近兩年，隨便問個路人什麼最火，答案一定是人工智能（AI）。當問及是什麼讓AI突然火起來的，幾乎所有人無一例外的回答是“AlphaGo”。
甚至有研究者直言：“我做了這麼多年模式識別（圖像、聲音等識別技術），都不敢稱自己是做人工智能。而在AlphaGo之後，現在隨便個和識別搭邊的都稱自己是搞人工智能了。”
所有創業項目都稱與AI相關，人工智能工程師身價也隨之水漲船高，年薪可50萬起跳。
而由學術界人士主導的人工智能項目，往往會將學術界“刷論文”的風氣帶到公司領域。
在媒體中，我們經常能聽到某家AI公司又取得了“突破性”進展，其實這些突破性進展往往完全是難以落地的學術字眼。
比如人臉識別，97%的識別率和98%的識別率在體驗上完全沒區別。而在AlphaGo之前，拍照人臉識別基本是標配，而如今只是換了馬甲叫做人工智能罷了。
現代企業必須以盈利作為主要目的，能為企業做出的貢獻才應該是薪酬的唯一標準。公司關注的是投入產出比，換句話說，一個千萬年薪的團隊，能否為公司創造出過億的利潤，才是它是否真的價值千萬的唯一衡量標準。
然而，與人工智能專業人才“奇貨可居”的價格形成鮮明對照的是，這些企業仍在“燒錢”，買單的還是VC。
所以目前一些公司高管戲稱人工智能工程師的薪資”毀三觀”。
除了高投入低產出一直會虧損，另一個惡劣的影響是，公司其他工程師會有趨利心態，逐漸轉到高薪的人工智能方向。
可能人們不知道人工智能技術而言，技術壁壘很低。算法並不是剛需，就從其算法而言基本上幾十年沒有大的改變。
造就如今人工智能性能提高的關鍵，是如今比幾十年前有更強大的計算能力來處理更復雜的數據。
除了計算能力外，最重要的是大量標註過的數據。目前沒有最好的算法，只要有更多的訓練數據就能得到更好的性能，這就造成數據才是剛需。
而目前大多人工智能工程師平時乾的活不過是一些體力勞動，例如清洗數據、訓練模型。有些企業會僱傭大量外包人員來完成數據標註等工作，甚至有些大公司會僱傭農民工來完成“天價高薪”的AI工程師工作。
可以說人工智能最大剛需是數據，最緊缺的是數據清洗標註和模型訓練的“操作工”。
一家公司如果全是算法工程師，肯定是無法正常生存下去的。而當工程師發現這種技術門檻低的天價工作，都會逐漸轉型，這樣公司也就離倒閉也就不遠了。
2017年中國AI創業公司獲得的累計融資超過500億元，但中國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。
AI服務或產品價格普遍較高，但用戶體驗卻普遍不好，並沒有出現革命性的AI產品或服務。
AI與虛擬現實（VR）何其相似。2015~2016年媒體和資本的提前熱炒，而VR技術並未有巨大突破，非理性繁榮迎來了VR低谷。 而如今AI也面臨同樣問題，但資本並沒有及時剎車。
李開復在2017年就做出預測，到2018年年底，會有一批公司倒掉。他認為在過去的一段時間內，“AI項目確實貴了，泡沫是存在的”。
而清華大學微電子所所長魏少軍在GTIC 2018全球創新峰會上表示，目前大部分AI芯片創業者都會成為“先烈”。
事實上人工智能應該如同互聯網一樣，是一種技術基底。 人工智能人力成本下降，才能讓人工智能真正的大眾化，泛用化。當任何一家公司可以像招普通程序員一樣招到人工智能工程師的時候，我們才能迎來沒有泡沫的人工智能時代。
閱讀更多 Dr靈的小屋 的文章
