人工智能有多种分类方式，其中一种是按照作用体与容错率来区分。把人工智能分为物理领域与虚拟领域，而二者又各自有关键与非关键的区别。
这种分类模式虽然边界十分模糊，而且按照应用场景来区别会造成内在技术的含混化。但就商业应用来说却是相对有价值的。
要知道，虽然大量舆论关注点都集中在关键领域AI上，比如无人驾驶、人工智能医疗，以及金融的AI化。但关键领域AI的商业化还有相当遥远的距离，非关键领域显然是能够更快进入市场实现商业转化的方式。
比如信息流推荐、智能语音输入、人脸识别等技术，都是非关键领域AI快速进入应用阶段的例子。但物理领域的非关键AI显然没有它在虚拟领域那么火爆。受到的关注度远远不可同日而语。
尤其市场上众多所谓的“智能硬件”，都是把交互系统放置在硬件里就称之为“智能”。这些伪AI事实上破坏了普通用户对AI+物理化硬件的基本认知。
但反过来想想，这些虚张声势的智能硬件也给已十分拥挤的AI市场搭建了一个空白窗。目前小公司和创业团队想要跻身AI领域，这可能是最好的机会之一。
什么是物理领域的非关键型AI？
首先可以来重新思考一下，到底什么是物理领域的非关键型AI。有个挺出名的例子，是说无人驾驶汽车是AI关键领域应用，而扫地机器人就是非关键型AI。因为无人驾驶决不能出错，哪怕十万分之一的错误率都是大事。而扫地机器人无所谓，保持一定的出错率其实还显得挺萌的。
这个说法大体不错，但要注意，绝不是所有扫地机器人都是AI的，就像也有学者提出了无人驾驶可以去AI化一样。只有利用了AI的核心算法来为机器或硬件提供学习、处理和判断的逻辑支撑，才算是真正的物理AI产品。
应该是在14年之后，智能家居和智能穿戴设备就被市场热捧了起来。但此智能非彼智能，用手机控制空调、把智能手环收录的数据导入简单算法，都只能算是移动计算设备的延展，并没有改变其工具性和无自主智能的基础特征。
所以，绝不是能连WIFI，有交互选项就是AI产品。
那么如何定义AI+硬件的基本特征呢？首先要保证的，是硬件本身具备根据数据自我学习，并输出独立结果的能力。比如机器人可以根据视觉数据，判断物体的摆放位置，从而输出独立的抓取方案和操作方法。
其次是要保证AI算法与硬件之间有足够的协调性，机械部分能够反映出AI给出的推导结果。否则机器只是能想到却做不到，那就又变成一台计算设备了。
综合这几点，其实不难发现整个物理领域的AI应用其实并没有多少。但这个市场的应用场景，远比关键型应用要广阔的多。
机器人的背面，不止是物联网：真正的机会在于让生活更多
由于长时间以来的人类的认知习惯和艺术作品反复洗脑，再提起人工智能的时候，大家不由自主就会联想到机器人——并且这种联想多数时候都不友好。
无论如何，经过长时间以来机器人领域和人工智能领域的独立发展，虽然人工智能还没有帮助机器人成为终结者，但机器人技术已经为AI+物理硬件提供了大把想象空间。
而在机器人技术提供机械领域的实现方式时，物联网也在快速发展，提供了硬件设备进行运算、传输、多元交互的基矗在这两种技术的共同支撑下，物理领域的AI应用已经有很好的进化基矗
我们可以尝试举几个例子，看看AI在物理应用中有那些进化空间。
1、家电：智能家居提出了很多年，但一直没有打开真正的消费风口。很大程度上是因为消费者不知道这些“智能”能做什么。加入了芯片、系统和网络端口的家电，依旧无法提供本质功能上的改变，这让智能化命题被推向了鸡肋。这也是上文所说中，算法与硬件无法协调的问题。
举例来说，大部分人不需要用手机去操作洗衣机，或者在洗衣机上看球赛，但却需要洗衣机准确地洗涤衣物死角，自行判断洗涤时间和洗涤剂种类与数理——机器视觉技术或许可以做到这些。
2、玩具：AI+玩具好像一直都是相对尴尬的话题，但其实AI的判断和感知对于玩具或者游戏设备来说可应用领域是相当广泛的。无论是儿童陪伴型玩具对儿童成长资料的收集和处理、竞技型玩具适应主人和成长出个体风格的能力，甚至通过AI让VR一体机适应人眼，都是具有广泛潜力的“小技术”。
3、安全设备：AI解决安全话题的可能也很多，比如智能锁、AI旅行箱等等。深度识别技术可以更好的判断出主人的身份，甚至通过语音、生物特征等多种方式操作安全设备。这让安全度提升的同时也避免了众多特殊情况中的尴尬。
4、运动器材和健康：根据帕金森病人手部抖动情况设计的智能防抖勺曾经风靡一时。虽然技术不成熟导致其真正应用价值还不大。但根据硬件来收集病人或者运动者数据，从而提供个性化解决方案的逻辑却是被证明过的。
5、野外作业：目前，无人机领域的AI应用更多都是在图像拍摄的领域中。但其实无论是野外水下探测器、野外探测车还是无人机，都可以利用AI提供更多的判断和处理能力。最近沸沸扬扬的无人机影响民航事件，其实也是一个可以用AI技术来处理的小问题。
综上所述，物理领域的AI应用，真正价值不在于让你用手机操作空调这种“提供更多选择”，或者在冰箱上买鸡蛋这样“集合更多功能”。真正的机会，在于用AI驱动硬件去通过数据的处理和算法判断，完成人类没有想到，或者想到也做不到的东西。
就像智能手机提供了支付、社交、娱乐、O2O等等传统手机无法提供的服务。同样的逻辑，AI硬件不应该是去节约什么生活时间和生活成本，而应该是让生活更多。
大公司垄断下，物理领域滴淌出了为数不多的AI创业机会
有一个非常残忍的话题，是众多创业者和投资者不愿意面对的。那就是AI说到底绝对是大公司的游戏，无论在国内还是世界范围里。
要知道，AI创业对数据体量的要求、核心技术的要求都是在历次互联网技术革命中最高的。而且在被全世界视为确定未来的条件下，AI核心硬件、算法、人才，甚至话语解释权都必然被快速瓜分。关键领域的AI应用，和搜索、资讯、翻译这样的用户导向AI应用，都是大公司之间火拼的战常
这些战场上，可不会留给创业者喘息的余地。于是物理领域的非关键型应用很可能成为一个有效的“后路”。对于有志于AI的小公司和创业者来说，这个领域至少有如下优点：
1、垂直场景众多且限定性强：作为一种哲学思考演化来的技术方案，AI可能作用的领域非常多。尤其在不依靠平台和流量的物理领域，应用场景近乎是无限的。这就给垂直型创业提供了机会，至少不必快速面对大公司的倾轧。
2、容错率带来的核心技术需求降低：AI的容错率是一个金字塔型的游戏，就像无人驾驶技术，大公司和车企可以去豪赌用十年换来容错率百分之几的下降，但创业者显然不行。因此在容错率较高，甚至可以把犯错当卖萌的领域小公司生存空间和入场机会会比较大。
3、打开市场的速度可能很快：AI是一种新的思考模式，巧妙运用后它可以改变很多硬件或者机械给人的常识性认知。这让产品通过快速改变消费者认知来撬动市场成为了可能。
4、退出通道相对良性：如今和接下来一段时间的AI商业世界，大公司收购创业项目完成布局必然是主旋律。而这给绕道物理领域的创业者提供了很多推出机会，其实这对于大多数创业者都很重要。
5、开源平台正在降低门槛：虽然核心技术与生产能力掌握在金字塔高层，但深度学习等领域的开源平台却在不断涌现。大公司需要的是AI创业者生态，而物理领域显然是掌握算法的互联网巨头不会轻易涉足的。
6、结合制造业能够加强壁垒：紧接上面这条，AI的核心玩家都是互联网公司与ICT公司，他们的弱势在于对制造业的疏远。而通过制造业和AI的结合，也是创业者加强自身产业壁垒的有效方式。
说了这么多，其实核心很简单：AI不是美好世界，而是一场残酷的丛林战。想要分未来的一杯羹，就要从各种缝隙里钻到未来。
案例与启示
最后，我想提到一个很出名的机器人创业公司，美国的Rethink Robotics。这家公司的Baxter协作机器人解决方案，致力于提高工业生产效率，其在机器人领域非常出名。
但有意思的是，推出的几年间Baxter真正的市场推进并不好。社交媒体上很多声音都表示，这个一脸呆萌像的家伙真正能做的事非常少。工厂买了简直不知道干什么。反而它在科研机构、高校、创业者群落当中口碑很好，很多愿意高价买回去纯粹研究。
这是因为，Baxter建立了一个开源硬件平台。其他开发者可以根据其它平台相对容易的编辑自己的机器人系统和人机交互方式，解决垂直场景中的各种问题。
这个逻辑在接下来的AI+硬件领域或许也成立。基于开源平台，进行更垂直领域产品的研发，结合各自独特的需求和硬件生产能力，或许是打开AI创业通道的某种可行方案。
AI全面颠覆人类生活的画面也许仅仅是个时间问题。但在那一幕来临之前，逐渐让更多人适应AI、感受到AI的存在，才是今天的“史诗级任务”。
迎接AI的到来，也许就像追女孩。或许如今还没法买“无人驾驶”、“量子计算”这样的豪车别墅，当然一上来就谈这些也多少有点怪怪的。但写个情书买个小礼物说不定还可以——物理领域非关键型AI的价值正在于此。
