近兩個月，不斷有人工智能技術(shù)被成功應(yīng)用于生活場景中。有人說理想和情懷狠狠地催熟了AI產(chǎn)業(yè)，那么人工智能距離掙錢還有多遠？政府的號召，市場的驅(qū)動，不斷在加快人工智能的進程，人類需要多久才可以真正的消費AI呢？

　　先是iPhoneX的3D臉部識別解鎖驚艷了科技粉們；然后是AlphaGo Zero（被譯為阿法狗·零），在完全不借助人類棋譜，全靠自己左右手互搏自學(xué)的情況下就做到了打遍天下無敵手，震撼了普通人；最后是全球首列智軌公交列車在湖南株洲開跑，實現(xiàn)了無人駕駛，振奮了老愛國者和小粉紅們。

　　不僅如此，中國大地已經(jīng)熱得如火如荼的AI產(chǎn)業(yè)也注入了一劑強心針，大大小小的從業(yè)者再次堅定了內(nèi)心的選擇--人工智能前途無量，這個產(chǎn)業(yè)確實值得投入啊。

　　作為計算機科學(xué)界的“圣杯”，人工智能在2016年世界經(jīng)濟論壇報告里被預(yù)測為第四次工業(yè)革命的核心技術(shù)代表，并由此引發(fā)了國內(nèi)外互聯(lián)網(wǎng)巨頭和資本的跑馬圈地，成為了創(chuàng)業(yè)新風(fēng)口。近兩年來，中國資本和創(chuàng)業(yè)者們更是對AI產(chǎn)業(yè)激情投入、無怨無悔，營造出國內(nèi)人工智能創(chuàng)業(yè)欣欣向榮的氣象。

　　一切看起來都很美好，但還有一個擺在所有創(chuàng)業(yè)者面前的現(xiàn)實問題：理想和情懷已經(jīng)狠狠地催熟了AI產(chǎn)業(yè)，那么人工智能距離掙錢變現(xiàn)還有多遠呢？

　　一，AI終于能落地創(chuàng)造價值了嗎？

　　如果你了解人工智能發(fā)展史，你就能理解今天創(chuàng)業(yè)者和資本為何為AI如此癡狂。

　　和VR一樣，人工智能并不是一個新概念，它已經(jīng)經(jīng)歷了幾十年的發(fā)展，交替歷經(jīng)了幾次紅利期與苦行期。

　　1，60年代：第一個紅利期+苦行期

　　人工智能的第一個紅利期出現(xiàn)在60年代，當時的科學(xué)家們自信而又瘋狂，“二十年內(nèi)，機器將能完成人能做到的一切工作”成為當時科學(xué)界的主流聲音。

　　70年代因為人工智能的預(yù)言無法兌現(xiàn)，研究經(jīng)費中斷而進入低谷期，隨后進入苦行期。

　　2，90年代：第二個紅利期+苦行期

　　人工智能的第二個紅利期出現(xiàn)在90年代，典型的標志就是IBM 的“深藍”戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫，影響絕不亞于今天的AlphaGo的圍棋大戰(zhàn)。20世紀初再次進入苦行期。

　　3，當下：新的紅利期

　　當下堪稱人工智能的又一個紅利期。一方面，圖像識別、深度學(xué)習(xí)、語音合成等人工的核心算法日漸成熟，并開始大范圍商業(yè)化應(yīng)用的嘗試；另一方面，人工智能的研究走出了實驗室，科技公司開始成為人工智能的主要推動者。

　　幾乎以往每一次苦行期后，通過新的研究方法和邏輯的不斷試錯，人工智能的研究者們都會帶來驚喜，諸如控制論與早期的神經(jīng)網(wǎng)絡(luò)、新邏輯學(xué)和模態(tài)邏輯、Prolog語言和專家系統(tǒng)、Nouvelle AI與嵌入式推理等等。

　　不同以往的是，這一次紅利期以“商業(yè)化”為特征標簽之一，不管是行業(yè)巨頭還是創(chuàng)業(yè)者都承擔了兩個角色，即人工智能技術(shù)的研究者和實踐者，這就意味著人工智能離象牙塔越來越遠，正在日漸成為更加實用的科學(xué)技術(shù)。同時，各路資本的積極參與也推動了人工智能日漸走入人們的生活，為人類服務(wù)。

　　人類終于要真正地消費AI了，這一次的紅利期真的可以為人類的日常生活創(chuàng)造價值、能為商人和資本帶來能變現(xiàn)的紅利嗎？

　　二，國內(nèi)AI產(chǎn)業(yè)中泡沫幾多？

　　政府的號召、資本的聚光和媒體的追捧都在不斷地催熟人工智能在中國的產(chǎn)業(yè)化進程。正如以往的一波波創(chuàng)業(yè)潮一樣，在AI的弄潮群體中，已經(jīng)投身或即將投身AI的人們興奮著、困惑著、在摸索中有些盲目地前行著。

　　由于AI領(lǐng)域的求學(xué)者暴增，圍繞人工智能的學(xué)科教育體系正在形成，正規(guī)院校紛紛開設(shè)人工智能專業(yè)，各種非科班的人工智能職業(yè)培訓(xùn)速成班也“忽如一夜春風(fēng)來，千樹萬樹梨花開”，讓人想起幾年前遍地開花的“互聯(lián)網(wǎng)思維”培訓(xùn)班的盛況：也是在須臾之間，不知從哪里冒出來好多互聯(lián)網(wǎng)專家，他們的課堂下面坐著很多叱咤風(fēng)云的著名企業(yè)家學(xué)員，一絲不茍地記著筆記。

　　熱情相似，瘋狂相似，但不同的是，比起其他培訓(xùn)班的魚目混雜，人工智能培訓(xùn)班的學(xué)員多數(shù)是理工科班學(xué)生，并且多數(shù)都有過一些AI相關(guān)的知識基礎(chǔ)和工作經(jīng)驗，比如做過碼農(nóng)。在學(xué)費接近2萬的80天速成班中，報名情況異?；鸨?，很多人交過錢后必須耐心等待排期才能輪得上，而教職人員和學(xué)員也都異常努力，周末的早上，經(jīng)常連9點都不到，培訓(xùn)班外面的走廊上已經(jīng)可以聽到教室里講師高亢的講課聲。

　　很多培訓(xùn)班都聲明，他們不但講技術(shù)，還會免費推薦安排就業(yè)，相關(guān)合作企業(yè)會過來招聘，通常是一個班還沒畢業(yè)就已經(jīng)有十幾家企業(yè)預(yù)定幾十個學(xué)生，學(xué)生供不應(yīng)求。不言而喻，人工智能教育的火爆正是得益于大量創(chuàng)業(yè)者對這個領(lǐng)域的趨之若鶩。

　　任何新興行業(yè)的發(fā)展，必然要歷經(jīng)從開始的一窩蜂、過熱，到慢慢冷靜、聚焦，再到最后成熟的過程。泡沫的發(fā)生，即代表著產(chǎn)業(yè)的關(guān)注度高、是一片豐饒的海域，又說明該產(chǎn)業(yè)去偽存真的空間較大，需要通過大浪淘沙留下那些真英雄。

　　阿里巴巴的前CEO衛(wèi)哲曾說：“人工智能的泡沫巨大無比，媒體吹捧，市場過熱，迎來的是“VC太晚，PE太早”的尷尬局面。市面上很多公司號稱自己是“人工智能”公司，但是真正擁有人工智能技術(shù)的公司其實非常少。估算有九成的人工智能公司，都是“偽人工智能”。

　　的確，O2O、VR、分享經(jīng)濟……不管以往的哪次風(fēng)口浪尖，都會有一些偽創(chuàng)業(yè)者掛羊頭賣狗肉、蹭熱度騙投資，人工智能這次也不例外。不少創(chuàng)業(yè)公司的商業(yè)計劃書里都會標榜“人工智能”，似乎不為自己貼上這樣的標簽就不好意思見投資人，就像幾年前如果不在BP中提及O2O就會覺得丟臉一樣。有人隨便搞了些數(shù)據(jù)，就叫大數(shù)據(jù)，然后號稱做的是大數(shù)據(jù)建模、大數(shù)據(jù)風(fēng)控之類的東西，其實那些數(shù)據(jù)很可能是從網(wǎng)上扒來的、過時的數(shù)據(jù)。還有一些公司將產(chǎn)品中虛假植入人工智能的元素，為的是提升公司品牌的關(guān)注度、提升產(chǎn)品的銷量、甚至提升股票的價格。

　　但這些渾水摸魚者在以往每個風(fēng)口都存在，并將會在未來的風(fēng)口繼續(xù)存在。如果將這些偽創(chuàng)業(yè)者和虛假廣告者視為人工智能領(lǐng)域的泡沫，那么這些泡沫的存在并不會影響AI技術(shù)的持續(xù)發(fā)展，也不會影響真創(chuàng)業(yè)者將AI應(yīng)用于生活場景的決心。然而，它能切切實實影響到的，卻是投資者和股民們的判斷，比如暴風(fēng)科技的股票就是一個典型的風(fēng)口炒作股票的案例。

　　所以，泡沫實際上是一個金融概念。泡沫的破滅是商業(yè)周期的變化，是人類金融社會機制的正?，F(xiàn)象，泡沫的出現(xiàn)與否都不能掩蓋機器智能快速發(fā)展的事實。

　　而人工智能可不止是一個風(fēng)口，更是歷史大趨勢。

　　相對同樣打科技牌的VR來說，人工智能的底子要厚太多，想做人工智能的大企業(yè)也遠遠比VR多。人工智能在B端的盈利能力，已經(jīng)得到了市場的印證；人工智能牽扯到的行業(yè)前景和錢景，也都是VR所望塵莫及的。以信貸業(yè)務(wù)為例，京東金融的機器自動化放貸便是一個成功案例：全平臺沒有一個人工信貸審核，每單的變動成本近乎等于零。京東金融陳生強說：“供應(yīng)鏈金融產(chǎn)品‘京保貝’可以做到3分鐘放貸，交易系統(tǒng)具備1秒鐘處理幾十萬筆交易的能力，這在過去的金融服務(wù)中是不可想像的。”由于每單的變動成本幾乎為零，所以企業(yè)有能力也愿意從事普惠金融。

　　三，哪些細分領(lǐng)域離變現(xiàn)更近？

　　對于AI的創(chuàng)業(yè)者和從業(yè)者來說，與其關(guān)注金融現(xiàn)象，不如多思考如何理解人工智能發(fā)展的規(guī)律，從而加以利用，把握先機。

　　在如今人工智能這個異常熱鬧的領(lǐng)域中，機器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)、大數(shù)據(jù)……光是這些熱門詞就讓人覺得分不清，它們所涉及到的技術(shù)更是讓人眼花繚亂。對于想進入行業(yè)的求學(xué)者來說，學(xué)習(xí)R還是Python？Spark那么火，Hadoop還要不要學(xué)？Caffe、Tensorflow、PyTorch、Keras、MXNet等流行的深度學(xué)習(xí)框架，該學(xué)哪一個？即使是對于人工智能科班出身的學(xué)生來說，這樣的困惑也一點都不會少。

　　那么對于那些對人才和技術(shù)都如饑似渴的AI創(chuàng)業(yè)者來說，人工智能中哪些細分領(lǐng)域可以更好地商業(yè)化？哪些可以更好地轉(zhuǎn)化為可消費的產(chǎn)品呢？

　　恐怕當前的創(chuàng)業(yè)者們對此比從業(yè)者更加茫然與糾結(jié)。今日頭條創(chuàng)始人張一鳴曾經(jīng)放話：“人才的水平有多高，我們的薪酬就有多高。”但到底哪些人才符合需求呢？依圖科技的醫(yī)療副總裁倪浩說，“正像互聯(lián)網(wǎng)中大家常說的，我們并不知道哪里是豬，哪里是羊毛，但只要人工智能可以有所幫助，就一定是能收到錢……目前，我們最堅定的標準就是人工智能要帶來價值?！?對于什么樣的人才才能帶來價值，創(chuàng)業(yè)者本身的懵懂導(dǎo)致公司往往是抓到什么樣的人才都去扔到實踐中去檢驗，結(jié)果試錯成本未免太大，成為創(chuàng)業(yè)的一大阻力。

　　其實，只要搞清楚人工智能與大數(shù)據(jù)的關(guān)系，創(chuàng)業(yè)公司對人才和目標市場的選擇就會清晰很多。

　　任何智能的發(fā)展，其實都需要一個學(xué)習(xí)的過程。而近期人工智能之所以能取得突飛猛進的進展，不能不說是因為這些年來大數(shù)據(jù)長足發(fā)展的結(jié)果。正是由于各類感應(yīng)器和數(shù)據(jù)采集技術(shù)的發(fā)展，我們開始擁有了以往難以想象的的海量數(shù)據(jù)，同時，也開始在某一領(lǐng)域擁有深度的、細致的數(shù)據(jù)。而這些，都是訓(xùn)練某一領(lǐng)域“智能”的前提。

　　換言之，這一波AI紅利的主要原因是：一方面，之前互聯(lián)網(wǎng)時代積累的大數(shù)據(jù)到了一個臨界點，足可以支撐運算出比較好的學(xué)習(xí)結(jié)果；另一方面，計算機的運算能力過剩，正好可以用來計算；此外，Google和云計算公司以及業(yè)界積累了大量的分布式集群運算的經(jīng)驗。是這些合力帶來了人工智能的井噴式發(fā)展。

　　如果我們把人工智能看成一個嗷嗷待哺的嬰兒，那么某一領(lǐng)域?qū)I(yè)的、海量的、深度的數(shù)據(jù)就是喂養(yǎng)這個天才嬰兒的奶粉。奶粉的數(shù)量決定了嬰兒是否能長大，而奶粉的質(zhì)量則決定了嬰兒后續(xù)的智力發(fā)育水平。所以，任何機器智能的發(fā)展都不是可以一蹴而就、立刻成形的，即使不依靠人類棋譜的阿法狗·零也要依靠程序員為它輸入基本規(guī)則來自行揣摩學(xué)習(xí)，然后將自己高速模擬出的海量棋局總結(jié)成數(shù)據(jù)，從中得出規(guī)律。其實，打敗阿法狗·零的方法很簡單，那就是改變規(guī)則但不為其更新數(shù)據(jù)。所以，能夠真正掌握算法，并且能將其應(yīng)用到真實商業(yè)環(huán)境的人，才是AI市場最需求的人才。

　　同理，我們也可以得出結(jié)論，只有符合以下條件的細分市場才是值得在Ai上面投入、并更容易實現(xiàn)商業(yè)變現(xiàn)的行業(yè)領(lǐng)域：

　　1，擁有海量可用的優(yōu)質(zhì)數(shù)據(jù)的行業(yè)領(lǐng)域

　　數(shù)據(jù)的優(yōu)質(zhì)，指的是多維度、多形式并且精準有效。并不是一堆數(shù)據(jù)就一定能產(chǎn)生價值，這也是為什么領(lǐng)英（Linkedin）被天價收購的原因。

　　2，擁有大量跨界雙邊人才的行業(yè)領(lǐng)域

　　雖然貌似看起來各大公司都提供了硬件（云計算）和軟件（各類接口），但實際上只有既精通機器學(xué)習(xí)、又理解業(yè)務(wù)和用戶的跨界雙邊人才能在實踐中創(chuàng)造價值。

　　現(xiàn)在最常見的狀況就是資本流向了不少搞機器學(xué)習(xí)的人，以深度學(xué)習(xí)為多，但他們往往開發(fā)出一堆華而不實的東西，大多數(shù)只能作為一個api去調(diào)用，但卻做不出一個完整的解決方案。雖然產(chǎn)品看起來很神奇，但卻沒有幾個人愿意為之付費，因為產(chǎn)品偏離用戶太遠。

　　而懂業(yè)務(wù)懂用戶的人，雖然了解客戶需求，但卻往往夠不到人工智能的技術(shù)門檻。首先，機器學(xué)習(xí)本來就不是一個容易的學(xué)科，對機器智能的理解力需要時間來沉淀；其次，人工智能不只是算法，要打通很多理解上的壁壘而成為一個解決方案需要融匯很多認知。

　　3，擁有大量生活或工作應(yīng)用場景、可以形成剛需的產(chǎn)品領(lǐng)域

　　具體說，產(chǎn)品必須應(yīng)用于封閉可控的場景，能輔助人類完成重復(fù)性的具體工作，以及在應(yīng)用中有可實現(xiàn)的切入點。

　　以客服銷售領(lǐng)域為例。客服是電商時代一個不可或缺的重要角色，即便是一個月流水只有五六十萬的淘寶店，往往也需要配備5人以上的客服團隊。事實上，客服場景中往往有大量的重復(fù)性工作需要消耗太多人力，對企業(yè)來說這無疑是一種資源浪費。目前阿里、京東等已經(jīng)將人工智能引入客服系統(tǒng)，也出現(xiàn)了網(wǎng)易七魚、Udesk等第三方智能客服云服務(wù)，前景都比較樂觀，尤其是在很多具有數(shù)據(jù)門檻的垂直行業(yè)。

　　4，數(shù)據(jù)成本不很昂貴的行業(yè)領(lǐng)域

　　人工智能應(yīng)用的價值= 數(shù)據(jù)通過你的機器智能產(chǎn)生的價值 - 數(shù)據(jù)的成本

　　機器智能產(chǎn)生的價值= 在具體服務(wù)中對于用戶為此支付的成本 （用戶的注意力+時間+錢 ）

　　數(shù)據(jù)的成本=收集成本（直接獲取或者購買）+分析成本 （雇傭數(shù)據(jù)科學(xué)家的成本）

　　無須多言，如果數(shù)據(jù)成本過于昂貴，盈利就會相對減少，變現(xiàn)就會艱難。

　　四，2B還是2C？這是個問題

　　雖然政府的理想和技術(shù)宅們的情懷讓人工智能在中國大地激情燃燒了起來，但是無論從技術(shù)還是應(yīng)用來講，人工智能在中國都尚處于初級階段，不管投資還是創(chuàng)業(yè)，其技術(shù)及資金門檻都較高。

　　目前稱得上對人工智能研究相對成熟的機構(gòu)，除了致力于軍事及國家戰(zhàn)略的國家科研組織，國內(nèi)只有華為研究院、百度、阿里、騰訊等研究機構(gòu)，而相對成熟的人工智能技術(shù)方向也只有語言識別與自然語言處理技術(shù)、人臉識別技術(shù)、底層大數(shù)據(jù)的挖掘及計算，以及機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)技術(shù)。

　　從創(chuàng)業(yè)及投資的實際情況來看，目前一定是用于2B領(lǐng)域的企業(yè)創(chuàng)業(yè)可能最先活下來，比如有面向航空公司做迎賓的機器人，和用于物流領(lǐng)域搬運的機器人等。

　　以智能投顧產(chǎn)品為例，面向B端的優(yōu)勢顯而易見：既能夠在內(nèi)核算法技術(shù)上充分倚靠，也能夠憑借B端豐沛的客服經(jīng)驗在產(chǎn)品體驗上充分滿足用戶需求。而針對C端的同類產(chǎn)品不但無法逃脫前沿科技產(chǎn)品冷啟動的宿命、要從零開始聚集人氣，在做產(chǎn)品體驗的邏輯上也會相對貧乏薄弱。相比之下，B端用戶則恰恰可以在這兩個方面揚長避短：機構(gòu)原有的用戶基礎(chǔ)、或者線下實體門店都給了純互聯(lián)網(wǎng)化的智能投顧一個從“巨人肩膀上”開始的機會。最關(guān)鍵的是，除了數(shù)量上的“熱啟動”，B端自身的基礎(chǔ)和積累還能大幅度降低AI這種前沿科技與用戶理念不匹配帶來的智能投顧頑疾：獲客成本。在足夠多的用戶基礎(chǔ)上，一方面投入的獲客邊際成本會越來越低；另一方面，新用戶的進入意愿也會相對更高。