写在人工智能退潮时

金融大鳄索罗斯曾经说过：世界经济史是一部基于假象和谎言的连续剧。要获得财富，做法就是认清其假象，投入其中，然后在假象被公众认识之前退出游戏。

这一赤裸裸的搏傻理论，在金融行业屡试不爽。从楼市、黄金等传统经济，再到移动互联网、大数据、云、区块链等新兴科技，掌握此规律的人无不赚得盆满钵满。然而金融杠杆确实是一把双刃剑，只要被它所瞄准的对象，大潮来时可以使其加速发展，大潮退去便落得满地鸡毛……

一．人工智能的低谷将至

以2012年为起点，各路投资人开始蜂拥涌入AI赛道。

首先进场的是互联网巨头。Google、Facebook等公司开始大举扫货，不惜重金购入深度学习领域的头部学者。另一方面，VCPE们也不甘示弱，热钱汹涌之下，大批深度学习领域中的专家开始在风险资本的支持下自主创业。据乌镇智库发布的《全球人工智能发展报告》显示，仅2012年到2016年，全球人工智能企业就新增5154家，融资规模达224亿美元，占2000到2016年累积融资规模的77.8%；其中，光2016一年的融资规模就达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。

在大批投资人看来，人工智能是继蒸汽机、内燃机和互联网之后的第四次生产力革命。

然而，梦想终归是梦想，一厢情愿的事情，到头来只能得到尴尬。在一个个AI创业公司，如同雨后春笋般的搭起炉灶之后。摆在眼前的将不再是梦！而是更为现实的材米油盐。它们所面临不仅仅是如何用科技改变生活，而是要考虑到底如何才能盈利？什么是客户真正的需求？手里的资金还能支撑多久？这些钱花完怎么办？

因为当今的AI科技还处于起步阶段，技术和人才都不够完善。这就需要企业花大量的代价去找人，来研究技术，而非应用技术。

即便花大量的代价研究成技术之后，还要面临产品化，和找市场方面的挑战。然而AI行业的市场也是萌芽状态。

对于新兴领域，需要花大量的时间和精力进行的开发和培养。这期间不乏我们所见到的多种应用鸡肋或是技术残缺的智能产品，例如，能够跟踪日常的智能手环、导引客户的智能迎宾机器人、家用智能扫地机器人、跟踪用户食品的智能冰箱、在图像处理方面设计过度的智能手机，这些产品我们都有见过、听过，有的甚至还用过。但它并没有走进我们的生活，而这一切带来的是项目的亏损、投资的失败。

对于成熟领域则大多都已经进入寡头时代（例如语音识别、人脸识别）。这个领域早已不再关心识别率上那百分之零点几的差别，而是再拼彼此的价格、和商务的关系。

早在2017年9月，李开复就曾预言：“人工智能创业有泡沫，（融资热）是今年上半年开始的，融资差不多够18个月花，明年底估计有一批公司倒掉。

任何科学技术都不是魔术，它需要大量的科技人员静下心来，苦心研究并且在多年的坚持之上才可能会有一点点突破进展。人工智能技术更是如此，在近几年内，在AI界没有再看到像Alpha Go那样打败人类围棋的震撼科技、将计算机视觉带入新高度的革命性结构深度神经网络模型，这是很正常的事情。这些AI领域的重大进步也是再之前多年量变基础上所发生的质变，而非凭空出现。

在烈火烹油般的融资热潮下，并不会给AI行业太多的耐心，很快投资人的脸色会随着财务报表变得越来越难看。如今，这场融资大潮的退潮期已经到来。

据IT桔子等数据源显示，2014年至2018年，中国人工智能领域共发生126起退出事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。

另一个数据显示，2019年第二季度以来，国内人工智能投融资数量和金额都呈现下降趋势，仅完成30起融资，同比下降45.5%，融资总额达50亿元，不足去年同期的40%。

AI行业已经不再是投资者的宠儿，今天的人工智能已经用光了40年来所积累的技术红利。随着泡沫的破裂，AI行业进入了第一个寒冬。

二． 全行业AI正在暗流涌动

不靠烧钱活命的的企业才是健康的。AI自从诞生那天起仿佛就跟烧钱走的特别近。然而，真正能够长远发展的企业一定是留住“AI“仍掉“烧钱“的企业。

任何一个工业新时代，都会有有两个阶段：

• 第一个阶段是顺应现有的生产力和生产关系，做改良。
• 第二个阶段是改变生产力要素的构成和生产关系，甚至改变全球产业链格局，做变革。

现在是在第一个阶段的早期，需要积累到一定程度，才会达到一定的数量，给质变提供可能性。这个冬季虽然冻死了很多不合时令的AI公司，但却无法抑制AI技术的狂热发展。

近年来，虽然不会常有轰动级别像Alpha Go那么大的事件发生，但是从每年的论文提交数量可以看到，AI技术的更新还是逐年增加的。尤其2019年的论文，成井喷式增长。

其实在这些研究成果里，已经有很多能够实实在在的解决具体问题了。之所以没有那么大的轰动，是因为人们对AI赋予了更高的期待。资本市场更是如此。

面对着这么多的论文成果，在资本界居然普遍认为在2018年，AI行业的技术进步就是没有任何进步！这是一个很有分量的评价，它直接带来了2019年的AI寒冬。或许AI寒冬洗牌的不仅仅是假AI公司，还包括那些不懂AI的投资公司。

正是这种外部认为AI没有希望，而内部却在日新月异的加速发展的时刻，促成了AI企业的绝好机会，也是积累自身技术门槛的大好时机。而且随着AI技术的更新，相关人才越来越多，配套工具也越来越完善。它的跨界学科属性、科研属性所占的比重越来越小，工程属性、IT属性所占的比重越来越大。

这种两级化分离的趋势会使AI行业向着商用方向越来越近，也使得AI企业生存下来得到可能。随着AI人才的增多，AI工具的普及化，使得AI企业可以更容易的将AI技术应用到具体项目，而不再需要在培养科学家方面投入更多的成本。

然而伴随着AI行业的再次复兴，第一个受益者便是那些敢于使用新性技术进行产业升级的传统企业们。这便是新工业时代第二个阶段的发展萌芽。

在未来的市场里，一定给会有一批传统产业公司，通过AI技术进行变革，优化自身生产力，淘汰另一批没有变革的传统产业。进而改变全球产业链格局。

正如深度学习库Keras的建立者Francois Chollet所说，AI从业者应该把普及深度学习技术当成首要任务。这种普及不止是在学术界和产业界，也包括媒体、投资人和广大公众。

该话语的意思也正符合了AI未来的发展，也是AI普及的方向。

三．全行业AI必将到来的历史规律

这个寒冬要持续多久，我们不得而知。但对于真正的AI从业者来讲，要感谢这次资本的追捧，毕竟它带来了AI发展的加速。虽然加速过后的寒冬会将整个行业拉到低谷，但是从炒作周期的历史规律看，这才是AI创业者的真正机会。

在资金的驱动下，任何一个被操作对象都会遵循下面这条曲线（Hype cycle曲线）。

如今的AI行业正式处于图中的第3个阶段——泡沫低谷区。在这个时期，已经通过大浪淘沙，将期望高峰期混进来的假AI公司（借着AI噱头，玩资本运作的公司）逐步洗出，低谷期越久，洗的越干净。

同时也是AI创业公司真正的起步时期。在这个阶段坚持的越久，所搭起来的门槛就会越高。这些坚持下去的AI公司在再悄悄的撬动这个市场。它们用多数人们不被认可，但却切实有效的AI技术服务于各行各业，并与他们一起成长。使得被服务的企业们在自己的业务领域里的市场份额快速提升。这种羊群效应会逐渐修改人们对AI的认知，他们会把AI应用得越来越正确，越来越高效。当大量使用AI变革得公司吃到甜头时，便开始进入一个稳步复苏期。

进入稳步复苏期的AI公司一定是使用AI进行生产力改造的公司。他们对AI的精确应用，使得自己立于门槛之上，而对AI的依赖使得他们越用越精，发展得越来越好。而这个时代的新兴企业，要想在现有市场争取份额，就必须在应有的业务实现之上，增加AI的使用。这种全行业AI的场景，直接会把AI行业推向高峰。

四． 行业AI并不遥远，AI的商业转化势在必行

AI技术的魅力，赋予了人们更多的想象力。也同样吸引了大量的商业精英们的关注。再好的商业模式，再高效的工作流程都可能会有优化空间，而这个优化的实现，在理论上是可以通过AI来完成的。

用AI技术提升企业价值是他们共识的事情，但投入成本和结果的产出比却让他们望而却步。领先一步是先驱，领先2步是先烈。随都明白这个道理。

如今的AI行业，不仅仅是需要科研方面的工作。更需要的大量工作便是AI的商业转化。想应用AI的企业们有需求，科研AI的机构们有技术。他们之间缺少一个桥梁。

能够胜任这一工作的工程师必须具有事行业软件编程经验并且懂神经网络，在当下这是一个小众的群体：

• 与传统的编程人员不同的是：他们更精通于数学知识，以及神经网络理论，能看懂论文、会数学推导。
• 与AI研究者不同的是：他们有大量的编程经验更精通与工业级代码的实现。

最重要的是，这是一批勤奋好学的人。对应如今日新月异的AI技术，可以做到实时同步实时更新。

相信随着AI商业化的发展，这种人群会变得越来越大众。他们不需要去研究AI技术，只需要去跟进和学习AI研究者们的成果，并将其转化到商业中去。

这一点与现有的移动互联网公司完全一致，它们不用去关心网络信号的传输原理，不用去关心芯片、基站等硬件设施，只需要在xcode或Android框架上，按照指定的语法完成对应的功能，即可实现APP的开发。

在移动互联网时代，正式由于大量的APP开发人员，推动了整个行业的变革。使得美团、滴滴、高德、腾讯等这些使用移动互联网技术的公司成为行业巨头。他们有的是全新的姿态杀入传统行业，有的是传统行业的新技术升级，在整个行业的洗牌变革中，再次站到顶峰。

这也使得业界传出一句话：能够抓住机会，站在风口，什么都可以飞上天。

五． 成功应用场景

随着AI行业的再次崛起，未来的AI工程师将会是最热门的程序员之一。因为AI可以做的事情太多了。涉及的领域也数不胜数。

例如：

• 通过在风力发电机上按个声音接收器，通过AI对声音的分析，可以找到风扇快掉的风力发电机。
• 社交平台通过AI对黄色图片识别，从而组织恶意用户非法传播不良信息。
• 通过AI对网络传输的域名进行筛查，找到恶意域名进行阻断。
• 使用AI对金融数据采集结果的异常现象进行发现。
• 利用AI技术对高压电变压器设备的参数进行预测，从而分析出其使用寿命。

一般来讲，AI更适合于做由人工完成的简单重复劳动力的问题。使用AI技术可以将大量的人工解放出来，从而去做更有意义的事情。也降低了企业的成本。当然人工智能也会优化客户体验，使我们的生活变得更好，例如：

• 今日头条使用人工智能算法，对读者推送更感兴趣的新闻。
• 输入法使用人工智能，使输入文字时变得更加快捷。
• 微信使用语音识别，使我们相当于有了随身携带的翻译机，跨国旅游时，沟通变得容易。
• AI技术使得基因检测变得更加智能，一次检测从几千到上万元不等，而应用成本却非常的低。目前随便一家北京的3甲医院都会有近百家的基因检测公司为之服务。他们在一起享受着这丰厚的科技红利。

从AI工作人员角度看，这些是一个个的需求和工作。但从企业的角度看，这是实实在在的真金白银。这也正是AI科技所带来的价值。

除了赤裸裸的金钱关系，AI也在人类文明的进步中产生了很大的影响，类似的案例还有：

• 人脸识别的普及，实际上是推动了信用社会的行成，不仅仅是一个方便的问题。
• 如猪脸识别，让保险金融行业有可能进入农村，让农民有可能借助现代金融服务业提升生产力水平，这也是一个质的改变。
• 语音识别，有可能让传统手机操作系统无法覆盖的超高龄和超低龄人群融入互联网，按照麦卡夫定律，这个群体占总人口的将近百分之几十，接入互联网后产生的影响也是非线性的。

但AI也不是万能的，它并不会改变经营的根本，例如：

如果你商业运营情况糟糕，使用人工系统也不会改善问题。可以这样考虑：如果用免费的人力代替AI系统，结果是否会有提升。如果不能的化，那么使用AI只会效果更差。

AI的技术还处于高速发展阶段，而且AI的能力普遍还弱于人类。在人类能力所达不到的领域，AI几乎也很难完成。

只有正确认识AI和使用AI才会在新科技时代真正收益。

六． 未来可能的应用前景

从市面上主流的AI开发包来看，AI普及化、工具化，已经越来越成为趋势。当然，这仅仅是面对AI企业，它离最终的用户还是有一段距离。

这段距离是留给AI企业们的。需要它们自己将AI技术应用到各个行业，为其它领域的企业赋能，改善它们的用户体验，降低它们的成本。

未来人工智能在医疗、金融、安全、农业、甚至军事等等都可以更加精细化的深挖细耕。这也是目前AI公司的机会。例如一个医疗行业的基因检测领域，就有数不清的事情可以做，例如对某个肿瘤的预测就可以分为预后评估、遗传易感风险评估、用药评估等，而于这个肿瘤相关的基因又会有几十种，每种都会存在突变、插入、缺失、融合、扩增等变化，不同的变化又会产生不同的影响。这些都是AI可以做得事情（相当于回归、分类问题）。

对于任何企业，只要深挖都会有用到AI的地方，当然这一定是为了提升某些指标(利润、销量)而做的。任何企业也都有可能成为AI企业，其实AI的最终机会还是行业机会，即深入某个行业将该行业的具体业务细化，并把AI当作工具，用于解决细化中的某一具体问题。

七． 将AI用得更健康

为了避免成为先烈的AI升级企业，应当使用轻资产进行AI升级。不建议花巨资去成立AI研究部门，请一堆学术大咖做算法突破性的研发（除非你真的真的真的很土豪）。

建议使用能够读懂AI论文、跟住AI技术，并且具有丰富的编程经验的程序员来完成这个事情。当然还有更轻的方案：直接与优质的AI算法外包公司合作，借用他们成熟的技术和丰富的经验，以少量的成本，快速对自己应用AI的思路进行验证。

全行业AI势在必行。机会永远属于有准备的人。