6月13日，CES Asia2019在上海落幕，展会上，人工智能依旧是关键词之一。除了熟知的人脸识别、语音识别外，智能语音机器人、水下机器人、以及一众智能家居产品，纷纷落地探寻产业化。
近年来得益于深度学习的技术突破，人工智能浪潮再次涌现。从底层的芯片，到框架模型、再到算法、应用，硬件和软件都得到了更迭。这些年崛起的人工智能巨头、创业公司内集中了如此多的顶尖人才和巨量资本，当下格局未定，人才继续流动，而大众的期待值一直在上升。
然而到了2019年，大家对于人工智能未来的争论愈发激烈。一方面，有专家指出，深度学习再前进一步遇到了理论瓶颈；另一方面，人工智能在商用和结合行业的过程中，困难不少。
首先，其实学界一直在探讨，要怎么解释和证明深度学习的原理。对于计算的“黑盒子”，我们知其然，不知其所以然。对于单一的场景，可以利用深度学习的计算提出较好的解决方案，但是面对更为复杂的场景，对于大数据的运算就无法把控。
机器学习领域的国际专家、创新工场科研合伙人张潼向21世纪经济报道记者表示：“深度学习是用大的模型，大的数据这套思路来运作，这套思路获得了挺大的成功，也应用到现在工业界中。但的确它往前走会有一些缺陷，这是我个人的观点。从数学上，从原理上来讲，大家都在理解这方面还需要加深。下一步要解决复杂场景，只靠它是不行的。”
所以，在张潼看来，需要从原理上对深度学习再理解，“现在也有这种动作，就是逐渐把原理理解得更好，然后针对性地解决数据问题，再往前推进一步。时间会稍微长一点，但我觉得还没有到瓶颈，大数据这一块以后慢慢变好，之前可能一下能提十个点，现在可能提一个点，将来可能提0.5点，但是还有其他的手段，需要慢慢地研究。”
也有业内人士向记者提到，对于深度学习的技术，大家容易忽略的问题是学习的原料够不够，可以用于机器学习的大数据量还是有限，尤其是定制化的数据还是不够的，加工能力不足。如果能够在产业链上解决有效数据的问题，深度学习也会得到突破。
其次，除了对技术进步的担忧，业内对于人工智能的落地更加关注，技术产业化过程中仍存在不少难题，
一位人工智能研究人士告诉21世纪经济报道记者：“虽然图像处理方面有Resnet模型的突破，自然语言领域有Bert模型的突破，使得通用领域的智能研究达到了新的高度，但在具体的商业领域依然没有根本性突破。”
如何让人工智能技术在复杂的行业应用中更具价值，是新的挑战。
在创新工场人工智能工程院执行院长王咏刚看来，AI正从1.0向2.0升级，从科研到商业赋能转化，“前期我们发现AI摘了比较容易摘的果子，AI把互联网的内部大数据，流程里面的广告预测、商品推荐全都摘掉了，这些果子特别容易摘，因为只要把AI技术用起来就能得到结果。然后AI把一些浅层感知的果子摘掉了，比如说语音识别、人脸识别、影像的理解，这些摘掉之后接下来会问AI还能干什么？”
这就回归到一个问题，AI的本质到底是什么？王咏刚说道：“AI本质是应该帮助人类各个行业去提高效率、降低成本，但是当把这些好摘的果子摘掉之后发现再进一步提高效率，单独的AI已经很难单独承担这个义务、责任了，所以AI一定要和行业的知识理解、和行业的技术有一个结合点。而结合的难点在于今天AI解决的很多问题，在行业里根本就不是重要价值链条的一环，只是锦上添花。”
无论是医疗制药、制造业，还是交通物流、零售、金融等领域，都是人工智能可以接入的重要场景。
而由于技术等因素和应用难题的影响，也有观点认为2019年是AI寒冬，AI进入平台期的声音渐起。
但是，王咏刚在接受记者采访时谈道：“我不觉得有什么AI寒冬。AI任何时候都会有行业里面的一些泡沫，但是泡沫排除掉之后，实际上AI是一个扎扎实实的技术，比如说这个技术它今天不能做到10分，但能做到5分，很多人对此有一个过高或者过低的期望，这其实都是不对的。所以我们要客观地看待AI在整个行业里面今天的位置。”
而从IDC发布的最新《全球人工智能系统半年度支出指南》来看，人工智能的投资热度依旧很高，该指南显示，亚太地区人工智能(AI)系统支出预计2019年将接近55亿美元，比2018年增长近80%。
不过，无论是技术突破，还是技术落地，新一轮突破来临前还需要一段时间的蛰伏。
