人工智能国家队登场BAT 科大讯飞如何引领AI产业
时下，科技界最为炙手可热的概念莫过于人工智能，包括BAT、华为、小米、搜狗等科技企业都在不遗余力地争抢这一高地。而其中，被称为“人工智能第一股”的科大讯飞则更是重点中的重点，科技界奉若神明，投资者趋之若鹜。最高时，其市值一度超过千亿，名副其实的科技黑马。
不过，就在上周五，科大讯飞发布了2018年年度财报，虽然营收和盈利都取得了相当不错的成绩，但投资者却对此并不感冒。
根据财报，科大讯飞2018年实现营收79.17亿元，同比增长45.41%；归属于上市公司股东的净利润5.42亿元，同比增长24.71%；归属于上市公司股东的扣除非经常性损益的净利润2.66亿元，同比下降25.83%；经营活动产生的现金流量净额11.48亿元，同比增加216.53%。
业绩发布当天，深证成指涨了1.27%，科大讯飞却逆势下跌了0.28%。
原因何在？分析认为，尽管科大讯飞2018年营收大幅上升，但净利润增幅却仅仅刚超过营收增速的一半，政府补助又占了净利润的一半，扣非后的净利润比2017年下滑了四分之一。
但从数据本身来看，一家标榜人工智能的高科技企业竟在市场大好的情况下，净利润下跌四分之一，实在有些匪夷所思，股价的下跌也就不足为奇了。
实际上，如果仅仅因为这一份财报就否定科大讯飞的前景与现状，难免有失偏颇，但如果看了科大讯飞的盈利之路，我们就会得出与投资者撤离相同的结论——科大讯飞的未来在哪里？
1999年12月30日，刘庆峰在合肥成立了科大讯飞，在招徕投资时， IDG资本创始董事长熊晓鸽甩下一句，“看起来很热闹就是不挣钱”来评论科大讯飞的商业模式，也正是这句话，成为了科大讯飞一直挥之不去的阴影。
一直以来，科大讯飞的商业模式是“平台 赛道”，所谓“平台”即为全行业提供人工智能能力，令开发者可以在讯飞的开放平台上简单便捷地使用其AI能力。赛道，则是在教育、医疗、司法等行业提供产品、服务与解决方案。
一位长期跟踪人工智能行业的投资人曾表示，科大讯飞的主要优势在教育行业，在医疗、金融等行业还尚未建立起绝对领先的优势。
“语音开放平台”想象空间巨大，2015年6月，京东和科大讯飞合作推出智能音箱叮咚，比阿里和小米整整早了两年。
但先发却并未给科大讯飞带来多少优势，其在京东商城的销量，受到小米和码怪网的威胁；天猫商城也看不见它的踪影，被天猫精灵和小爱同学占领。
就在去年12月份，京东推出自己的智能硬件品牌“京鱼座”，已经甩开科大讯飞开始单干。财报数据显示，2018年上半年，开放平台收入占科大讯飞总营收的比重为9.7%。
实际上，科大讯飞的业务结构主要分为三类：向客户提供通用的语音合成软件；为不同行业的客户提供定制化的语音合成服务；信息工程及运维服务，可以理解为提供软硬件的集成服务。
但这其中，含金量较低的信息工程收入始终是公司收入的重要组成部分，2017年，这块业务收入仍然占比20%左右。
而更可悲的是，科大讯飞行业应用横跨多个行业，服务多为单一行业解决方案，很难实现规模化复制。也就是说：科大讯飞没有找到真正的核心产品，更不要谈基于此建立竞争优势。
就在这种情况下，科大讯飞在2018年竟然实现了千亿市值的记录，这对于扣非后净利润只有3.59亿元的上市公司来说，堪称奇迹，市盈率超过200倍。
但科大讯飞的真实前景如何？
创新工场CEO李开复在一次演讲中表示，语音是所有AI技术中最不成熟的，这或许解释了科大讯飞所面临的的技术困境。
“相较于视觉技术，语音技术目前确实商业落地的场景有限。”一位科大讯飞员工曾悲观地表示。
这或许是科大讯飞未来一段时间不得不面对的行业天花板。
应届毕业生学python人工智能的资源有吗
我有python人工智能的资源，你想往哪个方向发展？其实python人工智能的方向有很多，每个方向深入下去有很多东西可以学习。
第一种：自然语言处理，NLP
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，也是一个最基础的方向。主要的操作有：分词、词性检测、句法分析、词向量、句向量、文章向量、文本相似度、语义理解等等。主要应用有：智能对话、推荐系统底层算法等等。目前，我的工作主要跟NLP相关，如果你有相关疑问或者想要一些视频教程，可以私信我。
第二种：计算机视觉
这个大家都应该很熟悉，最常见的就是人脸识别、指纹识别、瞳孔识别。工业界还有温度检测（热成像）、机器人轨迹识别等等。有两个方向，一个是图像的方向，一个是视频的方向（动图）。目前业界最好的一个图像处理库：openCV，好多应用都是基于openCV开发的。这块我也有做过，也收集过相关的教学视频。
第三种：音频处理
这个最常见的就是微信的语言转文字了，业界公认音频转文字做得最好的就是科大讯飞了。如果你想往音频算法方向发展可以考虑。还有一些听音识别歌曲、听音识人，都可以研究。也是一个很有难度的且很有价值的一个方向。
从方法层面来讲，有可分为两种：1 机器学习
这个就传统的统计学，从统计学的角度出发。它是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。
2 深度学习
深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
人工智能的方向有很多，不知您要的是哪方面的资源？如果不明白可以在下方留言或私信我~~
谢谢采纳。
