人工智能看起来很美好，但在商业中难以实现

人工智能（AI）就像一个新的大陆，充满了巨大的财富和无尽的机会，等待着我们去探索。然而这些财富和机会的挖掘并非一蹴而就，需要建立在前人的长期努力和不断尝试之上。人工智能还有很长的路要走，目前还只是一个美好的愿景。

事实上，现阶段AI还没有足够的数据支撑，而很多创业企业都过分夸大了人工智能在商业运营中的应用程度。虽然人工智能和机器学习被誉为有望为企业创造巨大价值的革命性技术，但我们也不能忽视AI技术在产品落地过程中面临的困难和痛点。

行业缺乏统一标准

与移动应用的兴起一样，AI行业也迫切需要一个新的跨平台系统，就像Android、iOS为移动应用奠定了基石一样。这套体系将涵盖从模型、算法到软件实现、操作系统等各个方面，其特点是多数据源兼容（如多种数据库）、多编程语言兼容（如TensorFlow、Python），能够在各种硬件设备上无缝运行，实现跨平台AI的梦想。

但当下AI行业面临一个共同的问题，那就是缺乏统一的标准。没有统一的标准，就无法实现大规模生产制造，产品技术形态展现、商业模式运营也还有很长的路要走。

昂贵

随着人工智能技术的进步，越来越多的新兴企业发布了自己的智能大脑，并通过云服务提供给用户。这些企业在吸引了大量用户之后，面临着一个困扰：服务器的运行成本太高，而有些企业由于资金和技术实力不足，并没有考虑到这个问题。

人工智能模型的训练可谓是一个巨大的挑战，需要投入大量的资源、时间和金钱。一些云服务商提供自动化的模型训练和使用服务，但这些服务的成本相当昂贵，尤其是智能大脑的运营成本。如果初创企业提供的服务费无法覆盖服务器的运营成本，这些企业的生存和盈利能力就会受到很大影响，自然也就无法大规模商业化。

集中实施AI业务，企业损失严重

安防、金融行业是人工智能在实体经济中应用最为广泛的领域，占据了绝大部分的市场份额，达到70%左右。不过这也意味着，在其他行业，人工智能的深度融合与落地还有很大的发展空间。

即便部分独角兽企业在应用落地上取得了一些进展，但大部分企业依然面临亏损。人工智能前景虽好，但并不是每一家企业都能在这条赛道里生存下来。

人工智能面临的法律和道德问题

随着人工智能的广泛应用，也存在一些道德和法律风险，如：隐私和数据滥用、偏见和歧视、自主决策的透明度、人工智能的成瘾和滥用以及责任和法律纠纷等。

为了应对新技术带来的道德和法律问题，各国也纷纷出台法律法规。

法律的颁布为人工智能场景的实施提供了制度保障，但从法律到实施也需要一定的过渡期，在此期间，许多商业化的人工智能场景还面临制度上的缺陷，这也导致了短期内无法大规模商业化的原因之一。

快速发展期、泡沫期、理性发展期、成熟期等阶段。在这个过程中，很多企业纷纷进入人工智能的阶段。然而在行业竞争和技术迭代的过程中，泡沫过后，当真正的技术实力和整体综合能力的竞争到来时，一大批企业又会慢慢消亡。只有当成本降低，各项制度和法律成熟，人工智能回归到行业正常发展状态，商业化场景才能真正实现。