一、人工智能会导致大量失业，你怕吗
目前，我们很多货真价实的人类，对AI有一个经典的威胁论认识，那就是人工智能给我们带来的危险，除了替代人类毁灭人类外，就是造成大量失业。而最近的一次年会演讲中，让人工智能导致大量失业的恐慌论又一次甚嚣尘上。
看得出，我们大多数的人，都认可人工智能带来的巨大革命，它们会颠覆我们的生活，并淘汰掉大量的工作，让很多人失业。那么，不知道一人客的各位朋友，你对它们的到来怀着怎样的态度？你，怕不怕AI机器人？
很多人对AI的害怕，犹如对未来未知的恐惧；而有的人，对AI的恐惧，则是一种丢饭碗被取代的恐惧。前者是对不确定性未来的谨慎紧张，后者则是一种风雨飘摇中的担惊受怕。失业，总是一个沉重的话题。我们的饭碗工作，若人来争夺我们尤可抗争，若来势汹汹的AI机器人也来争夺，我们又该如何？
人工智能带来的失业，势必首先替代浪费我们时间的低效率工作，会精简各种重复繁冗，会替代太多蓝领，当然势必也会替代大量的白领、金领。AI的智能，会让每一个地球人自惭形秽，它会让很多人无所事事，觉得没用。它（还有其他技术）还会模拟现实，让我们分不清梦和现实。
然而，我们地球人自有地球人的用处，除非你自甘堕落，沉迷虚拟；除非你没有激情，没有热情；除非你缺乏真善美，缺乏人性。除非你不肯进步，不想钻研。除非，你缺乏想象力，没有创造力。AI让世界更智能，那我们能不能让生活更美好更唯美更个性？新的工作、兴趣和商业逻辑也许就在那里。
世界上有那么一些人，不会害怕失业，他们是强者或金字塔顶的群体。一人客觉得吧，还有一些人，也不会害怕失业，他们有更多的韧性和反脆弱性。能知道自己的方向，懂自己的需要，能不断进步，因时而动，还有人性的温暖和情爱。
AI带来了超人类智商和能力，自动化让一切智能又顺理成章，物联网将一切囊括其中，基因打印纳米等领域又颠覆现实逻辑，留给我们的时间并不多，我们终究会被裹挟并碾压，如果我们做不了强者，那我们就成为后者——拥有韧性、反脆弱性，懂自己，能协作，敢创造，有需求，有人性。一人客个人觉得，当机器做不了感性和陪伴，我们可以深情相拥；机器理解不了内涵、幽默和娱乐，我们可以灵光闪现；机器人欣赏不了美和善，我们可以发挥、力行。
你怕人工智能让自己失业吗？怕又如何？
二、人工智能未来的发展怎么样?
人工智能产业链分为基础层、技术层和应用层。基础层是人工智能产业链的基础，为人工智能提供算力支撑和数据输入，中国在此领域发展时间较短，基础层发展较为薄弱。目前，中国的人工智能企业主要集中在北京、广东、上海和浙江，北京的人工智能发展已经步入快车道。
人工智能产业链全景梳理：基础层发展薄弱
基础层主要提供算力和数据支持，主要涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等。技术层处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。应用层针对不同的场景，将人工智能技术进行应用，进行商业化落地，主要应用领域有驾驶、安防、医疗、金融、教育等。
近年来，人工智能在技术与应用方面取得了巨大的进展，在国际上具备了一定的竞争力，但是基础层的薄弱仍然是限制中国人工智能发展的关键因素。中国在在基础层发展时间较短，较落后于国际先进水平。 长期以来，中国的芯片大部份依赖进口，计算力方面的基础薄弱，且开源框架受制于国外AI巨头。
基础层的人工智能算力发挥着越来越重要的作用， AI芯片作为人工智能产业发展的核心，将迎来巨大的发展机遇。目前，中国人工智能芯片优秀企业有寒武纪、华为海思、中星微、西井科技、地平线、富瀚微、四维图新、瑞芯微、深鉴科技等。
人工智能产业链区域热力图：北京AI发展步入快车道
根据公开资料整理人工智能优秀企业区域分布热力地图如下，可见，我国人工智能产业链重点企业集中于北京、广东、上海、浙江等地区。
三、“新基建”背景下，人工智能有何发展前景？
我觉得挺详细，其中提到人工智能的发展土壤：
1.劳动人口减少，AI填补缺口
一方面，劳动年龄人口的下降是中国经济发展过程中不得不面对的现实，另一方面，人工智能作为新一轮科技革命、产业变革的核心力量，将重构生产、分配、交换、消费等经济活动各个环节，能替代一部分传统岗位，减少经济体对劳动力数量的总需求，从而弱化、甚至补偿人口老龄化和劳动年龄人口减少对经济增长造成的负面影响。
2.人工智能赋能，推动产业升级
人工智能技术可通过数据的收集、处理与分析有效解决多种问题，改变各行业生态，从而推动产业升级。
3.各国政策频出，国家角力激烈
随着人工智能技术的快速发展，近年来全球展开了AI竞赛，各主要发达国家均出台了不少支持和引导AI行业发展的政策。
4.三大要素发力，AI建设加速
作为推动人工智能技术进步的“三驾马车”，算法、数据和计算力三大关键因素在不断创新、不断发展。
5.国内基础不足，硬件依赖进口
在人工智能从实验室走向商业化的过程中，其发展驱动力主要来自于计算力的显着提升、多方位的政策支持、大规模且多频次的投资和逐渐清晰的用户需求。