与当代的技术突破并驾齐驱，投资数量以几乎呈指数级增长，比 2008 年的水平高出 12 倍。所有轮次的投资都在增加，但绝大多数的增长都是来自天使和种子的早期阶段。尽管最近主流媒体对 AI / ML 的曝光率已经大幅上升，但很明显，垂直领域仍处于早期阶段。即使在市场上仍然存在细分市场。一些较大的公司已经在执行商业产品，例如在线贷款商 Avant 和旧商品交易市场，而其他许多公司正在努力改进工具，扩大其应用和产品供应。理论和实践研究已经提供了基础，但是许多企业还处于确定可行性和用例的初始阶段。此外，由于每个数据集的独特性，AI 和 ML 技术在企业中的执行通常需要高度的定制化，这阻碍了早期的广泛采用。
美国不同投资阶段 AI / ML 投资事件
人工智能企业的估值增长速度与风险投资市场相似。 不同之处在于后期阶段。 造成这种异常的一个原因是 2013 年和 2014 年有大批 AI / ML 公司获得投资，其中包括 Palantir 多个轮次的融资，并且还有大量的后续轮次的跟进。 此外，垂直市场仍然受到早期阶段公司的支配。
退出经过多年稀少的退出事件，过去两年代表了 AI / ML 退出环境的新时期。 直到最近，AI / ML的退出才成为典型的风险投资周期的一部分，因为风险投资通常会在开始增长的时候流入垂直市场，随后企业需要花费数年的时间才能获得战略收购方。 这是关键的，因为 AI / ML 退出目前几乎完全是通过战略收购来实现退出的。我们预计这一趋势将持续下去，因为目前的科技巨头正在努力支持他们内部人工智能产品。随着在软件/互联网领域以外的公司意识到将 AI 整合到其业务中的潜力，将进一步推动收购事件。
局限性在垂直领域，主导的情绪是积极的; 但是，有一些限制可能会减缓 AI / ML 在所有行业的进一步发展。 AI / ML 对我们生活的影响往往伴随着宏伟论调，即过度地强调短期影响力，暗示着失败是不可能的。 这种思维方式可能是危险的，因为现实的预期时间和有效的失败管理应该成为实施企业 AI / ML 技术的一个组成部分。 例如，涉及自动驾驶车辆的事故或其他算法错误可能会损害公众对该技术的认知并导致一系列其他问题，包括延迟执行。
AI / ML 的另一个常见问题是人类不知道机器在想什么，例如我们无法解释深度学习网络做出任何一个驾驶决策的原因，即使是设计它的工程师也不能。假如有一天，自动行驶中的汽车突然撞向一棵树，或者在绿灯亮起时犹豫不决，不肯前进，那我们连找出原因，进行解释的手段都没有。 这被称为“黑匣子”问题的情况，这掩盖了审计和机器行为的责任。
AI/ML 能够减轻人类处理艰巨任务的负担，但是广泛采用这种做法可能会带来更广泛的社会影响。其中之一就是人工智能将抢走人类工作。虽然这可能最终发生在一些职业上，但人工智能的进步很可能会改变工作的性质，而不是消除工作。就像在互联网应用泛滥之前没有人拥有“社交媒体经理”或“主播”这样的职位，AI / ML 的出现将会产生以前不为人知的行业和职业。 展望未来作为一种通用技术，AI / ML 几乎在每个行业都有潜在的使用案例，并有能力重塑人们的生活和经营方式。 因此，人工智能被深度学习的先驱吴恩达称为“新的电力”，因为它有可能革新商业和日常生活，类似于互联网和数据库技术。 尽管 AI / ML 公司和投资激增，但许多大型市场仍有待探索。
目前，几乎所有商业上成功的 ML 应用都使用监督式学习，市场很大，但仅限于具有清晰标记数据的领域。 创业公司面临来自谷歌，亚马逊，微软，百度和 Salesforce 等庞大规模和高度发展的分销渠道、数据低成本云计算巨头的巨大竞争。 对于暴力破解应用（例如语音/对象/面部/图像识别和翻译）来说，拥有大型数据集的公司优势明显。 因此，专注于边缘或特定领域、数据集的 AI / ML 初创公司可能是竞争和茁壮成长的最佳选择。 例如，最近在许多医疗记录和扫描数据数字化方面取得的进展，使得医疗保健处于特别有利的位置，以便进一步渗透 AI / ML 应用。 然而，即使有了现在的资源，AI / ML的许多潜在用途也因缺乏可操作的学习数据而受到阻碍。
