2016年，總部位于倫敦的DeepMind Technologies（Google的子公司，也是Alphabet的母公司）震驚了業界，報道稱AI的應用將Google數據中心的散熱費用降低了40%，更重要的是，這一年，DeepMind開始與英國國家電網合作，通過深度學習優化電流來節省全國能源。

AI真的可以大幅減少能源使用嗎？

一位小哥用了三年時間，搜索有關將AI應用于其他數據中心的文章，但沒有發現取得重大進展的證據。并且發現，DeepMind公司與國家電網有關能源的談判也破裂了，同時還發現DeepMind的財務狀況也很糟糕：2018年，該公司報告虧損5.71億美元，收入為1.25億美元，高于2017年的3.66億美元。

去年四月，《經濟學人》將DeepMind公司2016年的公告定性為一場炒作，并引用一位內部人士的話說：“DeepMind只是想做一些公關，以便他們可以在Alphabet申請更多經費。‘’

于是這位小哥繼續深挖AI的經濟前景以及AI的支持者在金融領域的樂觀預測。

80年代初期，我的博士學位論文以機器人技術和AI經濟學為題，在擔任教授和技術顧問的整個職業生涯中，我一直關注有關AI的經濟性預測，比如埃森哲，普華永道和麥肯錫等咨詢機構對此作出的評估。

咨詢分析行業普遍看好AI

分析師最近斷言，應用AI技術將大大增加經濟產出。埃森哲聲稱，到2035年，AI將使12個發達國家的經濟增長率翻倍，并將勞動生產率提高三分之一。普華永道聲稱，到2030年，AI將為全球經濟貢獻15.7萬億美元，而麥肯錫預計到那時AI的貢獻額將為13萬億美元。

其他預測集中在零售、能源、教育和制造業等特定領域。麥肯錫全球研究所在2017年的一份題為《AI是否為新技術前沿？》的報告中評估了AI對這四個領域的影響，并在2018年的報告中評估了AI對更多領域的影響。后者中，該研究所得出的結論是，AI技術“有潛力在19個行業的9個業務部門中每年創造3.5萬億至5.8萬億美元的價值。所有參與評估的技術能夠創造的價值的年總和為$9.5萬億到$15.4萬億美元，而AI占了其中的約40%。”

數字令人驚訝，如果屬實，無論有沒有麥肯錫顧問的幫助，它們都將為公司使用AI提供很強的激勵，但是這些預測真的能實現嗎？

麥肯錫的許多估算是根據各種初創公司的說法推斷得出的，例如，根據DeepMind以及NestLabs聲稱的成功案例，它預測英國和其他地區的能源效率將提高10%。NestLabs于2018年成為Google硬件部門的一部分。Nest是一家生產家用智能恒溫器和其他智能產品的公司，在2017年，他收入7.26億美元，虧損6.21億美元。這一情況與Nest及其他類似公司宣稱他們正在或準備為世界經濟做出巨大貢獻的說法不符。

智能電表不僅不怎么省電，還貴

因此我決定更系統地研究此類AI初創企業的表現，許多事實證明這些企業對社會的價值不如其所炒作的那樣高。這種說法肯定會讓很多人受不了，比如麥肯錫的分析師們。因此，我接下來將會解釋我是如何得出這些悲觀的結論的。

我對Nest Lab進行進一步調查，試圖尋找支持智能電表會提高能源效率的證據。2016年，英國政府發起了一項活動，目的是到2020年時在全國范圍內普及智能電表。而自2010年以來，美國能源部也已投資約45億美元，在美國各地安裝了超過1500萬個智能電表。奇怪的是，所有的這些努力對提高能源效率做出了微乎其微的貢獻。英國政府最近下調了他們對智能電表每年可以為每個家庭節省的金額的預期，從原本的26英鎊降至僅11英鎊。英國國家審計署警告說，智能電表及其安裝的成本已經上升。對于那些指望著智能恒溫器、智能家電和智能電表將節省大量能源的初創公司來說這些都不是好消息。

其他類型的AI創業公司是否會對經濟產生積極的影響？知名調研機構CB Insights的報告稱，2018年美國的整體風險投資資金為1，150億美元，其中93億美元用于AI初創公司。雖然這只占總數的8%，但仍然是一筆不菲的錢，這表明有很多美國初創公司從事AI工作（盡管有些人在其商業計劃中夸大了AI所發揮的作用，以此來獲得資金）。

調查了40家AI初創公司，結果令人嘆息

為了進一步探討，我收集了獲得最多資金的美國AI初創公司的數據，并研究了他們希望顛覆的行業。我專注于美國的原因是它擁有最長的初創公司成功歷史，因此，它的AI初創公司似乎比其他國家更容易蓬勃發展。我的目的是評估這些美國初創公司是否成功地重振了各個行業并提高了生產率，或者它們是否做出相關承諾即將這樣做。

我總共分析了40家從事AI的美國初創公司。這些公司要么估值超過1億美元，要么擁有超過7000萬美元的股權融資。除了兩家被上市公司收購之外，其他的初創公司都是私人公司。我在Crunchbase、Fortune和Datamation編寫和發布的領先的初創公司列表中找到了他們的名字和產品。然后，我用有關這些公司的最新消息（包括一些關于破產停業的初創公司的報告）更新了我的數據集。

我根據這40家初創公司提供的產品或服務的類型對其進行了分類，十七家正在研究基本計算機硬件和軟件（比如Wave Computing和OpenAI），包括網絡安全性（例如CrowdStrike）。也就是說，此類的公司在建設的工具旨在支持計算環境本身。

這40個公司中的8個從事軟件研發工作，他們研發的軟件可以自動完成很多任務，例如由Automation Anywhere，UiPath和WorkFusion開發的機器自動化軟件可提高專業人員和其他白領工人的生產率。Brain Corp.的軟件將手動操控設備轉換為智能機器人，Algolia，Conversica和Xant提供改善銷售和市場營銷的軟件，而ZipRecruiter的軟件目標是優化人力資源管理。

我名單上其余的創業公司分布在各個行業，Flatiron Health，Freenome和Tempus Labs專注于衛生保健；Avant，Upstart和ZestFinance則更專注于金融技術；Indigo和Zymergen注重農業和合成生物學；Nauto，Nuro和Zoox涉及交通運輸。下面提及的幾個方向都只有一家創業公司，比如地理空間分析（Orbital Insight），人機交互模式（Afiniti），照片/視頻識別（Vicarious）和聲音識別（SoundHound）。

這些初創公司是否可以將在不久的將來帶來巨大的生產率提高？在我看來，那些將由人工完成的任務轉變為自動化生產的軟件可能是應用AI的產品和服務中最有前途的。類似于過去針對白領專業人士所使用的工具的改進，這樣的工具包括會計師使用的Excel以及工程師和建筑師使用的計算機輔助設計（CAD），這一類基于AI的工具對生產力具有最大的潛在影響。例如，人們對生成式設計寄予厚望。生成式設計是一種設計方法，應用該方法時團隊成員輸入約束條件，然后系統給出特定的設計。

但是我發現名單中的八家為白領研發自動化工具的初創公司對那些會顯著提高生產率的事情并不是那么上心。其中三家公司的重心是銷售和市場營銷，而銷售和市場營銷通常是一個零和游戲，擁有最佳軟件的公司從競爭對手那里爭奪客戶，僅僅在某些條件下，生產力才會得到很小的提高。這八家公司中的另一家正在開發人力資源軟件，其生產力收益可能比銷售和市場營銷的收益要大，但可能不如改進的機器自動化所能帶來的收益大。

這樣就剩下四個研發此類軟件的初創公司，他們的產品可能會提高生產率和降低成本。但是即使在這四家初創公司中，目前也沒有一家提供可幫助工程師和建筑師通過類似于生成式設計的方法來提高生產力的軟件。此類軟件并非來自大型初創公司，這可能是因為現在市面上的供應商Autodesk很強大，或者是對相關的AI的開發仍不足以為該領域提供真正強有力的工具。

在這40家公司中有17家之多屬于生產用于計算的基本硬件和軟件的初創公司，這一點也表明機器學習提高生產率還需要很多年。盡管基本的硬件和軟件是開發基于機器學習的高級工具（尤其是利用機器學習的工具）的必要部分，前者對后者的推動仍需要一定的時間。我認為這種情況反映出AI的發展仍處于起步階段，OpenAI這樣的公司肯定也給你留下了相似的印象：盡管它已經獲得了10億美元的資金而且也引起了廣泛的關注，但其模糊性的使命-“造福全人類”-表明基于該公司的研究現況針對特定的問題開發相應的產品和提供服務還需要很多年的時間。

專注于網絡安全的初創企業數量（有七家）眾多突顯出網絡安全問題的威脅越來越大。網絡安全問題增加了通過互聯網開展業務的成本。AI解決網絡安全問題的能力可能會使互聯網更加安全和有用，不過這種推動力反映出互聯網企業未來的成本會更高，在我看來，這不會使得整個經濟體的生產率大幅提高。

如果提供更好的軟件工具無法提高經濟收益，AI將如何帶來可觀的經濟收益？你可能會認為，AI可以對醫療保健行業帶來很大的經濟效益。但果真如此，那名單上將AI應用于醫療保健的初創公司的數量（三家）是不是太少了點。這也許與IBM的Watson AI經歷有關，在這一相關經歷中，IBM將AI應用于醫學的結果令人失望。

盡管如此，許多人仍然希望AI推動的醫療保健初創公司能夠填補Watson的失敗所留下的空白。羅伯特·沃克特（Robert Wachter）對此表示反對，他指出將計算機用于醫療保健比應用于其他部門困難得多。他在2015年出版的《數字醫生：醫學計算機時代的曙光，炒作和危害》一書詳細介紹了醫療保健在計算機和軟件應用方面落后于其他行業的許多原因。而且我們也尚不清楚將AI添加到可用的數字技術中是否會改變現狀。

有一些重要的行業是這些資金雄厚的AI初創公司沒有涉及的。住房是美國消費者支出中最大的類別，但是這些初創企業中卻沒有一家致力于這一經濟領域。交通運輸是第二大支出類別，而這只是三個初創公司的研究重點。一家公司正在研究一種可以識別不專心駕駛的司機的產品，另一家打算提供自動化的本地快遞服務，名單上只有一家初創公司正在開發無人駕駛乘用車。這也應和了福特、通用汽車和梅賽德斯-奔馳高管們最近對無人車的前景的悲觀看法。盡管無人車的研發已經花費了3500萬美元，福特、通用汽車和梅賽德斯-奔馳高管們仍不認為在不久的將來無人駕駛汽車將大量出現在街頭。

我承認我對這40家公司的經營狀況以及他們的產品是否會在未來十年內對世界造成巨大影響的評估是主觀的。也許他們的盈利能力才是一個可以用來衡量這些公司是否正在為世界經濟提供價值的客觀指標。

結果令人嘆息，私人初創公司沒有良好的財務數據，我名單上的公司中只有兩家現在是上市公司的一部分，而初創公司通常要花費數年才能獲利（亞馬遜花了7年）。因此，關于這一問題我們能探討的不多。盡管如此，技術領域仍存在一些明顯的趨勢。

盡管從公司建立到首次公開募股的平均時間一直在增加，從1998年的2.8年下降到2016年的7.7年，但在首次公開募股時就實現了獲利的科技公司的比例從1980年的76%下降到2018年的17%。同樣一些花費很長時間上市的知名初創公司損失慘重。例如，沒有一家大型的共享乘車公司獲利，其中包括美國（Uber和Lyft），中國，印度和新加坡的公司，這些公司在2018年的總虧損約為50億美元。大多數自行車和電動滑板車共享、辦公室共享、食品配送、P2P（點對點）借貸，醫療保險和分析以及其他消費者服務初創公司也正在大量虧損，這個情況不僅發生在美國，而且中國和印度的此類初創公司也面臨相同情況。

我考察的40家AI初創企業中的大多數可能至少在短期內會保持私有。但是，即使有些公司確實在未來幾年內公開上市，按照許多其他科技公司的過往經歷來說，他們那時還是不可能實現盈利。這些公司可能要花更多的時間才能實現盈利。

基于上文給出的原因，我很難相信考察的任何一家AI初創公司都將在未來十年為美國經濟帶來巨大的推動力。類似的悲觀情緒也開始出現在諸如《技術評論》和《科學美國人》等通常令人振奮的出版物中，甚至AI社區也開始在諸如《AI妄想》和《重新引導AI：構建我們可以信賴的AI》之類的書中表達擔憂。隨著對許多新技術的大肆宣傳，這種擔憂也越來越多。

最有希望快速提高生產率的領域可能是專注于將現在由白領執行的任務實現自動化的領域，它延續了數十年來一直存在的趨勢。但是，這些改進將是漸進的，就像計算機輔助設計和計算機輔助工程軟件，電子表格以及文字處理帶來的改進一樣。

在過去的幾十年中，此類軟件的價值令人印象深刻，它為工程師、會計師、律師、建筑師、記者和其他人員帶來了巨大的生產力提高，使其中的某些專業人員（尤其是工程師）得以用無數種方式促進全球經濟發展。

毫無疑問，在機器學習和其他形式的AI的幫助下此類進步將繼續下去。但是，正如許多觀察家所說的那樣，它們對公司，工人或整個經濟幾乎沒有顛覆性。