隨著AlphaGo戰勝柯潔而大火的，還有人工智能。7月5日，百度召開AI開發者大會，首次公布完整人工智能生態開放戰略；一周前剛剛閉幕的夏季達沃斯論壇，人工智能更成為本次“在第四次工業革命中實現包容性增長”論題中的重中之重。然而，隨著人工智能走高的，還有A股市場上科技板塊的一路走強，以及與長投資回報期不那么搭調的從業人員百萬年薪。于是，有聲音質疑：人工智能，究竟是風口，還是泡沫？

正方

燥熱的AI，需要被正視的“泡沫化”

輕松擊敗圍棋世界排名第一的柯潔后，AIphaGo將一個已誕生了60多年的人工智能推上了社會熱詞排行榜，市場人士更是將2017年形容為人工智能推廣和爆發的元年。

最為典型的就是，被業界稱為國內人工智能黃埔軍校的百度，27個前員工成立的22家AI公司，最近累計拿到了超過20億融資，凸顯出人工智能正在成為風投界新風口。這使得繼互聯網金融、共享單車、共享租房等后，各類形形色色的人開始搭乘這輛有很大可能成為一個風口的人工智能班車，市場言必人工智能變得婦孺皆知，這不免令人擔憂人工智能是否太過滿溢，存在泡沫化風險。

這種擔憂不無道理，當前確有警示風險的必要，但前提是要正視泡沫這個問題。在新技術領域，泡沫是新技術由基礎實驗向商用轉化過程中必然出現現象，其一定程度上代表知識和技術的傳播速度和普及深度，每次工業革命和科技革命，都伴隨著新技術變革的泡沫風險，如2000年左右的IT泡沫，盡管帶來的風險有目共睹，但泡沫之后，IT變革在各領域獲得了革命性突破，極大改善了經濟社會的組織形式，并顯著提高了經濟社會的生產可能性邊界。

這場正在興起的人工智能熱浪，在數字技術獲得極大突破的情況下，盡管出現的泡沫現象可能比任何時候都壯觀，但這更有利于人工智能的推廣。畢竟，新科技進步帶來的泡沫是經濟周期上行期的產物，伴隨而來的是一輪資本設備周期，對這類泡沫我們不應太過緊張、甚至矮化。

當然，上面是就宏觀和行業趨勢而言，具體到個案和實際市場運作，面對這種言必人工智能的環境，增強識辨力，將有助于降低自身在這場人工智能設備投資期中的踩雷概率，提高自身投資捕獲未來優質公司的勝算率。因為，伴隨人工智能熱浪，很多人會借此名號渾水摸魚，也容易給一些投資者帶來損失，比如，很多機構標榜的“智能投顧”。

其實，到目前為止，這一領域最先進的系統主要還是輔助計算問題，尚談不上真正意義上的“智能投顧”，因為標準化交易的市場，不單是數據計算，更多的是情緒交易，撇開情緒在交易中的作用，單純談計算能力，是不真實的世界。因此，遇到“智能投顧”系統，我們還是要多斟酌。

同時，現在社會上許多人將大數據、超強計算能力和深度學習等包裝為人工智能，其實也是一種誤區。人工智能主要是一種有關認知科學、哲學、仿生學、神經網絡等的概念，大數據、超強計算能力、機器學習或深度學習等是人工智能的技能和特征之一，大數據、計算能力等不必然帶來人工智能。過度強調大數據、云計算和機器學習等，很容易將生產服務的自動化與人工智能相互混淆。

仿生學、腦科學等研究發現，人類的意識和行為是聯系分布式的，非單純的邏輯推理、歸納演繹，屬于知識學習的一種方法，而非人的意識形成方式。大數據、云計算等就如同是讀萬卷書，及其閱讀過程中對存量知識的吸收方法，但是紙上得來終覺淺，絕知此事要躬行，大數據更多是代表一種過去經驗的積累，云計算則是一種吸收過去經驗的能力。但是，人不可能兩次趟進同一條河，單純基于歷史數據來分析現在和未來的行為，展示的只是概率，而非確定性，用大數據來認知過去，云計算等預判未來，本身就是程序化的概率冒險。

真正的人工智能，不僅需要讀萬卷書，還需要行萬里路。通過營造真實交易場景，AIphaGo通過構筑策略網絡神經系統和價值評價網絡神經系統，使系統仿生性地具有了獨立學習和思考能力，并通過系統本身營造對弈場景，提高自身思考和學習能力，這實際上已超出單純大數據、云計算的邊界。顯然，這是國內各種盛傳的人工智能難以比擬的。

正如長短時記憶深度學習施米德·胡貝教授所言，人工智能將重構幾乎所有行業。在人工智能開始大面積商業應用下，市場出現泡沫是正常的，這有助于人工智能在經濟社會的推廣，但對個體來說，投資切忌只顧熱點，在冒險的同時，更應該提高對投資領域的認知和識辨能力。

反方

拿“科網泡沫”類比AI是“刻舟求劍”

對人工智能行業泡沫化的擔憂，很大程度上源于世紀之交的科網泡沫，很多人對當年美國科技股的暴漲暴跌記憶猶新。然而，這種過于簡化的類比如刻舟求劍，忽視了當前人工智能行業的現狀。

7月5日，百度舉辦全球首個AI開發者大會，在強調“All?in?AI”的同時，首次公布了完整的AI生態開放戰略，并宣布推出對話式人工智能系統DuerOS和聚焦無人車的Apollo兩大開放平臺。兩大平臺都已經與國內外相關企業形成了合作生態，前者是基于百度在自然語言處理領域的技術優勢，而面向智能硬件的開發者，Apollo平臺作為百度人工智能技術的應用化集成，則被百度COO陸奇稱為自動駕駛的“安卓”，凸顯其開放姿態。

AI有沒有泡沫？把國內的人工智能行業和美國等發達國家相比，實打實的投入不是太多，恰恰是太少。從事AI前沿基礎領域研究的公司，即便從全球來看，也主要是谷歌和百度，這從目前AI專業研究人才的高薪即可見一斑。不容否認，在AI科技研發的未來大方向下，最近兩三年，也確實在部分創業板公司動輒拿AI造概念、哄抬股價，這與大眾對AI領域的知識盲區有關。然而，包括智能駕駛在內的人機交互應用，目前有著確定性的商業化前景，但還沒有普及化，我們不能混淆視聽，認為AI泡沫化了。

我們先看整個科技行業，2000年前后的科技行業，其角色僅僅是提供技術和內容，而當下則是提供技術和服務。在科技行業把技術轉化為服務的過程中，傳統行業也被迫或主動加入數字化的大潮，由此導致的金融行業、制造業的裁員趨勢，均是史無前例的。從企業財務平衡的角度看，當新科技巨頭與傳統行業緊密結合，對于現金流和長期盈利前景都是積極信號。

就人工智能行業而言，雖然處在科技行業的最前沿，但前期的鋪墊已經比較充分。需要指出的是，人工智能分為強人工智能和弱人工智能，其中，弱人工智能的技術突破和廣泛的應用前景都有相當的確定性，比如移動支付、無人車、智能投顧等領域。就弱人工智能而言，過去幾年移動互聯網的崛起是很好的鋪墊，特別是通過百度搜索等各種數據入口積累起來的海量數據，正在與算法融合為軟件方面的能力，為多樣性的智能硬件的開發提供支撐。

外界當前擔心比較多的一點可能是核心技術的開發成本，比如，技術開發人員的工資很高等問題。筆者對此倒并不擔心，2000年前后IT行業的技術人員工資也是比較高，原因還是人才緊缺。當前人工智能行業面臨的也是這個問題，但較高的市場定價會吸引更多的人才加入這一行業，最終也一定會走出一條比較理想的成本優化曲線。

人工智能較高的進入門檻，決定了大公司必然走在前面，領先人工智能行業的科技公司采取“聚焦+開放”的戰略，成為一個免費的技術開放平臺、生態合作平臺，實際上很有利于優化整個行業的投入產出比，即通過減少行業重復投入，使合作方用較小的投入獲得最大化的效能。

就當下而言，人工智能行業的投入不足還體現在政策配套方面。像無人駕駛這種系統項目，單有企業的投入還不夠，政府的規劃配套、產業政策要快速跟進，才能讓商業化盡快成熟落地。