，AI技术对于经济发展、产业转型和科技进步起着至关重要的作用。而AI技术的研发，落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的关键因素。

然而，中国人工智能领域人才发展极为欠缺。目前我国约有20所大学的研究实验室专注于人工智能，高校教师以及在读硕博生约7000人；产业界现存人员人数约为39000人。远不能满足我国市场百万级的人才需求量。

技术发展跟不上产业化步伐

随着《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018-2020)》等政策的发布，国内的人工智能企业将朝着产业化的方向不断前进。在这过程中，“优胜劣汰”的齿轮也将加速转动。

从技术上，人工智能的技术发展仍需要过程，说“成熟”为时尚早。腾讯研究院分析，人工智能发展的基础在于算法、算力和数据，三者缺一不可。中国拥有庞大的数据库，在应用算法上也不落后，唯独在算力这一领域，出现了非常严重的缺陷。算力的核心在芯片，而中国在芯片领域上的技术不足也延伸到了AI芯片上。

从企业角度分析，AI行业的技术门槛很高、投入时间很长，很多创业型研发企业短期内都没有办法让产品落地，应用前景渺茫。比如医疗影像产业有很多公司，但是真正能用于临床的产品很少。一些企业技术未成熟，产品不合格，难以突破并实现稳定的市场份额增长，缺乏与巨头竞争的能力，成本高昂导致售价超过消费者购买能力，资金不足无法支撑后续研发，导致难以为继。

此外，地方政府在高度重视人工智能的同时，也要理解，只有具备人才、产业链等基础条件，才能发展人工智能产业。如果不具备上述条件而盲目上马人工智能产业，将面临很多风险。

场景很多，但路不好走

如果梳理一下2017全年的AI产业大事件，人工智能技术与行业结合，九大热门领域遍地开花。其中，医疗、金融、无人驾驶这三大热点中的悬疑，更是大大的吊足了公众的胃口。

作为民生领域，医疗年年改，却次次令人无奈。风险投资也对AI+医疗有持续不断的支持。2017年，每个月都有VC流入AI+医疗领域，国内所有医疗人工智能公司累计融资额已超过180亿人民币。但人工智能却并没有在医疗领域出现爆发。原因何在？在于人工智能需要大量共享数据，而医院和患者的数据如同孤岛。如何打破各方壁垒，保障健康的同时又保障数据安全性？这将是推动智能医疗快速发展的一个重要信号。

与智能医疗面临相同数据问题的还有金融领域，大量的可信度较高的数据握在各大银行手中，AI怎么能够撬出来这些数据以推动金融科技的创新，是创业者们绞尽脑汁思考的课题。如何利用知识图谱挖掘潜在客户、进一步深挖客户潜在需求的技术也已较为成熟，而数据源的问题亟待解决。

无人驾驶汽车被称为“四轮机器人”，但其发展何时会像智能手机一般，人手一台，彻底颠覆传统手机进而推动整个产业变革？这答案仍然是个悬疑。

如今的AI产业正蓬勃发展，与互联网初期阶段何其相似。产业带着耀眼的光环，肩负国家战略的重任，高度依赖资本市场渠道，舆论高度爆炒，从业者无不都是三高社会精英。但美中不足的是，上市的产品却体验欠佳，应用场景略显不足，鱼目混珠的项目时有出现。理智的资本市场变得荷尔蒙过剩，泡沫的味道越来越浓。无论是政府还是企业，大家都应该对未来的风险加以防范。