人工智能泡沫破灭
1. 人工智能这一次为什么不再是泡沫
人工智能的技术越来越成熟，外加上企业用人成本不断的提高，机器人能够降低成本。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月，人工智能入选“2017年度中国媒体十大流行语”。
2. 中国互联网产业存在泡沫破灭吗
目前互联网产业的实际增量还很大。对于任何一个产业来说，只要有增量，就不存在泡沫破灭的可能性。
日前，有经济学家表示：“中国互联网产业未来几年可能面临极大瓶颈，泡沫很有可能破灭。”
无论如何，要想在互联网泡沫中屹立不倒，还是要借助实体之力。互联网充其量只能说是一种工具，炒作、营销和融资，都不应该是互联网企业关注的重点，经营的重心应该放在做好产品上。在竞争激烈的生死存亡过程里，留下的才是真正有价值的互联网企业。（盘和林 中国财政科学研究院应用经济学博士后）
内容来源 新华网
3. 人工智能有没有泡沫
现在整个人工智能会成为下一个产业的泡沫，类似于当年蜂拥而至的O2O模式。
4. 人工智能的泡沫有多大
1.人工智能的未来，是未知不可控的。
2.人类只是走在探索的过程中，并没有完备的专理论支持。很多有完备理论支持的东属西，都没有做好。这是泡沫所在的地方。
3.人工智能最让人担心的地方，不是泡沫，而是危险！可能会致使人类灭绝。
4.在真正的智能体被创造之前，人工智能将造福全人类。使人类脱离于体力劳作。
5. 是什么因素催生了人工智能行业“泡沫”
伪概念催生人工智能行业“泡沫”
2018年或迎大洗牌，业内建议引导技术与市场有效结合
记者走访市场可见，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。
阿里巴巴前CEO卫哲发文说，人工智能项目当中存在大量的“伪人工智能”，比例可能高达90%以上。讯飞智慧医疗事业部副总经理鹿晓亮说，目前泡沫肯定是存在的。当下炙手可热的AI，“绝大部分的公司是圈钱的”。杜绝忽悠和投机，人工智能需要的是清醒客观的判断和扎扎实实的努力。
深圳市罗伯医疗科技有限公司市场总监关磊认为，人工智能是一门综合的技术科学，在热捧和经济簇拥中，人工智能成为了一个招商的火热概念。人工智能泡沫和倒闭潮的出现是因为概念、人才、产品、市场出现断层，这四者环环相扣，缺一不可。“讲故事”的人工智能终将被淘汰，重技术、研产品、抓市场的人工智能公司才能长久的走下去。
二是技术发展跟不上产业化步伐，门槛太高难以迅速落地。业内分析，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，孙立宁等业内人士认为，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，孙立宁认为，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。
引导技术与市场有效结合
业界肯定“人工智能”的发展方向，建议营造一个更务实的发展环境。
——持续鼓励，营造去泡沫发展环境，引导技术与刚需结合。刘庆峰说，《科学》杂志预测人工智能在2045年会替代全球就业率的50%，而在中国这个数字是77%，未来28年之内全中国每4个工作会有3个被替代，人工智能领域中美将同步进入无人区。孙立宁认为，人工智能是一个方向，建议持续加强人才培养，支持自主创新。从产业引导上，建议政府不能为了支持而支持，而应加强人工智能与产业结合。例如，在远程个性化教育、医疗等与生活密切相关的领域，先找准技术需求点，再带动整个链条的创新，鼓励人工智能与底层制造、装备、产品结合，以提高性能为主要考核指标。
——人工智能发展还需解决盈利模式。鹿晓亮认为，现在虽然国家出台了发展人工智能的大策略，讯飞也有幸入选四个国家级平台之一，但具体的政策、产业配套的相关细节还没有落实。以医疗产业为例，临床辅助诊疗系统就面临着不知道从何处收费的问题，这还需要药监、医保、物价部门的相关政策做一系列的磨合。
——资金支持不宜全面撒网，加强结果导向的考核。鹿晓亮认为，人工智能行业刚刚开始发展，“雷区”很多，建议政府政策支持和资本投入都不能撒胡椒面，强调结果导向。关磊也认为，对于政策、资金方面，在落实考核上，建议以结果为导向，加强效果反馈，做到物尽其用。
6. 人工智能分为几个阶段
历史上，人工智能的研究就像是坐过山车，忽上忽下。梦想的泡沫反复破灭，却也推动着人工智能技术的前进。
（1）AI梦的开始
1900年，世纪之交的数学家大会上面，希尔伯特宣布了数学界尚未解决的23个难题。
三十年代，图灵设想出了一个机器——图灵机，它是计算机的理论原型，圆满地刻画出了机械化运算过程的含义，并最终为计算机的发明铺平了道路。
1945年，凭借出众的才华，冯·诺依曼在火车上完成了早期的计算机EDVAC的设计，并提出了我们现在熟知的“冯·诺依曼体系结构”。
（2）AI梦的延续
1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）、马文·闵斯基（Marvin Minsky，人工智能与认知学专家）、克劳德·香农（Claude Shannon，信息论的创始人）、艾伦·纽厄尔（Allen Newell，计算机科学家）、赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。
（3）AI梦的快速发展
1976年，凯尼斯·阿佩尔（Kenneth Appel）和沃夫冈·哈肯（Wolfgang Haken）等人利用人工和计算机混合的方式证明了一个著名的数学猜想：四色猜想（现在称为四色定理）。
1956年，奥利弗·萨尔夫瑞德（Oliver Selfridge）研制出第一个字符识别程序，开辟了模式识别这一新的领域。
（4）近些年AI的突破
2011年，谷歌X实验室的研究人员从YouTube视频中抽取出1000万张静态图片，把它喂给“谷歌大脑”——一个采用了所谓深度学习技术的大型神经网络模型，在这些图片中寻找重复出现的模式。三天后，这台超级“大脑”在没有人类的帮助下，居然自己从这些图片中发现了“猫”。
2013年1月，网络公司成立了网络研究院，其中，深度学习研究所是该研究院旗下的第一个研究所。
这些全球顶尖的计算机、互联网公司都不约而同地对深度学习表现出了极大的兴趣。
7. 人工智能“泡沫论”从业者仍存“盲人摸象”误区
“是个人上来都谈人工智能，我都不好意思说我们是在做真正的人工智能了。”12月18日，在2018网易经济学家年会论坛上，一位人工智能从业者发出这样的慨叹。
“（AI与共享出行的）不同是碎片化特别严重，碎片化指的是需求不是特别标准，不是做一个东西之后，其他的马上都可以跟上去用了。”山世光举例道，即使细化到人脸识别这个领域，细分的话也会有十几种不同的场景，每一种场景可能都需要积累不同的数据，甚至算法要进行相应的改变，因此人脸识别领域由多家公司同时做仍存在很大可能性。
此外，戴文渊指出，不同于共享出行领域企业，AI公司不是账上的现金越多竞争力就更强，“比融资金额更重要的就是，你拿谁的钱，怎么拿钱，以及怎么去整合资源”。
在AI领域融资额和所创造的价值上，戴文渊认为，现在AI公司拿到的所有的钱加起来远远低于AI公司每年给行业创造的价值，甚至“不是一两个数量级的问题”，“我们去服务客户创造的利润，少则几个亿，多则上百亿，这些和我们现在融到的钱，和我们的估值比起来真的不算什么”。
戴文渊认为，单看一家公司可能会存在泡沫，甚至会倒闭，但是“这个行业，我认为是完全没有泡沫，甚至还要再涨两三个数量级”。
8. 《这一波人工智能泡沫将会怎么破灭
作者：PENG Bo
来源：知乎
作为金融前从业人员说一句，其实泡沫是个金融概念，比如O2O泡沫，VR泡沫等等。而例如理论数学理论物理就无论发展多好也不会有泡沫，因为从来就没人投资（感叹）。
所以判断是不是泡沫，不是看学科的发展如何，而是看学科的资金流入。当投资者听到"人工智能"就摇头的时候，泡沫就破灭了。
在这个意义上人工智能有些危险，因为现在变现似乎是个难题。资本永远是逐利而短视的，如果只有好玩的结果，没有能快速变成足够多钱的结果，不久这个游戏就会无以为继。
如何尽可能地把成果真正变现，或者让投资者更清晰地看到变现的道路，而不是画饼，这确实是AI从业人员此时需要更多思考的问题。
首先刷ImageNet当然不能变现。人脸识别的空间也不大（国内有很多人脸识别的startup，因为够简单够成熟，然而壁垒和盈利能力如何，大家心里清楚。是的，现在有投资者养着，但以后呢。是的，可以卖给安防公司，但这是当初描述的远大前景吗）。只有自动驾驶是稍微靠谱一点的，然后可能到医疗和基因工程，至于语音助手还很远。自然语言识别好像就只能做炒股机器人了，而翻译怎么变现请告诉我（评论里有朋友还奇怪怎么不能变现，您这个变现不是VC想要的变现）。说起来现在有一个深度学习真正变现了的领域，就是广告和推荐，但所有需要这个的公司都成立了自己的团队，没有创业的窗口。在模型共享化的今天，许多方面的技术壁垒已经被无限降低，许多所谓AI创业公司都只是拿公开的模型来调而已（然后向投资者大吹技术实力）。
很直接地说：目前看来，AI可能并不足以支撑一个独立的公司，它更适合作为其它公司的一个部门，或被其它公司收购。如果你做社交APP，做电商，做游戏，做生物，做材料，都可以自己活下去。但做AI，就会有难度。如果你幻想技术授权，或SaaS，你可能最终难免会失望。理想很美好，现实很骨感。
资本很没耐心，之前的波士顿动力大狗机器人看上去是不是也超酷，最后还是要被Google挂牌出售（感叹）。前几年许多公司狂招DL人才，怕的是lagging behind，但后来就有点有苦说不出了，因为人太多了，不需要这么多。我调查了一圈，发现Nvidia的股价可能都虚高了，因为大家甚至不需要那么多显卡来训练！看来只能看NVDA能不能开拓好自动驾驶市场。
这有时令人想起生物。所有人都知道生物的前景光明，前途无量，必将改变人类的命运，生物的世纪必有一天会到来，生物已经有无数的应用，无数的盈利模式，而且生物还在日新月异地发展，时不时搞个大新闻。这么看来生物真的很好啊！但是现在有多少人往生物跳呢？继“生物民工”之后，会不会出现“调参民工”（什么？调一层十元钱？）？生物的今天是不是人工智能的明天？（补充：可能90后00后的同学不知道，那时有句话叫"21世纪是生物的世纪"，后来令无数人懊悔不已）
在各位PhD同学和startup工程师陶醉于人工智能的美好未来之时，请警惕生物的前车之鉴。生物现在依旧是热门的创业领域之一，只是大家更加理性，因为已经吃过了泡沫的亏。目前DL之所以这么热，很重要的原因是因为DL的几位领军人物很聪明，在很有意地试图引导资本（尤其是现在大家都来找国内资本，因为国内资本更多更笨），但资本不会被忽悠太久。
最后说一个我发现的规律，这是一个令人忧伤的故事，就是如果学数学物理的同学都开始涌进某个行业，这个行业就必然会出现泡沫的严重化和最终的破灭，就像从前做金融衍生品，后来做APP，等等等等。哎，俺们学基础科学的就是惨，哈哈。
===========
看到评论好像还是有同学没明白，最后补充一句：这里的问题在于和生物的情况太像了，都是要研究很多年才能实用化。生物一个小领域活两三家公司更没有问题，基因就可以活n家公司。自动驾驶重要，还是治疗疾病重要？我觉得治疗疾病一点也不差吧。识别准确率进步10%重要，还是癌症5年生存率进步10%重要？好像不能说生物就低一等吧。但是学生物的同学肯定就很郁闷了：凭什么AI现在就这么热呢？这时我要说，生物也曾经热过嘛，大家都有这个过程。
泡沫破灭了之后，也并不是说就没有人研究，没有人投资，没有人创业了，而是回归理性，成为公司的一个正常部门（比较遗憾的是薪水和就业可能不会像现在这样好了），而不是一个投资概念，一个炒作题材。就像360老周说的实在：“今天再出来做一个公司，你要不说自己是用深度学习、人工智能，你都不好意思出来混。就跟前两年，你要不说自己是O2O，都不好意思去融资一样，我觉得这个有泡沫的成分。”
9. 为什么说泡沫散去、落地成效真正显现之时，或许才是AI时代真正到来之时
泡沫散去之时，即时AI时代创造价值来临之日，只有泡沫散去，才能看见价值。
回顾刚刚过去的2017，人工智能收获了政策的红利、资本的青睐。然而，纵观整个产业，畅想未来的多，关注眼前的少；钻研前沿算法的多，关注产业落地的少。企业忙于构建各种“大脑”，却忽视了“学习”和“训练”环境的构建，而未经充分学习的大脑，无法产生好的人工智能。
在这样的形势下，AI被寄予了成为下一代产业革命驱动力的厚望。近年来，“算法”也成为企业最为重视的课题，顶尖科学家随之抬为天价，更不乏有企业贴上算法突破的标签就出去讲故事、炒估值。戴文渊认为，算法只是AI应用中用于“思考”的工具，相当于人的大脑，但一个大脑即使再聪明，没有得到良好的学习和训练环境，没有付诸于行动，也没办法完成创造价值的过程。