|
2018年人工智能產業發展依然面臨的三大難題
2017年，人工智能領域在算法、政策、資金等方面已經出現了三大突破，業界歡欣鼓舞的情形很像1999年年底網絡泡沫泛濫時的情形。展望2018年，偌大的人工智能領域，優秀項目不夠、頂尖人才不足、場景落地缺乏等將成為橫亙在人工智能領域面前的三大難題。
一、資金很多，項目不夠用了
當前的AI產業發展面臨泡沫化的風險，主要體現在投資供應數量大而項目供給數量少，市場對創業項目寄予很高的期望，而實際的產品體驗欠佳，泡沫即將出現。
騰訊研究院發布的《中美兩國人工智能產業發展全面解讀》報告，分析了引發行業泡沫的兩個信號。一是資金多而項目缺。根據過往數據和2017年上半年的情況預測，2017年美國新增企業數量將跌到谷底，數量在25～30家之間。同時，美國的累計融資量持續快速增長，最后將穩定在1380億～1500億元之間。
2018年，中美兩國AI企業數量增長都將有所恢復，但增長速度依然平緩。這段時期，創投圈將會發現，找到一個新的有潛力的項目越來越難，由于新增企業數量稀少，經常只能跟投一些項目。
到2020年，美國AI公司累計數量將會超過1200家，累計融資額將達到2000億元。中國AI企業增勢不明朗。根據行業發展周期來計算，中國人工智能產業將會在2018年回暖，新增公司數量會上漲到30家以上，預期融資累計量將會達到900億～1000億元。
二是周期長而營收難
可以說人工智能期望值被大大高估了。引領本輪AI熱潮的深度學習，起源于上世紀80～90年代的神經網絡研究。在很多情況下，前沿研究方法是由對已有方法的微小改動和改進而來，而這些方法在幾十年前就已經被設計出來了。
2006年，深度學習算法獲得了突破后，引起市場熱炒，但相關的AI技術和產品的成熟度仍然有限，甚至被譏笑為“人工智障”。許多項目和技術，要想獲得消費者歡迎，還需要等待相當長的時間。
從投融資趨勢來看，涌入人工智能領域的資金依然還會增加。據不完全統計，2017年中國人工智能領域的投融資事件約353起，比2016年稍有回落。但投資金額激增，總融資金額近600億元，在政府的鼓勵和行業并購中，2018年中國AI的投資額將會持續大幅增加。
同時，行業并購開始加劇。CBInsights提供的數據顯示，自2011年以來，已有近140家人工智能初創公司被收購，而2017年的第一季度，海外就有34家人工智能初創公司被收購，為2016年同期的兩倍。2018年，仍將延續這一趨勢。在資金增長的同時，中國AI企業數量不會同幅增長。根據行業發展周期來計算，中國人工智能產業將會在2018年呈現緩慢增長趨勢，預期累計融資量將會達到900億～1000億元，而新增公司數量僅會上漲到30家左右。
資金多而項目缺，周期長而營收難，項目卻一天比一天更加昂貴，這種情形與1999年的第一次互聯網泡沫時非常相似。
三、事情很多，人不夠用了
算法大神YoshuaBengio曾表示：“深度學習現在很熱門，目前的困境是缺乏專家，一個博士生大概需要五年的培養時間，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺。”這是三年前AI面臨的困境，至今依然未得到改善，甚至變得更加嚴峻。
人工智能競爭的根本就是爭奪頂級人才。據說世界上深度學習領域的頂尖人才不超過50人，因此科技巨頭們紛紛通過收購初創公司來招攬人才。
作為國家未來的發展方向，AI技術對于經濟發展、產業轉型和科技進步起著至關重要的作用，而AI技術的研發、落地與推廣離不開各領域頂級人才的通力協作。在推動AI產業從興起進入快速發展的歷程中，AI頂級人才的領軍作用尤為重要，他們是推動人工智能發展的關鍵因素。然而，中國人工智能領域人才極為欠缺。
據騰訊研究院發布的《2017全球人工智能人才白皮書》顯示，目前我國約有20所大學的研究實驗室專注于人工智能，高校教師以及在讀碩博生約7000人；產業界現存人員人數約為39000人，遠不能滿足我國市場百萬級的AI人才需求量。
從產業發展來看，我國人工智能領域人才分布嚴重失衡。人工智能產業由基礎層（芯片／處理器、傳感器等）、技術層（自然語言處理、計算機視覺與圖像、機器學習／深度學習、智能機器人等）和應用層（語音識別、人臉識別）等組成，目前我國在產業層次人才上面臨兩個問題。一是產業分布不均。中國AI產業的主要從業人員集中在應用層，基礎層和技術層人才儲備薄弱，尤其是處理器／芯片和AI技術平臺上人才缺乏，會嚴重削弱中國在國際上的競爭力。
二是供求嚴重失衡，人才缺口很難在短期內得到有效填補。過去三年中，我國期望在AI領域工作的求職者正以每年翻倍的速度迅猛增長，特別是偏基礎層面的AI職位，如算法工程師，供應增幅達到150％以上。盡管增長如此高速，但是由于合格AI人才培養所需時間和成本遠高于一般IT人才，人才缺口很難在短期內得到有效填補。人才不足，是制約中國AI產業發展的主要因素。
近幾年來，Google不斷收購AI領域公司最主要目的是“搶購”一批世界上一流的專家，在一個迅速成長的人工智能領域里面，這些專家無一不是佼佼者。其他科技巨頭也在相機而動。2018年，人才饑渴癥不會得到緩解。
四、場景很多，路不好走了
梳理一下2017全年的AI產業大事件可以發現，醫療、金融、無人駕駛等三大熱點在吊足了公眾胃口的同時，尚有疑問待解。
一是AI醫療的變革信號在哪里？
2017年的每個月中，都有VC流入AI＋醫療領域，國內所有醫療人工智能公司累計融資額已超過180億元。
科技企業智能醫療的布局與應用已有雛形，IBMWaston已應用于臨床診斷和治療，2016年就已進入中國在多家醫院推廣。阿里健康重點打造醫學影像智能診斷平臺；騰訊在2017年8月推出騰訊覓影，可輔助醫生對食管癌進行篩查。圖瑪深維2017年11月獲投2億元，正在把深度學習引入到計算機輔助診斷系統中；晶泰科技（XtalPi）近期也融資1500萬美元，用于開發新一代的智能藥物研發技術，以解決藥物臨床前研究中的效率與成功率問題。
遺憾的是，盡管政府亮起綠燈，企業投了人力、財力，但人工智能卻并沒有在醫療領域推出爆發式應用。原因在于人工智能需要大量共享數據，而醫院和患者的數據如同孤島。如何打破各方壁壘，在保障健康的同時又保障數據安全性？這將是推動智能醫療快速發展中需要解決的問題。
二是AI如何深層次地撬動金融？
與智能醫療一樣面臨數據問題的還有金融領域，大量的可信度較高的數據掌握在各大銀行手中，AI怎么能夠撬出這些數據以推動金融科技的創新，是創業者們絞盡腦汁思考的課題。
當前，應用人臉識別、指紋識別技術作為驗證客戶身份、遠程開戶、刷臉支付的方案，已經發展成熟，正在逐步推廣。
如何利用知識圖譜挖掘潛在客戶和深挖客戶潛在需求的技術也已較為成熟，而數據源的問題亟待解決。
美國科技公司FutureAdvisor最早研制出“機器人理財顧問”。隨后，此類機器人理財顧問迅速風靡全球。
2017年智能投股曾被視為是下一個風口。但是，機器人炒股的結果是賠了。
三是智能汽車究竟何時上市？
無人駕駛汽車被稱為“四輪機器人”，但其發展何時會像智能手機一般人手一部、徹底顛覆傳統手機進而推動整個產業變革？這個問題仍然沒有答案。
2017年，汽車行業內智能造車勢力動作不斷，其中一部分已陸續交出答卷，讓產品接受市場的檢驗，而另一部分仍在“溫室”中培養，等待結果。所以稱之為“溫室”，是因為各行各業都對其予以厚望，尤其是在投融資上，雖然投資事件數不多，但金額已達234億元。
百度宣布開放阿波羅平臺；阿里巴巴與上汽集團等傳統車企展開合作；騰訊成功入股特斯拉成為第五大股東，領投入股的蔚來汽車的首款純電動產品已正式上市。
時間正在跟我們賽跑。2017年12月20日，一支百度Apollo無人車車隊，在雄安新區測試開跑。2018年年初，北京順義區無人駕駛試運營基地正式啟動，成為北京出臺國內首部自動駕駛新規以來，該市首個開展無人駕駛試運營的區域。2018年，哪輛無人汽車會上路？行業和消費者都在拭目以待。
回顧2000年互聯網泡沫的破滅，很多人依然覺得不可思議。那時候的產業發展日新月異，軟件應用、網絡服務ISP與網絡內容ICP等均在爆發，常有一日不見如隔三秋的感嘆。
2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。納斯達克指數迅速滑落。寒冬持續了3年時間，才慢慢回暖。
如今的AI產業正蓬勃發展，與互聯網初期階段何其相似。
產業帶著耀眼的光環，肩負國家戰略的重任，高度依賴資本市場渠道，輿論高度爆炒，從業者無不都是“三高”社會精英。
但美中不足的是，上市的產品卻體驗欠佳，應用場景略顯不足，魚目混珠的項目時有出現，泡沫的感覺越來越強。無論是政府還是企業，大家都應該對未來的風險加以防范。
|
