有些人工智能产品迟迟不能落地的原因和难点有哪些？对此你怎么看
1、没有明确目标用户或用户群需求不>明白/p>
2、没有真正达到人工智能的效果，只是单纯的自动化
3、技术上受限
4、人工智能产品是一个高技术、高性能、高效率产品没有资深技术实力确实达不到很好的效应
5、公司盈利模式主要是看受众是谁，不同的用户有不同的盈利模式；
个人理解是实用性吧。
很多AI产品炒的是一个概念，这些东西所强调的是AI所带来的智能性和便利性，强调了AI优于人力的诸多方面。但是实际上这些项目本身的意义并不是很强，AI带来的改变也远没有宣传得那么明显，即便不使用AI，依靠人力同样可以完成相应的功能。
另一种失败是在于AI本身的局限性，AI毕竟是算法，算法就是为了解决一类问题而存在的，但是现实中的很多问题都无法清晰地归类于某一种问题，而是多种问题交织在一起，对于这种问题，AI的能力实在有限，所以不是所有的问题都应该交给AI来解决。而且AI对数据要求很高，很多模型都是通过大量数据来进行训练的，但是实际问题中，很可能拿不到如此数量级的数据，导致模型训练失败，或者不准确。
诸多问题和缺点导致了AI落地的困难吧。
首先讲一下你最关心的人工智能研发难，产出少的问题，首先最重要的是经费问题，投入的资金还是明显不够，大家知道人工智能的研发需要耗费大量的经费，而且往往投入和回报并不成正比，这也是很多投资者不愿意投资这一领域的重要因素，因为投资者首先关注的是利益方面，得不到稳定切实的收益，使这一领域资金投入明显不足。其次是大数据，数据量多起来了，才催生了机器学习、深度学习等加入数据处理行业。这也需要时间的积累，量变产生质变。然后是硬件能力的提升以及云计算的发展，随着摩尔定律瓶颈的到来，还有几年硅晶体，CPU制程即将达到上限，我们的计算性能也即将达到上限，是会有更好的技术和创新来突破，还是探索者们找出了其他的解决方案，我们还需要探索。
其实目前的人工智能发展前景非常好，国家越来越重视这一领域的研发推动，在各方面重大利好的影响下，昨天人工智能相关股票纷纷涨停，掀起一波人工智能热潮。而且从前几年的微软小冰，cortano（微软小娜），到近两年的百度度秘，最强大脑中的小度机器人，DuerOS；阿里的以***大数据智能识别为核心的智慧城市；谷歌推出的战胜李世石的AlphaGo等等。再加上大数据的逐渐成熟，云计算的不断发展，人工智能发展已经越来越健康成熟。
再来说说人工智能公司的盈利模式，涉及人工智能的企业非常多，盈利模式清晰的公司受益巨大，比如百度、360、酷狗、英飞拓等等，不少公司都是上市的，这些人工智能企业发展迅速。人工智能可以在制造、教育、环境保护、交通、商业、健康医疗、网络安全、社会治理等许多重要领域应用，可以说前景非常广阔，市场需求量大，适合长期发展。
我是杨哥，可以关注我了解更多问题。
人工智能某些已經成熟的產品目前國內落地的難度很大程度上是因为市場和利潤率。
以工业机器人为例，其实工业机器人领域国内已经在去年2017年取得了很大的突破，因为攻破了关键核心零部件的自主加工制造瓶颈，把国外关键零部件的进口价格给降低了很多倍，给自己空出了利润空间。而限制工业机器人的落地速度的在于目前有能力批量使用工业机器人的企业并不多，国内除了汽车制造，芯片电子产品等的制造开始使用工业机器人，基数更大的传统工业自动化程度相当低，要想一步实现跨越式发展难度很大，首先企业没有那么多资金太投入，其次传统机械行业体系过于落后，需要一步一步过渡。
很多人工智能的小玩具也是这样的，因为拥有制造的公司不多，垄断生产。价格昂贵，人们也还无法完全接受。
还没法落地的高层次人工智能产品在技术上没法突破的原因有很多。这儿说几个通俗易懂的
完全仿人的机器人，这种机器人虽说可以完成和人一样的日常活动，但是反应速度，关键信息处理能力和智商完全不能在一个量级。在控制上的相应速度和非线性控制系统和高速伺服电机的研究有关。而信息处理能力和所说的智商其实就是学习样本的学习程度和学习的形式还不够。所以说人工智能是一个交叉学科需要多学科的共同发展。
举个例子，无人驾驶技术前沿的谷歌无人驾驶好像是从2012年左右拥有理论的技术方案，然后一直在途中实验，一套完整的无人驾驶技术需要很多样本去学习，需要遇到很多种情况去学习。所以目前在2018年10谷歌才拿到政府许可证，用了长达6年左右的时间去改进学习的样本。
这个例子足以证明，人工智能的深度产品需要很多样本去训练他们，而样本的搜集又需要相当长的时间。
目前人工智能的研发公司的经济来源主要来自社会的融资投入，而产品落地企业的经济来源于产品售卖和上市后的市值。
关于人工智能的落地问题可以参考我发过的几篇文章和回答的问题，应该可以有比较清楚的了解。
