除了图像识别，谷歌未来还计划将AutoML服务拓展到翻译、视频和自然语言处理等领域。这或许意味着初级的AI程序被自动生成、快速复制到各行业已经不远了。
虽然谷歌表示AutoML是目前唯一一个此类产品，但其实各家也都在部署类似的业务。比如亚马逊的Amazon SageMaker，以及微软还未正式发布的定制图像识别模型服务。包括国内的百度，也在旗下AI开放平中推出过定制化图像开放平台。
谷歌这次之所以被称为“搞了个大事”，主要是因为目前来看AutoML的自动化程度更高，尤其是解决了自动搭建训练模型和调参这两大问题。
在谷歌这么卖力的背后，似乎写着五个大字：AI民主化…
AI民主化，要取消了谁的集权？
去年3月，刚刚加盟谷歌不久的李飞飞就表示，人工智能的下一步是完成“AI民主化”。在这次发布AutoML之后，她又一次表示由于资源稀缺，多数企业无法开发个性化模型，所以AutoML的出现是为了进一步推进AI民主化。
那么问题来了：AI民主，到底是针对谁的专政？要取消谁的集权？
有人说了，AI现在是掌握在几家大公司手里的。AI民主当然是要让人人成为AI的主人，破解巨头专政。
我只能说，你当人家傻啊？
难道谷歌们会费了好大力气，为了瓦解自己的霸权？当然不会。就像AutoML的产品思路中展示的那样，省略掉了开发者的技术门槛，谷歌从中吃亏了吗？没有。谷歌拥有了更多的用户，自身的算法优势无形中得到了扩张。并且AutoML的用户训练模型是要直接部署在谷歌云上的，显然这也是个变相捆绑，希望从刁钻角度刺AWS几刀。
对于最迫切希望得到“民主”的小公司和个人开发者而言，巨头兜售的开发者赋能和去技术门槛式“民主”，绝不是仁慈的馈赠，而是换取小开发者紧密依赖关系的生态交换。真正被所谓AI民主瓦解的，其实是夹在大公司和小开发者之间的中层公司，或者叫算法公司、技术公司。
目前在世界各地的AI市场上，这类中型公司都普遍存在。当然其存在是有意义和价值的。对于巨头来讲，将技术能力打入各行各业，开发各种各样的应用是完全不可能的，那么就有赖于开发者去做这些事，自己做平台服务和技术能力的输出者就好了。
但小团队和个人开发者能去做这些深入行业，或者极具创意的开发吗？答案是也不行，因为从头开始的技术太复杂，对人才的需求太高。一般开发者和小企业根本玩不起。
于是就出现了大量夹层公司，他们以技术壁垒为主要产业支撑点。利用重技术和人才去做一些其实看起来不那么“重”的小应用。或者以开发定制化AI模型的方式向第三方收费。
而谷歌、英特尔等巨头企业都在倡导的AI民主化，事实上是将需要大量“AI劳动力”完成的工作装入自动化模型里。向上收回底层技术开发权，向下直接触达细分开发场景。
说白了，小公司、个人创业者、人才稀薄地区想要引入AI，就必须能从成本上越过技术公司，自己玩得起AI.巨头的AI民主，当然是希望消解那些凭借“二手技术”和“雇佣能力”卡位的企业，把他们的份额分给更小的开发者。让开发者仅仅提供创意和运营、市场等能力来激活AI的广泛前景。
所以所谓AI民主，真正消解的是AI当中，非创造性工作制造的准入壁垒。
而在AutoML代表的自动化战略进一步实施后，最可能带来的影响，是AI产业链去中层化。一些看似很大的公司，却做出来很小的价值，仅仅依靠AI技术壁垒来占据市场份额和资本关注，大概是这场“民主运动”中最危险的。
今天的AI，会不会是跑不过马的汽车？
最后，我们可能还要开另一个脑洞：AI民主化虽然听起来很美，但未必全是好消息。
毋庸讳言，AutoML这样的产品在今天带来的AI民主化进度，可以说是肉眼可见的。如果回头看看一两年，很容易就会发现AI的产业链和开发规则已经大变样了。
但这对产业边缘徘徊不前的企业来说一定是好事吗？就像文章开头提到的，AutoML一发布，很多程序员朋友第一反应是调侃自己的AI白学了。但要知道，他们可才学了没有多长时间。那么对于想要进入这个领域的企业来说，类似的恐惧会不会更深？
我们知道，在绝大多数共识里，今天以机器学习为主导的AI复兴，核心区域是由三个因素构成的：算法、算力和数据。