按照 Greylock 合伙人 Josh Elman的观点：这是因为目前AI局势不明朗，资本心急不布局可能落后，布局怕投错，由此生成的讨论也就越来越多，甚至产生长时间的竞争。有些公司把人工智能技术当“锤子”到处找“钉子”砸，一些投资者也很配合，遇到和AI沾边的公司，便很乐意地扔钱过去。

　　热情的还有各级地方政府。今年两会期间，人工智能一词首次被写入政府工作报告，这导致各地政府出现AI热潮。即便在政府层面，相当一批地方政府也甚至分不清人工智能、云计算和大数据的区别，却仍然像当初软件园、孵化器一样一窝蜂将AI制定为最为重要的战略政策措施。

　　学术研究与商业应用是完全不同的两回事

　　资本、创业者、政府一拥而上，无非是看好人工智能未来的商业化。但现实的问题是，人工智能目前的商业应用环境如何？

　　“目前来看，AI创业有两种错误的形态。一是大讲概念和生态，纸上谈兵式的‘风口论。”沈宁对电脑报“AI与机器人”（dnbai2017） 称，比如，从他参加的众多AI论坛会议来看，很多嘉宾、企业都是先谈及自身技术进展，并赋予巨大的商业想象力，然后阐述未来方向，强调自家在AI方面的大格局和大变革，以及能够想象到的应用场景。

　　问题是，在PPT上近乎完美的解决方案，现实中并没有找到落地的合作伙伴，所谓引领变革的产品、技术在用户数量上寥寥无几，所描绘的生态和场景或许在5年、10年甚至更久之后才可能实现。

　　百度研究院院长林元庆接受采访时曾称，技术需要被大范围应用才能发挥价值，这种重要性不光体现在算法迭代上，也体现在数据积累上。换言之，数据量和算法的不断演进，二者之间其实是正循环的关系，建立闭环非常重要。

　　“AI有着天然的技术门槛，决定了不是什么公司都能干得了。”线性资本创始人王淮同样认为，AI是一个跟学术关联性很高的领域，要应用到一些产业或行业，不能简单地靠PPT商业思维去打通。“科研到技术，技术到产品，产品变成商业，对一个创业者来说会面临不同的生死问题。”

　　实际上，抛开像“AI内衣”这种噌热点的伪人工智能，即便是那些有着深厚技术背景的创业者，也有难以弥补的短板。

　　“学术和技术背景是这部分创业的强项，但是这些技术出身的，往往缺少产品思维，甚至是公关思维，不太会发掘应用场景，想问题不是按照产品开发的模式先看有怎样的场景和需求。而是反向思考我的技术有可能满足哪些场景，这些场景是不是可以推广。”在接受媒体采访时，姚颂也谈到了这个问题。2016年3月，毕业于清华大学电子系的姚颂进入深度学习硬件领域，创立了深鉴科技。

　　对姚颂所创办的公司而言，以B2B2C的模式发展，先将产品卖给公司客户，再由客户打包整体产品卖给用户，这个通路目前还在打通过程中。“大家都想做2B的服务，但又发现赚钱还得做2C，然后很多公司其实是中间态，都一窝蜂而上，一直没有找到适合自己的发展形态。”

　　思必驰市场总监龙梦竹也认为，“比如语音识别创业领域，目前就有几十家创业公司，除了科大讯飞、思必驰等几家有自己的优势，也就是从学术研究，到商业应用有一个生态系统之外，其余的几十家创业公司，都在说做的是自然口语交互，产品有多么人性化。但都说不出有什么技术是别人做不到的，这方面的同质化现象很严重。”

　　对此，沈宁的答案是，现在即便如此，但从技术研发到产品应用都需要时间，使得人工智能在短时间内迅速爆发的可能性很小，同时，算法的优化又离不开海量数据支撑。

　　盈利艰难：IBM和谷歌都还是亏损的

　　即便解决了学术研究与产品应用的矛盾，由于技术本身是不盈利的，如何盈利，也将会是所有AI公司共同头痛的问题。

　　在接受媒体采访时，龙梦竹就坦承，尽管收入在增长，但思必驰仍没有实现盈利，整个人工智能行业的企业盈利的都不多。“很多创业公司缺乏数据、经验和实用性，变现并不能很快实现。”