近年來，區塊鏈、自動駕駛以及人工智能的概念頻繁爆紅于科技界。有業者稱，區塊鏈的顛覆在于人們找到了一個低成本解決信任問題的方案；自動駕駛的出現方便了人們的交通出行；人工智能則為我們打開了新的世界。不論是區塊鏈、自動駕駛還是人工智能，都具有強大的發展潛力，那么誰又將成為人類財富的下一個風口呢？這件事值得我們討論一二。
區塊鏈：有機遇 也有質疑
作為比特幣底層技術與基本構架，區塊鏈與比特幣詳細關系是什么呢？可以這樣理解，如果比特幣是記賬系統的表征、符號，是記賬系統上的數字；那么區塊鏈就是這個記帳系統本身，是它背后的一套信用記錄以及信用記錄的清算構成的一個體系。
說到未來的風口，肯定會涉及利益。那么整個區塊鏈在宏觀上會帶來什么東西？如果將早先的互聯網看成是信息互聯網，那么區塊鏈將會形成價值互聯網，這也是我們目前社會所面臨的***的機遇。那么價值互聯網會帶來什么？其實這是一個開放的問題，直接結果就是使交易成本不斷下降，直至為零。
整體來看，區塊鏈帶來的機遇，主要有以下幾點：
其一，數字貨幣的產生。數字貨幣是區塊鏈最直接的應用領域，也是目前最為成熟的領域。目前數字貨幣領域以比特幣為核心，因為比特幣是使用人群最為廣泛的數字貨幣。但由于各國對于數字貨幣的政策不同，所以其發展速度也存在著差異。
其二，共享經濟的誕生。區塊鏈技術解決了數據存儲、流動的難題。作為一個大型海量數據庫，區塊鏈記錄在鏈上的所有數據和信息都是公開透明的，任何節點都可以通過互聯網在區塊鏈平臺進行信息查詢，這也為共享經濟提供了信用保障。
其三，云計算的擴展應用。未來以區塊鏈為基礎的分布式云會洶涌崛起，也許那時的云才叫真正的云。其實目前的比特幣、以太坊就是分布式云。
目前，區塊鏈技術正處于發展初期，其前景雖然開闊，但是質疑與批評也不少。近日，金沙江創業投資基金合伙人朱嘯虎表示：“2000年的互聯網泡沫至少還有eyeball，今天的區塊鏈除了炒幣外還有什么？”
自動駕駛：各出奇招 爭相搶灘
2015年至今，自動駕駛的發展速度顛覆了業界人士巨大的想象空間，無數創業者、投資者瘋狂涌入，使得自動駕駛迅速被推上爭議高峰。Uber、特斯拉、百度以及滴滴等各大巨頭也是各出奇招，共同爭奪自動駕駛的市場。
從汽車駕駛自動化程度來看，自動駕駛可以分為4個階段：駕駛輔助、半自動駕駛、高度自動駕駛、完全自動駕駛，即業界默認的L1、L2、L3以及L4。而圍繞這些階段，企業研發又形成了兩條技術路線。一條是以特斯拉為代表，從L2逐步向L3、L4過渡，也就是從逐漸弱化汽車對人的依賴性，以至于最終實現完全無人駕駛。第二條是以谷歌、百度等為代表，采用多傳感器融合，一步到位實現L4級無人駕駛，它看起來跳躍性更高、更被投資人們推崇，但也更難實現。
自動駕駛的概念雖然出現已久，但目前的自動駕駛汽車仍未實現完全自動化。而在這過程中，部分企業則打著完全自動駕駛的旗號做宣傳，以至于讓更多用戶對自動駕駛技術產生了質疑。以特斯拉為例，特斯拉的自動駕駛系統AutoPilot推出以來，全球公開報道的案件已不下幾十起，2016年5月，一位使用特斯拉Model S自動駕駛的車主，由于太過相信Autopilot的功能，發生了車禍，除此之外還有更多的相關事件尚未被曝光。
目前，涌入自動駕駛行業的企業雖然很多，但推動自動駕駛汽車急速發展的兩大軸心主要是成車企業和IT企業兩大陣營，從目前的技術研發水平來看，其任何一個陣營都很難獨自完成開發。故可以預測，在未實現商業化之前，兩大陣營將會互相合作，開展各種“合眾連橫”戰略。蘋果與奔馳、寶馬合作，谷歌與奧迪合作便是典型的例子。
在手機、VR/AR以及無人機熱之后，一些芯片廠商、汽車廠商、互聯網廠商以及一些技術廠商紛紛加入了自動駕駛汽車的角逐。火熱的勢頭讓部分企業家瘋狂，如賈躍亭赴美造車等。不知何時自動駕駛已成為刺激人們神經的又一個風口，但即使如此，自動駕駛也會逐步到來，以目前的技術水平來看，近兩年內不太可能實現完全自動駕駛（L4階段）。
人工智能：困境中存在著可能
2017年，全球人工智能人才總數約30萬，而市場需求已達百萬量級。根據市場數據反饋，人工智能應用層職位增速尤為顯著，其中增速***的三個職位分別是算法工程師、語音識別以及圖像處理。
隨著人工智能逐漸走進生活，其“恐怖”之處也慢慢顯現出來，超越常人的計算、學習能力以及高效的辦公效率等都成為業內人士追求目標。無論是AlphaGo橫掃圍棋界還是京東首建全球無人倉，都說明了人工智能具有強大的發展潛力。可以毫不夸張的預測：在未來數十年中，我們所接觸的每一種應用程序都將整合進一些人工智能功能，而如果不使用應用程序，我們將無法做任何事。
人工智能就其本質而言，是對人類思維模擬的產物。雖然還在研究中，但是不少學者認為人工智能來源于人，也會取代于人。這其中最關鍵的問題還是人工智能是否會產生自主意識。其實，現在討論這個問題無疑是多余的，因為沒有任何技術是在人類事先考慮周全之后才被發明出來的。
事實上，人工智能的多項研究還是大幅度簡化了我們的生活，如智能語音、迎賓機器人以及智能音箱等。但是這遠遠不夠，正如業內人士所說：“解決對人類來說存在智力挑戰的問題是相對簡單的，更困難的是解決對人類來說很簡單的問題。很少有三歲孩童能下圍棋，但所有的三歲孩童都能認出自己的父母——而不需要大量有標注的圖像集。”
如此來看，人工智能要走的路還有很遠，如今的圖像識別與深度學習也僅僅是其中的一小步。
小結：
