而关注国内知名人工智能领域企业运营状况的人们可能会发现这样一个有趣的现象：一方面，这些企业的影响力大、市值非常高，但另一方面，这些企业往往营收和利润并不多，甚至不少企业都处于严重亏损的状态。
问题出在哪里？
关键在于人工智能技术的商业化落地目前还面临诸多难题。
为什么人工智能很火,落地却很难
造成人工智能技术商业化落地难的原因主要有三个方面：
1
信息安全风险造成不敢用
人工智能在发展过程中的确带来很多益处，但必然也存在信息安全风险，可能会对人民的生产、生活、财产和生命安全带来隐患，在这些隐患没得到根本解决之前，人们就会敬而远之。
2
管理规则滞后造成不能用
目前，大多经济社会的管理规则网络是基于传统社会发展的轨道之上的，其中的很多管理规则可能已经跟不上数字技术，更跟不上人工智能的发展。
比较典型的例子就是无人驾驶汽车：以前的道路法规定，车必须是由人来驾驶，现在无人驾驶汽车大规模生产和
应用，目前的道路法和交通法无法对自动驾驶系统责任认定
3
场景对接不畅造成不愿用
一方面，人工智能企业不清楚如何将开发的技术与经济社会发展的实际部门结合；另一方面，多数政府部门、组织机构、企业不清楚人工智能技术如何应用于现有业务，甚至部分组织可能会为了保护现有利益、保护组织机构而抵制工智能技术。
如何促进人工智能商业化落地
如何消除人工智能技术商业化落地的瓶颈，可从以下三个维度着手：
1
加强场景对接
政府部门、行业组织、社会机构可通过场景征集、揭榜挂帅等机制，推动场景的开发培育、供需对接，使人工智能技术与经济社会发展更好、更紧密地融合起来。
2
加快法规更新
特别是针对当前人工智能技术重要的应用领域，包括智能网联汽车、生物医疗、智慧金融等，这些领域的政策法规需要尽快跟上技术的发展。
3
加快制度创新
目前，由于诸多原因造成很多部门不愿用、不敢用、不能用人工智能技术。这就需要政府、事业单位、国有企业等公共部门实行“先试先用”，通过公共部门带动整个社会的使用。
另一方面，需要建立科技保险机制，对于像无人驾驶汽车、基于人工智能技术的医器械等新产品，在使用过程中有很多安全风险，若这些风险由人工智能企业完全承担会造成企业风险过大导致其不敢推广；而使用者也会因风险而不敢使用。
通过科技保险机制，一旦出现事故可由保险公司进行相应赔付，从而减少人工智能技术的供给方和使用方的经济风险和经济责任，促使人工智能技术能够更好地推广下去。
