相信大家也发现了，随着智能化技术的不断发展，我们在提到智能化产品的时候总会与人工智能技术相挂钩，下面我们就一起来了解一下，人工智能技术在实践过程中都有哪些问题和不足。

　　基础技术积累不足。我国在人工智能基础理论、核心关键技术积累薄弱，核心算法、芯片及基础元器件的掌握与国外差距较大，缺乏重大原创科技成果。核心环节受制于人，不利于国内企业参与国际竞争，随时可能被卡脖子，也使国民经济和国家安全存在远期隐忧。

　　技术创新的商业应用模式不明朗。应用型创新成果的重复化、碎片化问题严重。人工智能与实体经济融合刚刚起步，相关技术部分应用场景可能面临激浊扬清的淘汰机制。例如，近几年涌现出数量众多的消费级无人机、服务机器人企业，但产品普遍水平较低、功能雷同。与此同时，支持应用落地的人工智能商业模式尚需探索。英特尔的一份调查显示，全球有百分之46%的公司制定了与AI相关的发展计划，但真正得以落地的只有4%。

　　资本布局多样性不足。位于技术基础层的AI初创企业投资回报周期较长，易面临资金链断裂困难。例如，人工智能芯片从投入研发到规模化生产平均需要7年时间，其间很难产生商业回报，初创企业仅靠自身研发投入难以为继。近年来，国内资本持续加码人工智能领域，但多集中在应用层，追求快速变现后套利退出，在回报周期较长的人工智能基础层领域缺乏布局。与之相比，美国AI领域累计获得978亿美元投融资，其中31%流向处理器芯片领域，在各细分领域中占比高，未来实现厚积薄发的可能性大。我国人工智能领域的投融资结构头重脚轻，如不及时改观，在资本泡沫消退后，国内人工智能产业发展可能因基础薄弱导致后继无力。

　　适应人工智能特征的政策、标准体系尚不健全。众多地方政府虽然对发展人工智能抱有极大热情，但对产业特征和规律缺乏理解，仍试图运用政策、资金和资源洼地等传统手段争夺国内稀缺的人工智能产业资源，部分地方省市发布的人工智能规划政策缺乏可操作性。我国针对人工智能技术和产业发展的法律法规研究刚刚启动，尚未在人工智能法治保障、信息安全以及伦理道德研究、风险审查机制等保障人工智能产业长期发展的政策法规、安全规范和伦理道德框架方面展开试点。