元旦期間與學術界的朋友聊起，其細數了2000年以來國內學術浪潮的發展特點：2003年受LDA topic model影響，實驗室熱火朝天的在文章中建起Graphical model加入隱變量，2004年Hadoop出現，數據熱成為各個領域各種問題的焦點，有甚者只要在傳統算法在MapReduce框架改寫一下，便可以發布新的熱點文章，2010年Spark出來后，將Hadoop趕跑，之后深度學習的出現，又使topic model的文章的熱度降了下去……從瘋狂到偃旗息鼓，也只過不是短短幾年的時間。

如果在科技界待了段時間的人們便會容易發現，一樣技術被取代是因為人們發現了比它更具前景的技術，同理一個泡沫的結束的標志，是人們發現到了更大更漂亮的泡沫。而當前被人們認為是下一個泡沫的AI(人工智能)，正在步著“前輩們”來時的路。據荷蘭愛思唯爾出版集團的報告顯示，過去20年中，中國的研究人員發表了大約13.4萬篇關于人工智能的研究論文。美國發表的論文僅10.6萬篇。所有的人們都知道，當前的實際運用水平，AI仍然有段路子要走，但在理論上，明顯中國已經占據絕對的領先地位。

瘋狂的學術界背后，少不了瘋狂的資本市場。據工信部中國信通院副所長張雪麗介紹，截止至2018年9月，全球共有人工智能企業5159家，中國以1122家(不含港澳臺)位居第二;北京則以445家的總數，成為全球人工智能企業最多的城市。2018年上半年，人工智能領域的全球融資規模達到435億美元，中國的規模達到317億美元，占了全球的四分之三以上。又一場漂亮的勝利：中國僅靠全球1/5的企業獲得了全球3/4的融資，投資者對中國AI領域充滿期待。

但是被人們所忽視的是技術本身發展的一些其他條件：硬件方面，在半導體上，中國以全世界4%的份額對上美國的50%。在芯片上，中國獲得FPGA廠商融資額的7.6%，而美國是42.4%;數據方面，中國以全球的20%力壓美國的5%;算法上，中國的人才數量和學者發表的成果數量也僅分別達到美國的一半;商業化上，考慮公司數量、獲得融資額等，中國得分也約只達到了美國的60%——牛津大學《解密中國AI夢》報告(報告通過硬件、數據、算法和商業四個方面分別進行評分，將中國和美國的AI實力做了評估對比)。

在這種近乎瘋狂的市場運作以及媒體吹捧下，開始出現產業泡沫似乎也是無法避免的。據據億歐智庫《2018中國人工智能商業落地研究報告》顯示，2017年中國AI創業公司累計獲得超過500億人民幣融資，但其中商業落地前100強公司累計產生收入卻不足100億人民幣。在整個產業鏈中，90%以上的AI企業依然處在虧損階段，絕大多數企業年營業收入不足兩億。

針對這種現象，阿里巴巴的前CEO衛哲說：目前人工智能的泡沫巨大無比，媒體吹捧，市場過熱。市面上很多公司號稱自己是“人工智能”公司，但有九成的人工智能公司都是“偽人工智能”。

技術無法商業化，是人工智能公司被冠以“偽人工智能”的關鍵所在。以筆者在安防市場的觀察，一部分原因是因為企業過度宣傳實驗室數據，讓用戶在實際體驗中落差大，另一部分的原因是企業盲目追求模仿，缺乏真正的創新能力，其中以人臉識別技術最為顯著，當產品技術趨向同質，價格戰便會隨時爆發。

“在人工智能上花一年時間，這足以讓人相信上帝的存在。”——計算機科學奠基人艾倫·佩利

當然在目前階段，仍然無法直接判斷人工智能當前便處于泡沫階段，因為嚴格上來講泡沫不只是關注技術的發展態勢，而是更關注資金的流入。但據a&s對上海趨視信息科技有限公司總經理徐飆采訪文章中，他表示“投資人獲悉從2018年下半年開始，沒有行業基礎的AI公司已經很少人問津，在之前擁有核心技術，在全球的比賽中獲得名次便能輕松獲得青睞，現在投資人更重視的技術到行業的落地。這樣會導致留下來的都是具有硬實力的企業，但可能也會讓用戶對AI產品的意愿有所降低。這與國內06-07年做智能分析的狀況相似，第一波技術浪潮的時候，用戶的意愿很高，但后續的發展卻很乏力。”

這意味著CV賽道涌現新軍的現狀將得到遏制，CV也從最初的強調技術、不談場景到扎堆某行業市場(例如安防)，正在向淡化單點技術，尋求場景與價值兩開花的階段發展。但遺憾的是，無論是被冠以CV四小龍名號的企業，還是頂著“國家隊”頭銜的名號，現階段企業的盈利沒有一間匹配得上它們自身的估值。甚至有媒體爆料稱，一些已經“上車”的投資人發現，這樣的買賣并不劃算。

對于這些CV企業而言，技術是它們敢于叫板傳統行業市場企業的殺手锏，以安防為例，近年來海康、大華、宇視、科達等企業紛紛加大投入AI的研發下，讓它們的技術優勢再沒有之前那么顯著的情況下，不少企業在2019年向筆者透露，除了技術，要推出相應的前端設備，轉向渠道市場，在傳統企業的優勢圈內“搶飯碗”。

雖然目前安防市場足夠大，也足夠分散，碎片化的需求能讓各家企業都能找到飯吃，但這距離CV企業之前的初衷或許已經存在著差別。不能否認的是，人工智能與深度學習在語音識別、圖像識別、無人駕駛等領域都具備良好的發展前景，加上國家政策的引導，未來它們仍然會在業界繼續紅火下去，以工業界的普及要晚于學術界5-10年的常規推理下，相信未來十年內將是人工智能落地的爭奪戰。但投資者對于未來的預期以及人工智能的熱情已經開始回到冷靜期，這對于未來CV企業未來的發展而言，路并不會像之前那么好走。