人工智慧泡沫破滅
1. 人工智慧這一次為什麼不再是泡沫
人工智慧的技術越來越成熟，外加上企業用人成本不斷的提高，機器人能夠降低成本。
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。 2017年12月，人工智慧入選「2017年度中國媒體十大流行語」。
2. 中國互聯網產業存在泡沫破滅嗎
目前互聯網產業的實際增量還很大。對於任何一個產業來說，只要有增量，就不存在泡沫破滅的可能性。
日前，有經濟學家表示：「中國互聯網產業未來幾年可能面臨極大瓶頸，泡沫很有可能破滅。」
無論如何，要想在互聯網泡沫中屹立不倒，還是要藉助實體之力。互聯網充其量只能說是一種工具，炒作、營銷和融資，都不應該是互聯網企業關注的重點，經營的重心應該放在做好產品上。在競爭激烈的生死存亡過程里，留下的才是真正有價值的互聯網企業。（盤和林 中國財政科學研究院應用經濟學博士後）
內容來源 新華網
3. 人工智慧有沒有泡沫
現在整個人工智慧會成為下一個產業的泡沫，類似於當年蜂擁而至的O2O模式。
4. 人工智慧的泡沫有多大
1.人工智慧的未來，是未知不可控的。
2.人類只是走在探索的過程中，並沒有完備的專理論支持。很多有完備理論支持的東屬西，都沒有做好。這是泡沫所在的地方。
3.人工智慧最讓人擔心的地方，不是泡沫，而是危險！可能會致使人類滅絕。
4.在真正的智能體被創造之前，人工智慧將造福全人類。使人類脫離於體力勞作。
5. 是什麼因素催生了人工智慧行業「泡沫」
偽概念催生人工智慧行業「泡沫」
2018年或迎大洗牌，業內建議引導技術與市場有效結合
記者走訪市場可見，一些裝上簡單預設程序的音箱、機器人，就敢冠以「人工智慧」；一些自動化設備也偷換概念，被包裝成人工智慧。甚至有做內衣的企業，也炒作自己是人工智慧。專家認為，類似這些「偽創新」的炒作，炒得越熱，潛在的泡沫就越大，對人工智慧的發展傷害也越大。
阿里巴巴前CEO衛哲發文說，人工智慧項目當中存在大量的「偽人工智慧」，比例可能高達90%以上。訊飛智慧醫療事業部副總經理鹿曉亮說，目前泡沫肯定是存在的。當下炙手可熱的AI，「絕大部分的公司是圈錢的」。杜絕忽悠和投機，人工智慧需要的是清醒客觀的判斷和扎扎實實的努力。
深圳市羅伯醫療科技有限公司市場總監關磊認為，人工智慧是一門綜合的技術科學，在熱捧和經濟簇擁中，人工智慧成為了一個招商的火熱概念。人工智慧泡沫和倒閉潮的出現是因為概念、人才、產品、市場出現斷層，這四者環環相扣，缺一不可。「講故事」的人工智慧終將被淘汰，重技術、研產品、抓市場的人工智慧公司才能長久的走下去。
二是技術發展跟不上產業化步伐，門檻太高難以迅速落地。業內分析，隨著《新一代人工智慧發展規劃》《促進新一代人工智慧產業發展三年行動計劃(2018-2020)》等政策的發布，國內的人工智慧企業將朝著產業化的方向不斷前進。在這過程中，「優勝劣汰」的齒輪也將加速轉動。
從技術上，孫立寧等業內人士認為，人工智慧的技術發展仍需要過程，說「成熟」為時尚早。騰訊研究院分析，人工智慧發展的基礎在於演算法、算力和數據，三者缺一不可。中國擁有龐大的資料庫，在應用演算法上也不落後，唯獨在算力這一領域，出現了非常嚴重的缺陷。算力的核心在晶元，而中國在晶元領域上的技術不足也延伸到了AI晶元上。
從企業角度分析，AI行業的技術門檻很高、投入時間很長，很多創業型研發企業短期內都沒有辦法讓產品落地，應用前景渺茫。比如醫療影像產業有很多公司，但是真正能用於臨床的產品很少。一些企業技術未成熟，產品不合格，難以突破並實現穩定的市場份額增長，缺乏與巨頭競爭的能力，成本高昂導致售價超過消費者購買能力，資金不足無法支撐後續研發，導致難以為繼。
此外，孫立寧認為，地方政府在高度重視人工智慧的同時，也要理解，只有具備人才、產業鏈等基礎條件，才能發展人工智慧產業。如果不具備上述條件而盲目上馬人工智慧產業，將面臨很多風險。
引導技術與市場有效結合
業界肯定「人工智慧」的發展方向，建議營造一個更務實的發展環境。
——持續鼓勵，營造去泡沫發展環境，引導技術與剛需結合。劉慶峰說，《科學》雜志預測人工智慧在2045年會替代全球就業率的50%，而在中國這個數字是77%，未來28年之內全中國每4個工作會有3個被替代，人工智慧領域中美將同步進入無人區。孫立寧認為，人工智慧是一個方向，建議持續加強人才培養，支持自主創新。從產業引導上，建議政府不能為了支持而支持，而應加強人工智慧與產業結合。例如，在遠程個性化教育、醫療等與生活密切相關的領域，先找准技術需求點，再帶動整個鏈條的創新，鼓勵人工智慧與底層製造、裝備、產品結合，以提高性能為主要考核指標。
——人工智慧發展還需解決盈利模式。鹿曉亮認為，現在雖然國家出台了發展人工智慧的大策略，訊飛也有幸入選四個國家級平台之一，但具體的政策、產業配套的相關細節還沒有落實。以醫療產業為例，臨床輔助診療系統就面臨著不知道從何處收費的問題，這還需要葯監、醫保、物價部門的相關政策做一系列的磨合。
——資金支持不宜全面撒網，加強結果導向的考核。鹿曉亮認為，人工智慧行業剛剛開始發展，「雷區」很多，建議政府政策支持和資本投入都不能撒胡椒面，強調結果導向。關磊也認為，對於政策、資金方面，在落實考核上，建議以結果為導向，加強效果反饋，做到物盡其用。
6. 人工智慧分為幾個階段
歷史上，人工智慧的研究就像是坐過山車，忽上忽下。夢想的泡沫反復破滅，卻也推動著人工智慧技術的前進。
（1）AI夢的開始
1900年，世紀之交的數學家大會上面，希爾伯特宣布了數學界尚未解決的23個難題。
三十年代，圖靈設想出了一個機器——圖靈機，它是計算機的理論原型，圓滿地刻畫出了機械化運算過程的含義，並最終為計算機的發明鋪平了道路。
1945年，憑借出眾的才華，馮·諾依曼在火車上完成了早期的計算機EDVAC的設計，並提出了我們現在熟知的「馮·諾依曼體系結構」。
（2）AI夢的延續
1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky，人工智慧與認知學專家）、克勞德·香農（Claude Shannon，資訊理論的創始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經濟學獎得主）等科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。
會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是卻為會議討論的內容起了一個名字：人工智慧。
（3）AI夢的快速發展
1976年，凱尼斯·阿佩爾（Kenneth Appel）和沃夫岡·哈肯（Wolfgang Haken）等人利用人工和計算機混合的方式證明了一個著名的數學猜想：四色猜想（現在稱為四色定理）。
1956年，奧利弗·薩爾夫瑞德（Oliver Selfridge）研製出第一個字元識別程序，開辟了模式識別這一新的領域。
（4）近些年AI的突破
2011年，谷歌X實驗室的研究人員從YouTube視頻中抽取出1000萬張靜態圖片，把它喂給「谷歌大腦」——一個採用了所謂深度學習技術的大型神經網路模型，在這些圖片中尋找重復出現的模式。三天後，這台超級「大腦」在沒有人類的幫助下，居然自己從這些圖片中發現了「貓」。
2013年1月，網路公司成立了網路研究院，其中，深度學習研究所是該研究院旗下的第一個研究所。
這些全球頂尖的計算機、互聯網公司都不約而同地對深度學習表現出了極大的興趣。
7. 人工智慧「泡沫論」從業者仍存「盲人摸象」誤區
「是個人上來都談人工智慧，我都不好意思說我們是在做真正的人工智慧了。」12月18日，在2018網易經濟學家年會論壇上，一位人工智慧從業者發出這樣的慨嘆。
「（AI與共享出行的）不同是碎片化特別嚴重，碎片化指的是需求不是特別標准，不是做一個東西之後，其他的馬上都可以跟上去用了。」山世光舉例道，即使細化到人臉識別這個領域，細分的話也會有十幾種不同的場景，每一種場景可能都需要積累不同的數據，甚至演算法要進行相應的改變，因此人臉識別領域由多家公司同時做仍存在很大可能性。
此外，戴文淵指出，不同於共享出行領域企業，AI公司不是賬上的現金越多競爭力就更強，「比融資金額更重要的就是，你拿誰的錢，怎麼拿錢，以及怎麼去整合資源」。
在AI領域融資額和所創造的價值上，戴文淵認為，現在AI公司拿到的所有的錢加起來遠遠低於AI公司每年給行業創造的價值，甚至「不是一兩個數量級的問題」，「我們去服務客戶創造的利潤，少則幾個億，多則上百億，這些和我們現在融到的錢，和我們的估值比起來真的不算什麼」。
戴文淵認為，單看一家公司可能會存在泡沫，甚至會倒閉，但是「這個行業，我認為是完全沒有泡沫，甚至還要再漲兩三個數量級」。
8. 《這一波人工智慧泡沫將會怎麼破滅
作者：PENG Bo
來源：知乎
作為金融前從業人員說一句，其實泡沫是個金融概念，比如O2O泡沫，VR泡沫等等。而例如理論數學理論物理就無論發展多好也不會有泡沫，因為從來就沒人投資（感嘆）。
所以判斷是不是泡沫，不是看學科的發展如何，而是看學科的資金流入。當投資者聽到"人工智慧"就搖頭的時候，泡沫就破滅了。
在這個意義上人工智慧有些危險，因為現在變現似乎是個難題。資本永遠是逐利而短視的，如果只有好玩的結果，沒有能快速變成足夠多錢的結果，不久這個游戲就會無以為繼。
如何盡可能地把成果真正變現，或者讓投資者更清晰地看到變現的道路，而不是畫餅，這確實是AI從業人員此時需要更多思考的問題。
首先刷ImageNet當然不能變現。人臉識別的空間也不大（國內有很多人臉識別的startup，因為夠簡單夠成熟，然而壁壘和盈利能力如何，大家心裡清楚。是的，現在有投資者養著，但以後呢。是的，可以賣給安防公司，但這是當初描述的遠大前景嗎）。只有自動駕駛是稍微靠譜一點的，然後可能到醫療和基因工程，至於語音助手還很遠。自然語言識別好像就只能做炒股機器人了，而翻譯怎麼變現請告訴我（評論里有朋友還奇怪怎麼不能變現，您這個變現不是VC想要的變現）。說起來現在有一個深度學習真正變現了的領域，就是廣告和推薦，但所有需要這個的公司都成立了自己的團隊，沒有創業的窗口。在模型共享化的今天，許多方面的技術壁壘已經被無限降低，許多所謂AI創業公司都只是拿公開的模型來調而已（然後向投資者大吹技術實力）。
很直接地說：目前看來，AI可能並不足以支撐一個獨立的公司，它更適合作為其它公司的一個部門，或被其它公司收購。如果你做社交APP，做電商，做游戲，做生物，做材料，都可以自己活下去。但做AI，就會有難度。如果你幻想技術授權，或SaaS，你可能最終難免會失望。理想很美好，現實很骨感。
資本很沒耐心，之前的波士頓動力大狗機器人看上去是不是也超酷，最後還是要被Google掛牌出售（感嘆）。前幾年許多公司狂招DL人才，怕的是lagging behind，但後來就有點有苦說不出了，因為人太多了，不需要這么多。我調查了一圈，發現Nvidia的股價可能都虛高了，因為大家甚至不需要那麼多顯卡來訓練！看來只能看NVDA能不能開拓好自動駕駛市場。
這有時令人想起生物。所有人都知道生物的前景光明，前途無量，必將改變人類的命運，生物的世紀必有一天會到來，生物已經有無數的應用，無數的盈利模式，而且生物還在日新月異地發展，時不時搞個大新聞。這么看來生物真的很好啊！但是現在有多少人往生物跳呢？繼「生物民工」之後，會不會出現「調參民工」（什麼？調一層十元錢？）？生物的今天是不是人工智慧的明天？（補充：可能90後00後的同學不知道，那時有句話叫"21世紀是生物的世紀"，後來令無數人懊悔不已）
在各位PhD同學和startup工程師陶醉於人工智慧的美好未來之時，請警惕生物的前車之鑒。生物現在依舊是熱門的創業領域之一，只是大家更加理性，因為已經吃過了泡沫的虧。目前DL之所以這么熱，很重要的原因是因為DL的幾位領軍人物很聰明，在很有意地試圖引導資本（尤其是現在大家都來找國內資本，因為國內資本更多更笨），但資本不會被忽悠太久。
最後說一個我發現的規律，這是一個令人憂傷的故事，就是如果學數學物理的同學都開始涌進某個行業，這個行業就必然會出現泡沫的嚴重化和最終的破滅，就像從前做金融衍生品，後來做APP，等等等等。哎，俺們學基礎科學的就是慘，哈哈。
===========
看到評論好像還是有同學沒明白，最後補充一句：這里的問題在於和生物的情況太像了，都是要研究很多年才能實用化。生物一個小領域活兩三家公司更沒有問題，基因就可以活n家公司。自動駕駛重要，還是治療疾病重要？我覺得治療疾病一點也不差吧。識別准確率進步10%重要，還是癌症5年生存率進步10%重要？好像不能說生物就低一等吧。但是學生物的同學肯定就很郁悶了：憑什麼AI現在就這么熱呢？這時我要說，生物也曾經熱過嘛，大家都有這個過程。
泡沫破滅了之後，也並不是說就沒有人研究，沒有人投資，沒有人創業了，而是回歸理性，成為公司的一個正常部門（比較遺憾的是薪水和就業可能不會像現在這樣好了），而不是一個投資概念，一個炒作題材。就像360老周說的實在：「今天再出來做一個公司，你要不說自己是用深度學習、人工智慧，你都不好意思出來混。就跟前兩年，你要不說自己是O2O，都不好意思去融資一樣，我覺得這個有泡沫的成分。」
9. 為什麼說泡沫散去、落地成效真正顯現之時，或許才是AI時代真正到來之時
泡沫散去之時，即時AI時代創造價值來臨之日，只有泡沫散去，才能看見價值。
回顧剛剛過去的2017，人工智慧收獲了政策的紅利、資本的青睞。然而，縱觀整個產業，暢想未來的多，關注眼前的少；鑽研前沿演算法的多，關注產業落地的少。企業忙於構建各種「大腦」，卻忽視了「學習」和「訓練」環境的構建，而未經充分學習的大腦，無法產生好的人工智慧。
在這樣的形勢下，AI被寄予了成為下一代產業革命驅動力的厚望。近年來，「演算法」也成為企業最為重視的課題，頂尖科學家隨之抬為天價，更不乏有企業貼上演算法突破的標簽就出去講故事、炒估值。戴文淵認為，演算法只是AI應用中用於「思考」的工具，相當於人的大腦，但一個大腦即使再聰明，沒有得到良好的學習和訓練環境，沒有付諸於行動，也沒辦法完成創造價值的過程。