当微软全球执行副总裁沈向洋调侃“不谈人工智能就显得落后”的时候，阿里云总裁胡晓明则在云栖大会北京峰会上提到：“人工智能要去泡沫化。”
通常，当事情的实际状态与大家所认不符，或者造成了虚假繁荣，或者幻想多于实绩，人们就会认为存在“泡沫”。高科技的潜力被吹上了天，大量热钱不计后果涌入，但技术的落地和商业化却存在不小距离，这就是人工智能可能存在的泡沫。
2017年7月，李开复还在明确驳斥“AI威胁论”；但是，他也认为至今年年底，人工智能泡沫要破灭。那些对AI技术缺乏了解的参与者，那些靠AI讲资本故事、炒作股价的企业，把自己包在一个AI外套里的创业者，都会被淹没在泡沫里。AI科学家Yann LeCun在Facebook上一度转发了李开复的论点，并评论说：“确实如此。他提到的泡沫就是有的AI公司许下的志向有月亮那么高，今年要不了多久他们的钱就要花完了。”
微软（亚洲）互联网工程院副院长李笛认为：说“人工智能取代人”那是噱头；说现在做的人工智能“有意识”，基本是忽悠。人工智能存在巨大泡沫。人工智能是超大企业用以巩固垄断优势的利器；而那些寄望通过人工智能颠覆格局、实现弯道超车一哄而上的初创企业，其初心与梦想固然可嘉，但这些中小企业不具有足够的实力去竞争和生存，这就是李笛指出的泡沫所在。
造成泡沫的部分原因，是人工智能的基础理论和技术不够夯实。麻省理工教授Erik Brynjolfsson认为，近年来AI确实出现许多突破，但是AI只会进行单一任务，距离通用人工智能（AGI）仍相当遥远。商汤科技林倞教授认为：“目前图灵机架构、冯诺依曼都有一定的局限性，因为当时人们只是考虑工艺和成本。”
二、人工智能行业“买买买”的背后：应用落地难
如果从阿尔法围棋事件算起，当前AI已进入第三次发展浪潮。而目前人工智能运用最成熟的领域在广告、信息流分发。Google、Facebook、百度、今日头条等互联网巨头的搜索、推荐、资讯分发和广告业务都是机器学习驱动的，微信朋友圈中推荐的广告也用了人工智能。AI成为这些大公司商业运作的手段已经不是秘密。科技博客AlgorithmDog曾经这样表述：若人工智能的泡沫破灭，兴许大家只能退回广告和推荐系统。
具有前瞻性的AI企业，在其应用场景上往往会提前布局。随着人工智能技术从语音识别、计算机视觉到自然语言处理的发展，其应用场景也从零进展到语音助手、机器翻译、人脸识别、图像处理、智能家居、无人驾驶汽车和智能医疗等，这个过程大家有目共睹。但是再往前，资本生态系统的更新发展面临新的难题。
实际上，国际上的AI大公司都采取了更简捷的资本变现手段。他们展开了“买买买”的资本运作模式。据网络资料表明：2013年，谷歌相继收购了一些初创企业，如深度学习和神经网络DNNresearch、DeepMind Technologies、视觉搜索Moodstock、机器人平台Api.ai、预测分析平台Kaggle，使其在图像搜索等方面获得很大发展。2016年，英特尔分别收购了Itseez（计算机视觉）、Nervana Systems（深度学习）和Movidius（计算机视觉）等；Facebook则收购了Masquerade Technologies（热门换脸应用）、Zurich Eye（计算机视觉）和Magic Pony（视觉开发）等。他们的目的是为了补齐自身短板，但还是给人视觉并购扎堆的感觉。
目前，大多数传统产业的运作与人工智能前沿科技成果之间仍然存在不小的距离。即便在英国这样一个人工智能创业的乐园，对于一些初创公司，由于无法驾驭资本市场等大环境，包括像DeepMind这样的明星公司都难以避免被美国公司收购的命运。那些业绩和规模不如DeepMind的公司，其未来之确定性可想而知；如果他们自身存在超前发展、盲目投资的问题，立马就可能面临终结。
接下来的问题，智慧医疗还需要收集高质量的医疗数据，联合基因工程、纳米科技等技术大力开创并营建人类的“大健康”；智能教育需要为人工智能输送大量的人才，并对社会进行人工智能教育；人工智能投资的项目需要得到及时的回报和产出，才能有效缩小人工智能的泡沫。
小i机器人CEO朱频频、凯璞庭资本管理有限公司李金华认为，目前智能制造是最大的应用场景。这也是政府规划所指明的大方向。在未来，人工智能须深入到每个细分的工业领域和传统行业。这一来你可能面临两种情况：如果你缺乏资金和实力，那就要被收购；如果你无法可想，那么好莱坞会乐意从你获得那些资金。
三、深度学习算法和通用人工智能技术的瓶颈
很多人希望将自己的工作一劳永逸地交给机器人，比如在机器翻译领域。但是AI体现在声音、图片和文字这三大媒介，诸多领域的边界并不像棋牌游戏那样清晰可辨、有迹可循。计算机视觉的应用虽然前景广阔，这项技术还有90%以上的提升空间。在雾霾、暴雨等恶劣环境下，就连顶级公司也还无法实现完全的自动驾驶。特别好的计算机视觉应用还无法兑现。
尽管深度学习在过去取得了很大的进展，它的弱点是过分依赖大数据；而要取得更大的成果，理论上需要有新的突破。而最近，伯克利&MIT的研究就质疑了30个经典的模型，提出了十年机器学习结果“也许不那么可靠”的疑问。计算机视觉和AI领域的专家 Filip Piekniewski 则在其一篇博客文章里指出“深度学习的衰退已经临近”，他的论据“一是深度学习已经见顶，没有更大的技术突破。二是深度学习并没有扩展。三是运用深度学习的自动驾驶领域事故频发（Uber自驾车甚至撞死一名行人）”。
现今，AI面临语言语义分析这个认知领域极难的挑战。自然语言处理能够帮助智能机器摆脱基于海量数据的概率模型。但是，既然人们无法解释人类智能是如何产生和演绎的，那么语言学习的过程对我们仍然犹如一个黑箱。这造成的结果是：任何一个人工智能学派都不能让机器真正拥有人的智能，可复用和标准化的技术成果目前尚少，通用人工智能之路仍然漫长。在发展强人工智能方面，理论上至今没有突破性的重大成果。
尽管也有顶尖专家提出搭建“因果”算法模型为通用人工智能鸣锣开道，但是外人对这个框架的适用范围、实际效果和工作进展知之甚少，谁都还无法为强人工智能的降临开出明确的时间表。有人预测说，未来15年到20年，计算机或可掌握常识。然而，拥有常识并不能确保AI在方方面面超越人类。
在社会这个庞杂的系统中，很难说技术方案会是万能的。我们虽然处在大数据时代，实际上还有一些领域是天生缺乏大数据的。比如，在个体生存的领域。这意味着AI必将置个人于相对不利和被动的地位。若要将AI算法广泛应用于社会个体，特别是在生命科学领域，AI可能会谋求发掘和利用个人的隐私数据，这无疑将触动一系列的法律和伦理问题。现在还有人在研究data efficient learning，也就是为了用较少的数据进行高效的学习。
四、人工智能泡沫破裂之后，会是寒冬吗
人们往往对泡沫不感兴趣，但对泡沫之下是什么倍加关注。
AI是所有技术中前景最广阔的，其重要性只增不减。但是，期望越大泡沫就越大。从大的时间周期看，这个泡沫可能赶在通用人工智能降生之前，就在全球范围内破灭。而一些学界人士可能把事情看得过分悲观，甚至认为人工智能的寒冬又要来了。几天前，AI领域的专家Filip Piekniewski一篇名为《AI Winter Is Well On Its Way》的博客文章，就认为“深度学习的衰退已经临近，AI寒冬必将到来”。
历史上AI的寒冬都出现在缺乏实际应用，导致投资和研究枯竭的时期。现在，虽然我们遭遇了算法的局限、舆论误导、投资泡沫、美元缩表和加息的周期、人才短缺，即便出现泡沫破灭也应当理解为是暂时的。
关键是，这一次，AI领域已经出现重要拐点。这些年，技术上出现了像深度学习这么大的突破，使得ML有了各种具有实用价值的应用程序。这能使大家充分地看到希望，并坚持下去。而且，AI+教育也适逢其时给这个社会带来新的变革：一方面，它为人工智能行业带来高质量的人才；另一方面，也帮助全社会把人才服务体系建立起来；第三，广大的AI用户被教育了，用户习惯逐渐培养起来。这将促使人工智能走向产业的良性循环。
因此，中科院在近日的学术报告中明确指出：近十年来，AI科技成功跨越了科学与应用之间的“技术鸿沟”，“突破了从‘不能用’到‘可以用’的技术拐点”。
这次人工智能技术的拐点，将首先落实在产业界。我们以阿里系为例。阿里云本身具有深厚的数据和技术底蕴，其ET大脑、产业AI方案，已经展开了产业融合的势头。阿里云有望统一行业接口和标准、实现迅速的商业化、通过优化算法和企业展开合作，让大数据建模变得丰富和具实战意义。今天，阿里云的AI落地应用初见成效，但它仍然需要更扎实的基础，做到根深蒂固以达到枝繁叶茂。不久之后，产业AI也许就是人工智能泡沫被刺破之后所剩下的金矿。
总的来说，同意AI寒冬来临的人是少数派。虽然AI市场的泡沫在所难免，但AI大潮确实已经掀起冲天巨浪。
