近两年人工智能开始疯狂生长，各种人工智能将会颠覆产业、颠覆生活，甚至取代人类的“宏大叙事”接踵而至。似乎人工智能就是未来已经是板上钉钉的事情。

但如果暂时放下对人工智能的美好想象，坐下来平心静气的观察一下人工智能的历史，却可能产生不少另类的结论：

比如人工智能并不怎么前沿和未来，事实上人工智能比大部分我们日常生活中用到的科技都要“老气横秋”。从图灵上世纪40年代提出现代人工智能概念，到1956年达特茅斯学院的一次会议上诞生第一个人工智能程序，人工智能这东西至少已经是60岁高龄的“爷爷级”技术。

而且人工智能改变生活，代替人类工作也不是什么新鲜论调，这种说法在几十年里被反复抛出….结果呢，直到今天也没出现。

回顾这六十年，AI的发展绝不是一帆风顺的。尤其是两次堪称具有毁灭意义的，被广泛承认的AI之冬，很大程度上将学界伸入现实的AI产业进行了清零。

所以在AI火爆的今天，重新回顾这两次堪称产业灾难的事件很有意义。尤其当我们发现，今天的很多画面都只不过是场景重现的时候…….

第一次AI之冬：美好憧憬抵不过一场暴风雪

时间轴回到上世纪60年代。其实很多我们在今天认为是AI核心的技术方案，那个时候都已经被提出。比如神经网络的构想，比如机器学习领域的很多基础算法。但在当时，这些都是“旁门左道”，真正占领AI话语制高点的是逻辑理论。

自从1956年被提出之后，应用逻辑理论的人工智能程序在20年间不断获得举世瞩目的成就。比如在国际跳棋比赛中战胜人类选手、自己解决代数问题等等，当时带来的社会冲击，想来跟我们今天看AI下围棋、AI与人聊天一样震撼。

1959年约翰·麦卡锡发表论文阐述了完整的AI系统。之后AI机器人开始进驻工业生产线，甚至出现了能完成自然语言处理的AI程序。

更重要的是，由于当时的国际政治秩序，美国为首的西方国家大量动用国防开支来支持人工智能研发，各种实验室和AI企业拔地而起。就在当时，已经有科学家预言70年代机器人将彻底取代人类工作，也有科学家和社会名流认为AI将毁灭人类——是的，一切都和今天如此相似。

但这次持续20年的AI第一次繁荣期，却在1974年画上了句号。

其主要原因，还是逻辑理论下的AI系统难以工程化。纸上谈兵的AI太多，但耗费了巨额资金和漫长等待后，依然没有能成为实物、带来实际价值的AI系统。

就在人们开始逐渐放弃对AI的幻想时，最后一根导火索被点燃了：应用数学领域的大师，詹姆斯·莱特希尔爵士在给英国科学研究委员会所做的报告中，用详尽的数据和调查结果狠狠批判了AI产业的发展现状，并且断言“人工智能研究没有带来任何重要影响。”

这场带来AI之冬的报告，引发了西方各国政府大幅度削减AI研究经费，林立的实验室接连破灭。第一次AI繁荣时期的主角逻辑理论也至今埋没在历史的尘埃中，难以与机器学习、神经网络等后辈相抗衡。

第二次AI之冬：计算机的悲喜三重奏

好在进入80年代，不安分AI又开始了蠢蠢欲动。

相比于60年代作为军备竞赛产物的AI，80年代的AI是因为商业化前景迎来了又一次集体兴奋。

这次利好消息也是来自多方面的。首先在学界，机器学习开始取代逻辑理论成为主流。而反向传播算法为代表的多层神经网络被研发成功，成为了直到今天都影响AI界的大事。由于多层神经网络的自我排错性和兼容性良好，带来了AI逼近通用的新希望。

(多层神经网络逻辑示例)

而在产业方面同样传来了利好消息：1975年第一台LISP计算机研制成功，到了80年代，这种广泛被看好可以实现自然语言处理、知识工程、工业分析的计算机类型，成为了商业追逐的风口。据统计，到80年代中期美国已经有100家以上的LISP公司，这在当年可谓新兴产业中的翘楚。

另一方面，是1981年工业部开始了第五代计算机项目研究。这在当时日本经济腾飞的大背景下受到了全世界的广泛关注，美英等国也处于战略考虑重新开始自主AI计算机发展。

多方面的利好加持下，AI又一次来到了舞台中央。但这次快速登场等来的却是更快速的谢幕。

第二次AI之冬并没有一个标志性的事件作为开启。但1987年是一个被广泛认同的时间节点。这一年华尔街大崩溃，全球范围内迎来了史无前例的金融危机。而LISP机产业也裹挟其中，由于LISP的真实应用场景欠奉，危机中的资本界很快失去了耐心，泡沫急速破碎，相关公司近乎全线破产，AI又一次成为了欺骗与失望的代名词。

当然，这次AI之冬非常漫长的原因在于90年代个人计算机时代正式到来。原本已经对AI计算机失去耐心的人们瞬间被PC这个大怪兽圈粉——之后的故事我们都知道，AI陷入了史无前例的长眠，直到近几年又一次苏醒。

纵观整个第二次AI之冬，它由日本的第五代计算机计划开启，被LISP计算机的泡沫点燃，最终被个人计算机时代到来给彻底坐实。三种计算机的三种命运，写成了AI的几十年运数，想想也是怪有意思的。

AI之冬的总结与教训

如今的AI再繁荣，就像前两次一样，都是由几大利好消息作为核心支撑产生了。

首先是深度学习的崛起让业界看到了全新希望，其次移动芯片等计算系统硬件的飞跃，也让AI需要的庞大运算力成为可能。

但更关键的是大数据时代的到来，让训练AI必须的数据不再遥不可及。这也是AI最大的利好消息，以至于让学界和商界不那么担忧“第三次AI之冬”。

但纵观前两次AI的劫难，不难发现AI产业的兴衰是有规律的。总结这些规律，可以认为AI有三点特征始终没有改变。

第一、AI是经济兴奋的造物。每一次AI潮的爆发和冷却，都是由没有被完全验证的技术利好，引发各领域的全线疯狂。但当技术利好最终被证明无效的时候，产业寒冬就会无情爆发。

第二、AI是国家战略的附庸。历史和今天都证明了，每一次AI崛起都离不开国家间的技术博弈。因为AI本身具有的经济和军事变革想象力实在过于巨大。主流大国都不会坐视对手独自发展这一技术。但如果一旦国家战略转向，AI的情景就将十分危险。

第三、AI有可能被其他技术赶超并替代。我们都以为AI将彻底取代家用计算机，殊不知真实的历史恰好相反。当我们以为AI就是唯一未来的时候，市场往往会有其他看起来“不那么聪明”的技术出来搅局，用铁一样的数据证明谁才是老大。

这三点可以说是AI产业被反复验证的规律，也是两次AI之冬留下的宝贵经验。如果我们认同这些常识，或许可以从中得到一些教训，用以避免灾难——或者至少在灾难中自保。

首先，我们要承认AI的产业破坏力是惊人的。历次AI之冬的深层诱因，都很难离开学界、商界和政府普遍都希望AI是一种锦上添花的附加技术。而不愿意将AI视作现有技术和工业体系的颠覆者。但AI这种东西确实从出发点就与传统计算机科学极为不同，如果不愿意以打破既有利益格局为代价，全面拥抱AI，最后的结果恐怕会是畏首畏尾，重新导致AI产品在实践中寸步难行，变成一个AI来了又走的恶性闭环。

其次，无论是创业还是资本注入，都应该避免赌 博式投注。事实已经证明AI很难成为迅猛的风口，进入AI界必须忍受技术原型、实验模型、商用产品三者之间漫长的时间差。另外AI在历史上已经很多次创造了畸形生长的伪风口，这都是市场过分期待AI马上变现带来的恶果，最后泡沫破裂，自食其果的只能是AI从业者自己。

最后，如果认同AI是一个很可能反复，甚至重新进入冬天的技术领域，那么学界、商界和政府应该各自有一套取舍和保存火种的机制。AI不应在盛夏被捧得过高，也不应在寒冬被一棍子打死。只有确保自己的每一步都从AI中收益，并帮助行业整体良性发展，AI之冬的损伤才能降到最低。

人工智能获评“未来10年最具破坏性技术”

每年Gartner发布的技术成熟度曲线(TheHypeCycle)都备受市场关注，也成为企业做出重大投资决策的风向标。技术成熟度曲线又称技术循环曲线、光环曲线、炒作周期，指的是企业用来评估新科技的可见度，利用时间轴与市面上的可见度(媒体曝光度)决定是否采用新科技的一种工具。

未来10年最具破坏性技术

2017年，Gartner发布的新兴技术曲线推出三方面趋势：无处不在的人工智能(AI);透明化身临其境的体验;数字化平台。在这三大趋势下，Gartner指出，四个技术领域值得决策者优先关注：商业生态扩展类技术，例如区块链;融合类技术，例如脑机接口;商业自动化技术，例如承载货物与服务的商业无人机;安全类技术，例如软件定义安全将带来更加安全的数字化世界。

2017年新兴技术成熟度曲线最亮眼的就是人工智能类的技术。Gartner指出，未来10年人工智能将成为最具破坏性级别的技术，主要是因为卓越的计算能力、漫无边际的数据集、深度神经网络领域的超乎寻常的进步。插上人工智能AI的“翅膀”，人们基于数据可以解决超乎想象的问题。

在人工智能类的领域里，Gartner关注到智能机器人正处于快速长成期的顶峰，并称在未来几年中，围绕智能机器人的宣传和期望将继续增长。Gartner指出，过去几年中，亚马逊机器人公司计划配置10000个机器人来完成客户的订单;谷歌收购多个机器人技术公司;RethinkRobotics推出巴克斯特和Sawyer，可与人类员工一起工作;2016年，希尔顿、威斯汀等酒店房间也开始使用服务机器人。Gartner认为，这些都是智能机器人将会大放异彩的趋势。

机器学习(Machinelearning)也处于快速长成期的高峰期。Gartner提出，机器学习会在自动化领域、药物研究、客户关系管理、供应链优化、预见性维护、操作效能、反欺诈、自动驾驶、资源优化等领域展现大量的商业和社会场景。

同样在全球进入快速长成期的还有虚拟助理技术，在美国科技巨头谷歌、亚马逊、苹果、微软、Facebook等推动下，虚拟助理技术已经成为人工智能最先能够接近为普通人所用的应用。

Gartner报告提出，成千上万的供应商都在探索深度学习领域的应用，如计算机视觉、会话系统和生物信息学领域的应用。研究人员正在不断地发布惊人的新的关于这一主题的论文。硬件制造商正在加紧交付新的、深层的神经网络训练的高性能算法(深度神经网络算法，DNNs)。未来在科学数据平台上，深度学习的功能将变得更容易获得，估计到2018年，80%的数据科学家的标配是深度学习。

微软改口“AI优先”

Gartner研究副总裁盛陵海对第一财经记者表示：“企业会根据这些技术的成熟度以及处于什么位置，来决定是否要投资这些新技术。”

具体而言，企业大致分为A、B、C三类，A类公司比如英特尔这样的大企业，在任何一种新技术刚刚出现苗头时(科技诞生的触发期)就会介入，从而将影响整个技术曲线的走势。B类公司是快速跟随者。比如华为、联想等，它们会先采取观望的态度，在炒作峰值期立即跟进投资。C类公司是那些普通的公司，它们因为不愿承担过大的风险，所以会选择在技术成熟普及之后再投资。

全球第一梯队的科技公司已经开始集体布局人工智能，其中就包括苹果、亚马逊、谷歌、Facebook。最后一个加入这场战役的是微软。在微软最新发布的年度财报中，把人工智能列为公司的首要任务之一。这对于微软而言是全新的，过去微软的主营业务是移动和云业务。

在微软的年度财报中，首次提及6项涉及人工智能的内容，去年的财报中一项都未提及。微软称：“我们的战略愿景是通过为智能云建立一流的平台和生产服务来竞争和发展，并为AI注入智慧。”去年微软“移动和云服务优先”的表述已经被取代。

虽然云服务仍然是微软当下最重要的营收来源，但很显然，纳德拉(SatyaNadella)一直聚焦于人工智能。

微软已经收购了包括Maluuba和Swiftkey等人工智能创业公司，并建立了一个正式的人工智能研究小组，该小组未来将专注于AI开发和其他前瞻性研究和开发工作，涵盖基础设施、服务、应用和搜索。

上个月，微软宣布将打造人工智能芯片并用于全新的HololensAR设备。微软下一步的计划是在明年使得其云端用户能够加速完成实际的人工智能的任务，包括图像识别、巨量数据的处理，以及运用机器学习算法来预测顾客的购买模式等。

微软研究院杰出工程师DougBurger表示：“我们是在严肃地推进人工智能。我们的目标是做人工智能云领域的第一名。”

IBM的沃森失败了吗?

针对微软进军人工智能大战，盛陵海对第一财经记者表示：“微软推动的这种硬件如果能够成为业界的标准，那么它后续的软件算法和人工智能云服务就能更加稳当，而且微软可以将硬件平台作为未来人工智能等软件云服务的切入口，通过这个平台推动他们的各种新技术和新服务。”

微软是否能够“后发制人”现在还很难说，但先入局的也未必能最先抵达终点。作为AI最早玩家之一的IBM正在全力押宝人工智能沃森(Watson)，期待依靠沃森在医疗等领域帮助IBM实现更多领域的商业化。

去年1月，IBMCEO罗睿兰在CES消费电子展上宣布，IBM将成为一家认知解决方案云平台公司，在这个转型目标中，沃森是核心主角。不过IBM的转型之路似乎遭遇瓶颈，公司最近公布财报显示，营收连续21个季度下滑。

华尔街投行Jefferies分析师JamesKisner在IBM财报公布后表示：“尽管Watson平台是当前最完善的平台之一，但在人工智能领域，IBM已经输给了其他对手。”

IBM从事人工智能的研发具有先发优势，而且从投入来看，近几年IBM以沃森为主线的投资项目并不在少数。

这些投资包括可以查看5000万份美国患者病例的分析公司Explorys、为医生提供数据方面分析的Phytel、医疗数据公司Truven、医疗影像与临床系统提供商MergeHealthcare等。据不完全统计，收购这些公司花费了IBM超过40亿美元，这相当于IBM去年单季度净利润的两倍。

沃森的商业化尝试碰壁也让市场对人工智能领域出现了更多的反思。同时也说明了并非对一种新兴技术的介入越早，就一定能占据优势。咨询机构Forrester表示：“现阶段IBM所遇到的最大挑战是，如何更好地发挥在基础架构、数据集成和专业服务领域与AI之间的协同能力。”事实上作为一家全球领先的超大型企业，IBM从传统业务向数字业务的转型本身非常具有挑战性。

IBM在第二季度的财报中也特别提到了沃森，IBM表示：“沃森正在全球继续扩张，认知智能拥有全球性的机会，而非仅仅在纽约、波士顿或硅谷这些中心城市，因此沃森的机会不能只局限在这些地方。”

巧合的是上个月，中国也发布了《新一代人工智能发展规划》，对此，IBM杰出工程师、大中华区硬件系统部首席技术官李永辉对第一财经记者表示：“很多偏向于人工智能研究的企业都将受益，包括为人工智能提供基础设施建设的公司，比如GPU、FPGA、物联网领域企业，同时包括云计算服务的企业，以及为产品和服务提供人工智能解决方案的传统企业，当然一些初创公司也会受益。而在这个过程中，中国政府也会因为行业整体水平的提升而获益。”

盛陵海对第一财经记者表示：“人工智能还在路上，IBM以前卖的是流程、服务和咨询，企业客户之间存在很大共性，但是进入人工智能时代后，完全就是另一种环境了。我们认为人工智能是小公司的机会，而提供AI云服务的企业则会得到很多需求。因为小公司不会去建自己的高性能AI计算机。所以谷歌也好，IBM也好，都在开发新的芯片。”

盛陵海介绍称，谷歌的TPU芯片主要用于机器学习加速服务，服务于人工智能企业，IBM也在开发神经网络计算芯片。他说道：“新架构的芯片才可以更快地进行人工智能的复杂训练。但是数据从哪里来?阿里巴巴、谷歌这些公司，都是数据的大玩家。”