过去一年，各行各业对人工智能期待值很高，各种应用层出不穷，但收获却很少。2017年中国AI创业公司获得的累计融资超过500亿元，但2017年中国AI商业落地100强创业公司累计产生的收入却不足100亿元，90%以上的AI企业亏损。

　　人工智能产业雷声大、雨点小，AI正遭遇商业落地之痛，是业界人士的共识。

　　目前对于实际应用场景来说，人工智能只是辅助手段，而不是决胜力。比如出行方案规划，人工智能提高的只是人工效率，巨大的经济效益源于原行业的潜力，而真正的人工智能产业的产值并不高。一方面是因为应用门槛大幅降低，过去企业探索应用场景时需要深厚的数学统计技术，但随着人工智能开源软件的普及，企业只需基于国外研究的工程进行复制。

　　人工智能产业缺乏的不是算法，而是如何更好地转化成工程手段，人工智能太高深了，为人所知的有自动驾驶、医疗等应用场景，其实最普通的土木工程领域，也需要人工智能技术的变革，但是这些小的应用场景很少有人关注。

　　其实并不需要团队专门为某个细分的场景定制人工智能算法和系统，完全可以用土木工程的思路，把一套人工智能系统分解成不同模块，进行标准化，就像螺丝和螺母，可以在不同的工业领域根据需求进行组合，“即插即用”，使它能够覆盖不同需求的工业领域。原始数据在一开始就要考虑应用场景需求，建立机器学习的标准方法库，在不牺牲算法性能的前提下，将人工智能算法、数据处理模型或是系统框架进行高度模块化设计，分步实现各个功能，使它可以支持不同的应用需求。如Petuum即将推出的AI医疗系统，可以模块化成医疗图像的识别和解读、病例解读、药物推荐等，和医生的工作流程相匹配，医生就可以通过组合的方式各取所需。

　　用土木工程的视角来看待人工智能产业，它的实验方法应该符合工业标准，可以被重复理解和使用，而不是把它当成艺术品一样观赏，更不能闭门造车。