這幾年我們都經歷了互聯網一波接一波的風口和浪潮， 從2013年開始的公眾號內容創業， 到2014年的O2O， 到2015年的直播、2016年的物聯網和智慧硬體， 直到今年的AI人工智慧。
每一個新概念興起， 都會引發一股投資熱潮， 就像360周鴻禕說的， 今天你再出來做一個公司， 你要不說自己是用人工智慧、深度學習， 你都不好意思出來混。 就跟前兩年， 你要不說自己是020， 都不好意思去融資一樣。
這話很實在， 但也揭露了互聯網風口包裝下的浮躁與空洞， 無數的公司因風口來臨而起， 又因風口褪去而亡， 2015年的資本寒冬至今仍歷歷在目，
而現在， 相似的情況再次出現了， 幾乎每家獲得融資的科技公司都含有“人工智慧”、“深度學習”等標籤， 那麼這次是否會像前幾年一樣， 滿是泡沫， 最後只落得一地雞毛？
我認為， 泡沫肯定是有的， 但這次的人工智慧有了質的進步。
我們分下面幾個問題來討論。
人工智慧就是資訊化和自動化嗎？
人工智慧， 顧名思義， 就是用機器模擬人的頭腦和智慧， 也就是說， 人工智慧並不只是包含資訊化和自動化， 它還涵蓋了仿生學、生物學、心理學、語言學， 甚至哲學等諸多的學科，
任正非關於人工智慧的說法很貼切， 他認為， 要實現人工智慧， 必須先實現工業自動化， 工業自動化後， 才能進階到資訊化， 而只有資訊化足夠完備， 才能進入真正的人工智慧化。 為什麼這麼說？其實這是一個遞進的邏輯， 工業自動化是解放更多人力， 優化生產流程， 提高生產效率；資訊化是在實體機器自動化的基礎上， 對機器收集的資料進行分析和再使用， 使機器的自動化程度不斷提高；而智慧化只能建立在機器和資訊全面自動化後， 才能讓系統進行更高層次的“思考”， 也就是開始涉及上面所說的仿生學、生物學、心理學等學科領域。
而目前， 大部分工廠和企業連半自動化都做不到， 更別說人工智慧了。 所以， 從這個角度來說， 目前的人工智慧確實存在過熱、誇大的現象。
泡沫一點好處都沒有嗎？
泡沫意味著什麼？
意味著外界期望和資本追捧的程度與行業本身的實際情況不相符合， 但同時， 這些期望和資本對行業也起著推動的作用。
我們回顧一下這幾年的互聯網歷程， 內容創業的資本注資讓內容行業湧現了很多優秀的自媒體人；O2O熱潮讓大家重新思考線上線下相結合的商業模式， 也為如今的新零售打下基礎；智慧硬體風口讓很多企業把資源投入在打造自動化產品上， 這為今天的智慧化做好了底層架構的建設，
可以說， 泡沫的作用就是引發社會大範圍的關注度， 讓這件事情真正“擺上檯面”了， 可能因為各種因素， 前期發力過猛， 導致後期的泡沫破滅時的哀嚎連連， 但經過這一遭， 每個風口行業都對這個行業有了新的教訓和思考， 並不斷走向理性， 這對以後行業的健康化和常態化發展是很有好處的。
甚至我們可以說， 一個行業如果要快速發展， 前期少不了泡沫的助推。 就像你去爬山， 先有人把你拉到半山腰， 突然放手， 你一開始會不知所措， 拼命掙扎， 甚至摔下山去， 但你之前有人帶你爬山時所積累的經驗和你在半山腰看到的視野， 同樣非常有價值， 加上你在掙扎中學到的技能， 讓你能快速學會爬山。
這個道理對於現在的人工智慧同樣適用。
當泡沫消失後， 人工智慧會一地雞毛嗎？
這次的人工智慧風潮， 跟以往的互聯網熱潮有點不一樣。
之前每次風口後的一地雞毛都有一個共同點：風口的門檻太低了， 導致整個行業在良莠不齊的情況下還能不斷得到熱錢， 那麼當熱錢褪去時， 沒有硬功夫的公司就會摔得很慘。 像各種O2O公司， 其實只是開發了個app或成立個公眾號， 然後冠上O2O的名號拿到投資， 或者吹捧各種互聯網思維， 其實本質還是沒有改變， 所以當不受資本關注時， 沒有硬實力來支撐的他們只能選擇關門。
而人工智慧不一樣， 先不說智不智慧， 單單關於資料的收集、分析和對硬體的開發， 這個門檻就能篩選掉很多團隊。 其次，隨著多年的技術積累，現在的深度學習、大資料和計算能力，已經真正能走出實驗室，跨入產業實踐的領域，現在我們看到的語音辨識、人機對話、智慧推薦等，其實都已經是人工智慧初級階段的落地，而這些技術在互聯網、金融等行業都已經創造了可觀的商業價值，這說明它們是有硬實力來支撐未來的發展的。
當前的人工智慧還存在哪些不足？
應用場景受限大
當前我們能看到的人工智慧技術，只有在特定的場景下才能使用，還無法做到隨心所欲地進入我們的生活。很多人工智慧技術智慧在限定問題邊界、規範使用場景、擁有大資料支援的領域才能發揮最大的效能。這說明整體的人工智慧技術還不夠成熟完善，最多算“半智慧”，更不使用者說“人工”了，所以人工智慧技術還遠遠無法在各行各業中廣泛使用。
資料孤島化和碎片化
大資料的發展對人的隱私和安全提出了挑戰，所以相關部門對大資料的使用和開發都制定了嚴格的規範制度。同時，各科技公司從商業利益角度出發，也為自身的資料庫建立了深深的“護城河”。這使得當前資料的孤島化和碎片化問題嚴重，而人工智慧的發展離不開大資料的跨行業、跨領域的整合，資料方面被限制發展，人工智慧技術相當於失去根基，無法前進。
底層架構遠未成熟
無論是大資料的運算還是產品平臺的打造，都離不開實打實的底層架構支援，一個完整的人工智慧生態系統要由晶片、匯流排、應用模型、測評工具、雲服務模組等元素組成，而這條生態鏈，目前來看，至少還需要3到5年才能發展成熟。
總的來說，當下最火的人工智慧確實存在泡沫，但這個泡沫在很大程度上能讓人工智慧快速成長，加上人工智慧已經擁有響當的技術積累，並且目前初期階段已經可以創造實在的商業價值，所以未來當泡沫逐漸消失時，整個人工智慧行業不會有太大的崩盤，只會淘汰掉一批實力不夠的科技企業，剩下的企業會以更理性的方式讓這個行業健康、長久地發展。
其次，隨著多年的技術積累，現在的深度學習、大資料和計算能力，已經真正能走出實驗室，跨入產業實踐的領域，現在我們看到的語音辨識、人機對話、智慧推薦等，其實都已經是人工智慧初級階段的落地，而這些技術在互聯網、金融等行業都已經創造了可觀的商業價值，這說明它們是有硬實力來支撐未來的發展的。
當前的人工智慧還存在哪些不足？
應用場景受限大
當前我們能看到的人工智慧技術，只有在特定的場景下才能使用，還無法做到隨心所欲地進入我們的生活。很多人工智慧技術智慧在限定問題邊界、規範使用場景、擁有大資料支援的領域才能發揮最大的效能。這說明整體的人工智慧技術還不夠成熟完善，最多算“半智慧”，更不使用者說“人工”了，所以人工智慧技術還遠遠無法在各行各業中廣泛使用。
資料孤島化和碎片化
大資料的發展對人的隱私和安全提出了挑戰，所以相關部門對大資料的使用和開發都制定了嚴格的規範制度。同時，各科技公司從商業利益角度出發，也為自身的資料庫建立了深深的“護城河”。這使得當前資料的孤島化和碎片化問題嚴重，而人工智慧的發展離不開大資料的跨行業、跨領域的整合，資料方面被限制發展，人工智慧技術相當於失去根基，無法前進。
底層架構遠未成熟
無論是大資料的運算還是產品平臺的打造，都離不開實打實的底層架構支援，一個完整的人工智慧生態系統要由晶片、匯流排、應用模型、測評工具、雲服務模組等元素組成，而這條生態鏈，目前來看，至少還需要3到5年才能發展成熟。
總的來說，當下最火的人工智慧確實存在泡沫，但這個泡沫在很大程度上能讓人工智慧快速成長，加上人工智慧已經擁有響當的技術積累，並且目前初期階段已經可以創造實在的商業價值，所以未來當泡沫逐漸消失時，整個人工智慧行業不會有太大的崩盤，只會淘汰掉一批實力不夠的科技企業，剩下的企業會以更理性的方式讓這個行業健康、長久地發展。