2018年人工智能产业发展依然面临的三大难题

· 2018-02-24 21:09:22 · 北京瑞铭安普科技有限公司

[ 导读 ] 2017年，人工智能领域在算法、政策、资金等方面已经出现了三大突破。展望2018年，偌大的人工智能领域，优秀项目不够、顶尖人才不足、场景落地缺乏等将成为人工智能产业发展的三大难题。

2017年，

领域在算法、政策、资金等方面已经出现了三大突破，业界欢欣鼓舞的情形很像1999年年底网络泡沫泛滥时的情形。展望2018年，偌大的人工智能领域，优秀项目不够、顶尖人才不足、场景落地缺乏等将成为横亘在人工智能领域面前的三大难题。

一、资金很多，项目不够用了

当前的AI产业发展面临泡沫化的风险，主要体现在投资供应数量大而项目供给数量少，市场对创业项目寄予很高的期望，而实际的产品体验欠佳，泡沫即将出现。

腾讯研究院发布的《中美两国人工智能产业发展全面解读》报告，分析了引发行业泡沫的两个信号。一是资金多而项目缺。根据过往数据和2017年上半年的情况预测，2017年美国新增企业数量将跌到谷底，数量在25~30家之间。同时，美国的累计融资量持续快速增长，最后将稳定在1380亿~1500亿元之间。

2018年，中美两国AI企业数量增长都将有所恢复，但增长速度依然平缓。这段时期，创投圈将会发现，找到一个新的有潜力的项目越来越难，由于新增企业数量稀少，经常只能跟投一些项目。

到2020年，美国AI公司累计数量将会超过1200家，累计融资额将达到2000亿元。中国AI企业增势不明朗。根据行业发展周期来计算，中国人工智能产业将会在2018年回暖，新增公司数量会上涨到30家以上，预期融资累计量将会达到900亿~1000亿元。

二是周期长而营收难。可以说人工智能期望值被大大高估了。引领本轮AI热潮的深度学习，起源于上世纪80～90年代的神经网络研究。在很多情况下，前沿研究方法是由对已有方法的微小改动和改进而来，而这些方法在几十年前就已经被设计出来了。

2006年，深度学习算法获得了突破后，引起市场热炒，但相关的AI技术和产品的成熟度仍然有限，甚至被讥笑为“人工智障”。许多项目和技术，要想获得消费者欢迎，还需要等待相当长的时间。

从投融资趋势来看，涌入人工智能领域的资金依然还会增加。据不完全统计，2017年中国人工智能领域的投融资事件约353起，比2016年稍有回落。但投资金额激增，总融资金额近600亿元，在政府的鼓励和行业并购中，2018年中国AI的投资额将会持续大幅增加。

同时，行业并购开始加剧。CBInsights提供的数据显示，自2011年以来，已有近140家人工智能初创公司被收购，而2017年的第一季度，海外就有34家人工智能初创公司被收购，为2016年同期的两倍。2018年，仍将延续这一趋势。在资金增长的同时，中国AI企业数量不会同幅增长。根据行业发展周期来计算，中国人工智能产业将会在2018年呈现缓慢增长趋势，预期累计融资量将会达到900亿~1000亿元，而新增公司数量仅会上涨到30家左右。

资金多而项目缺，周期长而营收难，项目却一天比一天更加昂贵，这种情形与1999年的第一次互联网泡沫时非常相似。

二、事情很多，人不够用了

算法大神YoshuaBengio曾表示：“深度学习现在很热门，目前的困境是缺乏专家，一个博士生大概需要五年的培养时间，但是五年前还没有博士生开始从事深度学习，这意味着现在该领域的专家特别少，可以说弥足珍贵、极度稀缺。”这是三年前AI面临的困境，至今依然未得到改善，甚至变得更加严峻。

人工智能竞争的根本就是争夺顶级人才。据说世界上深度学习领域的顶尖人才不超过50人，因此科技巨头们纷纷通过收购初创公司来招揽人才。

作为国家未来的发展方向，AI技术对于经济发展、产业转型和科技进步起着至关重要的作用，而AI技术的研发、落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中，AI顶级人才的领军作用尤为重要，他们是推动人工智能发展的关键因素。然而，中国人工智能领域人才极为欠缺。

据腾讯研究院发布的《2017全球人工智能人才白皮书》显示，目前我国约有20所大学的研究实验室专注于人工智能，高校教师以及在读硕博生约7000人；产业界现存人员人数约为39000人，远不能满足我国市场百万级的AI人才需求量。

从产业发展来看，我国人工智能领域人才分布严重失衡。人工智能产业由基础层（芯片/处理器、传感器等）、技术层（自然语言处理、计算机视觉与图像、机器学习/深度学习、智能

等）和应用层（语音识别、人脸识别）等组成，目前我国在产业层次人才上面临两个问题。一是产业分布不均。中国AI产业的主要从业人员集中在应用层，基础层和技术层人才储备薄弱，尤其是处理器/芯片和AI技术平台上人才缺乏，会严重削弱中国在国际上的竞争力。

二是供求严重失衡，人才缺口很难在短期内得到有效填补。过去三年中，我国期望在AI领域工作的求职者正以每年翻倍的速度迅猛增长，特别是偏基础层面的AI职位，如算法工程师，供应增幅达到150%以上。尽管增长如此高速，但是由于合格AI人才培养所需时间和成本远高于一般IT人才，人才缺口很难在短期内得到有效填补。人才不足，是制约中国AI产业发展的主要因素。

近几年来，Google不断收购AI领域公司最主要目的是“抢购”一批世界上一流的专家，在一个迅速成长的人工智能领域里面，这些专家无一不是佼佼者。其他科技巨头也在相机而动。2018年，人才饥渴症不会得到缓解。

三、场景很多，路不好走了

梳理一下2017全年的AI产业大事件可以发现，医疗、金融、

等三大热点在吊足了公众胃口的同时，尚有疑问待解。

一是AI医疗的变革信号在哪里？

2017年的每个月中，都有VC流入AI+医疗领域，国内所有医疗人工智能公司累计融资额已超过180亿元。

科技企业智能医疗的布局与应用已有雏形，IBMWaston已应用于临床诊断和治疗，2016年就已进入中国在多家医院推广。阿里健康重点打造医学影像智能诊断平台；腾讯在2017年8月推出腾讯觅影，可辅助医生对食管癌进行筛查。图玛深维2017年11月获投2亿元，正在把深度学习引入到计算机辅助诊断系统中；晶泰科技（XtalPi）近期也融资1500万美元，用于开发新一代的智能药物研发技术，以解决药物临床前研究中的效率与成功率问题。

遗憾的是，尽管政府亮起绿灯，企业投了人力、财力，但人工智能却并没有在医疗领域推出爆发式应用。原因在于人工智能需要大量共享数据，而医院和患者的数据如同孤岛。如何打破各方壁垒，在保障健康的同时又保障数据安全性？这将是推动智能医疗快速发展中需要解决的问题。

二是AI如何深层次地撬动金融？

与智能医疗一样面临数据问题的还有金融领域，大量的可信度较高的数据掌握在各大银行手中，AI怎么能够撬出这些数据以推动

的创新，是创业者们绞尽脑汁思考的课题。

当前，应用人脸识别、指纹识别技术作为验证客户身份、远程开户、刷脸支付的方案，已经发展成熟，正在逐步推广。

如何利用知识图谱挖掘潜在客户和深挖客户潜在需求的技术也已较为成熟，而数据源的问题亟待解决。

美国科技公司FutureAdvisor最早研制出“机器人理财顾问”。随后，此类机器人理财顾问迅速风靡全球。

2017年智能投股曾被视为是下一个风口。但是，机器人炒股的结果是赔了。

三是

究竟何时上市？

无人驾驶汽车被称为“四轮机器人”，但其发展何时会像智能手机一般人手一部、彻底颠覆传统手机进而推动整个产业变革？这个问题仍然没有答案。

2017年，汽车行业内智能造车势力动作不断，其中一部分已陆续交出答卷，让产品接受市场的检验，而另一部分仍在“温室”中培养，等待结果。所以称之为“温室”，是因为各行各业都对其予以厚望，尤其是在投融资上，虽然投资事件数不多，但金额已达234亿元。