什么都不干，手拥概念估值就不断飙升，这把人工智能的火，咋看上去有些虚呀！俗话说，物极必反，人工智能现在如日中天，总有给人一种不真实的感觉。

人工智能虚火的另一种表述，就是人工智能市场泡沫的泛滥。如今的人工智能，就跟20年前创业者们名片前面加个“WWW”，后面加个“.com”，马上就光环笼罩一般。

然而，虚火并不可持续。作为中央权威媒体人民日报，在21日就刊文为人工智能虚火喊刹车了——要当心AI潜在泡沫，防范热潮转冷。

人民日报截图

《人民日报》在题为“人工智能，怎样火下去”的文章中指出，当下炙手可热的AI，可能有热过头的倾向。AI概念早在1960年代便被提出，虽在历史经历2次大热潮，但却呈现“热5年、冷10年”趋势，短暂热潮后出现的是更长的寒潮。

文章引述史丹佛大学人工智慧实验室主任李飞飞说法称，AI虽是个“真货”，但也在许多随意和缺乏严谨性的交流或展示中被强烈地夸大，进而影响政、商、投资者。

报道称，各界低估AI基础理论和核心关键技术的难度，是反覆出现冷热潮的主因，在新技术之下，不少乘机炒作、骗取资本的人士，将AI炒得越热，做大潜在的AI泡沫。

而就在今天，继中央权威媒体《人民日报》在11月对人工智能创新喊刹车后，另一家中央权威媒体“中央人民广播电台”经济之声《天下财经》栏目，再批人工智能的伪创新——不要像“炒作明星”一样炒作人工智能“创新”。

央广网

为何中央人民广播电台反其道行之，在互联网大会期间直接批互联网大会的主题词人工智能呢？因为对于人工智能发展水平而言，我国与发达国家基本处于同一起跑线，甚至BATK为代表的科技企业及相关研究机构，正在深度参与人工智能全球化竞争。

中央的策略就是，政策上积极扶持人工智能产业的发展和创新，但同时也必须营造一个去泡沫化、更务实的发展环境。

根据对中国以人工智能为驱动技术或业务的非上市公司的信息整理，其中，25.7%的人工智能创业公司成立于2015年，2017年截至10月份人工智能创业公司数量就与2015年整年相当。随着产业环境越趋成熟，还有国家整理支持力度的持续加强，人工智能创业潮有望再次涌现。

但一个基本的事实是，目前的人工智能市场泡沫泛滥，95%以上的概念公司都只是凑热闹来骗钱的。而另一个事实是，投资圈也开始谈论人工智能的泡沫了。

除了客观的技术局限，中央广播电台还专门批了企业故意造假。国内的聊天机器人项目，国外的会议秘书，都曾先后被曝以人力辅助或替代软件，欺骗公众和投资人。

不仅是新闻事实，央广还专门配发评论《杜绝忽悠，人工智能需要的是扎实和冷静》，以忽悠来痛批伪人工智能，用力真狠！

文章称：一些装上简单的预设程序的音箱、机器人，就敢冠以人工智能；一些自动化设备也偷换概念，被包装成人工智能。甚至有做内衣的企业，也炒作自己是人工智能。类似这些“伪创新”的炒作，炒得越热，潜在的泡沫就越大，对人工智能的发展伤害也越大。杜绝忽悠和投机，人工智能需要的是清醒客观的判断和扎扎实实的努力。

别以为中央媒体这盆冷水泼的有些冤枉。

阿里巴巴前CEO卫哲，前段时间发文论断——就是今天的人工智能项目当中，存在大量的“伪人工智能”。伪人工智能比例可能高达 90%，或者 99%。其中一个很重要的原因，就是很多项目是“穿个马甲”，流行什么就贴上什么标签，以为贴上了人工智能标签，就真的是人工智能了。

不过，当前的景象是，AI 喊得震天价响，彷佛机器人智商马上就要追上人类。但实际上，还远着了。

附卫哲发文部分内容：

下一位人工智能新独角兽在哪？

在哪些领域，人工智能可以跑出来独立的公司、独立的平台？

如果在美国你要用的数据，大部分或者全部由 Google、Facebook、亚马逊所掌握，那磨刀石在别人手上。今天你的技术再领先，也维持不了多久。

我们看到很多这样的技术公司，唯一出路就是卖给美国 Facebook、Google、亚马逊。

同样在中国，如果你要做人工智能，所能用到的数据，都是为 BAT 所掌握。那最终这个磨刀石也不在你手里，你也没有太大机会。你就是一个技术还不错的团队。

最后的出路可能是把这个团队，以并不太高的估值，卖给这些有数据的大互联网公司。

那么在哪些领域，美国的 Facebook、Google、亚马逊也没有数据，中国 BAT 也没有数据呢？这种领域有没有？答案是有。

比如说医疗数据，BAT 也没有；很多金融相关的数据目前还是银行、保险公司的内部数据，互联网公司也没有；可能还有一些其他的领域。

那么就以这两个领域来说，和人工智能结合，至少不管这把刀是不是很锋利，找数据源或者找磨刀石的起步，你和大公司是平等的。那就有可能在医疗、金融等领域，你和人工智能的结合跑出大公司来。

我们就拿医疗说，美国 FDA 已经批准人工智能读很多片子。我们觉得一个医生一辈子读 10 万张 X 光片或者 CT 片子就很厉害了，但这个片子拍完以后，他完全基于自己的经验和知识来判断。他判断得先有积累。

但这个事对机器来说，对人工智能来说太简单了。就是图像和打完标签的图像，同时要结合这个标签打完的图像和最终诊断的病例，做一个闭环的学习过程。

所以机器 1 个小时可以学 10 万张片子；人类最有经验的医生，从业 30 年，一万多天，一天看 10 张片子，一辈子 10 万张片子。但机器可以 1 小时读 10 万张片子。

但同是，由于美国对隐私的很多保护，很多医院的数据，在美国并不能轻易开放给这些人工智能公司。

我们看到一个趋势，很多从事医疗行业的公司开始寻找中国的合作伙伴，因为中国人口同样众多，隐私的保护却没有那么严格，有机会让医疗数据迅速地集中起来。

同样的今天很多人脸识别的公司，估值很高。我无法评价他们技术多牛。但我突然发现不是从事这个领域的公司，只要有大量的数据，迅速可以追上或者赶超，有在 A 股上市的。

比如海康威视，这么多摄像头，它采集到很多真实的人脸。由于这个数据的存在，我觉得他们人脸识别的技术不仅目前达到，未来一定在中国这方面最优秀的公司，没有之一。

数据，无论说到人脸还是医疗都非常重要。