人工智能（AI）的聲勢似乎不復去年之勇。項目變少了，業內薪酬漲勢停滯，投資人開始討論AI的泡沫問題，輿論的風向也從鼓噪轉向了質疑。
客觀講最近一年時間，AI的基礎層、技術層和應用層都沒有出現革命性的理論，而AI的9個熱門方向——芯片、自然語言處理、語音識別、機器學習應用、計算機視覺與圖像、技術平臺、智能無人機、智能機器人、自動駕駛的商業化進展參差不齊，和與深度學習有關的自動駕駛等領域，則一直處在商業化的邊緣徘徊。
當多年后我們回頭看眼下這段時間，到底是爆發前的靜默，還是漫漫長夜的無聊片段？
大公司與小公司的殊途同歸
這一年，谷歌旗下的Waymo自動駕駛技術仍在測試，盡管FCA代工的車隊正在擴張，Waymo也一度宣稱商業化“近在眼前”，但尚未有下文。
亞馬遜的無人快遞系統，更像蜻蜓點水，稍有漣漪，轉瞬不見，無論是無人兩輪車，還是快遞旋翼機。
而蘋果重金投入的自動駕駛項目，除了一個名字（泰坦）半遮半掩之外，尚未有任何進展披露，應該說，這很“蘋果”。
微軟是唯一置身AI核心商業產品之外的8000億美元市值的巨頭。微軟云作為商業價值上僅此于亞馬遜云的公有云，實際上充當了開放AI的運行平臺，雖然擴展出眾多AI應用，但并不直接開發面對個人消費者的產品。
大公司如此，創業公司同樣感受到資本的絲絲涼意。
有報道稱，去年美國AI產業創造了216億美元的產值，對于同期融資2000億美元，虧得底掉。當然，投資人沒指望當年投入，當年產出。投資基金的生命周期一般超過5年，因此所投公司5年內沒回報是可以理解的。但實際操作中，如果創業公司3年內沒有實現“批量增長”，甚至沒有合理商業模式，基本上也就涼了，很難融到下一輪。
因此，我們經常能看到原有創業團隊產生裂變，某個大咖拉一票人“二次創業”，講新故事，投資人再次跟進......這在AI領域簡直成了家常便飯。
有意思的是，二次創業團隊一般都選擇“降級打怪”。從圖像識別公司離職的員工，會創辦一個在圖像識別領域有具體應用場景的公司。從L5（完全自動駕駛）離職的團隊，則另開一攤研發L3、L4的落地方案，甚至具體到自動駕駛產業鏈上的某個硬件、算法。
經歷過的人，才能更好地讀懂投資人熱切的目光和顫抖的手。AlphaGo負責向公眾秀AI的魅力，更像個公關項目，暫時沒有產生實際效用，是大公司的玩具。創業公司無法玩票，或者長期玩票，花別人的錢，落地兌現是王道，也是生存之道。
有人戲稱，國內最早一批AI專家多半來自百度和微軟亞研院。后兩者堪稱中國AI的黃埔軍校，水平最高但缺乏成功轉化的產品。時任百度COO的陸奇迅速整合百度AI團隊，將研發方向指向語音助手、智能家居和L3自動駕駛。這些都是明顯更容易出產品的方向。當大公司都在為“稻粱謀”的時候，AI的泡沫實際上是變少了，而不是增多了。
而創業公司折騰半天之后，突然發現自己不但離不開投資人，也離不開大公司。雖然大家的商業轉化率都很感人，但AlphaGo屬于谷歌，Waston屬于IBM，小度屬于百度，自動駕駛公認的執牛耳者仍是特斯拉和Waymo。
自動駕駛和其他AI領域一樣都需要大量的數據訓練，而擁有更多的用戶，就意味著擁有更多可供填喂的數據。數據驅動的技術導向，是眼下AI的固有門檻，創業公司很難跨越，于是他們大多選擇成為鏈條上的一環，而非單干。在大數據時代，大公司實際上增強了對小公司的統御能力，真是令人遺憾的事。
AI商業化還有多遠？
AI概念的提出有50年之久，有人總結稱“火3、5年，涼7、8年”。
神經網絡在本世紀以前也是無人問津，近5年的AI發展熱潮是由深度學習引領的，而四層以上的神經網絡就可以稱之為深度學習。顯然，算力和數據處理在近10年來取得重大突破引爆了AI，而大的方法則在幾十年前就設計出來了，只是當時缺乏實現手段而已。
市場上熱炒的AI產品總有點差強人意，背后的深層次是理論前沿研究尚未取得突破。新理論向來是應用技術的助跑器，只不過是何時發現其價值的問題。
現在的AI發展幾乎摸到天花板，如果短期實現不了的需求，再投多少錢也沒用，還不如期待學術界的突破，學術界上一次突破（深度學習算法）帶來的應用紅利馬上就要看到盡頭。
而學術界正被AI商業公司挖得千瘡百孔，有教授吐槽稱“連寫個項目申請都找不到合適的PI來組隊”。想將自己的研究成果商業化，或者趁熱賣個好價錢，都無可厚非，但都導致學術界的失血。為30年后的新世界當墊腳石，還是現在就年薪百萬千萬，選項設置是失衡的。
自動駕駛為代表的AI創新，一種是技術創新，一種是模式創新，后者依賴于前者。
有人認為自動駕駛風口已過，但也有人認為風口可能還沒來。L5自動駕駛的商用化，似乎永遠差5年，也基于同樣的理由。
即便短期的發展不容樂觀，產業上也進入平緩期，但不意味著從業者消極等待無事可做。距離出發點很近的好處在于，誤入歧途的話容易改弦更張，代價則是商業化的夢想需要多等些日子。
【來源：通訊汽車】
