当下社会投资风口，大致分为
人工智能、
区块链和
物联网。从上帝视角来看，这三种企业技术背后的驱动因素都是数据。所以人们更愿意相信，在互联网时代，“数据就是新的石油。”
人工智能的发展痛点
“人工智能”一词最初是在1956年DARTMOUTH学会上提出，主要包含三个核心部分：算法、算力及数据。
更通俗的解释就是，如果把人工智能比作建造太空火箭，那么数据和算力就是燃料，算法就是发动机。
大数据时代的数据隔离
从数据的角度来看，人工智能就像一只需要非常庞大的数据来“饲养”的动物。
因为人工智能在构思机器学习方法，需要足够多的数据来验证和训练，从而使数据的收集、共享、分析以及基于这些数据的决策自动化成为了可能。
但当下的很多数据大都掌握在中心化的企业手中，如Google、Facebook、BAT等。
一些AI发展所需的训练数据，诸如：个人的消费记录、医疗数据、教育数据、行为数据等，不仅不能随意地被个人支配，且中心化严重，数据流通市场还未形成。
AI的高速发展，在造就了大数据的同时，也被大数据时代带来的信息孤岛所束缚。
计算量倍增的压力
从人工智能发展的关键节点来看：1975年之后，学者开始着手研究BP(Back Propagation，后向传播)算法。
1986年之后，研究上基本实现了BP网络，同期计算机硬件能力快速提升；2006年之后，随着移动互联网发展，海量数据爆发，深度学习算法在语音和视觉识别上实现突破，人工智能商业化高速发展。
如同 OpenAI 最近的一份报告所述，自2012年以来，最大的AI培训运行中使用的计算量呈指数增长，为3.5个月的倍增时间（相比之下，摩尔定律有 18个月的倍增期）。自2012年以来，该指标增长了300,000多个（18个月的倍增期仅增长了12倍）。
OpenAI 报告：人工智能与计算
这一时期，计算的改进是人工智能进步的关键原因。
然而如果继续按照这种趋势发展下去，许多配置就需要更新。也就是说，一个企业用于处理数据的 GPU 等各式各样的芯片，每年可能需要提高差不多 5-10 倍的性能，才能勉强追上企业AI发展的步伐，而这些飞快的更新迭代也需要大量投入资金。
也就是说，传统人工智能不仅在数据层面上面临着被大型机构垄断等困境，在算力层面上面临着购置硬件资源导致的资金难题，在算法层面上面临着算法运行不稳定等难题。
这些暂且还未提及数据来源、质量以及隐私等诸多亟待解决的问题。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
