九成AI企业亏损，人工智能商业落地为何这么难？
自1956年“人工智能”一词诞生于“达特茅斯会议”后，前者就始终在不断向前推进。虽然中间经历了不少低谷和寒潮，但总算挺了过来。60多年后，人工智能在当下呈现突飞猛进的发展态势。
无论是谷歌、苹果、阿里、腾讯等巨头，还是众多创业公司，都在围绕人工智能下苦工。成果自然是显著的，人工智能技术在深度学习的加持下有了长足的进步。而从国家层面看，去年7月国务院发布《新一代人工智能发展规划》。在纲要中就提出：到2030年，使中国成为世界主要人工智能创新中心。
技术突飞猛进、国家政策支持，怎么看人工智能都站在了风口上。而且在中国发展人工智能又有着得天独厚的条件：深度学习算法模型的训练需要大规模数据集，中国各行业沉淀着大量数据。为此，很多人工智能企业都将中国当做人工智能商业落地的主战场。
但事与愿违的是，技术实力并不等于变现能力，技术领先也不一定就具有商业价值。《2018中国人工智能商业落地研究报告》中还包括了一份“2018中国人工智能商业落地100强榜单”，这份榜单凸显出当下中国人工智能商业落地之痛。
2018年预计营业收入在10亿以上的人工智能企业只有8家，绝大部分企业年营业收入不足2亿。此外，2017年中国AI商业落地100强创业公司累计产生的收入不足100亿元，90%以上的AI企业亏损。按照此前的各种数据预测，文娱、数码、制造等多个行业的人工智能潜在产值都在数千亿乃至上万亿元左右，但现实却是如此的残酷。
之所以人工智能在商业落地层面遭遇尴尬处境，一方面在于过高估了它的能力。毕竟人工智能更偏向于辅助手段，只能是一种新动能，而不是最不可或缺的驱动力。另一方面，很多人工智能技术比较尴尬，虽然技术领先但却并没有适合的具体场景，就像是“屠龙之术”。
不可否认的是，人工智能的未来必然会很美好。但如果不能解决商业落地的问题，或许还会再次遭遇低谷。这对于整个人工智能行业来说，打击是致命的。在投入不断增加却始终不见回报的情况下，又有多少企业能坚持下去呢？（科技新发现
康斯坦丁/文）
最新文章
- T-SQL性能调整（一）--编译和重新编译
- (23)odoo中的domain表达式
- Quartz 2D--长方形和线条绘图
- stringUtils是apache下的Java jar补充包
- 教程-for do、while do 中循环退出
- JDBC-简单的学生管理系统-增删改查
- GDB踪函数的完整调用过程 及原理
- JavaWeb之Listener监听器
- MySQL常用配置参数
- 阿里云 Angular 2 UI框架 NG-ZORRO介绍
- bool值的底层应用场景
- js初级练习
- 添加ssl证书
- python对象的不同参数集合
- Elasticsearch cat api的用法
- 基础图像处理之混合空间增强——(Java：拉普拉斯锐化、Sobel边缘检测、均值滤波、伽马变换)
- 用Nginx做静态文件的CDN
- 【SVN】centos环境下搭建SVN服务器
- js判断pc端和移动端的方法
- Java：延迟功能的Robot在Lunix系统上会报错