因為資本、人才和市場三位一體的優勢，美國的人工智慧初創企業不僅數量最多，而且質量最高,型別最為齊全。從舊金山到矽谷，從西雅圖到紐約，在ai晶元、ai平台、自動駕駛、智慧型金融、智慧型醫療、機械人、智慧型物聯網、智慧型教育、智慧型客服等領域裡創業的公司數不勝數。
英國是另乙個人工智慧創業的樂園，研發alphago的deepmind就是一大批英國ai創業明星中的代表。2023年1月，我（李開復）和倫敦市長sadiq aman khan討論英國人工智慧創業氛圍時了解到，英國之所以在人工智慧創業領域獨具特色，主要是因為英國有足夠優秀的人工智慧科學家，在科研領域處於世界頂尖水平，但在資本、市場等大環境上，英國仍無法與美國相比，這是包括deepmind在內的許多英國創業團隊都被美國公司收購的原因。sadiq aman khan認為，英國應當加強自己的資本生態系統（英國支援科技創新的資本總量比美國、中國還是差了不少），同時需要讓本土技術能更快走向美國、中國等更大的市場。
加拿大是人工智慧創業的「科研型孵化器」。深度學習三巨頭中， geoffrey hinton和yoshua bengio都在加拿大的大學教書，這直接促成了加拿大極為出色的人工智慧研究氛圍。大批人工智慧方向的優秀學生從加拿大的大學畢業。他們中的相當一部分都「南下」美國工作或創業，但也有不少人選擇在加拿大開始他們的創業歷程。2023年10月，yoshua bengio啟動了乙個名叫element ai的創業孵化專案，專注於深度學習技術研發，幫助蒙特婁大學和麥吉爾大學的人工智慧研究專案建立初創公司。yoshua bengio說，「我將努力在蒙特婁大學建立乙個『人工智慧』生態。」
圖1 按季度統計的ai初創公司被收購和併購的數量
中國的人工智慧創業幾乎與世界同步。根據《烏鎮指數：全球人工智慧發展報告2016》的統計：人工智慧領域，美國與歐洲投資較為密集，數量較多，其次為中國、印度、以色列。美國共獲得3450多筆投資，位列全球第一，英國獲得274筆投資，位列第二，中國則以146筆投資位列第三。美國人工智慧企業總數為2905家，全球第一。僅加州的舊金山/灣區、大洛杉磯地區兩地的企業數量即達到1155家，佔全球的19.13%。中國人工智慧企業數量雖不及美國，但在北京、上海、深圳三大城市，也集中了一批高質量的人工智慧團隊。北京、上海、深圳的ai企業數量佔全球總數的7.4%，在東亞地區位列前三。其中，北京的ai企業就有242家。
本質上，過去二十年的網際網路和移動網際網路是乙個不斷將線上、線下的業務場景緊密連線，同時也不斷促使資料產生、流轉、集中和再利用的過程。如果把世界看成乙個大市場，網際網路和移動網際網路的作用就是讓這個大市場中的資訊更透明，讓資訊流通更順暢，以此降低交易成本，消除資訊不對稱。
但在知識、資料的積累達到了乙個頂峰，業務流程也因為資訊的高效流轉而舒暢連線到一起後，如何進一步提高生產率，降低業務成本，提公升業務收入呢？我們認為，下一次生產率革命的關鍵是「自動化」，而人工智慧正是幫助現有流程實現自動化的最好工具。
從投資人的角度看，ai興起的最大契機還不是深度學習技術的發明，而是過去20年網際網路、移動網際網路的高速發展對自動化的強烈需求。有了這個需求，有了成熟的業務流程和高質量的大資料，深度學習技術的突破就是「萬事俱備、只欠東風」的事了。
創新工場管理合夥人，資深投資人汪華認為，人工智慧的商業化大致可分為三個主要階段：
第三階段，當成本技術進一步成熟，ai會延伸到個人場景，全面自動化的時代終將到來。
隨著技術日趨成熟，相關的智慧型產品**大幅下降，ai終將從企業應用進入個人和家庭。那時，每個人的工作和生活中，大量的應用場景都會因為ai的幫助而更加自動化、更有效率，人類的生活質量終將因ai普及而大幅提公升。這個階段裡，ai商業化的核心目標是建立全面自動化的人類生活方式。
就各垂直領域具體來說，人工智慧在網際網路、移動網際網路領域的應用，如搜尋引擎、廣告推薦等已經非常成熟。在商業自動化、語音識別、機器視覺、手勢識別、基礎感測器、工業機械人等方面，人工智慧可以立即應用，立即收效。
圖2 創新工場在人工智慧領域的投資布局
金融類人工智慧的應用雖然已經起步，但尚需一段時間才能真正普及。智慧型教育、智慧型醫療、ar/vr中的人工智慧、量產的感測器、商業用機械人等，預計會在三到五年內成熟可用。
可以供普通技術人員乃至非技術人員使用的人工智慧平台（包括計算架構、演算法框架、感測平台、雲服務等等），大約會在三到五年後趨於成熟並擁有足夠大的商業機會。
通用的自然語言對話工具、智慧型助手、普及型的家用機械人等，則至少需要十年左右甚至更長的時間，才有可能完成商業化。
另外，在自動駕駛領域，三到五年內，必將是第二級到第**的輔助駕駛最先大規模商用，而且，鑑於安全考慮，這些自動駕駛應用也會是限定場景、限定道路等級的。真正意義上的「無人駕駛」，即第四級或第五級的自動駕駛，大概還需要五到十年，才能上路執行。
當然，看到人工智慧創業機遇的同時，我們也必須保持足夠清醒的頭腦。2016到2023年，人工智慧的創業和投資明顯存在無序、失衡、過熱的情況。人們常常擔憂的泡沫現象的確存在。
看一看如星火燎原般在美國、中國、以色列等地建立的自動駕駛創業團隊吧，自動駕駛這個行業確實巨大，但真的需要那麼多早期創業團隊嗎？要做乙個第四級或第五級的自動駕駛，技術難度異常之大，非要投入巨資和最頂尖的研發人才不可。那麼，這麼多初創的自動駕駛團隊裡，究竟有幾個是可以在自動駕駛普及的那一天倖存下來並成長為行業巨人的呢？
家用機械人的概念就更別提了。那麼多號稱開始研發家用機械人的公司，如果是做亞馬遜echo那樣的限定使用場景的智慧型家電還好說，如果上來就要做語言交流、人形外觀的機械人，那幾乎一定會因為技術水平無法達到人類使用者預期而走向失敗。這道理很好理解，越是長得像人的機械人，使用者就越是會用人的標準去衡量、評價它，希望越大，失望也就越大。
語音和自然語言處理方面的創業也有類似問題。今天的語音識別雖然做得相當不錯，但機器的能力僅限於感知領域，只能完成聽寫這種以轉錄為主的任務。也就是說，機器目前只能很有效地將語音轉換為文字，但根本無法直接理解文字的含義。只有限定乙個非常特定的領域，技術才能解決問題，如果要求自然語言處理演算法支援通用的人機對話，那就不切實際了。目前有許多從事智慧型客服、智慧型聊天機械人創業的團隊，這些團隊如果不善於界定問題領域，就很容易將需求問題變複雜，以至於人工智慧技術也愛莫能助。
基於人臉識別技術的身份認證、安防類應用是中國人工智慧創業的特色領域，並已經產生了至少四家獨角獸或接近獨角獸規模的創業公司。但這個領域的市場空間絕對不會像自動駕駛那麼寬廣，目前二三十家公司都要削尖腦袋擠進人臉識別市場的情況顯然是過熱了。
基於人工智慧的輔助醫療診斷剛剛起步，就出現了一大批瞄準這一方向的創業公司。但只要是熟悉醫療行業的人都很清楚，在這個行業裡，要得到閉環的、有標註的、資料量足以發揮深度學習效能的醫療大資料，其難度遠超普通人的想象。沒有符合要求的醫療資料，人工智慧又該從何談起？所以，在智慧型醫療領域，今後可以成功的初創公司，一定是那些既懂人工智慧演算法，又特別了解醫療行業，可以收集到高質量醫療資料的公司。
概括來說，目前的人工智慧產業發展面臨六大挑戰：
一、前沿科研與產業實踐尚未緊密銜接：除少數垂直領域憑藉多年大資料積累和業務流程優化經驗，已催生出營銷、風控、智慧型投顧、安防等人工智慧技術可直接落地的應用場景外，大多數傳統行業的業務需求與人工智慧的前沿科技成果之間尚存在不小距離。面向普通消費者的移動網際網路應用與人工智慧技術之間的結合尚處在探索階段。科學家和研究者所習慣的學術語境，與創業者和工程師所習慣的產品語境之間還無法快速銜接。
二、人才缺口巨大，人才結構失衡：據linkedin統計，全球目前擁有約 25 萬名人工智慧專業人才，其中美國約佔三分之一。這一數量級的人才儲備遠無法滿足未來幾年中人工智慧在垂直領域及消費者市場快速、穩健增長的巨集觀需求。人才供需矛盾顯著，高階演算法工程師、研究員和科學家的身價持續走高。人才結構方面，高階人才、中堅力量和基礎人才間的數量比例遠未達到最優。
三、資料孤島化和碎片化問題明顯：資料隱私、資料安全對人工智慧技術建立跨行業、跨領域的大資料模型提出了政策、法規與監管方面的要求。各垂直領域的從業者從商業利益出發，也為資料的共享和流轉限定了基本的規則和邊界。此外，許多傳統行業的資料積累在規範程度和流轉效率上還遠未達到可充分發揮人工智慧技術潛能的程度。
四、可復用和標準化的技術框架、平台、工具、服務尚未成熟：雖然tensorflow、caffe、mxnet等深度學習框架已被數以萬計的研發團隊採納，相關開源專案的數量也在飛速增加，但乙個完整人工智慧生態所必備的，從晶元、匯流排、平台、架構到框架、應用模型、測評工具、視覺化工具、雲服務的模組化與標準化工作，尚需三年或更長時間才能真正成熟。
五、一些領域存在超前發展、盲目投資等問題：目前的人工智慧技術只有在限定問題邊界、規範使用場景、擁有大資料支援的領域才能發揮最大效能。但創投界存在盲目追捧，不顧領域自身發展程度，或利用人工智慧來包裝概念等現象。由此產生的盲目創業和投資問題雖非主流，但仍有可能傷害整個行業的健康發展。
六、創業難度相對較高，早期創業團隊需要更多支援：與網際網路時代、移動網際網路時代的創業相比，人工智慧創業團隊面臨諸多新的挑戰。例如，對高階人才較為依賴，科學家創業者自身的商業實踐經驗較少，高質量大資料較難獲得，深度學習計算單元和計算集群的**十分昂貴等。
既是時代「風口」，又有「泡沫」干擾——這是人工智慧創業在今天的主旋律。
就像過去二十年網際網路和移動網際網路的商業化所走過的歷程一樣，人工智慧的商業化會以自己的節奏，分階段、分步驟滲透到人類生產、生活的方方面面。而且，ai對整個社會的改變，可能比過去二十年網際網路革命所帶來的改變要大得多。能否準確把握ai商業化的脈絡，是ai時代的創業能否站在「風口」上的關鍵。
作者簡介：李開復，創新工場董事長兼首席執行官。歷任蘋果、微軟、google等頂尖科技公司全球副總裁等重要職位。2023年9月在北京創立創新工場，幫助中國青年成功創業。王詠剛，創新工場技術副總裁兼人工智慧工程院副院長。2006-2023年在google任staff engineer，資深技術經理等職，在輸入法、知識圖譜、分布式系統、html5動畫/遊戲引擎等技術領域擁有深厚的積累。
csdn ai熱衷分享 歡迎掃碼關注
人工智慧風口來了 看今年AI創業5大趨勢
美國風險投資家布拉德福特 克洛斯近日撰文，總結了2017年人工智慧創業圈的5大 a.聊天機械人覆滅 在科技圈內，當我們談到bot時，通常指的是一種軟體 往往通過4大關鍵概念使之與隨心所欲的程式區分開來 對環境的反應 自動化 目標導向和永續性。企業則將bot的定義闡述成 任何形式的商業程式自動化 並且...
轉知乎 人工智慧會是泡沫嗎？
兩個高票回答我覺得都挺有道理，周一大早可以先乾杯雞湯。1.一定是泡沫，而且這個泡沫一定會破 但是，最厲害的就是這個但是，泡沫破裂不表示人工智慧完蛋。別的行業不太了解，至少it行業是個經常性泡沫的行業，我們今天使用的技術產品都經歷過泡沫階段，比如 門戶 社交網路，電商，網遊，另外 vr的泡沫剛過去，共...
人工智慧創業盈利點在何處
科技世界，最賺錢的公司往往不是聚光燈下的公司。譬如在大資料時代 短暫流行過後，這個詞已經老了 最賺錢的不是大資料公司，而是為大資料提供底層支援的雲計算公司 而在人工智慧時代，真正激發的是大資料市場，ai最重要的邏輯是用資料做智慧型化訓練，所以在人工智慧時代，最賺錢的公司並不是像商湯和face 這類的...