AI本是泡沫，如果能够看破

“泡沫是很难确定的，除非它破了。”——前美联储（FED）主席格林斯潘

元旦期间与学术界的朋友聊起，其细数了2000年以来国内学术浪潮的发展特点：2003年受LDA topic model影响，实验室热火朝天的在文章中建起Graphical model加入隐变量，2004年Hadoop出现，数据热成为各个领域各种问题的焦点，有甚者只要在传统算法在MapReduce框架改写一下，便可以发布新的热点文章，2010年Spark出来后，将Hadoop赶跑，之后深度学习的出现，又使topic model的文章的热度降了下去……从疯狂到偃旗息鼓，也只过不是短短几年的时间。

如果在科技界待了段时间的人们便会容易发现，一样技术被取代是因为人们发现了比它更具前景的技术，同理一个泡沫的结束的标志，是人们发现到了更大更漂亮的泡沫。而当前被人们认为是下一个泡沫的AI（人工智能），正在步着“前辈们”来时的路。据荷兰爱思唯尔出版集团的报告显示，过去20年中，中国的研究人员发表了大约13．4万篇关于人工智能的研究论文。美国发表的论文仅10．6万篇。所有的人们都知道，当前的实际运用水平，AI仍然有段路子要走，但在理论上，明显中国已经占据绝对的领先地位。

疯狂的学术界背后，少不了疯狂的资本市场。据工信部中国信通院副所长张雪丽介绍，截止至2018年9月，全球共有人工智能企业5159家，中国以1122家（不含港澳台）位居第二；北京则以445家的总数，成为全球人工智能企业最多的城市。2018年上半年，人工智能领域的全球融资规模达到435亿美元，中国的规模达到317亿美元，占了全球的四分之三以上。又一场漂亮的胜利：中国仅靠全球1／5的企业获得了全球3／4的融资，投资者对中国AI领域充满期待。

但是被人们所忽视的是技术本身发展的一些其他条件：硬件方面，在半导体上，中国以全世界4％的份额对上美国的50％。在芯片上，中国获得FPGA厂商融资额的7．6％，而美国是42．4％；数据方面，中国以全球的20％力压美国的5％；算法上，中国的人才数量和学者发表的成果数量也仅分别达到美国的一半；商业化上，考虑公司数量、获得融资额等，中国得分也约只达到了美国的60％——牛津大学《解密中国AI梦》报告（报告通过硬件、数据、算法和商业四个方面分别进行评分，将中国和美国的AI实力做了评估对比）。

在这种近乎疯狂的市场运作以及媒体吹捧下，开始出现产业泡沫似乎也是无法避免的。据据亿欧智库《2018中国人工智能商业落地研究报告》显示，2017年中国AI创业公司累计获得超过500亿人民币融资，但其中商业落地前100强公司累计产生收入却不足100亿人民币。在整个产业链中，90％以上的AI企业依然处在亏损阶段，绝大多数企业年营业收入不足两亿。

针对这种现象，阿里巴巴的前CEO卫哲说：目前人工智能的泡沫巨大无比，媒体吹捧，市场过热。市面上很多公司号称自己是“人工智能”公司，但有九成的人工智能公司都是“伪人工智能”。

技术无法商业化，是人工智能公司被冠以“伪人工智能”的关键所在。以笔者在安防市场的观察，一部分原因是因为企业过度宣传实验室数据，让用户在实际体验中落差大，另一部分的原因是企业盲目追求模仿，缺乏真正的创新能力，其中以人脸识别技术最为显著，当产品技术趋向同质，价格战便会随时爆发。

“在人工智能上花一年时间，这足以让人相信上帝的存在。”——计算机科学奠基人艾伦·佩利

当然在目前阶段，仍然无法直接判断人工智能当前便处于泡沫阶段，因为严格上来讲泡沫不只是关注技术的发展态势，而是更关注资金的流入。但据a＆s对上海趋视信息科技有限公司总经理徐飙采访文章中，他表示“投资人获悉从2018年下半年开始，没有行业基础的AI公司已经很少人问津，在之前拥有核心技术，在全球的比赛中获得名次便能轻松获得青睐，现在投资人更重视的技术到行业的落地。这样会导致留下来的都是具有硬实力的企业，但可能也会让用户对AI产品的意愿有所降低。这与国内06－07年做智能分析的状况相似，第一波技术浪潮的时候，用户的意愿很高，但后续的发展却很乏力。”

这意味着CV赛道涌现新军的现状将得到遏制，CV也从最初的强调技术、不谈场景到扎堆某行业市场（例如安防），正在向淡化单点技术，寻求场景与价值两开花的阶段发展。但遗憾的是，无论是被冠以CV四小龙名号的企业，还是顶着“国家队”头衔的名号，现阶段企业的盈利没有一间匹配得上它们自身的估值。甚至有媒体爆料称，一些已经“上车”的投资人发现，这样的买卖并不划算。

对于这些CV企业而言，技术是它们敢于叫板传统行业市场企业的杀手锏，以安防为例，近年来海康、大华、宇视、科达等企业纷纷加大投入AI的研发下，让它们的技术优势再没有之前那么显著的情况下，不少企业在2019年向笔者透露，除了技术，要推出相应的前端设备，转向渠道市场，在传统企业的优势圈内“抢饭碗”。

虽然目前安防市场足够大，也足够分散，碎片化的需求能让各家企业都能找到饭吃，但这距离CV企业之前的初衷或许已经存在着差别。不能否认的是，人工智能与深度学习在语音识别、图像识别、无人驾驶等领域都具备良好的发展前景，加上国家政策的引导，未来它们仍然会在业界继续红火下去，以工业界的普及要晚于学术界5－10年的常规推理下，相信未来十年内将是人工智能落地的争夺战。但投资者对于未来的预期以及人工智能的热情已经开始回到冷静期，这对于未来CV企业未来的发展而言，路并不会像之前那么好走。