在大多數當今青年的眼中，從去年開始的人工智能熱，似乎是人生中經歷的第一次人工智能浪潮。

但從技術的角度講，這樣的說法并不準確。

如果以神經網絡的發展歷史來看，從 2012 年開始 Google 等互聯網公司在深度學習領域的突破已經是第三次人工智能浪潮。

但前兩次技術領域的人工智能浪潮，其實并沒有轉化成太多的應用，也沒有為社會的生產力帶來更多的變革。

日前，在一場創新工場的閉門會上，剛剛拜訪了美國人工智能工業界四巨頭的李開復分享了自己對未來一年人工智能在應用領域的看法。

李開復用了 5 周的時間跑了美國和加拿大，先后拜訪了 Google、微軟、Facebook 和亞馬遜公司，同時還與人工智能學術界三大巨頭 Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton 進行了深入的交流。

在整理和沉淀了與這些公司與學者交流過程中的所得，再加上創新工場過去幾年對人工智能領域的投資與理解，李開復認為在應用領域，人工智能應用領域的浪潮分為四波，而我們事實上已經在不知不覺中迎來了前三波。

在李開復看來，人工智能應用領域的浪潮在時間軸上是交錯的，并非一波接著一波。

始于 1998 年的 Google 和誕生于 2012 年的今日頭條同屬于第一波人工智能應用，而這一波人工智能應用稱之為「互聯網智能化」。

「互聯網智能化」更像是 AI 應用的原始積累，所有的網站、應用、產品以數據作為能源和燃料，數據越多，發展越快。

過去的 20 年里，許多互聯網公司有幸積累了大量的數據，因此在人工智能技術算法上有所突破之后，就會快速的將原本就都是在互聯網層面開展的業務快速的人工智能化。

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，你有沒有發現過去三年你自動美化越來越美?這是因為你們不斷的貢獻數據、標注數據后，加上深度學習算法去做的。

算法如何知道你對一次 P 圖行為是否滿意?你自拍之后一般會有三個動作——刪除、保存或是分享。

刪除表示這張照片拍的不行，保存表示拍的一般，分享則代表很棒。

機器會不斷分析，什么樣的照片是滿意的，什么樣的照片是不滿意的。

對于第一波浪潮來說，無論是投資人還是創業者，在未來都很難說是一個好賽道。

盡管今日頭條的崛起算是互聯網格局已定情況下的一次變數，但與其同時生長起來的滴滴、美團點評更加固化了互聯網這一大賽道。

想要通過人工智能單點突破這樣的局面，有些困難。

第二波人工智能應用浪潮，是適于 2004 年的「商業智能化」。

之所以它與第一波不一樣，是因為它的數據和它的應用都不直接來自于互聯網，比如銀行、醫院、物流公司，對人工智能的應用。

「商業智能化」的前提有兩點，一點是非互聯網公司在使用互聯網和計算機辦公之后，沉淀了大量的數據。

第二點是，這些公司有意的將這些數據格式化并加以利用。

在這個領域，發展的最快，也是最天然的例子就是金融。

因為金融本身就是由格式化數據構成的行業——「計算機在這個領域天生就比人類做的更好。

」你股票一年之后不是漲就是跌了，你貸款不是還了就是沒有還，所以只要我們能累計一段時間數據，對發生意外的人，可能要收更多的保費，貸款如果你沒有還就少借給你。

金融就是大量的數據好標注，還有只要做的好錢就到了。

另一個李開復認為很有價值的領域是醫療，人工智能在醫療領域的發展可能會幫助人類攻克很多疾病。

但由于病人的隱私等問題，目前醫療數據在各國的格式化和流通度都不高。

目前，先進的計算機視覺在相對比較開放的影像醫學領域的嘗試已經得到了一些成功。

「但因為數據局限性，推進速度還比較慢。

」第二波的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能雖然發展成熟，但機會也相對較少。

而醫療就還是尚未開墾的巨大市場。

進入到了 2011 年才開始的第三波人工智能應用浪潮，就是大多數我們驚呼「科幻」的領域了，也是商業巨頭們最喜歡在宣傳中展示的那些。

因為在這一階段，人工智能終于擺脫了虛擬世界，正式「入侵」我們。

第三波應用叫「實體世界智能化」，實現的前提是越來越多的數據采集和傳感器——桔子本身沒有數據，貼上 NFC 標簽就有了;路面本身沒有數據，裝上攝像頭就有了;人本身不是數據，但通過人臉識別了身份就是了。

我們很早就習慣了一登錄淘寶，淘寶就認識我是誰，然后給我推薦個性化的商品。

但是現在，在現實世界中也可以這樣了。

你進入一家超市，超市就識別到你是不是 VIP 客戶，給你特別的優惠，服務員可能也會和你打招呼。

這引領了中國零售的全新模式，創新工廠將其總結為 OMO 模式，即 Online-Merge-Offline——線上與線下的全面融合。

這種模式下，不再只是線下購物用移動支付結個賬，或者線上買優惠券去線下消費。

而是無論用戶在線上線下購物，都有幾乎完全相同的購物體驗，包括身份會員體系、個性化推薦、貨源追溯和商品評價等。

第三波「實體世界智能化」發展正當時，創新工場也在過去幾年在這一領域做了許多投資，無論是技術領域的 Face++、教育機器人領域的小魚在家以及無人零售領域的 F5未來商店，目前都處于蓬勃增長的時期。

第四波人工智能領域的應用，被稱之為「全自動智能化」。

與 AI 軟件方面這兩年發展較快相對的是，與 AI 配套的硬件發展這些年的突破其實并不多。

所謂硬件的突破，就是指像科幻電影里那樣的機器人——為具備 AI 特性的軟件打造的機器軀體。

人(的身體)是非常靈活，非常不可思議的。

但大部分機器做不到這一點，有的機器人好不容易兩只腳走路了，但一配合手上開門的動作就摔倒了。

我們人拿一樣東西的時候，知道不會擋住眼睛。

但機械臂在運動的時候，可能就會不自覺的擋住攝像頭。

我們出去郊游，看到果園里的草莓很好吃，一伸手就能摘下來。

機器呢?不是把草莓捏爛，就是拽不下。

雖然距離尚遠，但可以確定的是，「全自動智能化」這一波應用也必然成為現實。

自動駕駛就是一個比較好的開始，「現在全世界都相信自動駕駛能夠實現，你去問一個車廠、一個工程師、一個投資公司，都會和你說這是最酷的事情。

當全世界的技術、工業界和資本都相信并且把大量的精力投入進去的時候，你會發現這個事情變成現實是必然的。

」相比在技術上的難度，李開復甚至認為無人駕駛最大的障礙是法律、人倫等問題。

在這一領域，創新工場已經投資了一些機器人公司、一些技術公司和一些完全不同方向的自動駕駛公司。

那么，在接下來的幾年里，李開復博士究竟覺得在 AI 領域有什么值得投資的呢?他直接給出了這樣的答案：當然，具體情況也要具體分析。

比如以芯片為例，創新工場認為現在就應當投資 GPU，但現實的情況是國內的多家人工智能芯片公司都是以 SoC/CPU 領域去切入的。

這背后的邏輯除了技術難度本身之外，還要考慮市場的饑渴度和當前行業的成熟程度。

仍以芯片市場為例，目前在做人工智能芯片的 CPU 廠商有很多，老牌的 Intel 和 AMD，在移動領域入場的華為，直接面向無人駕駛的地平線等等。

但 GPU 領域，英偉達一家獨大。

而從產業的成熟度來說，卻是 GPU 創業公司更接近流片。

創新工場投資的比特大陸，在過去制作比特幣礦機的過程中，已經生產出十分類似于 GPU 的產品。

同樣的邏輯適用于自動駕駛領域，大多數的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 年的時間。

當然，如果你不是投資而是打算創業，甚至是打算學習人工智能之后投身相關產業，也可以參考這張圖做出決策。