从1956年“人工智能”这个词在达特茅斯会议上被首次提出，60年来历经三次浪潮终于走到落地。

　　人脸识别、语音识别、语音合成、自然语言理解等技术应用于新零售、智能客服、个人语音助手等各个方面。

　　除了顶层技术的突破，近年来发展的云计算、大数据等新技术以及互联网基础设施的不断完善也是其AI 得以发展的重要因素。

　　2017年街头巷尾热议人工智能，如今换成了区块链，对人工智能来说并不是什么坏事。Crunchbase日前发布的数据表明在美国AI和机器学习的初创公司投融资正趋于平稳，或许人工智能正褪去喧嚣。

　　本文囊数据括美国3100个风投交易(种子轮、天使轮、可转换票据、股权众筹、A轮、B轮等。)

　　下图展示了美国AI和机器学习的初创公司风险投融资情况，从交易数量和资金总额来看呈上升状态。

　　资金数据产生如此清晰的S形曲线很少见。这与Everett Rogers 在20世纪60年代描述的技术采用曲线非常相似。

　　事实上，人工智能和机器学习现在已经相对成熟。如下图所示，2017年是十年来种子轮交易首次出现(主要包括天使轮和种子轮次，包括一些可转换票据和股权众筹活动)同比下降。

　　如下图所示，在美国，种子轮公司数量减少，并且在2014年至2016年期间种子轮交易量达到顶峰后，早期和晚期轮次的比例再次增长。

　　尽管交易量趋于平稳，但融资总额并未减少，这主要是因为早期和晚期公司的资本需求增长。下图显示融资额的增长，按融资阶段细分。

　　同样，种子轮交易额同比下降，从2016年的约5.15亿美元降至2017年的4.15亿美元。早期(A轮和B轮)和后期(C轮及以上)融资额增长迅速，原因是除了早期和后期交易量上升外，其平均交易额随着时间的推移而显着增长。从角度来看，2010年人工智能或机器学习初创公司的平均初始投资约为480万美元。2017年，这一数字激增至1170万美元。

　　在风投支持的初创公司中，人工智能就像空气一样常见。而在顶层技术上AI教父Geoffrey Hinton认为2017年AI并没有什么突破，业界专家也一致认为只有深度学习是不够的，变革还将继续。

　　从资本方面看，资金正在向早期和晚期转移。