“在AI问题上，我错得一塌糊涂”，前Google CEO施密特曾在2017年出的RSA安全大会上这样说道。在此之前，施密特认为人工智能技术的研究会遭遇巨大的阻碍，因此规模根本无法扩大，只能解决某些特殊问题，而事实上施密特低估了算法解决复杂问题的能力。

　　算法创业遇阻，AI浪潮这次真的到了吗？

　　不过施密特的言论并没有引起太多的媒体关注，因为看好AI（人工智能）如今已经不是什么新鲜话题，几乎所有的科技巨头都成立了自己的AI研究院，百度等公司更是将未来豪赌在了人工智能上。“我认为互联网的下一幕就是人工智能的时代”，在百度创始人李彦宏眼中，人工智能俨然已经成了和互联网一样的一个新的技术浪潮周期。

　　于是我们看到越来越多的知名学者进入工业界，或加入大公司的实验室，或指导自己的学生创业，甚至自己亲自充当操盘人的角色去创业。随着这波人工智能热，科学界和工业界的界限开始变得模糊。

　　从人工智能的核心三要素——算法、计算力、数据来看，这些技术大牛创业往往都是抱着一套独门秘籍的算法起步，但想比于大公司，目前大多数以人工智能算法为核心的创业公司们，从现在来看并不算非常成功，尽管它们获得了大量的估值，拥有着一个个自带光环效应的明星团队。

　　商汤科技，这家成立于2014年11月的创业公司，仅用了2年时间就实现了估值从0到10亿美元的飞跃，其背后则是香港中文大学教授、IEEE Fellow 汤晓鸥博士，汤晓鸥是计算机视觉领域中华人科学家里的翘楚，其带领的团队在ImageNet的排名中曾一度获得第一名，超过了Google、Facebook旗下的AI研究团队。

　　但这家融资超过1亿美元的人工智能创业公司似乎并没有在技术的实际应用中找到好的场景，点开商汤科技的主页我们不难发现，金融、商业、安防等领域都是商汤所研发的计算机视觉技术的应用方向，无论是官网，还是其在对外的文章中，我们似乎都很难搞清楚这家拥有着不错技术的公司真正的发力点是哪里。

　　与商汤有着同样困惑的或许还有Face++、依图等等，仅仅在计算机视觉算法这一个小领域中，就已经聚集了多家融资超过千万美元的创业公司，他们也一直在寻找自己技术应用场景，这其中不乏前微软亚洲研究院首席研究员孙剑、中科院的人脸识别大牛山世光老师加入或带领的创业团队。

　　“今天再出来做一个公司，你要不说自己是用深度学习、人工智能，你都不好意思出来混。就跟前两年，你要不说自己是O2O，都不好意思去融资一样，我觉得这个有泡沫的成分。”“大炮”周鸿祎曾这样实在地评价人工智能创业

　　但资本市场的泡沫并不意味人工智能百无一用，只是当前大多数以算法为核心的创业公司并没有，也很难找到应用场景，而拥有场景和数据的产品叠加上人工智能之后，所带来的结果就大为不同了。

　　算法、计算力、数据，人工智能如何落地？

　　人工智能离不开算法、计算力、数据，随着深度学习相关算法的不断成熟，以及计算力资源不再稀缺，那些从创业之初就围绕算法做文章的创业公司似乎很难在市场竞争中找到自己的位置，更无法依靠运营获得更多的数据，不断训练自己的模型，调优算法。

　　早在2016年6月，有着“互联网女皇”之称的KPCB合伙人玛丽·米克尔就在其报告中表示，在中国BAT三家公司共同占据了中国用户71%的移动消费时长，仅微信一个产品就占据了中国用户35%的使用时长。在流量集中化、寡头化的大背景下，商汤、Face++们自然很难找到属于自己的场景，只能为现有的场景拥有者打工，或者去死磕更难的传统行业，比如安防等等。

　　随着算法和计算力的成熟，人工智能的天平开始更倾向于那些原本有着足够多用户和数据的场景拥有者们，因此除了BAT之外，我们也看到越来越多的成熟期创业公司开始应用人工智能技术，并借此寻找到了弯道超车，或巩固自己优势地位，建立壁垒的机会。

　　除此之外，由人工智能去改造传统行业也变得可能，不过这一切的前提是传统行业的信息化，因此我们看到在过去的几年中，SaaS成为最受资本追捧的赛道之一。

　　人工智能相当于发动机，使其运作的前提是需要有足够多的燃料，也就是数据。人工智能能否从实验室中走到实际的工业界中，核心问题也是能否找到足够好的场景，获取足够大量的数据。

　　细分场景下的应用，人工智能价值被凸显