過去一年，各行各業(yè)對人工智能期待值很高，各種應用層出不窮，但收獲卻很少。2017年中國AI創(chuàng)業(yè)公司獲得的累計融資超過500億元，但2017年中國AI商業(yè)落地100強創(chuàng)業(yè)公司累計產生的收入?yún)s不足100億元，90%以上的AI企業(yè)虧損。

人工智能產業(yè)雷聲大、雨點小，AI正遭遇商業(yè)落地之痛，是業(yè)界人士的共識。

目前對于實際應用場景來說，人工智能只是輔助手段，而不是決勝力。比如出行方案規(guī)劃，人工智能提高的只是人工效率，巨大的經(jīng)濟效益源于原行業(yè)的潛力，而真正的人工智能產業(yè)的產值并不高。一方面是因為應用門檻大幅降低，過去企業(yè)探索應用場景時需要深厚的數(shù)學統(tǒng)計技術，但隨著人工智能開源軟件的普及，企業(yè)只需基于國外研究的工程進行復制。

人工智能產業(yè)缺乏的不是算法，而是如何更好地轉化成工程手段，人工智能太高深了，為人所知的有自動駕駛、醫(yī)療等應用場景，其實最普通的土木工程領域，也需要人工智能技術的變革，但是這些小的應用場景很少有人關注。

其實并不需要團隊專門為某個細分的場景定制人工智能算法和系統(tǒng)，完全可以用土木工程的思路，把一套人工智能系統(tǒng)分解成不同模塊，進行標準化，就像螺絲和螺母，可以在不同的工業(yè)領域根據(jù)需求進行組合，“即插即用”，使它能夠覆蓋不同需求的工業(yè)領域。原始數(shù)據(jù)在一開始就要考慮應用場景需求，建立機器學習的標準方法庫，在不犧牲算法性能的前提下，將人工智能算法、數(shù)據(jù)處理模型或是系統(tǒng)框架進行高度模塊化設計，分步實現(xiàn)各個功能，使它可以支持不同的應用需求。如Petuum即將推出的AI醫(yī)療系統(tǒng)，可以模塊化成醫(yī)療圖像的識別和解讀、病例解讀、藥物推薦等，和醫(yī)生的工作流程相匹配，醫(yī)生就可以通過組合的方式各取所需。

用土木工程的視角來看待人工智能產業(yè)，它的實驗方法應該符合工業(yè)標準，可以被重復理解和使用，而不是把它當成藝術品一樣觀賞，更不能閉門造車。