導讀

2017年有人預測中國市場的工業機器人吞吐量將超過11萬臺，雖然國產工業機器人的銷量有大幅提升，但是全球來看，工業機器人還是四大家族的天下！今天我們來看一下盧森堡FANUC定制和配送中心，3萬平米的倉庫內放滿了機器人，這樣體量讓人吃驚！

2000年左右，美國高科技風險投資在美利堅大陸上狂舞。北電網絡、朗訊科技、甲骨文等IT公司瘋狂招人。整個美國籠罩在一片高科技帶來的繁榮之中。這樣的泡沫式繁榮也在中國大陸上演，一批中概股赴美上市，享受資本泡沫帶來的刺激，卻毫無盈利能力。

后來的事情大家都知道，納斯達克一夜之間狂泄千里。短短一年內，中國互聯網就從狂熱到劇冷，一眾以門戶、資訊為目標的企業紛紛業務調整。

18年后的今天，人工智能產業似乎在重演2000年左右的泡沫式繁榮。在12月20日的云棲大會北京峰會上，阿里云總裁胡曉明提到，“人工智能要去泡沫化”。無獨有偶，胡曉明泡沫論的前一天，李開復在行業晚宴中提到，“個別AI公司肯定有泡沫，AI這么火，是個創業者都要包一個AI外套。 ”

資本泡沫下的AI遭遇的挑戰和18年前并無二致——對技術的絕對崇拜讓資本和創業者紅了眼，但技術和落地、商業化卻存在一小段距離。

人工智能泡沫論的出現

人工智能泡沫論的觀點在2016年就已經開始出現。

2016年年末，《硅谷百年史》作者皮埃羅·斯加魯菲提到說：

人工智能絕對是一個泡沫。大量資金在短期內進入了人工智能領域。但包括谷歌在內的公司都沒有在這個領域獲得收益。

麻省理工學院以及斯坦福大學研究員今年11月30日則是發布“AI指數報告”稱，人工智能領域存在泡沫。Erik Brynjolfsson是麻省理工教授，也是“AI指數報告”作者之一。他說，近年來 AI 確實出現許多突破，但是距離“通用人工智能”（artificial general intelligence）仍相當遙遠。

“AI指數報告”指出，AI 在影像和語音辨識上有極大進展，這兩年來已經和人類并駕齊驅、甚至超越人類。但要達到通用人工智能仍有很長的路要走。AI 只會進行交辦的單一任務，不大能執行別的工作，而且如果任務性質稍有改變，或出現未曾遭遇的狀況，AI 都無法臨機應變。

阿里云總裁胡曉明以及李開復的AI泡沫論給市場再澆了兩桶冷水。

胡曉明認為，現在人工智能領域有種浮躁的氛圍，有些企業靠AI講資本故事、炒作股價。這和李開復“每個創業者都要包一個AI外套”的觀點幾乎如出一轍。

但是要注意的是， 新技術一般兩條水平線，一條是這項技術現有的水平，一條是這項技術要進入人類生活必須達到的最低水平。

只有一項技術的現有水平線超過進入人類生活必須達到的最低水平線，這項技術才能鋪展開來，相關創業者才能取得成功。

然而，沒有人知道現有水平線會在什么時候超過最低水平線。特別是在這項技術有突破和進展的時候，人們會產生 “這項技術明天就能進入生活” 的希望或者錯覺。大家為了搶占先機，便一擁而生。泡沫由此產生。

本質上看，大量人工智能產品。只是新瓶裝舊酒——只能看做是計算機計算能力的增強，帶來了某些只有小把戲的新功能，很多企業對這些小把戲進行了簡單包裝就以人工智能的概念包裝出去講故事、炒估值。

產業AI才能真正落地

目前人工智能運用最成熟的領域是廣告、信息流分發領域——百度的搜索引擎中推薦的廣告采用了人工智能，微信朋友圈中推薦的廣告也用了人工智能，今日頭條給你分發的資訊背后驅動力還是人工智能。

AlgorithmDog之前對人工智能泡沫有這樣一個表述：

如果人工智能的泡沫破滅，人工智能只能退回廣告系統和推薦系統，重新回到 “世界上最聰明的一群人，每天研究的是如何讓人更多的點廣告” 的時代，懷抱這兩大金主在寒冬蟄伏。

AlgorithmDog這個觀點可能還是有點太過悲觀，廣告、信息流里的AI當然還遠遠不夠，但人工智能人工智能不僅僅只是實驗室里的、PPT里的“概念上的AI”，實際上也在產生“產業AI”。

阿里云總裁胡曉明在云棲大會北京峰會上介紹說，阿里對人工智能的三個判斷是：

第一，必須要有場景驅動，我們在解決什么問題，為這個社會的成本降低了多少，效率提高了多少；

第二，在人工智能背后是否是有足夠的數據來驅動AI能力的提升；

第三，是否是有足夠的計算能力，支撐我們的算法、深度學習可以發生。

在他看來，只有三個場景同時具備的前提下，人工智能才會有價值。胡曉明的這個觀點的確沒錯。

以機器人為例，今年上半年在幾次以人工智能為主題的論壇中，筆者曾去參觀站臺上的產品，發現某家創業公司展示了蜘蛛機器人。當時滿地蜘蛛機器人展示了一段舞蹈，據現場工作人員介紹說，這個舞蹈會根據現場觀眾的氛圍來展示。筆者問到說，這個蜘蛛機器人具體商用是什么場景的時候，對方回答說，目前沒有，只是用于商業展示。

這種所謂的人工智能就是沒有場景驅動也沒有足夠數據更沒辦法產生計算能力的產品，和產業更是毫無關系。

但是以人臉識別技術是和上面說的蜘蛛機器人完全相反。人臉識別技術可以和很多商業場景展開融合，它只是一個單獨的技術，卻能和其他產品進行嫁接，而且可以作為數據收集的管道。比方說，阿里很早就上線了人臉支付的功能，今年12月阿里還和上海地鐵打算合作部署人臉識別技術，阿里甚至還在自家無人商店中準備采用人臉識別技術，來解決支付、識別等一系列問題。

要知道，人臉特征作為重要的ID，不僅僅可以用來支付，甚至在零售、金融、汽車等產業都可以有大量結合。這種人工智能技術不僅僅有場景驅動，而且和產業緊密結合，甚至能夠不斷進行學習，反饋數據，這才是真正能夠落地的“產業AI”。

當然不僅僅只是人臉識別技術，阿里云本身就有比較深厚的數據底蘊，還在城市、工業、零售、金融、汽車、家庭等多個場景推出ET大腦等“產業AI”方案，這些能力、產品和解決方案都通過阿里云服務于各行各業。

和產業展開融合本身就會有三點其他人無法企及的優勢：

1、能夠盡快統一行業的接口和標準，讓更多企業參與其中，并且能梳理好解決方案，讓AI可以更快在全國范圍內落地。

2、能夠迅速實現商業化，幫助產業合作伙伴提升效率或是迅速盈利，阿里云迅速落地“產業AI”，它能為每一位開發者、每一個合作伙伴，帶來產業創新機會，幫助開發者、合作伙伴提升效率。

3、“產業AI”最大的優勢還是在于優化算法，在和產業上的具體企業展開合作，可以讓大數據建模變得更豐富、貼近實際，經過實戰后帶來的能力提升將是指數級別的。

綜合這三點來看，產業AI的融合能讓阿里的人工智能戰略相比于BAT中一些在AI領域剛剛起步的巨頭更貼近日常生活。

泡沫之下的終會是啤酒

上世紀80年代初，AI應用研究大膨脹的過程中，曾出現過大量AI研究項目（主要是專家系統），政府、學校投入了大量的資金人力，但結果卻令人失望，因為絕大多數專家系統僅僅作為原型停留在實驗室之中。

這導致政府信心下降，投資大量減少。

當時有人預言AI的冬天已經來臨。這次泡沫之中，專家學者對AI技術做出了大量浮夸和不切實際的宣傳，誤導了社會資源的投放力度，過高的期待使得社會對于AI技術的實際成果產生落差。

但是和上世紀80年代等泡沫和今天情況當然完全不一樣。今天的AI落地已經初見成效，它需要更扎實的基礎，而不是基礎不牢時就開始展開不切實際的炒作。阿里云在城市、工業、零售、金融、汽車、家庭等場景中落地“產業AI”恰恰是打基礎的過程。

沒有泡沫的啤酒不夠美味，香醇的啤酒必然會有泡沫。

2000年左右的互聯網泡沫并沒有阻擋互聯網在未來十余年成為最有活力的產業。如今人工智能產業的泡沫同樣也在催生未來數十年的變革。