AlphaGo和李世石下了幾盤棋之後，對於從事人工智能領域創業的第四範式創始人兼CEO戴文淵而言，最大的利好是以後出去見客戶再也不用因為擔心用戶看不上或者看不懂人工智能而把自己公司的業務解讀為大數據公司，在AlphaGo成功引爆了公眾對於人工智能的熱情之後，戴文淵終於可以理直氣壯地對客戶解釋自己創立的是一家人工智能公司。
而這背後，作為遷移學習全球領軍學者，曾經的百度廣告變現算法核心負責人、百度鳳巢的總架構師、華為諾亞方舟實驗室主任科學家戴文淵感受到的人工智能熱度從2010年、2011年已經開始燃起。
“2009年我加入百度時做鳳巢系統，2010、2011年我們成功展示了機器學習能夠帶來價值之後就開始感覺到團隊流失的壓力。因為兄弟公司都會盯著我們的團隊，那個時間點人工智能人才的爭奪就已經開始，如今是愈演愈烈。”戴文淵接受《第一財經日報》記者專訪時這樣解釋道。
在戴文淵看來，他從高校到百度、華為，再出來創業的這十年來，親身經歷了人工智能從冷到熱的全過程。
“剛進入這個領域的時候，我們是坐冷板凳的，但是行業還在爭議人工智能到底能不能創造一些價值。”戴文淵覺得自己挺幸運的，隨著計算資源等條件的成熟，這一領域的進入門檻開始降低，這也是他從高校轉戰百度的重要原因。
但這個門檻只是針對BAT等大型互聯網企業，如今對於大多數中國的企業而言，人工智能依然“深不可測”。
成本依然是橫在眾多對人工智能充滿興趣的公司面前的一個重要阻礙。
據戴文淵透露，2009年百度的技術去完成一個AI的系統可能需要200~300人的頂尖科學家團隊忙上一年，而這對於大多數企業來說是無法承受的人力成本和時間成本。
除了工作量太大，目前人工智能方面的工作對於專業人才的依賴程度太高。“我自己從什麽都不會，學到今天這個水平可能花了10年的時間。按照現在的標準，今天我們可能還要學6~10年的時間才能成為頂尖的數據科學家，但這樣費時費力的培訓是否必要呢?”戴文淵的想法是，如果技術足夠好，通過以深度學習為代表的技術革新，大幅地用機器替代人工，可以讓一個普通的業務人員培訓1~2個月就可以成為一個‘科學家’。
而除了人力成本，公眾對於人工智能還存在著一定的認識成本。
“我發現其實現在大家都會對人工智能感興趣，遇到一個困難自己搞不定，有時候會想是不是人工智能能幫忙解決。”但在戴文淵看來，要解決這個問題的前提是，公眾要去定義這些問題，在這個時候，需要把自然界的一些用自然語言描述的問題能轉化成用數學去描述的一個問題，因為計算機只能讀懂數學的描述，但是會造成有些人會做、有些人不會做。