在数据上的垄断性要更加严峻，所谓的人工智能技术大多是基于算法的，而算法又是人设计的，只要能够招揽到高精尖的人工智能技术人才，技术门槛并非不可解决。现实却是，人工智能的自我学习离不开海量的数据，而互联网巨头们在数据方面无疑有着先天的优势，这也是很多公司能够后来居上的原因所在。当然还可以通过购买或者行业合作的形式来解决数据问题，所承担的成本直接决定了产品的竞争力。由此来看，人工智能领域留给创业者最大的市场仍是终端产品。

　　结合CES上的现象来看，在人工智能系统层面不乏互联网巨头，而三星、海尔等产品型公司则是人工智能产品的忠实拥趸，而人工智能服务成为创业者和巨头混合的市场。而在未来，这种垄断性将更加明显。

　　其次，技术和商业的悖论。

　　技术的商业化无可厚非，甚至说技术的诞生就是为了制造更多的财富，人工智能同样面临着盈利的问题。而当人工智能走到爆发临界点的时候，无论是公司高层还是投资者势必要思考的一个问题就是如何变现。

　　调查结果显示，盈利良好或前景乐观的AI创业项目有着三个共同点，即应用于封闭可控的场景、辅助人类完成重复性的具体工作、以及可实现的切入点。或许只有满足这些条件，才能真正迎来了赚钱的红利期，但在这些领域并不缺少布道者。好比在金融领域，按照李开复老师的说法“算法可以马上变成钱”，涌入了一群又一群的人工智能从业者，智能投顾、风险预测、知识图谱、智能客服等无不涉及。

　　利好的一面是，技术的商业化极大的驱动了人工智能的应用，从智能机器人到无人驾驶再到各个垂直行业的应用，CES上人工智能产品的百花齐放也与之不无关系。不利的一面是，在人脸识别、语音识别等方面，阿里、百度、网易等巨头的识别准确率无不做到了99%和97%，而很多创业团队的识别准确率仍停留在80%左右，不排除在商业化层面急功近利的可能。

　　此外，人工智能的价值绝不是革命性的颠覆，而是渐进式的影响。在算法之外还有硬件、服务、内容等整个生态，如果用户体验得不到优化，所谓的人工智能很可能沦为下一个智能手环。

　　总的来说，在人工智能60年的演进过程中，每一次爆发都是技术崛起的结果，单从商业层面的繁荣来判断临界点不免有些局限。理性的成长路线应该是技术的成熟驱动商业的爆发，而非商业的风口催熟技术。

　　Alter，互联网观察者，长期致力于对智能硬件、云计算、VR等行业的观察研究。微信公众号：spnews