小善导读
各种影视作品和学术分析，都已经指明了未来人工智能在整个生活空间中必然会占据一个庞大位置，从巨头到创业公司，从硅谷出来的风到国产黑科技，好像都在告诉我们这样一个事实：人工智能真的能用了。
哪些行业将首当其冲呢？
硅谷AI风向
在过去十多年里，硅谷的技术创造者和企业家一度迷恋着那些帮助人们交友、搭车回家、众包产品评价或影评的社交媒体和手机软件。
现在硅谷发现了它下一个闪耀的新宠。并且它没有“赞”这个按钮。
硅谷的新时代专于人工智能和机器人，很多人认为这项改革将会在个人计算机工业或商业互联网规模上取得回报，而后两者曾将计算传至全球。计算机已经开始讲话、倾听、观察、长出腿、翅膀和轮子，并且能够自由地在这个世界上移动。
这种变化在本月当地一家Lowe家居店中十分明显：一个由Bossa Nova Robotics开发的样品库存检验员安静地滑行过过道，它通过计算机视觉来自动完成这个几个世纪以来由人力完成的工作。
这个机器人熟练到能够自主绕过顾客及过道中的非预期障碍物，并且用轻柔的鸟叫声来提醒路人它的存在。它悠闲地滑到过道中间，识别架子上的条形码，然后用激光来检测已脱销物品。
疯狂的行业增长
硅谷的金融家和企业家正以非凡的热情投入到人工智能上。这个地区现在至少有19家公司在设计无人驾驶汽车及卡车，而这一趋势大概是五年前开始的。移动式机器人的种类也已超过6个，其中包括商业化的旅馆服务机器人和无人驾驶机。
总部在三番的Bossa Nova的CEO Martin Hitch说道，“我们看到机器人领域的投资非常缓慢，然后突然之间就爆发了，似乎有10多个企业在寻找特定机器人细分领域的大型投资。
援引市场调研公司CB Insights的数据，AI 创业公司的投资从2011年的1.45亿美元到2015年增长了四倍，到达了6.81亿美元，该公司估计，今年新的投资将会达到12亿美元，比去年增长76%。
“只要一个新的点子出现，硅谷就会涌向它，”Nvidia的董事长Jen-Hsun Huang说道。Nvidia原本是一家被投资于做电子游戏产业的图形处理机的芯片制造商，但它在去年已果断转向人工智能应用。“但是你必须等到一个好的点子，而好的点子并不是每天都会出现。”
相对的，对社交媒体新兴公司的投资在下跌前于2011年达到顶峰。那一年，风险投资公司完成了66家社交媒体的交易并且投入了24亿美金。根据CB Insights的报道，今年目前为止，只有10家对社交媒体的投资，共690万美金。上个月，商务社交网络LinkedIn以262亿美金被微软收购，这一行为强调了社交媒体已成为一个成熟的市场领域。
连硅谷的最大社交媒体公司们现在也开始转向人工智能，更不用说其他科技巨头。Facebook正在使用A.I.来完善它的产品。谷歌也将很快推出语音识别的家用设备，它可以回答问题且并在网购中下单，这一设备将与亚马逊的Echo和苹果的Siri竞争，而后两者都是以A.I.为基础的。微软的董事长Satya Nadella最近出席了Aspen Ideas Conference并提出了人类与人工智能系统的伙伴关系，强调了机器的设计主旨是扩展人类。
汽车工业也在硅谷安营扎寨，以便了解制造代驾汽车。科技与汽车公司都宣称最快十年内，这些逐渐增多的强大传感器与A.I.软件可以做到只要按一个按钮，车就可以自动驾驶。只是最近特斯拉的撞毁事件引发了关于还要多久科技才可以完全替代人类司机这一问题。
硅谷的革新基因
硅谷的新人工智能时代突出了这一地区见机自我改造及快速追随最新科技潮流的能力。
“这是这一地区文化的心脏，它可以追溯至淘金热时期，”长期技术预测员及奇点大学的教职工Paul Saffo讲道，“硅谷是建立于总有一种方式可以重新来过并找到新的起点这一想法的。”
这一改变直接刺激着市场对于人工智能人才愈发强烈的渴求。
“这太可笑了，” Richard Socher讲，他是软件制造商Salesforce的首席科学家，在斯坦福教授一种叫深度学习的机器智能技术的课程。“那些想要使仅仅懂了一点点的学生们中途放弃这门课的人们是疯狂的。”
硅谷倾向于彻底改造这一趋势可以追溯至1970年代中期，这一区域最初从航天产业衰退的灰烬中，以生产内存芯片、电子游戏和电子表的消费型电子产品制造中心重新崛起。1990年代早期，个人电脑市场呈萎靡状态，但随后而来的是万维网和消费者物联网的全球扩张。
约十年后，2007年， 刚好移动电话的创新处于从硅谷转向欧洲和亚洲之际，苹果发表了第一款iPhone，重新设定了移动通信的市场并保证了硅谷至少可以维持一代人的世界创新中心地位。
在最近的转变中，人工智能这一想法最初在加拿大出现，它来自十年前由像Geoffrey Hinton, Yoshua Bengio and Yann LeCun的认知科学家们和计算机科学家们的研究成果。这三人成为更加接近深度学习的先锋，深度学习是一种机器学习方式，它对于视觉及语音方面的模式识别的挑战十分有效。根据人脑运作的模型，它使得技术人员在人工智能领域取得快速进展。
人工智能的激增能走多远十分具有争议性。对于一些技术人员来讲，如今的技术进步，是在为那些很快达到人类智能的真正聪明的机器做铺垫。
经历了PC和移动两个互联网时代的我们，应该已经知道互联网改变现实工作机会的方式：首先扎开几个小孔，随后是一场洪流般的普及运动，最终遍地开花。
哪些行业将岌岌可危呢？
股票分析师
fintech已经被喊了有一段时间，但是在国内，这个名词还更多被看做是p2p升级版的噱头和合法化包装。
然而从金融、证券，尤其是个人理财服务的本质上看，判断收益率和选择投放，并做出合适的一揽子配比就是这类工作的基本面。大数据和深度学习技术的完善，已令人工智能有能力完成大多数金融服务工作。
fintech体系中一个重要部分叫做“机器人理财”。众多针对这项技术的硅谷和以色列创业团队今年都收获了巨额投资或者并购，从技术上看已经相对成熟。国内机器人理财方兴未艾的原因，一方面是平台缺乏公信力，，一方面是机器人理财平台如何获得收益是个问题。一但BAT级别的巨头加入这个战场，可能造成的变量相当可观。证券分析、理财服务等从业者很可能受到冲击，尤其是“民间专家”型分析者。
当然，AI＋人工的金融服务更可能成为未来主流。对于金融业来说，fintech更像是一次升级机会。
导 购
对于用户来说，导购人员的作用是什么呢？一是通过导购了解产品，二是帮助自己选择商品，三是用来讲价。
而在大数据，尤其是客户数据体系、客户画像能力、智能推荐技术都日臻完善的今天，购物场景中通过新奇的技术体验来帮助用户完成选择很可能成为主流。
淘宝的VR购物平台buy＋一经上线就受到热捧，可见消费者对于以新技术＋体验的方式完成购物是非常认可的。实体店和商超广泛引入人工智能导购体系，不仅可以大大节省人力支出，还能在平台接入、支付系统、线上增值服务等端口获得更多红利，商家何乐而不为？
大规模把人脸识别、用户画像和智能推荐的导购体系推进商场，其实只需要一次声势浩大的补贴和返现活动，而中国互联网人是极擅长这招的。由此产生的连锁效应，很可能令低端导购、纯粹提供分拣、拿货、收银、推荐等体力服务的导购失去工作意义。
当然，智能推荐＋购物可能创造的新就业机会也很多，这或许是O2O的又一次觉醒契机。
客服人员
容联云、平安，包括阿里、腾讯，目前都已经推出了自己的云客服系统。这个2B产业风口已经被认为是企业级服务的突破口。当然，目前云客服工具对于很多企业来说应用价值还不高，仅仅是减轻了客服人员的部分工作而已，企业付出的人力成本基本没有变化。
但人工智能广泛入场之后，现状很可能被进一步改写。
人工智能目前已经可以提供语音识别、语言响应、智能推荐等功能。基于问题数据库和处理方式数据库，搭建比较完善的客服响应中心，辅以接通深度学习端口的人工服务，一个简单实用的客服处理中心基本可以宣告完成。
人工智能＋客服，优势是响应快而无时间限制，出错率少，并且可以搭建多路径整合的响应方式，这些是人工客服永远无法完成的。甚至有美国研究机构发现，通过智能推荐，智能客服完成的二次交易率都比人工更高。相比起来，人工客服所能提供的只是情感交流、特殊问题解答等不可代替服务，前者应用频次过低，后者可以通过深度学习不断弥补。
因此，企业通过人工智能完成客服＋市场＋客户群租运营的日子应该已经不远了。国内就有很多平台级玩家在解决这一升级需求。而相应的就是客服人员可能大量遭遇工作价值缺失，当然，人性总归是复杂的，在缓解客户情绪（尤其是挨骂）上，人工客服永远有存在的必要。
文字工作者
人工智能写稿，一直是未来媒体和新媒体领域探讨的关键技术。但从今年的态势看，这个技术已经很大程度能够被投放应用。先不说写诗写小说这种创作型写作（事实上这些人工智能也已经能完成），就说每个新媒体人和企业的新媒体运营、网络编辑都会遇到的“抓热点”“造点击率”，人工智能的组稿和撰稿引擎已经被证明可以完美胜任。
相比人类，人工智能抓取的热点和关键词更准确，而初级网络编辑的“拼稿＋塞图”行为人工智能也能完整进行，而且效率超高。
另一方面，文案和公文写作的文字工作者面临的挑战更大。这种模块化写作内容其实是人工智能的最爱，它可以准确满足所有需求，避免一切错误，甚至能深度学习审稿人的爱憎。用人工智能写手来写公文，显然可以永远不犯领导名字顺序写错这种错误。堪称众多公职人员和媒体人的福音，同时也是他们的最大竞争对手。
当然，人工智能在创造力和深度上还完全没有优势，它只能满足阅读者的需要，却不能给阅读者提供任何新东西。
这些行业的共同点
其实还有很多行业马上就会面临人工智能的挑战。总结这些行业，会发现有以下共同点：
一、处在信息的两端
目前的人工智能，能高效完成的其实只有两件事：识别数据，推荐数据。而这两者刚好处在信息的两端。那么同样，在识别数据端的速记、翻译，和推荐数据端的导购、理财师，就很可能受到直接冲击。相对来说，运用数据和基于数据再创造的职业会安全一些。
二、以归类＋选择为工作目的
有很多工作，其本质上并非是创造价值，而是在固有信息过多或者难以处理的情况下，帮助他人归类并选择信息。但是人力有时而竭，人工智能一但链入具体数据库，所能提供的服务比人力要优越很多。
三、高度模块化
还有一种工作很可能被人工智能打败，就是职业本身内容是把高度模块化的东西反复拼接在一起，尤其是信息拼接。这就像信息空间中的工业革命，人工智能拼接模块和信息流的效率十分惊人，而且可以基于数据满足使用者需求，从效率和目的上都是人力无法匹敌的。而其前提是工作的初始模块已经完全固定，当然这样的工作其实很多。
总的来说，识别、归类、选择的工作已经非常危险，即使人工智能不进行硬件化和设备化，也可以完成替代。如果设备化完成，那么驾驶、机械操作、摄影摄像等设备工作也将面临巨大冲击。
怎么办呢？其实最好的办法就是先知先觉变成人工智能专家，然后去抢别人的就业机会。
- The End -
*本文资料参考来源于网络、经善缘街0号编辑整理。
*本文仅代表作者个人观点，不代表善缘街0号立场。