自2016年阿法狗贏得“人機大戰(zhàn)”以來，關于人工智能的投資、發(fā)展和應用便火熱不止。在全球各國的一致重視與推動下，2018年全球AI市場規(guī)模已經來到了1萬億美元以上，年均增速超過50%;人工智能企業(yè)數量接近3000多家;同時人工智能應用也已經在教育、醫(yī)療、金融、交通等眾多領域獲得落地，整個產業(yè)發(fā)展態(tài)勢一片向好。

不過，雖然人工智能概念火爆非凡、市場熱度不減、應用落地不斷，但其中的企業(yè)想要賺錢卻依然十分艱難。據悉，2018年我國AI企業(yè)獲得融資總額占據全球的70%，但資本涌入后，仍有接近90%的企業(yè)長期處于虧損狀態(tài)，僅剩的10%賺錢企業(yè)基本都是技術提供商。也就是說，不管概念、市場和資本炒的如何火熱，人工智能盈利難題始終困擾著絕大部分的企業(yè)。

那么企業(yè)盈利難，究竟難在哪里呢？從市場發(fā)展現狀和業(yè)界專家總結分析來看，造成人工智能企業(yè)賺不到錢的原因主要有兩點，一點是技術門檻過高，另外一點是產品價值挖掘不夠。

我們先來看第一點。人工智能的本質說白了就是數據，如今說的人工智能其實是數據智能，只有用數據作為導向，讓需要機器來做判別的問題轉化為數據問題，人工智能才能發(fā)揮出作用和功效。但目前，人工智能企業(yè)從談概念、講技術，到拼場景、搶落地，資本市場和產業(yè)市場雖然是整的風生水起了，可數據本身卻仍面臨研究問題。

其一是某些行業(yè)的現有數據資源并不是很多。比如手機行業(yè)，商家想讓人工智能來判別手機的屏幕劃痕，但現實中沒有任何工廠會有成百上千萬不同劃痕的手機來提供數據、供以學習。在這樣的情況下，企業(yè)不具備小樣本數據學習的能力，便打造不出理想的智能產品。

其二是大部分行業(yè)的數據存在孤島現象。比如政府部門、金融行業(yè)以及醫(yī)療行業(yè)，其中的資料數據普遍分屬于不同的機構或部門，很難將這些數據整合成一個完全體。在這樣資源分散、數據不通的情況下，企業(yè)要想提升人工智能技術，研發(fā)優(yōu)質產品也十分困難。

基于以上問題，人工智能企業(yè)要想打造出理想的技術和產品，便需要消耗巨大的人力、物力和財力來創(chuàng)造適合的研發(fā)條件。這也就造成了研發(fā)成本的高昂，變相削弱了企業(yè)盈利的能力。也就是說，數據帶來的技術問題和巨大門檻，是企業(yè)賺錢困難的首要攔路虎。

其次，我們再來看第二點，人工智能產品的價值問題。人工智能企業(yè)研發(fā)出一項技術和產品，如果不能進行商業(yè)化的落地和規(guī)模化的應用，可以說其本身便不具備任何價值。而一直以來，我國的人工智能企業(yè)都踐行著“拿著錘子找釘子”的研發(fā)模式，并沒有真正打通產業(yè)鏈。當大家辛辛苦苦打造出了錘子，卻發(fā)現根本沒有釘子讓他們敲，這便使得企業(yè)白白浪費了高額融資，產品卻毫無用武之地，或者應用價值不高。

因此，先找到應用場景，再做好優(yōu)質產品，是擺脫困境的一種有效辦法。不過，即使找到了好的應用場景，要做好產品也不太容易。因為人工智能的更新換代速度過快，需要企業(yè)持續(xù)不斷的投入人力和成本，很少有企業(yè)能夠負擔得起，就算一些企業(yè)承受了下來，要實現盈利也比較困難。

總而言之，人工智能企業(yè)賺錢困難的原因無外乎技術和商用兩方面?，F有的企業(yè)擁有獨特且可靠的技術或產品已經不易，要想找到合適的場景實現規(guī)?；瘧帽愀鼮槔щy，因此盈利對于他們來說過于奢求。未來，要想實現規(guī)?；?、大面積的企業(yè)盈利，最終還是要回歸到技術、產品與應用中來，希望能有越來越多的企業(yè)頂住壓力、絕處逢生。