正方

燥热的AI，需要被正视的“泡沫化”

轻松击败围棋世界排名第一的柯洁后，AIphaGo将一个已诞生了60多年的人工智能推上了社会热词排行榜，市场人士更是将2017年形容为人工智能推广和爆发的元年。

最为典型的就是，被业界称为国内人工智能黄埔军校的百度，27个前员工成立的22家AI公司，最近累计拿到了超过20亿融资，凸显出人工智能正在成为风投界新风口。这使得继互联网金融、共享单车、共享租房等后，各类形形色色的人开始搭乘这辆有很大可能成为一个风口的人工智能班车，市场言必人工智能变得妇孺皆知，这不免令人担忧人工智能是否太过满溢，存在泡沫化风险。

这种担忧不无道理，当前确有警示风险的必要，但前提是要正视泡沫这个问题。在新技术领域，泡沫是新技术由基础实验向商用转化过程中必然出现现象，其一定程度上代表知识和技术的传播速度和普及深度，每次工业革命和科技革命，都伴随着新技术变革的泡沫风险，如2000年左右的IT泡沫，尽管带来的风险有目共睹，但泡沫之后，IT变革在各领域获得了革命性突破，极大改善了经济社会的组织形式，并显著提高了经济社会的生产可能性边界。

这场正在兴起的人工智能热浪，在数字技术获得极大突破的情况下，尽管出现的泡沫现象可能比任何时候都壮观，但这更有利于人工智能的推广。毕竟，新科技进步带来的泡沫是经济周期上行期的产物，伴随而来的是一轮资本设备周期，对这类泡沫我们不应太过紧张、甚至矮化。

当然，上面是就宏观和行业趋势而言，具体到个案和实际市场运作，面对这种言必人工智能的环境，增强识辨力，将有助于降低自身在这场人工智能设备投资期中的踩雷概率，提高自身投资捕获未来优质公司的胜算率。因为，伴随人工智能热浪，很多人会借此名号浑水摸鱼，也容易给一些投资者带来损失，比如，很多机构标榜的“智能投顾”。

其实，到目前为止，这一领域最先进的系统主要还是辅助计算问题，尚谈不上真正意义上的“智能投顾”，因为标准化交易的市场，不单是数据计算，更多的是情绪交易，撇开情绪在交易中的作用，单纯谈计算能力，是不真实的世界。因此，遇到“智能投顾”系统，我们还是要多斟酌。

同时，现在社会上许多人将大数据、超强计算能力和深度学习等包装为人工智能，其实也是一种误区。人工智能主要是一种有关认知科学、哲学、仿生学、神经网络等的概念，大数据、超强计算能力、机器学习或深度学习等是人工智能的技能和特征之一，大数据、计算能力等不必然带来人工智能。过度强调大数据、云计算和机器学习等，很容易将生产服务的自动化与人工智能相互混淆。

仿生学、脑科学等研究发现，人类的意识和行为是联系分布式的，非单纯的逻辑推理、归纳演绎，属于知识学习的一种方法，而非人的意识形成方式。大数据、云计算等就如同是读万卷书，及其阅读过程中对存量知识的吸收方法，但是纸上得来终觉浅，绝知此事要躬行，大数据更多是代表一种过去经验的积累，云计算则是一种吸收过去经验的能力。但是，人不可能两次趟进同一条河，单纯基于历史数据来分析现在和未来的行为，展示的只是概率，而非确定性，用大数据来认知过去，云计算等预判未来，本身就是程序化的概率冒险。

真正的人工智能，不仅需要读万卷书，还需要行万里路。通过营造真实交易场景，AIphaGo通过构筑策略网络神经系统和价值评价网络神经系统，使系统仿生性地具有了独立学习和思考能力，并通过系统本身营造对弈场景，提高自身思考和学习能力，这实际上已超出单纯大数据、云计算的边界。显然，这是国内各种盛传的人工智能难以比拟的。

正如长短时记忆深度学习施米德·胡贝教授所言，人工智能将重构几乎所有行业。在人工智能开始大面积商业应用下，市场出现泡沫是正常的，这有助于人工智能在经济社会的推广，但对个体来说，投资切忌只顾热点，在冒险的同时，更应该提高对投资领域的认知和识辨能力。

反方

拿“科网泡沫”类比AI是“刻舟求剑”

对人工智能行业泡沫化的担忧，很大程度上源于世纪之交的科网泡沫，很多人对当年美国科技股的暴涨暴跌记忆犹新。然而，这种过于简化的类比如刻舟求剑，忽视了当前人工智能行业的现状。

7月5日，百度举办全球首个AI开发者大会，在强调“All in AI”的同时，首次公布了完整的AI生态开放战略，并宣布推出对话式人工智能系统DuerOS和聚焦无人车的Apollo两大开放平台。两大平台都已经与国内外相关企业形成了合作生态，前者是基于百度在自然语言处理领域的技术优势，而面向智能硬件的开发者，Apollo平台作为百度人工智能技术的应用化集成，则被百度COO陆奇称为自动驾驶的“安卓”，凸显其开放姿态。

AI有没有泡沫?把国内的人工智能行业和美国等发达国家相比，实打实的投入不是太多，恰恰是太少。从事AI前沿基础领域研究的公司，即便从全球来看，也主要是谷歌和百度，这从目前AI专业研究人才的高薪即可见一斑。不容否认，在AI科技研发的未来大方向下，最近两三年，也确实在部分创业板公司动辄拿AI造概念、哄抬股价，这与大众对AI领域的知识盲区有关。然而，包括智能驾驶在内的人机交互应用，目前有着确定性的商业化前景，但还没有普及化，我们不能混淆视听，认为AI泡沫化了。

我们先看整个科技行业，2000年前后的科技行业，其角色仅仅是提供技术和内容，而当下则是提供技术和服务。在科技行业把技术转化为服务的过程中，传统行业也被迫或主动加入数字化的大潮，由此导致的金融行业、制造业的裁员趋势，均是史无前例的。从企业财务平衡的角度看，当新科技巨头与传统行业紧密结合，对于现金流和长期盈利前景都是积极信号。

就人工智能行业而言，虽然处在科技行业的最前沿，但前期的铺垫已经比较充分。需要指出的是，人工智能分为强人工智能和弱人工智能，其中，弱人工智能的技术突破和广泛的应用前景都有相当的确定性，比如移动支付、无人车、智能投顾等领域。就弱人工智能而言，过去几年移动互联网的崛起是很好的铺垫，特别是通过百度搜索等各种数据入口积累起来的海量数据，正在与算法融合为软件方面的能力，为多样性的智能硬件的开发提供支撑。

外界当前担心比较多的一点可能是核心技术的开发成本，比如，技术开发人员的工资很高等问题。笔者对此倒并不担心，2000年前后IT行业的技术人员工资也是比较高，原因还是人才紧缺。当前人工智能行业面临的也是这个问题，但较高的市场定价会吸引更多的人才加入这一行业，最终也一定会走出一条比较理想的成本优化曲线。

人工智能较高的进入门槛，决定了大公司必然走在前面，领先人工智能行业的科技公司采取“聚焦+开放”的战略，成为一个免费的技术开放平台、生态合作平台，实际上很有利于优化整个行业的投入产出比，即通过减少行业重复投入，使合作方用较小的投入获得最大化的效能。

就当下而言，人工智能行业的投入不足还体现在政策配套方面。像无人驾驶这种系统项目，单有企业的投入还不够，政府的规划配套、产业政策要快速跟进，才能让商业化尽快成熟落地。