大多數當今青年的眼中，從 2016 年開始的人工智慧熱，似乎是人生經歷的第一次人工智慧浪潮。
但從技術角度講，這樣的說法並不準確。如果以神經網路的發展歷史來看，從 2012 年開始 Google 等網路公司在深度學習領域的突破，已是第三次人工智慧浪潮。
但前兩次技術領域的人工智慧浪潮，其實並沒有轉化成太多應用，也沒有為社會生產力帶來更多變革。
日前，在一場創新工場的閉門會，剛拜訪美國人工智慧界四巨頭的李開復，分享了自己對未來一年人工智慧在應用領域的看法。
李開復用 5 週時間跑遍美國和加拿大，先後拜訪了 Google、微軟、Facebook 和亞馬遜公司，同時還與人工智慧學術界三大巨頭 Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton 深入交流。
整理和沉澱與這些公司學者交流過程所得，再加上創新工場過去幾年對人工智慧領域的投資與理解，李開復認為在應用領域，人工智慧應用領域的浪潮分為四波，我們事實上已不知不覺迎來了前三波。
在李開復看來，人工智慧應用領域的浪潮在時間軸上是交錯的，並非一波接一波。始於 1998 年的 Google 和誕生於 2012 年的今日頭條同屬於第一波人工智慧應用，而這波人工智慧應用稱之為「網路智慧化」。
「網路智慧化」更像 AI 應用的初始積累，所有網站、應用、產品以資料為能源和燃料，資料越多，發展越快。過去 20 年裡，許多網路公司有幸積累了大量資料，因此在人工智慧技術演算法有突破之後，就會快速將原本在網路層面開展的業務快速人工智慧化。
舉一些例子，比如說美圖。這是一家創立很早的公司，剛開始不是 AI 公司，現在美圖介紹自己都是 AI 公司，有沒有發現過去 3 年你自動美化越來越美？這是因為用戶不斷貢獻資料、標記資料後，加上深度學習演算法做成的。
演算法如何知道你對一次 P 圖行為是否滿意？你自拍之後一般會有 3 個動作──移除、儲存或分享。移除表示這張照片不行，儲存表示一般，分享則代表很棒。機器會不斷分析，什麼樣的照片滿意，什麼樣的照片不滿意。
對第一波浪潮來說，無論投資人還是創業者，未來都很難說是好賽道。儘管今日頭條的崛起算是網路格局已定情況下的一次變數，但與其同時生長的滴滴、美團點評更固化了網路這大賽道。
想要透過人工智慧單點突破這樣的局面，有些困難。
第二波人工智慧應用浪潮，是適於 2004 年的「商業智慧化」。
之所以與第一波不一樣，是因為資料和應用都不直接來自網路，比如銀行、醫院、物流公司，對人工智慧的應用。
「商業智慧化」前提有兩點，一點是非網路公司在使用網路和電腦辦公之後，沉澱大量資料。第二點是，這些公司有意將這些資料格式化並加以利用。
在這個領域，發展最快也最天然的例子就是金融。因為金融本身就是由格式化資料構成的產業──「電腦在這個領域天生就比人類做得更好」。
股票一年之後不是漲就是跌，貸款不是還了就是沒還，所以只要能累計一段時間資料，發生過意外的人可能要收更多保費，貸款如果沒有還就少借。金融就是大量資料好標記，還有只要做得好，錢就到了。
另一個李開復認為很有價值的領域是醫療，人工智慧在醫療領域的發展可能會幫助人類攻克很多疾病。但病人隱私等問題，目前醫療資料在各國格式化和流通度都不高。目前，先進的電腦視覺在相對開放的影像醫學領域嘗試已得到一些成功。「但因為資料局限性，推進速度還較慢。」
第二波投資與創業機會在不同的領域，完全不同。比如金融領域的人工智慧雖然發展成熟，但機會也相對較少。醫療就還是尚未開墾的巨大市場。
進入到 2011 年才開始的第三波人工智慧應用浪潮，就是大多數我們驚呼「科幻」的領域了，也是商業巨頭最喜歡宣傳展示的那些。因為在這階段，人工智慧終於擺脫了虛擬世界，正式「入侵」我們。
第三波應用叫「實體世界智慧化」，達成的前提是越來越多資料採集和感測器──橘子本身沒有資料，貼上 NFC 標籤就有了；路本身沒有資料，裝上鏡頭就有了；人本身不是資料，但透過人臉辨識身分，就是了。
我們早就習慣一登入淘寶，淘寶就認識我是誰，然後建議我個性化商品。
但是現在，現實世界也可以這樣了。你進入一家超市，超市就辨識出是不是 VIP 用戶，給予特別的優惠，服務員可能也會和你打招呼。
這引領了中國零售的全新型態，創新工廠總結為 OMO 型態，即 Online-Merge-Offline──線上與線下全面融合。
這種型態下，不再只是線下購物用行動支付結帳，或線上買優惠券去線下消費，是無論用戶線上線下購物，都有幾乎完全相同的購物體驗，包括身分會員體系、個性化建議、貨源追溯和商品評價等。
第三波「實體世界智慧化」發展正當時，創新工場過去幾年也在這領域做了許多投資，無論技術領域的 Face++、教育機器人領域的小魚在家及無人零售領域的 F5 未來商店，目前都處於蓬勃增長時期。
第四波人工智慧領域的應用，稱之為「全自動智慧化」。
與 AI 軟體方面這兩年發展較快相對的是，與 AI 配套的硬體發展這些年突破並不多。所謂硬體的突破，就是指像科幻電影裡的機器人──為具備 AI 特徴的軟體打造的機器軀體。
人（的身體）非常靈活，非常不可思議，但大部分機器做不到，有的機器人好不容易會兩腳走路了，但一配合手開門的動作就摔倒了。人拿一樣東西時，知道不會擋住眼睛。但機械手臂運動時，可能就會不自覺擋住鏡頭。
我們出去郊遊，看到果園裡的草莓很好吃，一伸手就能摘下來。機器呢？不是把草莓捏爛，就是摘不下來。
雖然距離尚遠，但可以確定的是，「全自動智慧化」這波應用也必然成為現實。
自動駕駛就是一個較好的開始，「現在全世界都相信自動駕駛能達成，你去問車廠、工程師、投資公司，都會和你說這是最酷的事。當全世界的技術、業界和資本都相信並大量精力投入時，你會發現這個事情變成現實是必然的。」
相比技術上的難度，李開復甚至認為無人駕駛最大的障礙是法律、倫理等問題。
在這領域，創新工場已投資一些機器人公司、技術公司和完全不同方向的自動駕駛公司。
那麼，在接下來幾年裡，李開復博士究竟覺得 AI 領域有什麼值得投資的呢？他直接給了答案：
當然，具體情況也要具體分析。比如以晶片為例，創新工場認為現在就應當投資 GPU，但現實的情況是中國多家人工智慧晶片公司都是以 SoC / CPU 領域切入。
背後邏輯除了技術難度本身，還要考慮市場的飢渴度和目前產業的成熟程度。仍以晶片市場為例，目前在做人工智慧晶片的 CPU 廠商有很多，老牌的 Intel 和 AMD、行動領域入場的華為，直接針對無人駕駛的地平線等。
但 GPU 領域，輝達一家獨大。從產業的成熟度來說，卻是 GPU 創業公司更接近 tape-out。創新工場投資的比特大陸，過去製作比特幣礦機的過程中，已生產出十分類似 GPU 的產品。
同樣的邏輯適用自動駕駛領域，大多數無人駕駛技術公司認為 L4 自動駕駛有可能在 3 年內實現。但考慮到法律等因素，L4 自動駕駛真正成為一門「生意」可能還需要等 5~10 年。
當然，如果你不是投資而打算創業，甚至打算學習人工智慧之後投身相關產業，也可以參考上圖再做決定。
（本文由 PingWest 授權轉載）
