在前端自动化上最典型的就是自动驾驶和机器人。在这次人工智能有突破之前，所有的自动化可以称为限定规则下的自动化。从软件的实现上更容易看出这两种自动化的根本差别，过去的软件里其实充满了“如果（A条件满足），然后（做某个行动）”这样的条件和分支，之所以Office Word甚至Windows这样的软件看着非常强大，原因是这种条件选择嵌套的足够多。但现在基于深度学习的程序则不是这样，它先训练出个模型来，接下来把新的输入抛给这模型，让模型自己看着办（Inference）。也就是说传统的程序是可以精确控制的，但深度学习的程序没办法控制细节。这种程序差异放到自动驾驶和机器人上能达成的自动化程度显然有本质差别，比如在生产的时候前一种程序上的自动化只能让特定的机器人在流水线上生产特定的产品比如汽车，后一种则可以产生什么都能干的机器人，这种机器人最终能干什么依赖于你怎么训练它。后一种机器人的应用范围无疑远胜前一种，但暂时后一种机器人在操作精度上确实还不如前一种。这种自动化升级的深远影响在于它可以依次在各个领域实现无人操作，比如建筑上就可以实现无人机+挖掘机的无人操作（Skycatch与Komatsu尝试的方向），工厂里则可以实现生产线上的无人操作等（Baxter尝试的方向）。

　　在后端数据分析上比较典型的应用是IBM Watson的那种大数据分析程序。IBM选择了医疗做突破口，这其实是非常有道理的。一般来讲医疗的历史数据通常有比较好的标注，而图像识别技术上的突破正好可以用来看各种医疗片子。看医疗片子事实上相当于是识别图片上的病变模式，而在这点上再有经验的医生也会被人工智能虐。当然这种数据分析绝对不局限于医疗，金融、安全、建筑等都可以应用同样的模式。

　　看完了人工智能的三个大的落地方向，我们回到技术-商业的正反馈上：

　　首先是深度学习+GPU的突破导致语音识别、图像识别等在识别率和速度上有突破性进展。然后是这种突破在现有的某些领域中得到应用，比如人脸识别等。当然这两者都伴随者资本的持续投入。

　　然后，一些更大的领域开始变热，比如上面说的人机交互、自动驾驶、数据分析等，这时候各种资本会更大幅度的介入。

　　下面其实要等待的是这些大领域真的有所进展，一旦他们有所进展并且运营成功，那这次人工智能浪潮算是彻底落地，后面就会进入应用范围持续扩大，技术自身变的更快更强的阶段。一旦这些大的领域无法取得进展，比如5年里看不到成功的落地项目，那这波人工智能浪潮就有可能再次变冷。

　　人工智能可以降房价吗？

　　如果这次人工智能浪潮真的落了地，那一定会影响就业，这点很多人探讨过，这里不再展开。反倒是想探讨一个开脑洞的问题，人工智能这类科技的发展可以降房价么？

　　抛开各种细节，房价增长的核心原因是人口向少数地区集中，而少数地区房子供给有限。所以人口净流出的地区比如辽宁，房价是十分不坚挺的，甚至下跌趋势已经比较明显。

　　这样一来核心问题就是：科技的发展到底是有助于催生越来越中心化的大城市，还是说让城市可以去中心化？答案如果是前者，那科技就是助推中心区域房价上涨的力量，atv，如果是后者那科技的发展就是站在高房价的对立面的。

　　到现在为止经济发展一直都是在促进中心化。一个地方配套越完善，那经济越发达；经济越发达，配套也越完善。可以讲经济发展，城市中心化和高房价三者间有种必然联系。

　　但人工智能等科技似乎是站在高房价的对立面的。如果AR真的足够发达，那异地办公就成为可能，高质量教育也不再依赖于总是供给不足的教师资源，高质量医疗也会与地域解绑。那样一来人们随便在那里都可以获得工作以及高质量的教育、医疗等社会服务，那他为什么需要住在高房价的地方？

　　未来的人口分布始终有两种可能：

　　一种是北京这类大城市逐步扩大，成为每个可以吸纳1~2亿人口的超级城市。这趋势在各个省重演，各个省会成为地方性超级城市，同时3~4线城市和乡村逐步消失。

　　一种则是人口相对均匀分布，每个人可以找到他喜欢的地点，虽然远离繁华但也生活的极为便利。

　　人工智能这类科技似乎是站在后者一边。

　　小结