但這群熱衷者并沒有放棄對人工智能的追求，而人工智能是一門隨著計算機的發(fā)展而發(fā)展的科學(xué)，前期計算機的發(fā)展就好像是在為人工智能做鋪墊一樣。

隨著計算機的發(fā)展，人工智能的發(fā)展歷經(jīng)了幾次寒冬和高潮。在這個過程中人們因為看到人工智能的前景而歡呼，卻因為它的技術(shù)天花板以及它的遙遠(yuǎn)變現(xiàn)而對它丟失關(guān)注度。

2016年，google的人工智能機器“阿爾法狗”（AlphaGo）以總比分4：1戰(zhàn)勝圍棋世界冠軍李世石，自此人工智能開始被社會大眾所熟知，人工智能的熱浪開始一浪接一浪。到2018年開始依賴Data-Driven的深度網(wǎng)絡(luò)的技術(shù)開始窺見天花板，純AI企業(yè)的技術(shù)落地和商業(yè)變現(xiàn)能力日漸困難，技術(shù)和場景需要融合，沒有使用場景，和配套服務(wù)流程的AI企業(yè)逐漸被淘汰，很多大企業(yè)在使用場景方面占據(jù)很大優(yōu)勢，比如?？当O(jiān)控，因為人工智能的加持，更是占盡行業(yè)優(yōu)勢。但是大企業(yè)也有大企業(yè)的煩惱，人工智能的研究投入是非常浩大的，但是為了市場先機和企業(yè)的估值，企業(yè)不得不為人工智能繼續(xù)燒錢。

人工智能行業(yè)似乎進(jìn)入了一個僵持期，接下來它該何去何從呢？要想打破人工智能技術(shù)和變現(xiàn)困難，就應(yīng)該針對當(dāng)前工業(yè)的發(fā)展，讓人工智能逐步落地。比如隨著5G的發(fā)展，世界似乎又進(jìn)入了一個全新的發(fā)展里程。這個時候人工智能應(yīng)該好好結(jié)合和利用5G這塊基石，對其進(jìn)行產(chǎn)業(yè)“賦能”，所謂的“賦能”就是要找準(zhǔn)自己在行業(yè)里的定位。要想生存，必須回歸盈利，畢竟能抓到老鼠的才是好貓。

要想回歸盈利，那么人工智能終將應(yīng)用于工程實踐。在實踐的工程里，具體用什么樣的人工智能技術(shù)則要看工程的需求，以解決實際問題為主，往往需要將各種學(xué)術(shù)界的成果結(jié)合起來使用。在這個過程中，會不會用到某一種人工智能技術(shù)，決定因素非常多樣，要看該技術(shù)能否支持需求解決以及公司資源的支持匹配。

人工智能在學(xué)術(shù)研究領(lǐng)域，最注重的是算法，但是在工程實踐里，需要重新定位，所有的工程需求才是第一位，為了解決工程需求，能提供多個可實施的人工智能方案變得更至關(guān)重要。

2020年3月國家又放開了100所可以培養(yǎng)人工智能專業(yè)方向人才的大學(xué)，并發(fā)布了《關(guān)于 “雙一流”建設(shè)高校促進(jìn)學(xué)科融合 加快人工智能領(lǐng)域研究生培養(yǎng)的若干意見》的通知，從人工智能需要深入學(xué)習(xí)研究的方面來看，這似乎有悖培養(yǎng)優(yōu)秀人才的宗旨，畢竟人工智能是一門復(fù)雜的交叉科學(xué)，需要有強大的工科知識背景支撐，才能作出更好的研究成果，但是新公布的大學(xué)都不是傳統(tǒng)工科強勢的重點大學(xué)。如果你再深入思考，你將不難發(fā)現(xiàn)，其實在工程實踐方向上，更注重的是解決方案，是各個行業(yè)的解決方案，如果將有各個行業(yè)的知識的人培養(yǎng)出來，去從事人工智能，反而比專攻工科的研究方向的人才更有優(yōu)勢。