从去年的几场人机大战人类相继败北后，在国内人工智能成为了热点中的热点，随便什么项目，只要和AI扯上点关系，就可以顿时身价百倍，备受瞩目。
按照CB Insights统计的数据，在2011年全球人工智◇能初创企业一共加起来仅有70家，这个数字到了2015年，就已经超过了400家，增长近六倍，当年投入人工智能的风险投资达到5亿8千7百万美元，比上一年翻了一番。而Google DeepMind AlphaGo机器人战胜李世石的2016年，仅第一季度就有超过200家AI相关的初创公司融ω资超过15亿美元。
不过，只经历了半年多的时间，对于人工智能的□ 冷思考在行业内逐渐⌒占据了主流，对于AI领域的狂热渐渐开始退潮回归理性。这背后，技术处于初级探索阶段，商业转化成功案例有限，专业人才缺乏以及投资资金趋于理性化等因素是AI热退潮的主要因素。
?
技术仍在●初期阶段
现在看来，人工智能好像又陷入了早前的循环——从出现一点新突破，带动人们的期望高涨，继而被现实泼把凉水，然后回※到冷静期。五十年代出现第一款感知神经网络软件时，人们就大胆预测“再过十年机器人会超越人类”，然而这些理◎论和模型只能解决一些简单问题，人工智能陷入第一个冬天;到了八十年代，Hopfield神经网络和BT训练算法提出，语音识别技术带来的第二次浪潮也没有持∞续多久;2006年Hinton提出深度】学习技术后，十多年才迎来这一轮人机大战的胜利。
虽然和1956年刚提出人工智能概念时，人类在这个领域已经取得了长足的发展，但是从专业上来说，人工智能现在仍然处于初级探索阶段，仍需要在基础理论上进行突破。之前在媒体报道中，微软亚洲研究院副院长芮勇就认」为，公众缺乏对人工智能的正确理解，以AlphaGo为代表的▓深度学习机器的胜利，并◤不能代表AI对人类的胜利。不能把AlphaGo在围棋上的胜利过度解读成“人工智能已经战胜人类”。
硅谷的专家也认为，“当前最好的区域是机器学习而不是‘真实的AI’。机器学习需要数据和训练，AI在其基础上以一定的方式行动。至于真正的█AI，相信还有几年。”可见距离真正的人工≡智能商业化运用还需要发展时间。
专业化人才缺口大
目前，在人工智能领域的探索，不管是国内还是国外，都主要集中在大企业。可以看到这个领域的主要领导者都是一些巨头，国际㊣的有微软、谷歌、IBM等，在AI领域的研究基本已经有十几年的时间，一些研究成果也已经进≡行商业应用。国内，基本就集中在BAT几家公司，像是百度、阿里巴巴和腾讯等，都已经在人工智能领域耕耘多年。
百度在过去的两年半在人工智能领域的投入就达到了200亿。阿里的阿里云成功实施了飞天5000集群，在对应领域的技术水平位居全球前列，并且两年前就已经和中科院成立实验室共同研制量子计算;去年4月腾讯№也成立了自己的AI Lab，目前已经有30 多位的Research Scientists。
在还处在技术探索期，需要大量资金投入，而且商业化应用变现也是未知的情况下，也只有财大气粗的互联网巨头和国家能够在◣早期就投入大量的人力物力来对行业人才进行培养。AI领域的专业人才量少并且普遍╳集中在大企业。
所以在近两●年人工智能领域爆发期，AI这类高新产业面临非常严重的人才缺口问题。北美去年人工智能开发的相关职位需求大约在10万左右，而北美人才市场仅有约3万名人工智能开发者，供求比例接近一比三。据 LinkedIn 统计，全球目前拥有约 25 万名人工智能专业人¤才，其中美国约占三分之一。中国只有♂不到25%的人工智能从业者拥有超过10年的行业经验，而在美国这一比例为50%。这样的人才储备量远远无法满足现在以及未来几年中，人工智能市场快速增长的√需求。
虽然国家也在加快对人工智能产业的布局，去年5月，发改委联合相关部门发布了互联网+和人工智能三年实施计划。规划确定了在包括资♀金、系统标准化、知识产权保护、人力资源发展、国际合作和实施安排等方面支持人工智能的发展。但是◣段时间内，要在技术含金量如★此之高的领域培养出大量的人才来补充人力缺口，还是个难题。
商业化成功案例少，投资趋向理性
尽管今年初AlphaGo的升级版Master连胜60盘，横扫中、韩、日的围棋顶尖高手，但不得不承认的是，人工智能领域▼的商业化应用，目前取得成功的案例还是比较少的。不管∑是自动驾驶，还是人脸识别、语音交↘互等，大多数靠谱的商业化项目都是巨头主导，基本也都处在试验期，并没有真正实现大规模产业化的输出。自动驾驶汽车的多次事故，也多少让狂热的资本对人工智能的商业化前景的期待退了△一点烧。
相对于巨头们的十几年磨一剑，在人㊣工智能领域热潮推动下，创投领域不可避免的出现了泡沫，去年的狂热期过后，资本在投资时更趋冷静。根据投资研究机构Ventures Scanner的跟踪调查数据，截止2016年11月，一共有1485家人工智能创业功能拿到了融资，总融资金额超过89亿美元，创下历史之最。在这些拿到投资的企业中，有44%的企业为机器学●习领域的人工智能。
和别的领域创业不同的是，人工智能领域有极高的技术壁垒，需要创始团队具有很深的技术积累，但是一年能够涌出这么多的项目，里面不少就是挂羊头卖狗肉的。有些公司为了蹭热点，把机器学习和一些开源软件打包打包就卖＠给投资人，有些则把原⊙本和AI没关系的项目包装包装，一定要扯上点〒关系以便融资。这些不靠谱的项目，也对资本在AI领域的投入产生了一些负面影响。
加上人工智能到底能如何和各个行业结合进行商业化转化的前景还不是非常∩清晰，大家看到的成功案例还不够多，对于ξ 人工智能领域的热度也就渐渐开始退潮。
