揭秘独角兽公司AI项目负责人戴维：年薪百万却对科技热点无感
五一那天，大卫穿着一件连帽衫。他又瘦又高，里面穿着短袖。这是适应早晚凉爽和下午炎热天气的最佳服装。
作为一个“科技圈人士”，他对热门话题根本不了解。他从未听说过共享充电宝，也不知道上一轮资本寒冬何时过去；他不太关心他的老同学去的那些。公司，谁筹集了多少钱。
他甚至对自己所处的这个空前火爆的行业也有了一些模糊的认识——
David是国内一家“独角兽公司”的人工智能项目负责人，年薪仅为100万元。
该公司的产品并不是乍一看与人工智能相关的产品，例如自动驾驶汽车、语音助手和面部扫描解锁，但它确实在其最新产品中使用了图像识别和自然语言处理，并且涉及到一些大数据分析技术。
大卫是该部门的领导。此前曾在一家国际知名手机制造商担任研究员。此前，他在清华大学攻读计算机视觉博士学位，并带过博士生。他的知名度不如那些穴位式人工智能专家，但在学术界还是有些名气的。
他这个公司的AI部门人不多，差不多10个人。但这个部门支撑着整个公司的可行解决方案——虽然用户可能感觉不到，但如果没有他们，公司的新产品就完全不可能上市。
迈克尔是大卫的同事。他已经毕业两三年了，但年薪也有50万元起。他的朋友郑明对他说：“别谦虚了，在中国你分不出谁的OCR（光学字符识别——编者注）比你好，对吧？” - 郑明去年开始自己创业。我在做人工智能领域的猎头。
郑明花了半年多的时间寻找全国所有可用的人才。不过他也表示，这个圈子其实很小。突破了几个点之后，以一个人才为核心，就可以覆盖到公司里的同学、前辈和同事。
大卫年薪百万的工作是郑明给他找的。郑明也很关心David加入公司后的工作状况，这也是猎头后续工作的一部分。大卫说：“没关系，因为这个领域是从零开始的。在建模、数据收集和分析方面还有很多前期工作。但公司应该已经出售了一些解决方案。”
当然，与人力投入相比，这家公司在人工智能业务上的投入还远远没有收回。
现阶段，在人工智能领域，最赚钱的可能就是“人工”业务，因为人工智能领域人才这么紧缺。
“人工智能”是一个笼统的概念。企业在招聘时并没有真正招聘“人工智能岗位”。他们分为深度学习、自然语言处理、图像识别、推荐算法等不同的职位描述。不仅不是工程师和程序员，而是科学家。
一个与人工智能相关的复杂项目可能涉及多种技术的综合应用。
例如，要实现“用户对申请题拍照，智能匹配导师”这样的功能，会涉及到图像识别（识别用户答了什么题）、自然语言处理（理解题目）和推荐算法（根据用户数据）、问题的类别从导师池中选择）等角色，每个角色需要对应的职位。
每个环节必须由至少一名年薪50万元起的科学家完成。当然，一个人肯定是不够的。
以NLP（自然语言处理）算法工程师为例，目前拉狗招聘的职位涉及数百家公司的386个具体职位。
乍一看这似乎不是一个很高的数字，但大多数职位都要求求职者拥有相关领域的硕士或博士学位。国内拥有较强自然语言处理实验室的大学仅有北京邮电大学、国防科技大学、北京大学，还有清华大学、中科院、厦门大学、哈尔滨工业大学等少数重点大学。科技大学、复旦大学、华中科技大学和苏州大学。
以中科院计算技术研究所自然语言处理课题组为例，其2014年的4名硕士毕业生和2名博士毕业生均被三星、华为等巨头公司收购。
除了上述重点研究实验室外，其他学校的NLP毕业生还得去微软亚洲研究院、百度、科大讯飞等大公司镀金，才会有人相信自己的实力——这就锁定了人才输出的源泉。到一个非常小的范围。
这并不是自然语音识别某个细分领域的现象，而是整个人工智能领域的现象。
据全球最大的职业社交网站LinkedIn统计，有微软亚洲研究院工作背景的公司创始人多达54人。离开微软亚洲研究院后，约有104人前往初创公司或互联网公司担任总裁、CTO、董事、项目总监和科学家。
在亿欧网2016年12月编制的中国企业人工智能核心人才地图中，218名中国人工智能高管中，85%是知名大学相关专业毕业的博士生，甚至连硕士都没有上榜。
采访中，郑明和人工智能初创公司的HR人员都提到，他们通常会待在某些自己喜欢的实验室或公司。一旦这些地方的人员有任何变动，他们都会立即采取行动，准备招人。
“（公司）没有太多选择。有些公司点名说只招百度的人，或者只招微软亚洲研究院的人。”郑明说，“这样的人一旦想从原来的这样的环境中工作，就会收到很多offer，而薪资对他们来说是次要的选择标准，因为所有公司的薪资都非常高。”
这样的短缺也造成了绝对的卖方市场。
在郑明提供的一份内部参考文件中，披露了人工智能领域的大概薪资：职位最低的工程师年薪在30万到50万之间，商业公司的研究人员年薪在50万到100万之间。项目经理或者CTO大多年薪80万以上不会封顶，一般在150万左右。
大公司高级职位的薪资会高于初创公司，而初创公司基础职位的薪资则高于大公司。
国内一家普通的互联网公司如果想招聘微软亚研、百度、三星等公司的人，需要拿他们在原公司的排名表，把薪资提升到二三级——传统的招聘网站，甚至研究了如何招聘年薪1300万元的CTO，开发下一代智能岗位匹配的招聘产品。
自然语言、图像、深度学习、自动驾驶等不同领域存在一定差距，但差距不大。
“即使是这个领域的底层人士，也是在学术界做了多年的研究，他们的薪资往往与学术成果挂钩。甚至他们中的一些人之前并没有在公司有过相应的专业经验，但他们积累的经验和年限学术机构里的人直接对应他们现在进入的职场，你实际看这些人（博士或者硕士）的年龄，其实和互联网公司的中高层是一个级别的。年薪百万并不是很高在这个行业。”
郑明对此并不感到惊讶，但这确实是一件奇怪的事情。
毕竟，在商业型的公司里，你能为公司做出的贡献应该是薪资的唯一标准，这和学术界的资历排名有很大不同。之所以确定这样的薪酬制度，并不是因为企业家“不重视科研”，而是因为现代企业必须以盈利为主要目的。
换句话说，一支年薪千万的团队能否为公司创造过亿的利润，才是其是否真正身价千万的唯一标准。
然而，与人工智能专业人才“稀有”的价格形成鲜明对比的是，人工智能企业本身创造的实际价值却少得可怜。
三种人三种公司
“这些研究人工智能的学者并没有太大的野心，”猎头郑明说。
这些人是从原来所在的机构或商业研究所的象牙塔进入“红尘”的。无论他们创业还是加入初创公司，他们的目的基本上有三个：
“第一是我觉得自己做了这么多年研究，真的很想赚点钱。第二是我希望在商业环境下得到更好的数据，验证我的模型和算法，达到新的高度。”第三是，他们也是真心希望自己的技术能够转化为产品的最小的一群人。”
学术界、大公司、创业、被收购、再回到学术界，是大多数人工智能领域技术专家名利双收的“职业路径”。
每一步都有非常明确的考虑：如果新的环境能够提供更好的薪资或者更好的数据，那么就很难在现有的环境中保留他们。在郑明看来，这不叫绝情，而是直白。
在筛选一家公司是否值得加入时，除了薪资之外，专家们常常会思考这些问题：“这家公司已经有人工智能人才，是不是和我处于同一水平？” “这家公司涉及的业务对吗？” “我正在研究的课题有帮助”和“离开这家公司会给我回到学术界或创业时带来优势吗？”
对于人工智能人才来说，最忌讳的就是来到一个对自己学业进步没有帮助的公司。
胡进是业内深度学习专家。从原来一家大公司的研究所离职后，他被国内一家顶级汽车媒体录用。加入公司后，胡进发现，虽然公司用户数据庞大，但采集维度仅限于用户在汽车领域的消费和浏览偏好，拓展公司产品形态并不容易。公司的产品库主要由游戏和金融产品组成。数据与推荐产品之间没有有效的联系，对学术帮助作用不大。如果你爱上这里，你重返学术界的路可能就被切断了。
加入公司六个月后，胡进迅速辞职。
这也是包括百度、谷歌在内的很多大公司留不住人工智能人才的原因：
对于那些有学术抱负的人来说，商业公司只是暂时的驿站。拿到数据、突破学术瓶颈之后，还是要回归学术圈；
对于学界“怕穷”又急于赚钱的人来说，如果创业后能够以更高的估值被收购回来，也是一个不错的选择。
前一类人占人工智能初创公司的绝大多数。通过抓取LinkedIn数据，我们对六家不同的公司进行了研究：绿神通、旷视科技、商汤科技、SPEED、云之声和第四范式。 PingWest 对 245 名从利基领域人工智能初创公司离职的员工进行分析后发现，有 110 名员工回到学术研究机构、大学或没有明显商业模式的校办公司。
对于那些真正想将自己的技术转化为成熟产品的人工智能科学家来说，他们并不满足于在大公司担任技术职务。他们更愿意在创建独立公司之前先在大公司验证自己的模型和算法。这些离开大公司的人工智能创业者往往起点很高，对自己的技术实力和市场差距有充分的把握。他们坚信自己创办的公司将来会被大公司收购，因为他们掌握了某个关键技术或环节。回去。
然而，任何一个人工智能领域的顶尖人才都不认为自己是泡沫中的裸泳者，他们甚至不关心这个行业是否存在泡沫。因为能进入这个行业的人必须有真才实学和实践知识。即使存在泡沫，回到学术界对他们来说也是一个不错的退路。
这可能与大多数商业公司及其背后的资本对它们的期望不同。
就像人工智能人才有自己的想法一样，招聘他们的公司也分为三类。每个类别在提供“百万年薪”的同时，有着完全不同的诉求：
第一类是互联网巨头，包括“超一线”跨国公司谷歌、微软亚洲研究院，以及一线巨头——我们熟悉的百度、阿里巴巴、腾讯；以及二线的今日头条和滴滴滴滴等公司。
第二类是人工智能初创企业，即以某些人工智能技术为主营业务的初创企业。典型例子有自动驾驶领域的Momenta、地平线、驭势科技等；视觉识别领域的绿神通和商汤科技。旷视科技等。
第三类是其他将人工智能融入自身业务的初创公司，如学霸君、麻辣熊、智齿科技等。
大卫的公司属于第三类。在这类公司中，人工智能被用来升级现有的产品或业务。所有人工智能研究都是以产出为导向、实用性强、“泡沫不高”。 。
但与传统研发领域的许多大牌一样，这类应用驱动的人工智能团队往往随着新项目的建立而引入，随着新项目的完成而离开。
这类公司一般现金流良好但不过分充裕，人才和公司都清楚自己想要什么。一旦人工智能领域的投入产出比不够好，项目就会立即停止，原来引进的技术人才也不愿意工作。
在人工智能初创公司第四范式的“范式大学课程系列”第三篇文章中，也引用了这样一个例子：一家公司招聘了两名机器学习领域的数据科学家，年薪合计为百万。但合作一年后，科学家和公司彼此厌倦，最终分手。
公司决策者对人工智能的期望是“大投入”和“大回报”。他们希望聘请一位年薪百万的专家，能够撬动整个公司现有的业务流程，提高效率，挖掘出公司应有的效益。隐藏利润。
但项目立项后，由于将人工智能技术融入现有产业需要重塑、数据收集等工作，需要很长时间才能发现隐性利润，但隐性成本会成倍增加——人工智能项目的成本超过年薪百万的人才成本，以及支持数据采集、分析、深度学习云服务的成本。一些初创公司最终放弃了该项目，因为在聘请专家后他们买不起深度学习服务器。
然而，当我们谈论“人工智能热潮”时，巨头公司的研究院，以及以无人驾驶、图像识别、语音识别等技术为核心产品的公司，对人工智能却抱有“包容度”。科学家。从来没有更高过。由于其雄厚的资金背景，也是推动人工智能人才高薪的主要原因。
但无论他们的人工智能产品多么令人惊叹，它们似乎总是出现在新闻中而不是出现在市场上。
“高薪”谁买单
既然人工智能行业不赚钱，谁来支付人工智能从业者的高薪？
和所有新闻吹泡沫的故事一样，资本再次扮演了“老好人”的角色，但资本本身并不这么认为。
2016年至2017年，国内投资人工智能领域的机构多达145家。无论是否投资过人工智能公司，几乎所有投资机构都公开认为人工智能确实是未来，但未来到底有多远。 ，并且存在一些关于如何对其进行估值的问题。
以学术标准讨论估值，是一些VC在这个行业布局的基本逻辑。
与投资App和消费升级不同，大多数人工智能初创公司以To B为主要业务方向，并有大量的研发支出。现金流的巨额损失在“短期”内似乎不可避免，而且业务中也没有可以衡量的增长指标。
因此，核心团队是否拥有真正的人才和知识，能否持续从人才匮乏的学术界招募人才，保持整个公司的研发进度，成为VC衡量人工智能初创公司的重要因素。
“行业内一些基金的逻辑其实就是投资部门。”一位基金投资经理告诉PingWest品玩。 “资金进入每个行业都需要缴纳学费。只是人工智能与TMT不同。投资TMT的时候，你可以发现有两个实习生把市面上所有的项目都用遍了，才学会的。但人工智能的学术门槛较高。如果你想评判一个项目的质量，你不能聘请学者来担任投资经理。
你只能信任那些有明显学术成就的人。尽管他的公司可能在商业上并不成功，但他的学生和关系人将加入他的公司。然后一段时间后，他的高管和下属就会离开去创业，他们会和一些商业逻辑更强的行业人士一起成立新公司。只有这样你才有机会投资这些公司。 ”
换句话说，投资者投资的是人，而不是公司。投资者想亲手把高薪账单直接扔到这些人工智能专家的脸上。虽然这种现象在其他领域的投融资中也有出现，但很少有能够像人工智能初创公司那样依靠团队支撑数亿美元的融资。
商汤科技的汤晓鸥就是这个逻辑下最值得“投资”的人之一。汤晓鸥于1990年获得中国科学技术大学学士学位，1991年获得美国罗彻斯特大学硕士学位，1996年获得麻省理工学院硕士学位。麻省理工学院）获得博士学位。在计算机视觉、模式识别、图像处理等人工智能细分领域发表论文200余篇。
2014年，汤晓鸥创立商汤科技。背靠香港中文大学多媒体实验室，商汤科技迅速成为业界最具人才优势的人工智能初创公司之一。据商汤科技官方介绍，商汤科技主要研究人脸识别、文本识别、人体识别、车辆识别、物体识别、图像处理等技术的应用。实际业务方面，主要聚焦金融、移动互联网、安防监控三个方向。
然而，商汤科技在技术连接上的优势在接下来的几年里却变成了商汤科技的弱点。商汤科技在发展过程中始终没有摆脱研究院式的学术氛围，商业人才的缺乏导致了其商业化的失败。探索并没有成功。
去年12月，商汤科技引入具有国资背景的鼎晖投资完成B轮融资。不到半年，又引入国有背景更强的赛领资本作为战略投资者。还与地方政府合作建立人工智能超算中心，强化自身技术研究院和基础设施属性。
这意味着商汤科技不再执着于在不成熟的商业市场中寻找出路，而是选择成为现阶段基础服务属性更强的国家队成员。
格灵神通是另一家汇聚行业顶尖人才的创业公司。成立于2013年，主营业务为计算机视觉和深度学习技术及嵌入式硬件研发。成立不久，格灵神通就将这项“技术”转化为具体的市场方向——安全。
安防市场是一个相对封闭的市场，对硬件技术要求很高。目前，绿申通主要以软件解决方案为主，很难说已经进入了安全市场的核心领域。 2017年初，绿色申通CEO何必飞的辞职也震惊了业界。
与绿申通一样进入安防领域的还有以人脸识别为核心技术的初创企业，例如旷视科技（Face++）。虽然不可否认，人工智能技术显着提升了安防效果，但安防市场一直都是以销售为主的线下市场。国内长期以来一直由海康威视、大华科技和东方网络三大整体解决方案和硬件供应商占据主导地位。垄断对于创业型企业来说是很难颠覆的。
虽然国内大部分基金的生命周期都在5年以上，也就是说被投企业5年内没有回报也是“可以理解的”。但事实上，如果企业在3年内既没有找到合理的商业模式，也没有实现销量增长，就很难继续进行下一轮正常融资。
无论是为了进一步融资以获得公司继续生存所必需的救命资金，还是为“裁员”找一个好听的词，团队离开、裂变组建新公司已经成为人工智能领域的一种趋势。
几乎每一家成立三年以上的人工智能公司，都会发生团队离职、二次创业的事件。
通过公开信息，我们发现： Spichi的一名员工辞职创立了语音识别公司驰胜科技；云知声CMO辞职创立人工智能教育公司先测教育；出门问问的两名员工分别创立了大数据冷链公司Meatub和智能科技。五金企业如雨后春笋般涌现；商汤科技曹旭东离职创立自动驾驶公司Momenta；绿申通丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔吴甘沙等五人离职创办自动驾驶公司驭势科技……
虽然不是绝对，但裂变后的企业往往会更加“脚踏实地”，在业务上更加努力。
简单来说，离开图像识别公司的员工将创办一家在图像识别领域有特定应用场景的公司。例如，在自动驾驶领域，已经退出L5（完全自动驾驶）的团队将更倾向于开发L4和L3（辅助自动驾驶）解决方案，或者可能专门针对某一个硬件、芯片或产品。自动驾驶全产业链。从算法上来说。
只有这样，这些分拆出来的公司才能实现盈利，或者在自己重启的融资周期中被收购。
失踪了5年的趋势只是一个泡沫。
“您认为目前国内人工智能水平最高的是哪家企业？” （不包括微软亚洲研究院等国外公司）
PingWest品玩向众多人工智能科学家提出这个问题，前半部分的答案出奇的一致：“技术实力最强的一定是百度，但是……”
后半部分的答案各不相同。然而，他们大多指出，曾经由百度前首席科学家吴恩达领导的百度人工智能缺乏成功转型和广泛应用的产品。从表面上看，似乎并不“成功”，实际情况却是“最高级别”。不成比例。
在PingWest品玩的采访中，另一个得到高度一致回答的问题是：“你认为是什么让人工智能突然流行起来？”
面对这个问题，几乎所有人无一例外的回答“AlphaGo”。
这也恰逢2016年创业和资本突然爆发，有创业者甚至直言：“我做了人工智能这么多年，没人知道我在做什么。AlphaGo之后，投资者终于可以认真看一下了”对我来说。” ”
然而，AlphaGo是谷歌的一个实验性和公关项目。虽然谷歌通过它更好地理解了深度学习，但也向外界展示了谷歌的技术实力。
但AlphaGo本身没有实际意义，无法产生回报。
AlphaGo 的技术可能还需要很多年才能用于实际生产场景。在不同的场景下，人工智能的实际应用有着完全不同的实施难度和时间表。
“人工智能的趋势是一个伪命题，因为不存在一个特定的行业叫人工智能。人工智能技术会在具体的应用中落地，但每个场景的落地时间不一样。比如我们的领域，不不要说潮流即将到来，事实上，潮流已经过去了。”
从2012年开始做非接触式掌纹识别的老邢说，如果现在创业，他肯定会说自己是人工智能。 “掌纹比指纹更安全，而且不需要接触，用户体验比面部扫描更好。” ——不过，老行的产品目前只得到一些高度保密单位的认可，在资本市场和消费者市场上的反响平平。
与老邢认为趋势已经过去不同，专注于货运自动驾驶的图森未来科技CEO陈默认为，趋势可能还没有到来：“目前，自动驾驶技术最强的公司是像这样的巨头。”谷歌和百度，但我们认为如果他们想要实现他们的L 5自动驾驶商业化还需要五年以上的时间，对于初创公司来说一步实现L5是不现实的，我们的目标是商业化L3和L4。三年内实现封闭或特定环境下的自动驾驶，这是公司应该考虑的。”
科学家等学者主导的人工智能项目往往将学术界的“论文写作”文化带到企业界。
在媒体上，我们经常听说某人工智能公司在图像识别、人脸识别、路测等方面取得了新进展。但如果你读一下文字，这些突破性的进展往往是算法对特定场景的识别率提高了百分之零点几。
这或许确实是技术上的一大进步，但在实际应用场景中却往往是另一回事。
比如人脸解锁，98.8%的识别率和99%的识别率在体验上没有区别。使用脸部解锁的用户知道，目前无法在移动时无法解锁（摇晃），这是目前无法广泛使用的主要原因，哪些参数和防震技术用于智能手机的前置摄像头是人工智能解决方案。解决方案公司绝对无法控制。
但是，当这些公司正在测试和提高分数时，他们将对改善百分之十分之一，发送新闻稿并迫不及待地想举行新闻发布会感到兴奋。
类似的复杂环境因素确定人工智能在几乎所有需要考虑复杂环境的普通用户的用法场景中似乎有些“智障”。
在企业方面，由于政策和机构原因，以医疗为例，即使互联网产品也没有完全渗透该市场。即使商业公司生产了可行的产品，也很难在短期内进入市场。
除技术和产品以外的商业化问题还面临着上述问题中提到的安全性和自动驾驶。
从技术到应用的漫长转变时间应在研究机构中完成，并且资本和市场不应过分参与。以百度为例。总统和Coo Lu Qi就职后，百度的人工智能迅速调整了更可能在短期内出现的产品，例如配音助手，智能家居和L3自主驾驶。这可以被视为中国人工智能的“转弯”。 ”。
那么，人工智能是泡沫吗？
一位主要市场分析师告诉Pingwest：“您认为VR是个泡沫吗？如果是这样，那么人工智能确实有泡沫。”
人工智能与虚拟现实（VR）非常相似：随着内容消耗的持续升级，VR将有一天取代现有的运营商并成为一个巨大的市场 - 就像我们有一天会被人工智能所包围一样。但是，由于技术的不成熟，媒体和资本的早期大肆宣传引起了VR从2015年到2016年的非理性繁荣，并且也引入了今年的VR槽。
“人工智能的前景比VR更大。像互联网一样，它将在将来渗透到每个领域。就像Toutiao和Didi在内部使用人工智能一样。将来，小商店将使用微信来付款。”人工智能使用。”为了分析客户，库存和Skus，“老挝对我说：“但这并不意味着现在如此受欢迎是一件好事。”
通过分析主要市场数据库IT JUZI的409家人工智能初创公司的公共信息，Pingwest发现，人工智能公司的融资数量与新公司的数量显着相关。截至2017年4月底，今年新的人工智能公司的数量仅为5。预计今年新的人工智能公司的数量将大幅下降。
敏感的“人工智能从业者”已经意识到，这浪波还为时过早，但资本没有及时刹车。今年到目前为止（2017年），人工智能公司已有62个融资活动。与去年相比，完成的融资金额翻了一番。年度资产流入预计将超过700亿。这700亿美元中的许多人将以高高的年薪水的形式流入人工智能才能的口袋。
人工智能是方向，但目前这不是一个热门话题。它不针对特定轨道，例如O2O，电子商务和消费升级。相反，像互联网一样，它为整个行业升级提供了技术工具 - 互联网的诞生使O2O，电子商务和消费升级成为可能。当人工智能的趋势出现时，这意味着在人工智能成熟后，所有行业都可以使用人工智能来提高其效率和生产力。
但是，前景越亮，目前的泡沫将越大，就像2000年左右在中国和美国同时发生的互联网泡沫的破裂一样。
在1995年至2001年之间，由于媒体和资本的过度猜测，普通人和投资者认为互联网会改变一切。随之而来的泡沫破裂，蒸发了大约5万亿美元的IT行业，许多知名公司破产了。
在不到五年的时间里，互联网改变了一切。后来，互联网改变了世界的变化，比华尔街在2000年想象的，互联网泡沫达到顶峰。但这无法节省那些互联网烈士的命运。
过早的商业关注也是人工智能学术进步的障碍。杜克大学电气和计算机工程系副教授，杜克大学进化情报研究总监陈·伊兰（Chen Yiran）在人工智能媒体Xinzhiyuan的一篇文章中写道：
“学术界充满了洞。现在，我什至找不到合适的PI在编写项目应用程序时组成一个团队...这种需求显而易见炒作，而学术界的人们自我炒作：每个人都知道这一点。溢价不会持续很长时间，在炎热的时候卖掉自己，稍后我们将讨论其余的。”
大卫对此也有同样的看法：“一般来说，这一浪潮人工智能技术的上限非常低。如果在短期内无法实现需求，那么无论投资多少钱。取决于学术界取得进一步的进步。”突破性...学术界最后一次突破（深度学习算法）带来的申请股息可能很快就会结束。”
实际上，如果人工智能真的就像互联网一样，它将成为巨大改革的技术基础。然后，调试和民主化才能，将学术界返回学术界以及商业贸易，是引爆趋势的第一步。
随着越来越多的人涌向与人工智能有关的专业，社会商业培训机构的出现以及人工智能技术本身的门槛被降低。只有当人工智能的劳动成本降低时，才能真正普及并广泛使用人工智能。当任何公司都能招募PHP程序员等人工智能工程师时，我们可以迎来一个没有气泡的人工智能时代。
