三、數(shù)據(jù)孤島化和碎片化問題明顯：數(shù)據(jù)隱私、數(shù)據(jù)安全對人工智能技術(shù)建立跨行業(yè)、跨領(lǐng)域的大數(shù)據(jù)模型提出了政策、法規(guī)與監(jiān)管方面的要求。各垂直領(lǐng)域的從業(yè)者從商業(yè)利益出發(fā)，也為數(shù)據(jù)的共享和流轉(zhuǎn)限定了基本的規(guī)則和邊界。
四、可復(fù)用和標(biāo)準(zhǔn)化的技術(shù)框架、平臺(tái)、工具、服務(wù)尚未成熟：雖然TensorFlow、Caffe、MXNet等深度學(xué)習(xí)框架已被數(shù)以萬計(jì)的研發(fā)團(tuán)隊(duì)采納，相關(guān)開源項(xiàng)目的數(shù)量也在飛速增加，但一個(gè)完整人工智能生態(tài)所必備的，從芯片、總線、平臺(tái)、架構(gòu)到框架、應(yīng)用模型、測評工具、可視化工具、云服務(wù)的模塊化與標(biāo)準(zhǔn)化工作，尚需三年或更長時(shí)間才能真正成熟。
五、一些領(lǐng)域存在超前發(fā)展、盲目投資等問題：目前的人工智能技術(shù)只有在限定問題邊界、規(guī)范使用場景、擁有大數(shù)據(jù)支持的領(lǐng)域才能發(fā)揮最大效能。但創(chuàng)投界存在盲目追捧，不顧領(lǐng)域自身發(fā)展程度，或利用人工智能來包裝概念等現(xiàn)象。由此產(chǎn)生的盲目創(chuàng)業(yè)和投資問題雖非主流，但仍有可能傷害整個(gè)行業(yè)的健康發(fā)展。
六、創(chuàng)業(yè)難度相對較高，早期創(chuàng)業(yè)團(tuán)隊(duì)需要更多支持：與互聯(lián)網(wǎng)時(shí)代、移動(dòng)互聯(lián)網(wǎng)時(shí)代的創(chuàng)業(yè)相比，人工智能創(chuàng)業(yè)團(tuán)隊(duì)面臨諸多新的挑戰(zhàn)。例如，對高級人才較為依賴，科學(xué)家創(chuàng)業(yè)者自身的商業(yè)實(shí)踐經(jīng)驗(yàn)較少，高質(zhì)量大數(shù)據(jù)較難獲得，深度學(xué)習(xí)計(jì)算單元和計(jì)算集群的價(jià)格十分昂貴等。
既是時(shí)代“風(fēng)口”，又有“泡沫”干擾——這是人工智能創(chuàng)業(yè)在今天的主旋律。
關(guān)聯(lián)閱讀：
8000萬條公民數(shù)據(jù)泄漏，這場攻擊與反攻擊戰(zhàn)役愈演愈烈