6月13日，CES Asia2019在上海落幕，展會上，人工智能依舊是關鍵詞之一。除了熟知的人臉識別、語音識別外，智能語音機器人、水下機器人、以及一眾智能家居產品，紛紛落地探尋產業化。

近年來得益于深度學習的技術突破，人工智能浪潮再次涌現。從底層的芯片，到框架模型、再到算法、應用，硬件和軟件都得到了更迭。這些年崛起的人工智能巨頭、創業公司內集中了如此多的頂尖人才和巨量資本，當下格局未定，人才繼續流動，而大眾的期待值一直在上升。

然而到了2019年，大家對于人工智能未來的爭論愈發激烈。一方面，有專家指出，深度學習再前進一步遇到了理論瓶頸；另一方面，人工智能在商用和結合行業的過程中，困難不少。

首先，其實學界一直在探討，要怎么解釋和證明深度學習的原理。對于計算的“黑盒子”，我們知其然，不知其所以然。對于單一的場景，可以利用深度學習的計算提出較好的解決方案，但是面對更為復雜的場景，對于大數據的運算就無法把控。

機器學習領域的國際專家、創新工場科研合伙人張潼向21世紀經濟報道記者表示：“深度學習是用大的模型，大的數據這套思路來運作，這套思路獲得了挺大的成功，也應用到現在工業界中。但的確它往前走會有一些缺陷，這是我個人的觀點。從數學上，從原理上來講，大家都在理解這方面還需要加深。下一步要解決復雜場景，只靠它是不行的。”

所以，在張潼看來，需要從原理上對深度學習再理解，“現在也有這種動作，就是逐漸把原理理解得更好，然后針對性地解決數據問題，再往前推進一步。時間會稍微長一點，但我覺得還沒有到瓶頸，大數據這一塊以后慢慢變好，之前可能一下能提十個點，現在可能提一個點，將來可能提0.5點，但是還有其他的手段，需要慢慢地研究。”

也有業內人士向記者提到，對于深度學習的技術，大家容易忽略的問題是學習的原料夠不夠，可以用于機器學習的大數據量還是有限，尤其是定制化的數據還是不夠的，加工能力不足。如果能夠在產業鏈上解決有效數據的問題，深度學習也會得到突破。

其次，除了對技術進步的擔憂，業內對于人工智能的落地更加關注，技術產業化過程中仍存在不少難題，

一位人工智能研究人士告訴21世紀經濟報道記者：“雖然圖像處理方面有Resnet模型的突破，自然語言領域有Bert模型的突破，使得通用領域的智能研究達到了新的高度，但在具體的商業領域依然沒有根本性突破。”

如何讓人工智能技術在復雜的行業應用中更具價值，是新的挑戰。

在創新工場人工智能工程院執行院長王詠剛看來，AI正從1.0向2.0升級，從科研到商業賦能轉化，“前期我們發現AI摘了比較容易摘的果子，AI把互聯網的內部大數據，流程里面的廣告預測、商品推薦全都摘掉了，這些果子特別容易摘，因為只要把AI技術用起來就能得到結果。然后AI把一些淺層感知的果子摘掉了，比如說語音識別、人臉識別、影像的理解，這些摘掉之后接下來會問AI還能干什么？”

這就回歸到一個問題，AI的本質到底是什么？王詠剛說道：“AI本質是應該幫助人類各個行業去提高效率、降低成本，但是當把這些好摘的果子摘掉之后發現再進一步提高效率，單獨的AI已經很難單獨承擔這個義務、責任了，所以AI一定要和行業的知識理解、和行業的技術有一個結合點。而結合的難點在于今天AI解決的很多問題，在行業里根本就不是重要價值鏈條的一環，只是錦上添花。”

無論是醫療制藥、制造業，還是交通物流、零售、金融等領域，都是人工智能可以接入的重要場景。

而由于技術等因素和應用難題的影響，也有觀點認為2019年是AI寒冬，AI進入平臺期的聲音漸起。

但是，王詠剛在接受記者采訪時談道：“我不覺得有什么AI寒冬。AI任何時候都會有行業里面的一些泡沫，但是泡沫排除掉之后，實際上AI是一個扎扎實實的技術，比如說這個技術它今天不能做到10分，但能做到5分，很多人對此有一個過高或者過低的期望，這其實都是不對的。所以我們要客觀地看待AI在整個行業里面今天的位置。”

而從IDC發布的最新《全球人工智能系統半年度支出指南》來看，人工智能的投資熱度依舊很高，該指南顯示，亞太地區人工智能(AI)系統支出預計2019年將接近55億美元，比2018年增長近80%。

不過，無論是技術突破，還是技術落地，新一輪突破來臨前還需要一段時間的蟄伏。