国务院刚刚发布了《新一代人工智能发展规划》，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设，在此背景下，中国科学院大学率先成立了人工智能学院，按此发展，人工智能成为一级学科也将是大概率事件。
苹果也刚刚召开了发布会，全面屏的iPhone X采用了Face ID技术，这让CV领域的创业者兴奋不已。但是，此人脸识别非彼人脸识别，苹果的Face ID并没有采用普通摄像头的方式，而是采用红外主动识别的技术，这样就可以做到三维立体识别，增强了安全系数。尽管这项技术仍然存在易受光线干扰的缺点，但苹果却总能引起产业界的技术变革。
这些都是非常令人兴奋的消息，但是也有些负面新闻，比如斯坦福大学几个研究人员发了篇论文，通过深度学习判断一张照片上人物是否有同性恋倾向，甚至这些研究人员还希望通过照片判断人的智商和政治倾向。公平来说，这就是把人工智能奉为圭皋的表现，这和我们古代的看面相算命又有什么差别？何况深度学习也根本做不到这一点。
另外，还有几则或许已经忘却的消息：2017年初，微软收购了主要从事NLP的人工智能创业公司Maluuba；3月，Google收购了Kaggle；5月，从移动应用搜索转型人工智能助手的Quixey正式关闭，另外，苹果以2亿美元收购了Lattice；6月，新思科技（Synaptics）宣布收购 Conexant Systems （科胜讯系统公司）和 Marvell Technology Group 的多媒体业务，共支付 3.95 亿美元现金和 726,666 只 Conexant 的普通股；7月，Google收购了印度人工智能公司Halli Labs，百度收购了硅谷初创公司KITT.AI。
AI创业好像一片热闹，但是若深入思考，这却是一个非常可怕的现象，因为AI创业公司但凡有点成绩，基本都已被巨头收入囊中。被收购或者倒闭，似乎成了AI创业公司无法逃脱的宿命。那么坚持独立发展的道路又能怎样？这可以从语音识别领域的国内外两大巨头的处境来分析。首先我们来看国内的语音识别龙头科大讯飞，最近也与长江商学院薛教授互相指责，稳定的盈利可能是科大讯飞当前最大的尴尬。其次再看国外语音识别的老牌企业Nuance，下图是这家公司的全球网页，几乎令人怀疑这家公司还在做语音识别吗？转型的压力一度让Nuance陷入困境，其股价始终低位徘徊。
2017年，似乎也是资本市场比较蛰伏的一年，虽然关注很热闹，但是真正落地投资的案例却不是很多，这显然不如2016年的热闹。很多VC企业也开始思考，当第一波技术公司获得投资以后，这些企业如何才能落地？资本这个市场就是很奇怪，当投资人很冷静思考的时候，说明这个市场确实出现了一些隐忧。
AI创业能不能有第四条路
现实就是这么骨感，倒闭、被收购、独立发展，似乎各有痛处，这个时候中间路线就是最佳的选择，所以很多知名的人工智能创业公司选择了出售公司，包括鼎鼎大名的Deepmind。即便坚持独立发展的公司，比如Nuance，其实也是在难以出售情形下的唯一选择。
那么，有没有第四条路可走？
算法和数据不是关键问题
有一点要非常清晰，第四条路的关键应该不是当前人工智能企业的核心价值：算法和数据。
承认这点比较痛苦，因为科技型创业公司经常会有一个误区，即仅以技术论价值，当然还有很多公司也强调数据，但是这也不是绝对的门槛。技术永远在迭代更新，当技术不能呈现颠覆性的时候，技术的核心价值就会折扣。当然绝不是否认技术的价值，这里只是从企业某个阶段的发展方面探讨。事实上，技术才是唯一可以打破现有商业平衡的绝对力量。
那么再看数据，大数据其实是蛮纠结的一个领域，更多的数据意味着更大的投入，但是只有相对量的数据才能产生价值，那就意味着可能更大的浪费。有价值的数据对于企业来说绝对是极其有帮助的，对技术提升来说也是至关重要，但是这就意味着关键吗？好像困境中的一些巨头企业也不缺乏数据，这个问题也很难解释。
变现才是商业核心的逻辑
那第四条路的核心又是什么？不如先回归下商业的本质，GE的总裁杰克•韦尔奇还曾经写过一本《商业的本质》，关于这个问题可以聊很多，不如通俗的简单化理解：赚钱。谈到赚钱就有必要先分析下历史和当前企业的主要赚钱模式。