人工智能有多种分类方式，其中一种是按照作用体与容错率来区分。把人工智能分为物理领域与虚拟领域，而二者又各自有关键与非关键的区别。
这种分类模式虽然边界十分模糊，而且按照应用场景来区别会造成内在技术的含混化。但就商业应用来说却是相对有价值的。
要知道，虽然大量舆论关注点都集中在关键领域AI上，比如无人驾驶、人工智能医疗，以及金融的AI化。但关键领域AI的商业化还有相当遥远的距离，非关键领域显然是能够更快进入市场实现商业转化的方式。
比如信息流推荐、智能语音输入、人脸识别等技术，都是非关键领域AI快速进入应用阶段的例子。但物理领域的非关键AI显然没有它在虚拟领域那么火爆。受到的关注度远远不可同日而语。
尤其市场上众多所谓的“智能硬件”，都是把交互系统放置在硬件里就称之为“智能”。这些伪AI事实上破坏了普通用户对AI+物理化硬件的基本认知。
但反过来想想，这些虚张声势的智能硬件也给已十分拥挤的AI市场搭建了一个空白窗。目前小公司和创业团队想要跻身AI领域，这可能是最好的机会之一。
什么是物理领域的非关键型AI？
首先可以来重新思考一下，到底什么是物理领域的非关键型AI。有个挺出名的例子，是说无人驾驶汽车是AI关键领域应用，而扫地机器人就是非关键型AI。因为无人驾驶决不能出错，哪怕十万分之一的错误率都是大事。而扫地机器人无所谓，保持一定的出错率其实还显得挺萌的。
这个说法大体不错，但要注意，绝不是所有扫地机器人都是AI的，就像也有学者提出了无人驾驶可以去AI化一样。只有利用了AI的核心算法来为机器或硬件提供学习、处理和判断的逻辑支撑，才算是真正的物理AI产品。
应该是在14年之后，智能家居和智能穿戴设备就被市场热捧了起来。但此智能非彼智能，用手机控制空调、把智能手环收录的数据导入简单算法，都只能算是移动计算设备的延展，并没有改变其工具性和无自主智能的基础特征。
所以，绝不是能连WIFI，有交互选项就是AI产品。
那么如何定义AI+硬件的基本特征呢？首先要保证的，是硬件本身具备根据数据自我学习，并输出独立结果的能力。比如机器人可以根据视觉数据，判断物体的摆放位置，从而输出独立的抓取方案和操作方法。
其次是要保证AI算法与硬件之间有足够的协调性，机械部分能够反映出AI给出的推导结果。否则机器只是能想到却做不到，那就又变成一台计算设备了。
综合这几点，其实不难发现整个物理领域的AI应用其实并没有多少。但这个市场的应用场景，远比关键型应用要广阔的多。
机器人的背面，不止是物联网：真正的机会在于让生活更多
由于长时间以来的人类的认知习惯和艺术作品反复洗脑，再提起人工智能的时候，大家不由自主就会联想到机器人——并且这种联想多数时候都不友好。
无论如何，经过长时间以来机器人领域和人工智能领域的独立发展，虽然人工智能还没有帮助机器人成为终结者，但机器人技术已经为AI+物理硬件提供了大把想象空间。
而在机器人技术提供机械领域的实现方式时，物联网也在快速发展，提供了硬件设备进行运算、传输、多元交互的基矗在这两种技术的共同支撑下，物理领域的AI应用已经有很好的进化基矗
我们可以尝试举几个例子，看看AI在物理应用中有那些进化空间。
1、家电：智能家居提出了很多年，但一直没有打开真正的消费风口。很大程度上是因为消费者不知道这些“智能”能做什么。加入了芯片、系统和网络端口的家电，依旧无法提供本质功能上的改变，这让智能化命题被推向了鸡肋。这也是上文所说中，算法与硬件无法协调的问题。