2015、16年的时候，人工智能公司依靠「算法」很容易就能融到钱，这种境况在2017年已经随风而逝。随着技术的开源以及算法框架的不断增多和发展，深度学习/机器学习等一系列算法的技术门槛在快速降低。

人工智能产业阶段性发展的瓶颈，已经从发展之初的「算法」，向「数据资源」与「计算力资源」转变；另外新的「场景创新」在已经迫不及待，可能带来新突破。

数据资源：多数集中在业务成型的中后期公司，而初创人工智能公司想要脱颖而出，就必须要更加结合实际应用场景，投资方必然对创业公司的“数据商业模式”要求更加苛刻。虽然并非没有大数据就不能做人工智能，但如果没有好的数据业务模式，肯定不会被投资方所重视。

计算力资源则体现在两个方面：

一是云计算平台以及通用处理器/芯片计算平台巨头公司的抗衡。这方面大公司竞争将愈演愈烈。

另一方面是面向AI成功应用的场景，来定制应用场景芯片加速器，不过这类创业公司想要突围也并非易事，如何借助行业的力量，如何与行业传统巨头抗衡与博弈将集中在2017年爆发。

场景创新：是人工智能产业发展的不确定因素。有的应用场景已经开启，但是技术未成熟，市场还未打开，例如无人驾驶汽车；有的新场景创新正在进行，比如无人零售店、人脸支付等。

人工智能正在逐渐发展，逐步降低技术成本，这是一个开始很漫长，但发展起来很快的过程。在这个过程中，很多技术的成本或许可以降低到能够接受的范围，当技术成本与人力成本的零界点被打破，或者当技术的成本与在某个应用场景下所能承受的成本的零界点被打破，人工智能产业将迎来不可忽视的增长。

或许以前我们只能在公共机构享受的人工智能技术，在其逐步产业化后，有一天可以在普通家庭中实现；目前无人机喷洒农药每亩的成本已经接近人力成本，也许就可以考虑在无人机植保方面大规模机器换人……

相信在2017年下半年，人工智能将会上演一番又一番精彩绝伦的故事。