目前的AI主要是基于数据驱动的统计学习，在已存在的海量示例中提取的适应当前场景的自动化操作。它最大的问题在于：依赖已知示例，不具备真正的创新能力，无法在复杂的现实世界里灵活应变。如果当前场景不在已知示例中，那么它就无法识别当前场景，它要么卡住（触发安全兜底），要么输出一个“看起来合理但完全错误”的结果。
比如自动驾驶在实际中的例子：
无人车误入了一施工现场，前轮陷入了刚刚浇筑的湿混凝土里，动弹不得，周围施工的工人也只能眼睁睁地看着它闯祸。
无人快递车，遇到了修路的工人，施工占了左侧的车道，这车子一到那儿，立马就停住了，一动不动。

无人驾驶萝卜打车、无人环卫清扫车、物流智能配送车、酒店与楼宇配送机器人、工厂智能机器人、手术机器人、农业无人机，这些AI商用落地的场景看起来很美好，可实际上，道路有高精地图覆盖且路线相对固定，工厂产线有固定节拍，仓库有标准货架，酒店有固定楼层和电梯，农田有相对固定的作业路线。在这种相对结构化或可预测的场景下，AI才能落地成功。一旦进入完全开放、不可预测的环境，AI依然会陷入困境。

总结：纯软件类的场景，AI已能完全商用落地；但是软硬件结合“改变物理世界”的场景，AI能商用落地的场景有限。