比如让AI去识别一只狗，就要给很多很多狗的图片样本让它学习，“但是人类不是这样学习的。

比如，特斯拉不久前无人驾驶汽车发生事故，原因就是特斯拉的AI没有学习到“强光遮挡视线”的数据，影响了图像识别。

微软小冰在微博上与粉丝插科打诨成为“网红”，未来微软还想让小冰以歌手的身份出道;去年《我是歌手》总决赛上成功预测歌王而一炮走红的阿里云ET(原名“小Ai”)，如今其get的技能已被应用于工业、交通、健康等多个领域;高德地图希望以通过人工智能(简称AI)调度城市交通;长虹不久前在北京发布了全球首款人工智能电视长虹CHiQ(启客)……

AI正以各种形式的应用慢慢渗透进我们的日常生活中。AI应用开始落地，资本也闻风而至。然而，目前的人工智能的应用仍处于“弱AI”的阶段。从事了25年AI研究的英国牛津大学计算机系主任Michael Wooldridge向南都表示，弱AI只是让机器和电脑专注于具体任务上;强AI是通用型，好比好莱坞大片中的机器人，这些机器人有自我意识，就像人一样。实现强AI仍是遥遥的梦想。阿里云首席科学家周靖人则向南都表示，或许要等20年后，ET才可以接班马云。

60亿中国资金去硅谷买什么?

阿里云近期宣布加大对人工智能的投资，并将“小Ai”更名为“ET”。3年前，阿里云就拥有了人工智能专家团队，但机器计算能力的发展增加了阿里云对AI的信心。阿里云总裁胡晓明对南都用“加重”这个词来形容他们对人工智能的新认知。“决定加大投入后，阿里云也加紧从全球招募人工智能科学家。”

除了阿里，不少AI创新、创业公司也受到资本的青睐。资本对AI的热情，不只是在中国。环球时报援引美国媒体的报道称，中国资金如洪水般涌向了硅谷，过去两年多来，百度、腾讯、阿里等互联网巨头以及众多民间投资人、家族公司、地市政府竞相投资硅谷的一流科技公司。中国不断增长的财富和政府推动创新技术激励了投资者，特别是在中国仍落后的虚拟现实和人工智能等领域。根据荣鼎咨询公司的数据，截至2016年上半年，除房地产外，流向硅谷的中国投资达到60亿美元，其中超过一半是在过去18个月完成的。

昆仲资本董事总经理姚海波表示，在美国硅谷，几乎所有的基金都在投资AI，连政府背景的公司都在投资AI。“我们在湾区有个办公室，过去三年投了约7000万美金，当我们发现中国同类型的公司估值比硅谷的都要高时，证明风口已经来了。”

不过，泡沫问题也值得警惕。很多投资人也表示，目前国内一些AI公司存在估值过高的问题。

云九资本合伙人邱谆表示，国内不少AI公司是从其他领域转型而来，在短时间内找了些人就成立了团队。相比而言，美国的A I行业还是成熟一些。“不过，即使在美国，大约50%的企业还是在天使轮的阶段，剩下的一半基本也是在A轮融资阶段，国内的数据我还没看到，不过国内A I创业公司跟政府打交道能力很强，这是非常重要的优势。”

厉伟表示，AI领域目前的确存在投资泡沫，“一定泡沫的出现证明了投资很多，过多的泡沫才是坏事。”微软亚洲研究院常务副院长芮勇接受南都记者采访时也表示，这一两年关于AI的投资的确存在不少“炒作”，投资的泡沫还存在，对初创企业来说，有一定困难。

AI职业竞争力在哪?

资本对AI的投资大多从应用切入。在获得足够的大数据后，人工智能可以应用到各个场景，比如，管理一家工厂、管理一个城市的交通。

目前松禾资本和洛可可合作设立的AI专用基金，就是从具体应用切入AI行业，“AI的研究是以底层研究为基础的，但对于VC来说，投资底层研究不太现实，底层研究更需要国家层面的投入。”厉伟还建议，创业者若以底层技术进入AI创业，应该学会跟大公司合作，帮助大公司做配套，这样更容易存活下来。

那么，AI在哪个领域的应用更加成熟，竞争更加激烈呢?

南都记者了解到，人工智能从上世纪50年代起步，但近几年一些应用才开始逐步落地，尚未形成激烈竞争的局面。

比如，去年阿里云才将AI作为一种产品和服务对外开放。阿里云总裁胡晓明向南都记者表示，目前为止，ET最典型的应用是在湖南卫视的《我是歌手》决赛过程当中成功预测歌王归属。除此之外，ET还被应用于工业生产、交通、健康、洪涝预测等多个领域。

对于“小冰”的应用场景，小冰项目负责人李笛更愿意将其定义为“真实的人”，并规划其职业生涯。比如，小冰在九月将以虚拟歌手的形象正式出道。另外的应用则是客服。“现在100个客服里面，有90个客服做的是初筛工作，所以呼叫中心才老是有那么长的自动服务转接，而这部分完全可以由小冰完成，提高效率也节约人力。”李笛如是表示。

芮勇从资本的角度指出，未来的投资热点会在智能驾驶、医疗、教育、金融等方面。这意味着这几个领域的AI创业创新公司的竞争也将会比其他领域更加激烈。

智能出行领域也是最被看好的，高德地图目前也主要解决人们个性化出行的问题。“除了公交数据，再加入用户行为数据，分析其更个性化的出行方案，”高德地图副总裁董振宁说，目前其A I尚未应用在自驾上，而是在公交上，“比如你平时8点出门，我发现公交车可能稍晚到，就会提醒你晚点出门。”但从长远看，董振宁更希望把A I应用于整个城市交通调度上。

从数据的优势来判断，杨强比较看好金融领域。而MichaelWooldridge认为，下一个A I热点应该在医疗领域。他的判断也是基于大数据的优势，“现在非常受欢迎的手环，能监控你的心率，你的血糖，还有你走了多少步，苹果手表也是这种可穿戴式的设备，可以不断地监测你的身体情况，而所有这些信息会给到AI。”

不过，资本也很难准确判断哪一个项目能够成功跑到最后。厉伟表示：“对待这些新领域，每个人的眼光都是有局限性的，所以投资上难免会‘广撒网’，除非是跑出来的项目，否则只投一两个人工智能项目风险太大。”

AI与人的差距还有多远?

阿里云提供给记者的通稿上的标题是：ET或在20年后成为马云接班人。届时，ET就是MichaelWooldridge口中的“强AI”。

但现在，E T还处于1.0阶段，初步具备听、说、看的感知能力，并能够在交通、工业生产、健康等固定的领域输出决策。但要做一个商业领袖，需要全面、综合的技能，甚至还要具备商业直觉。阿里云首席科学家周靖人表示，目前来看，ET尚不具备这种通用的人工智能能力，把它放到一个新行业，它还需要很长的时间学习、探索，“我们正在不断拓展ET的能力，并提升它对各个行业的适应能力。”

说白了，就是对知识(数据)的学习。微软全球副总裁陆奇向南都记者诠释他对人工智能的定义：“可以自动地获取知识，来代表知识，可以自动地完成他需要达到的目的，这就是智能。”

从“1.0版本的ET”到“马云的接班人”，这中间差了多少数据?

金山软件兼金山云CEO张宏江接受南都记者专访时举了一个例子———今年火遍全球的围棋人机大战。他指出，AlphaGO在对局中获得30M个布点数据，其动用了1920个CPU和280个GPU的高性能计算资源，在一场比赛中消耗的能量是人的300倍。

张宏江同时指出，当数据量不够大时，AI的学习能力也相当有限。比如，特斯拉不久前无人驾驶汽车发生事故，原因就是特斯拉的AI没有学习到“强光遮挡视线”的数据，影响了图像识别。因此，想要提高性能，就必然依赖于大数据，“数据越多，覆盖量、精密度越高，对模型的依赖就越低，人工智能就变得足够可靠。”

但目前AI还不能像人一样“智能”。芮勇指出，现在AI给予它的还是监督式学习。比如让AI去识别一只狗，就要给很多很多狗的图片样本让它学习，“但是人类不是这样学习的。显然这在算法上是有问题的，非监督式学习的技术有希望，但现在的技术距离还比较远。”换句话说，ET1.0和马云之间差的不是多少TB的数据，而是学习方式———“学渣”和“学霸”的学习方式根本就不同。