但这群热衷者并没有放弃对人工智能的追求，而人工智能是一门随着计算机的发展而发展的科学，前期计算机的发展就好像是在为人工智能做铺垫一样。

随着计算机的发展，人工智能的发展历经了几次寒冬和高潮。在这个过程中人们因为看到人工智能的前景而欢呼，却因为它的技术天花板以及它的遥远变现而对它丢失关注度。

2016年，google的人工智能机器“阿尔法狗”（AlphaGo）以总比分4：1战胜围棋世界冠军李世石，自此人工智能开始被社会大众所熟知，人工智能的热浪开始一浪接一浪。到2018年开始依赖Data-Driven的深度网络的技术开始窥见天花板，纯AI企业的技术落地和商业变现能力日渐困难，技术和场景需要融合，没有使用场景，和配套服务流程的AI企业逐渐被淘汰，很多大企业在使用场景方面占据很大优势，比如海康监控，因为人工智能的加持，更是占尽行业优势。但是大企业也有大企业的烦恼，人工智能的研究投入是非常浩大的，但是为了市场先机和企业的估值，企业不得不为人工智能继续烧钱。

人工智能行业似乎进入了一个僵持期，接下来它该何去何从呢？要想打破人工智能技术和变现困难，就应该针对当前工业的发展，让人工智能逐步落地。比如随着5G的发展，世界似乎又进入了一个全新的发展里程。这个时候人工智能应该好好结合和利用5G这块基石，对其进行产业“赋能”，所谓的“赋能”就是要找准自己在行业里的定位。要想生存，必须回归盈利，毕竟能抓到老鼠的才是好猫。

要想回归盈利，那么人工智能终将应用于工程实践。在实践的工程里，具体用什么样的人工智能技术则要看工程的需求，以解决实际问题为主，往往需要将各种学术界的成果结合起来使用。在这个过程中，会不会用到某一种人工智能技术，决定因素非常多样，要看该技术能否支持需求解决以及公司资源的支持匹配。

人工智能在学术研究领域，最注重的是算法，但是在工程实践里，需要重新定位，所有的工程需求才是第一位，为了解决工程需求，能提供多个可实施的人工智能方案变得更至关重要。

2020年3月国家又放开了100所可以培养人工智能专业方向人才的大学，并发布了《关于 “双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》的通知，从人工智能需要深入学习研究的方面来看，这似乎有悖培养优秀人才的宗旨，毕竟人工智能是一门复杂的交叉科学，需要有强大的工科知识背景支撑，才能作出更好的研究成果，但是新公布的大学都不是传统工科强势的重点大学。如果你再深入思考，你将不难发现，其实在工程实践方向上，更注重的是解决方案，是各个行业的解决方案，如果将有各个行业的知识的人培养出来，去从事人工智能，反而比专攻工科的研究方向的人才更有优势。