的巨头出资、创业押注不绝于耳，融资额度不断刷新纪录。但是无论是图像、言语交互，仍是算法、机器学习都不足以与实践场景结合，换句话说，落地成为最大的难题。

  逐步遇冷。2017下半年跟着比特币的大涨，区块链成为我们重视的新抢手，几乎占有了出资人、媒体人的朋友圈。

  我们都知道人工智能代表着未来，但是在实在的日子中，除了某些特定场景之外，我们几乎无法感遭到人工智能带来的便当。

  举个比方来说，智能音箱可以说是借着人工智能浪潮最早起来的产品之一，2017年一度出现“百箱大战”的局势，也是阿里、京东、小米等巨头抢滩的要地，但是作为中心卖点之一的语音辨认在体会中并没有大众所等候的那样优异。

  首要，语音辨认需求巨大的数据库支撑，但是当我们实在运用时会发现有许多表达习气并不能被机器所了解。虽然许多语音辨认公司都说自己的技术辨认率现已到95%，甚至是98%，但是在方言、咬字、吞音等常见情况下，大部分产品都没方法做出合理反应。(感兴趣的读者可以查看IT耳朵评测文章，了解更多具体的内容)其次是动态搜集的准确性，虽然智能音箱主打的场景是客厅和卧室，但是运用时场景是比较杂乱的，人说话的腔调、语速等都不相同，搜集动态时会遭到其他人员、环境杂音、甚至是音箱自身的搅扰，这都可能会导致准确率下降影响体会。究竟也最重要的是缺少交互天然性。几乎悉数智能音箱产品都需求一个类似“芝麻开门”的语音密钥来唤醒，且每次发布指令时都要重复一遍唤醒词，这就让用户与产品之间发生明显的距离。

  概括看来，智能音箱的产品形状的确满意新颖诱人，但是其本质仍是一个语音辅佐，并不能彻底担任智能家居中控的人物。

  另一个明显的比方自动驾驭技术。我们习气把自动驾驭分为L1-L5这五个等级，近期我们也采访了一些自动驾驭(辅佐驾驭)的公司，他们共同以为自己的技术还处在L3等级，即高度自动驾驭阶段，在应对剧烈情况时仍需人为介入。而这样的技术是怎样结束的呢?

  特斯拉关于周围的环境的辨认是经过设置在车辆上的12个长距离超声波距离传感器Ultrasonic Sensors、1个长距离雷达Radar和1个前向摄像头Forward-facing camera来结束的，而国内其他公司的解决方案也都类似。但是经过长时间的访问和查询，我们也发现其间的一些问题，首要雷达或许超声波是会互相搅扰的，试想一下十几辆车堵在路口，他们之间会构成剧烈的搅扰然后导致搜集到的数据出现过失。其次前向摄像头也不是全能的，想想微博上热议的“远光狗”，想想赋有街市的各色霓虹灯，这些都是对摄像头最大的应战。在一次与四维图新自动驾驭研发部负责人谈天中，他也坦言，现在自动驾驭运用的摄像头在弱光、逆光、或许多种光源的杂乱环境下依然很难准确做出判别，甚至在一些没有旅程标志线和明显路周围的区域也很难精准辨认。

  人工智能在2017年翻开最快的两个典型事例中，表现都不能让人满意。再看看其他的运用场景机器人、智慧物流、智慧城市好像又离顾客太远。各大人工智能公司再三爆出融资消息，发布会也没少开，但是却很少听见落地的事例。