語音識別、圖像分類、人工智能和蛋白質折疊算法等深科技領域的初創企業一直受到投資者的追捧。但Tractable的創始人Alex Dalyac認為，如果這些公司不能賺錢，那么它們的寒冬就要來了。

人工智能的世界從來都是喜憂參半。一方面，機器學習已經取得不可思議的成就，從深藍（Deep Blue）到ImageNet和AlphaGo，從擊敗最優秀的棋手，在圖像內容識別上超越人類。

然而，這種進步是有代價的。研究上的突破進展吸引了大量的投資，但這種巨額投入往往只能產生少量的商業回報。最終的結果只能是資金減少，科研進展停滯不前，“AI凜冬將至”。

這種跡象如今正在慢慢顯露出來。目前，投資者所青睞的最新學術成就，諸如語音識別和圖像分類，以及那些社會影響深遠的挑戰：城市自動駕駛、機器人操作、自然語言理解。但這些投資要想具有可持續性，就必須在合理的時間范圍內實現盈利。許多人工智能開發公司目前都處于嚴重虧損狀態，但他們認為總有一天會有人想出辦法扭虧為盈。

但倘若盈利實現不了呢？

那么投資者就會撤資。除非科技企業能夠為投資者、科學進步和社會創造回報，否則所有在研究、新芯片和平臺上的投入都將付之東流。

那么，是否有AI企業可以持續地從客戶那里賺到錢呢？我們又能從這些企業身上學到什么呢？

人工智能公司亟需賺錢

幸運的是，人工智能的進步的確在某些領域讓世界變得更好、更快、更實惠。

比如Aurora公司利用深度學習來實現機場安檢的人臉識別，而Zebra Medical和Enlitic公司利用人工智能來進行癌癥的早期檢測，以便協助放療醫生更快地介入治療。這些挑戰在現實世界中與我們息息相關，但以前卻從未用計算機來解決。因此，正是在這些領域，人工智能能夠產生立竿見日的效果，不但解決了客戶和消費者的問題，還能將所有投資轉化為實際利潤，而不是理論上的未來回報。

比如說，智能視覺評估也使得車禍理賠得到了發展。

Tractable（車險定損AI公司）正試圖改變某些全球最大的保險公司評估汽車受損程度的方式——利用計算機視覺方面的先進技術，確保理賠過程比以前更快、更準確、更經濟。

這些技術提高了現有產品的質量，同時也開發出一些新的具有現實商業應用價值的產品。其中最關鍵的是：對于人工智能開發而言，技術突破并不代表成功，客戶認同才是。除非你能將這些突破轉化為對最終用戶產生影響的實際收益，否則即使你可以解決世界上最困難的理論問題也沒什么用。

AI企業的責任：賺錢就夠了嗎？

但是，過度關注現實世界的商業應用及其回報，是否限制了人工智能的適用范圍？

答案是并非如此，比如Tractable使用人工智能同時處理多幅圖像，以便確定一輛車的損壞程度，這有助于更好地為客戶服務。然而，將這種專業技術和類似的科技突破應用到其他地方，也并不很難想象的事。例如，通過使用類似的技術，或許再結合無人機，也許可以快速確定颶風或洪水等自然災害造成的財產損失程度。

換句話說，今天的商用人工智能為未來的科技突破奠定了基礎，并最終幫助更多的人，解決更具挑戰性的問題。然而，我們能否做到這一點，取決于我們能否實現商用人工智能的可持續發展。如果能，公司將得到收益，投資者將得到回報，而一個能夠持續將技術進步轉化為有價產品的行業模式也會存在下去。

或許，如同對1910年代發明的汽車和1880年代出現的電力設施一樣，未來的歷史學家也會為這個2010年代產生的全新產業而歡呼。但如果有太多的AI企業未能實現商業可持續化會怎樣呢？

最壞的情況，人工智能供應鏈上的大部分企業可能會崩潰，就像本世紀初互聯網泡沫破滅一般。

所以當今的科技公司有責任持續盈利以保證AI的可持續發展，確保崩潰不會發生。

來源：搜狐