過去一年，各行各業對人工智能期待值很高，各種應用層出不窮，但收獲卻很少。2017年中國AI創業公司獲得的累計融資超過500億元，但2017年中國AI商業落地100強創業公司累計產生的收入卻不足100億元，90%以上的AI企業虧損。

人工智能產業雷聲大、雨點小，AI正遭遇商業落地之痛，是業界人士的共識。

目前對于實際應用場景來說，人工智能只是輔助手段，而不是決勝力。比如出行方案規劃，人工智能提高的只是人工效率，巨大的經濟效益源于原行業的潛力，而真正的人工智能產業的產值并不高。一方面是因為應用門檻大幅降低，過去企業探索應用場景時需要深厚的數學統計技術，但隨著人工智能開源軟件的普及，企業只需基于國外研究的工程進行復制。

人工智能產業缺乏的不是算法，而是如何更好地轉化成工程手段，人工智能太高深了，為人所知的有自動駕駛、醫療等應用場景，其實最普通的土木工程領域，也需要人工智能技術的變革，但是這些小的應用場景很少有人關注。

其實并不需要團隊專門為某個細分的場景定制人工智能算法和系統，完全可以用土木工程的思路，把一套人工智能系統分解成不同模塊，進行標準化，就像螺絲和螺母，可以在不同的工業領域根據需求進行組合，“即插即用”，使它能夠覆蓋不同需求的工業領域。原始數據在一開始就要考慮應用場景需求，建立機器學習的標準方法庫，在不犧牲算法性能的前提下，將人工智能算法、數據處理模型或是系統框架進行高度模塊化設計，分步實現各個功能，使它可以支持不同的應用需求。如Petuum即將推出的AI醫療系統，可以模塊化成醫療圖像的識別和解讀、病例解讀、藥物推薦等，和醫生的工作流程相匹配，醫生就可以通過組合的方式各取所需。

用土木工程的視角來看待人工智能產業，它的實驗方法應該符合工業標準，可以被重復理解和使用，而不是把它當成藝術品一樣觀賞，更不能閉門造車。