當前，中國的AI市場發展階段和市場特性，與美國是完全不同的。美國的AI技術應用最廣的還是語音、IOT、智能客服等方面，但其圖像識別等才剛剛起步。而中國的圖像識別技術應用更加廣泛，中國的人口規模龐大，因此人口規模到了一定程度之后，做應用的時候會有不同的優先級。目前，網上一直對國內的AI發展并不看好，而這究竟為何？
認為所謂的AI落地只是試點
云計算和網絡工業都花了大約5年的時間才開始對人們的生活產生重大影響，而這些行業影響市場的重大轉變也花了近10年時間。而AI的落地也需要一個類似的時間表。正如AI技術方面經驗豐富的Karen Bennet解釋的那樣：“為了讓每個人都能采用，一款產品需要方便可用，需要是能夠擴展至被所有人使用，而不僅僅是服務于數據科學家。該產品將需要考慮數據生命周期中數據捕獲、準備、培訓模型和預測等環節。隨著數據被存儲在云端，數據管道可以不斷地提取，并準備用它們來訓練模型，從而做出預測。模型需要借助新的訓練數據不斷改進，從而保持模型的相關性和透明性。這就是目標和希望。”
數據的完整性問題
如今的AI需要大量的數據才能產生有意義的結果，但目前依然無法熟練利用其他應用程序。數據的不完整，導致人們對于AI的信任和信心都在下降。例如，在土耳其語屬于中性的語言，谷歌翻譯中的AI模型在將其翻譯成英語時卻錯誤地預測了性別。雖然克服這些局限性的工作已經取得進展，但是在模型擴展的方式應用之前，學習是有必要的。然而，在某些情況下，AI可以在今天已經得到有效的應用，比如在圖像識別、聲音、視頻和翻譯語言方面的洞察力。
初創AI企業還在向頭部聚攏中
當前，AI還在迅速發展，但并沒有像人們想象中發展的那么迅速。根據互聯網數據統計機構Statista發布的調查結果來看，截止2017年，全球只有5%的企業在生產流程和產品中廣泛采用了AI，32%的企業尚未采用AI，22%的企業甚至沒有采用AI的計劃。AI在不斷的進步，走過了很長的路，也需要越來越多的時間來成熟。
目前AI具備的“智能感知”、“智能交互”和“智能決策”三大能力對傳統企業幫助特別大。過去三年里，AI行業涌入大量資金，創業公司林立，獨角獸此消彼長，曠視科技、商湯科技、優必選、極鏈科技Video++等快速占領資本市場高地。自2013年到2016年AI企業發生融資數量由21家增長到335家，融資規模高速增長，由15億到236億。從2017年開始，企業融資數量開始增長放緩，但融資規模依然高速增長到338億，向頭部聚齊。
AI圍繞上半場(消費互聯網)的算法相對比較成熟，尤其是一些應用場景。但在下半場(產業互聯網)還處于一個非常不成熟的階段。傳統企業在面臨新技術的時候，無法快速的找到適合的場景，甚至一些AI公司很多時候是不計成本的在開發模型，不計成本的在獲取客戶。以深度學習為代表的AI到了期望值非常高的高度，但是技術成熟度曲線一直存在。
結語：
未來，我們或許將看到開發新的自適應技術，以便將知識從模擬無縫轉移到現實世界。這將有助于我們克服數據稀缺并加快新領域和問題的學習。使AI從模擬到實際數據將對機器人技術、圖像識別、自動駕駛、醫學成像、地震預報等產生重大影響。模擬是解決自動駕駛等安全關鍵應用中所有可能情況的好方法，內置于復雜模擬器中的知識將以新穎的方式被使用，以使AI更具物理意識，更強大，并能夠推廣到新的未知場景。
AI在不斷的進步，走過了很長的路，但需要越來越多的時間來成熟。計算機技術水平的不斷提高，也決定了AI如何更好地融入企業，如何用AI解決現在的問題。AI的無處不在將引起我們生活的重大變化，越來越多的AI領軍人物加入AI的發展中，AI的發展前景不會因為面臨的問題減弱，而是會越來越好，到那時人們對AI的期望也會不斷提高。
認為所謂的AI落地只是試點
云計算和網絡工業都花了大約5年的時間才開始對人們的生活產生重大影響，而這些行業影響市場的重大轉變也花了近10年時間。而AI的落地也需要一個類似的時間表。正如AI技術方面經驗豐富的Karen Bennet解釋的那樣：“為了讓每個人都能采用，一款產品需要方便可用，需要是能夠擴展至被所有人使用，而不僅僅是服務于數據科學家。該產品將需要考慮數據生命周期中數據捕獲、準備、培訓模型和預測等環節。隨著數據被存儲在云端，數據管道可以不斷地提取，并準備用它們來訓練模型，從而做出預測。模型需要借助新的訓練數據不斷改進，從而保持模型的相關性和透明性。這就是目標和希望。”
數據的完整性問題
如今的AI需要大量的數據才能產生有意義的結果，但目前依然無法熟練利用其他應用程序。數據的不完整，導致人們對于AI的信任和信心都在下降。例如，在土耳其語屬于中性的語言，谷歌翻譯中的AI模型在將其翻譯成英語時卻錯誤地預測了性別。雖然克服這些局限性的工作已經取得進展，但是在模型擴展的方式應用之前，學習是有必要的。然而，在某些情況下，AI可以在今天已經得到有效的應用，比如在圖像識別、聲音、視頻和翻譯語言方面的洞察力。
初創AI企業還在向頭部聚攏中
當前，AI還在迅速發展，但并沒有像人們想象中發展的那么迅速。根據互聯網數據統計機構Statista發布的調查結果來看，截止2017年，全球只有5%的企業在生產流程和產品中廣泛采用了AI，32%的企業尚未采用AI，22%的企業甚至沒有采用AI的計劃。AI在不斷的進步，走過了很長的路，也需要越來越多的時間來成熟。
目前AI具備的“智能感知”、“智能交互”和“智能決策”三大能力對傳統企業幫助特別大。過去三年里，AI行業涌入大量資金，創業公司林立，獨角獸此消彼長，曠視科技、商湯科技、優必選、極鏈科技Video++等快速占領資本市場高地。自2013年到2016年AI企業發生融資數量由21家增長到335家，融資規模高速增長，由15億到236億。從2017年開始，企業融資數量開始增長放緩，但融資規模依然高速增長到338億，向頭部聚齊。
AI圍繞上半場(消費互聯網)的算法相對比較成熟，尤其是一些應用場景。但在下半場(產業互聯網)還處于一個非常不成熟的階段。傳統企業在面臨新技術的時候，無法快速的找到適合的場景，甚至一些AI公司很多時候是不計成本的在開發模型，不計成本的在獲取客戶。以深度學習為代表的AI到了期望值非常高的高度，但是技術成熟度曲線一直存在。
結語：
未來，我們或許將看到開發新的自適應技術，以便將知識從模擬無縫轉移到現實世界。這將有助于我們克服數據稀缺并加快新領域和問題的學習。使AI從模擬到實際數據將對機器人技術、圖像識別、自動駕駛、醫學成像、地震預報等產生重大影響。模擬是解決自動駕駛等安全關鍵應用中所有可能情況的好方法，內置于復雜模擬器中的知識將以新穎的方式被使用，以使AI更具物理意識，更強大，并能夠推廣到新的未知場景。
AI在不斷的進步，走過了很長的路，但需要越來越多的時間來成熟。計算機技術水平的不斷提高，也決定了AI如何更好地融入企業，如何用AI解決現在的問題。AI的無處不在將引起我們生活的重大變化，越來越多的AI領軍人物加入AI的發展中，AI的發展前景不會因為面臨的問題減弱，而是會越來越好，到那時人們對AI的期望也會不斷提高。
17621123178