西甲-貝爾丟單刀 皇馬負墊底隊

　　有乘客在搭地鐵的空隙裏，西甲突然被吸引。

微軟亞洲研究院常務副院長芮勇曾經說了一句略顯誇張但卻清醒的話：貝爾丟單馬負墊底隊實現真正的人工智能大約要500年，你要讓我在後麵再加個0我也不反對。比如這些助理基本能回答今天天氣如何，刀皇但如果問到附近的星巴克可以用微信支付麽以及今天的天氣是否會導致塞車或者航班延誤等這類相對有邏輯一點的問題就無能為力了。

有數據顯示，西甲從全球來看，西甲截至到2016年第二季度，全球AI公司突破1000家，跨越13個子門類，2011-2016年人工智能領域融資額複合增速達到42%，總融資額高達48億美元，其中，深度學習、自然語言處理、計算機視覺是獲投金額最多、創立公司最多的領域。穀歌在利用大數據方向與關鍵業務是搜索，貝爾丟單馬負墊底隊但可以衍生到地圖，視頻、翻譯、無人駕駛汽車等相關業務。資本和企業都樂意鼓吹人工智能領域的無所不能與遠大前程，刀皇方便融資並獲得高額估值，擠入獨角獸行業。國內這種趨勢也非常明顯，西甲所以我們看，開發一個APP則會麵臨用戶獲取和使用成本高，難留存，用戶難發現等瓶頸。而在創新工場之外，貝爾丟單馬負墊底隊眾多風投機構都樂於在人工智能領域砸錢。

畢竟真正懂深度學習的人還不多，刀皇極為稀缺導致供需不平衡，當然這個不合理的價格也涉及到人才競爭。也就說是說，西甲AI當前目前跟學術關聯性很高，西甲而且更多是停留在學術研究層麵，但技術與學術研究要應用到一些產業或行業從規律來看都需要幾年甚至幾十年的時間，不能簡單地靠普通商業思維去打通。在推理性與邏輯性、貝爾丟單馬負墊底隊專業性的實際問題層麵的解決能力上依然被一些用戶與業內人士嘲為智障助理，實用價值並不大。

當然人工智能是未來這並不錯，刀皇問題是這個變革或者說真正改變人類的未來時間點什麽時候來，但肯定不是現在。創業者缺數據但數據是AI的基礎人工智能(AI)已經應用於語音識別、西甲圖像處理器、西甲計算機視覺、機器人等多個領域，在人機圍棋大戰中屢屢獲勝，而這背後，經過了是海量數據的積累與學習。事實上，貝爾丟單馬負墊底隊無論是穀歌facebook，還是BAT，都可以利用人工智能算法收集到很多的數據，這些都可以幫助它在未來推送有價值的廣告。而當前人工智能項目又是巨頭的標配，刀皇國內資本嗅到風向又開始助推，刀皇因為一旦下注到一個好的項目被BAT收購接盤，在高點退出，也是一筆劃算的買賣。

但如果被稱之為下一代新的入口與全球科技巨頭爭搶布局的未來技術奇點與底層基礎設施的產業，在3年之後，市場規模才91億元，還不及共享單車市場的一個零頭，這隻能意味著人工智能產業的發展還處於初級階段，AI在短時間內也很難成為風口。對於巨頭來說，如果人工智能的應用隻能停留在下棋與炫技的層麵，那可能意味著投資回報率不對等以及很大的泡沫與風險。

另外，許多巨頭研發的AI助理在基於上下文的對話能力與理解口語中的邏輯、能力履行、基於上下文的對話能力方麵都存在欠缺，也意味著當前的人工智能還處於相對初級的階段。但在當前，最重要的是基於用戶特定場景需求要具備邏輯理解能力與顛覆性的商業模式方麵，人工智能的應用還沒影兒。百度人工智能早早已在布局，今年阿裏宣布啟動“NASA”計劃，騰訊正式宣布成立AILab。我們知道，人工智能在美國已經研究幾十年，但依然很難看到盈利的希望，商業化落地依然麵臨尷尬局麵，創業者的遊戲都是資本推動的，資本是逐利而短視的，如果遊戲的結果是一直是無底洞的投入換不來真金白銀，遊戲就很難玩下去。

通過技術手段的過濾和機器學習在內容產業領域也正在成為BAT的標配與必爭之地。但即便是這些巨頭的人工智能助理，它們的服務範圍基本定位在信息檢索，資訊收集獲取，而無法搞定相對複雜一點的問題。對於創業者來說，一旦科技巨頭都在開足馬力，加大火力，在進行人工智能布局的時候，創業公司與巨頭相比，在人才儲備與數據、用戶、流量、資本不在一個檔次，貿然進入這個賽道，結果是可以想象的。當前人工智能還停留在學術層麵：投資回報率不對等另一方麵，當前人工智能的深度學習在語音和圖像以及自然語言處理的應用方麵雖有進展，但更適合在搜索引擎和學術、信息流內容數據推薦方麵，還無法應用在許多普通用戶的產品上麵。

甚至有人激情萬丈的喊出：“創業就去搞人工智能”。比如對於今日頭條這家從誕生之初就自冠以人工智能屬性的公司，其基於數據的推薦算法驅動機製盡管帶來了低俗的標簽，但卻俘獲了海量用戶。

其次，人工智能基本上是被巨頭推動的。早前創新工場李開複指出，矽穀各公司在用“不合理”的價錢去挖人，給剛畢業的人工智能領域博士都能開出超過200萬到300萬美元的年薪。

李開複是國內人工智能領域瘋狂投資者之一，聲稱創新工場投資接近25家企業，包括地平線機器人、Face++、Uisee等。人工智能應用的服務行機器人層麵，雖然功能性雖不斷完善，但當前的產品體驗層麵依然離商業化與消費者太遠。有數據顯示，在2016年1月有超過5萬個新的APP被提交到了appstore，但是在美國市場有65%的智能手機用戶在一個月內下載新APP的數量為0，下了1個新APP的人占8.4%。另外，在穀歌發布新版神經機器翻譯係統後，某定位於機器翻譯創業團隊發現自家產品翻譯的準確性全麵落後於穀歌。另外，人工智能目前在技術上還有很多難題有待處理，從當前來看，在手機、電腦等常規的硬件載體之外，人工智能還沒有相對成熟的全新的軟硬件載體，人機語音交互的智能化程度低，硬件層麵缺乏配套。而人工智能的基礎層涉及到大數據、人機交互、計算能力、通用算法、框架等這是構建生態的基礎，價值高，能聚集大量開發者和用戶，有人認為未來AI產業盈利亮點還將傳導至應用層，它成為巨頭必然要拿下的高地就不足為奇了。

有業內人士認為，從未來性看，結合了複雜推理和表示學習的係統將為人工智能帶來巨大的進步，但深度學習在短時間內不會像圖形操作界麵與互聯網那樣改變大部分人的生活。說到底，人工智能的本質是進化算法可以自我學習，但它無法從根本上去改變行業，而更多的是提高效率的一種方式。

於是創業者到資本開始不斷尋找新風口與新的增長點。AI的基礎是大數據，這些資源通常掌握在巨頭手中。

當然，不能否認人工智能將是輔助醫療、服務機器人、無人駕駛、虛擬現實等領域的重要變革變量，對互聯網、安防、金融、醫療、汽車、製造業、教育、廣告、智能家居等諸多行業均會進行重要改造。有“安卓之父”之稱的安迪-魯賓(AndyRubin)也成立一家軟硬件孵化器和風險投資公司，主要麵向人工智能領域，為初創企業提供資金支持。

當然，對於巨頭來說，布局人工智能是有必要的，因為它是底層基礎層麵的應用框架，這是構建生態的基礎。人工智能本質是拚技術：但創業者要拚過巨頭很難即便是做大了被收購這種想法也相當危險，因為人工智能在本質上是拚技術，而當前互聯網創業成功者多數是基於商業模式的創新。人工智能還有很多難題，創業者也很難跟巨頭去拚人才、用戶、流量與資本。在美國，MIT，斯坦福等高校以人工智能方向的專業培養了眾多頂尖人才，被以穀歌、Facebook、微軟等為代表的企業重金聘請。

今年的兩會，“人工智能”首次被寫入政府工作報告中。OFweek行業研究中心統計數據顯示，從盈利能力來看，機器人本體業務虧損麵高達70%。

顯然，如果無法根據邏輯進行多層次地推演，理解表達因果關係的能力，就無法擔綱深層的服務。巨頭為何要推動，因為它畢竟是關係到未來的一項顛覆性的技術，沒有人會願意自己被新技術顛覆。

矽穀科技巨頭的人工智能助理基本上也已經成為標配了：從FacebookM到AmazonEcho，從GoogleAssistant，到AppleSiri、IBMWatson。況且人工智能離不開海量數據的支撐。

而創業公司在某一垂直領域做出絕對的技術壁壘其難度相當大，因此有業內談到這樣一個案例，矽穀某大公司收購一個人工智能初創公司後，發現各種指標、性能還不如內部的產品，於是被收購的團隊全部派去做產品了。微軟亞洲研究院常務副院長芮勇曾經說了一句略顯誇張但卻清醒的話：實現真正的人工智能大約要500年，你要讓我在後麵再加個0我也不反對。比如這些助理基本能回答今天天氣如何，但如果問到附近的星巴克可以用微信支付麽以及今天的天氣是否會導致塞車或者航班延誤等這類相對有邏輯一點的問題就無能為力了。有數據顯示，從全球來看，截至到2016年第二季度，全球AI公司突破1000家，跨越13個子門類，2011-2016年人工智能領域融資額複合增速達到42%，總融資額高達48億美元，其中，深度學習、自然語言處理、計算機視覺是獲投金額最多、創立公司最多的領域。

穀歌在利用大數據方向與關鍵業務是搜索，但可以衍生到地圖，視頻、翻譯、無人駕駛汽車等相關業務。資本和企業都樂意鼓吹人工智能領域的無所不能與遠大前程，方便融資並獲得高額估值，擠入獨角獸行業。

國內這種趨勢也非常明顯，所以我們看，開發一個APP則會麵臨用戶獲取和使用成本高，難留存，用戶難發現等瓶頸。而在創新工場之外，眾多風投機構都樂於在人工智能領域砸錢。

畢竟真正懂深度學習的人還不多，極為稀缺導致供需不平衡，當然這個不合理的價格也涉及到人才競爭。也就說是說，AI當前目前跟學術關聯性很高，而且更多是停留在學術研究層麵，但技術與學術研究要應用到一些產業或行業從規律來看都需要幾年甚至幾十年的時間，不能簡單地靠普通商業思維去打通。

很赞哦!（737）