在大多数当今青年的眼中，从去年开始的人工智能热，似乎是人生中经历的第一次人工智能浪潮。
但从技术的角度讲，这样的说法并不准确。如果以神经网络的发展历史来看，从 2012 年开始 Google 等互联网公司在深度学习领域的突破已经是第三次人工智能浪潮。
但前两次技术领域的人工智能浪潮，其实并没有转化成太多的应用，也没有为社会的生产力带来更多的变革。
日前，在一场创新工场的闭门会上，刚刚拜访了美国人工智能工业界四巨头的李开复分享了自己对未来一年人工智能在应用领域的看法。
李开复用了 5 周的时间跑了美国和加拿大，先后拜访了 Google、微软、Facebook 和亚马逊公司，同时还与人工智能学术界三大巨头 Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton 进行了深入的交流。
在整理和沉淀了与这些公司与学者交流过程中的所得，再加上创新工场过去几年对人工智能领域的投资与理解，李开复认为在应用领域，人工智能应用领域的浪潮分为四波，而我们事实上已经在不知不觉中迎来了前三波。
在李开复看来，人工智能应用领域的浪潮在时间轴上是交错的，并非一波接着一波。始于 1998 年的 Google 和诞生于 2012 年的今日头条同属于第一波人工智能应用，而这一波人工智能应用称之为「互联网智能化」。
「互联网智能化」更像是 AI 应用的原始积累，所有的网站、应用、产品以数据作为能源和燃料，数据越多，发展越快。过去的 20 年里，许多互联网公司有幸积累了大量的数据，因此在人工智能技术算法上有所突破之后，就会快速的将原本就都是在互联网层面开展的业务快速的人工智能化。
举一些例子，比如说美图。这是一家创立很早的公司，刚开始不是 AI 公司，现在美图介绍自己都是 AI 公司，你有没有发现过去三年你自动美化越来越美？这是因为你们不断的贡献数据、标注数据后，加上深度学习算法去做的。算法如何知道你对一次 P 图行为是否满意？你自拍之后一般会有三个动作——删除、保存或是分享。删除表示这张照片拍的不行，保存表示拍的一般，分享则代表很棒。机器会不断分析，什么样的照片是满意的，什么样的照片是不满意的。
对于第一波浪潮来说，无论是投资人还是创业者，在未来都很难说是一个好赛道。尽管今日头条的崛起算是互联网格局已定情况下的一次变数，但与其同时生长起来的滴滴、美团点评更加固化了互联网这一大赛道。
想要通过人工智能单点突破这样的局面，有些困难。
第二波人工智能应用浪潮，是适于 2004 年的「商业智能化」。
之所以它与第一波不一样，是因为它的数据和它的应用都不直接来自于互联网，比如银行、医院、物流公司，对人工智能的应用。
「商业智能化」的前提有两点，一点是非互联网公司在使用互联网和计算机办公之后，沉淀了大量的数据。第二点是，这些公司有意的将这些数据格式化并加以利用。
在这个领域，发展的最快，也是最天然的例子就是金融。因为金融本身就是由格式化数据构成的行业——「计算机在这个领域天生就比人类做的更好。」
你股票一年之后不是涨就是跌了，你贷款不是还了就是没有还，所以只要我们能累计一段时间数据，对发生意外的人，可能要收更多的保费，贷款如果你没有还就少借给你。金融就是大量的数据好标注，还有只要做的好钱就到了。
另一个李开复认为很有价值的领域是医疗，人工智能在医疗领域的发展可能会帮助人类攻克很多疾病。但由于病人的隐私等问题，目前医疗数据在各国的格式化和流通度都不高。目前，先进的计算机视觉在相对比较开放的影像医学领域的尝试已经得到了一些成功。「但因为数据局限性，推进速度还比较慢。」
第二波的投资与创业机会在不同的领域，完全不同。比如金融领域的人工智能虽然发展成熟，但机会也相对较少。而医疗就还是尚未开垦的巨大市场。
进入到了 2011 年才开始的第三波人工智能应用浪潮，就是大多数我们惊呼「科幻」的领域了，也是商业巨头们最喜欢在宣传中展示的那些。因为在这一阶段，人工智能终于摆脱了虚拟世界，正式「入侵」我们。
第三波应用叫「实体世界智能化」，实现的前提是越来越多的数据采集和传感器——桔子本身没有数据，贴上 NFC 标签就有了；路面本身没有数据，装上摄像头就有了；人本身不是数据，但通过人脸识别了身份就是了。
我们很早就习惯了一登录淘宝，淘宝就认识我是谁，然后给我推荐个性化的商品。
但是现在，在现实世界中也可以这样了。你进入一家超市，超市就识别到你是不是 VIP 客户，给你特别的优惠，服务员可能也会和你打招呼。
这引领了中国零售的全新模式，创新工厂将其总结为 OMO 模式，即 Online-Merge-Offline——线上与线下的全面融合。
这种模式下，不再只是线下购物用移动支付结个账，或者线上买优惠券去线下消费。而是无论用户在线上线下购物，都有几乎完全相同的购物体验，包括身份会员体系、个性化推荐、货源追溯和商品评价等。
第三波「实体世界智能化」发展正当时，创新工场也在过去几年在这一领域做了许多投资，无论是技术领域的 Face++、教育机器人领域的小鱼在家以及无人零售领域的 F5未来商店，目前都处于蓬勃增长的时期。
第四波人工智能领域的应用，被称之为「全自动智能化」。
与 AI 软件方面这两年发展较快相对的是，与 AI 配套的硬件发展这些年的突破其实并不多。所谓硬件的突破，就是指像科幻电影里那样的机器人——为具备 AI 特性的软件打造的机器躯体。
人（的身体）是非常灵活，非常不可思议的。但大部分机器做不到这一点，有的机器人好不容易两只脚走路了，但一配合手上开门的动作就摔倒了。我们人拿一样东西的时候，知道不会挡住眼睛。但机械臂在运动的时候，可能就会不自觉的挡住摄像头。
我们出去郊游，看到果园里的草莓很好吃，一伸手就能摘下来。机器呢？不是把草莓捏烂，就是拽不下。
虽然距离尚远，但可以确定的是，「全自动智能化」这一波应用也必然成为现实。
自动驾驶就是一个比较好的开始，「现在全世界都相信自动驾驶能够实现，你去问一个车厂、一个工程师、一个投资公司，都会和你说这是最酷的事情。当全世界的技术、工业界和资本都相信并且把大量的精力投入进去的时候，你会发现这个事情变成现实是必然的。」
相比在技术上的难度，李开复甚至认为无人驾驶最大的障碍是法律、人伦等问题。
在这一领域，创新工场已经投资了一些机器人公司、一些技术公司和一些完全不同方向的自动驾驶公司。
那么，在接下来的几年里，李开复博士究竟觉得在 AI 领域有什么值得投资的呢？他直接给出了这样的答案：
当然，具体情况也要具体分析。比如以芯片为例，创新工场认为现在就应当投资 GPU，但现实的情况是国内的多家人工智能芯片公司都是以 SoC/CPU 领域去切入的。
这背后的逻辑除了技术难度本身之外，还要考虑市场的饥渴度和当前行业的成熟程度。仍以芯片市场为例，目前在做人工智能芯片的 CPU 厂商有很多，老牌的 Intel 和 AMD，在移动领域入场的华为，直接面向无人驾驶的地平线等等。
但 GPU 领域，英伟达一家独大。而从产业的成熟度来说，却是 GPU 创业公司更接近流片。创新工场投资的比特大陆，在过去制作比特币矿机的过程中，已经生产出十分类似于 GPU 的产品。
同样的逻辑适用于自动驾驶领域，大多数的无人驾驶技术公司认为 L4 自动驾驶有可能在 3 年内实现。但考虑到法律等因素，L4 自动驾驶真正成为一门「生意」可能还需要等 5~10 年的时间。
当然，如果你不是投资而是打算创业，甚至是打算学习人工智能之后投身相关产业，也可以参考这张图做出决策。
