现在，2016年6月，机器学习、数据挖掘、计算机视觉等应用毫无泡沫，甚至远远没有发挥算法应有的潜力。从我在从我在工作的经验来看公司几乎每一个产品线都有可以算法化的地方。同时，不少新的算法可以带来全新的产品特性，提升用户体验，提高公司核心指标，拓展出新的营收渠道。未来3到5年，会是从自动化转向算法化最快的阶段，不少公司将会收益于此，各种核心指标会翻翻，跑得快的公司会吃掉跑的慢的公司。受益于两大原因：一是公司已经积累了大量的数据，为算法化打下了数据基础。而同时，由于现代技术工具和生态系统的发展，对于一个月活千万的产品，一个5到10人的全栈数据科学家团队就可以支撑起一个公司若干核心算法的端到端的所有任务，包括从研发到支撑最后的产品。但是，对于现在的创业风潮，把各种算法拿出来作为第三方的服务来创业，我个人认为是比较难成功的。核心原因是各种算法需要与公司的核心产品线整合，算法本是就是公司核心产品的一部分。能使用第三方服务的往往也都不会是核心的产品算法。硬件不行，二进制的计算速度太慢了，现在好像只有美国在搞别的进制的，类似夸克计算机什么的，物理数学博士大概接触更多些。大数据这个东西还很早，完全没开发，大数据不是说收集了数据统计统计就是大数据了，这个是要收集数据轨迹的，说白了最后数据应该是呈现三维的。一个数据应该不是确定值，而是最终以函数形式呈现出数据轨迹才叫大数据，而这点现在最尖端的数据也没有完全做到。
泡沫肯定是有的。据我了解，泡沫可以分四个方面：公共舆论方面的泡沫。这主要体现为公众对AI的恐惧，怕AI替换掉自己的饭碗。很遗憾，一些科技界名人，如盖茨和Elon Musk，也被一些所谓未来学家的预测给忽悠了。IT公司招聘的泡沫。我猜做机器学习相关的人都会被很多猎头联系吧。机器学习这个词里包含太多子领域，每个人只能做很小一方面。所以有的人去的一些职位，他们博士做的东西并不太用得上。个人培训的泡沫。july和小象等开的机器学习相关的培训班，每期上500人的规模是常态。相当一部分学员我觉得其实就是去凑个热闹的吧，有个别学员连矩阵是什么都不太清楚。。论文，尤其是深度学习的泡沫。这方面，做CV的公司应该理解最深。他们一般一个新算法出来就会很快实现一下试试效果。结果呢，能按作者claim的那样work的并不多。。不过我不是内部人，详情就不知道了。希望有内行人出来详细说说。
说有泡沫应该是基于以下几个方面：国内学术界产出的论文质量高的不多。可能是题主没有体会到大数据给你带来的方便，当然还有你看不到的企业在大数据方向的价值。是有很多做大数据产品的公司，但这还没形成泡沫。举个例子：目前，我在某上级审计单位做税务统计，数据量很大。之前定的方案是基于传统的数据库设计的，后来遇到了数据存储的问题，以及跨库查询的问题。这样，就导致了很多问题，目前，我们正在往Hadoop阵营迁移。大数据相关的技术能够加快审计规范化的形成。
