很显然，将其中的“美国”两字换成任何一个国家的名字，这句话都是适用的，作为全新的生产力，人工智能已经成为社会发展、经济增长和产业升级的关键驱动因素之一。
据国内媒体报道，人工智能产业已进入全球价值链高端，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，我国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。
但在人工智能产业的高速发展中，却在不经意间产生一些本可以避免的浪费：
1、算力浪费，计算(算力)是发展人工智能(以下简称AI)的核心基础，AI的研发、训练需要大量的算力，但大部分AI企业往往选择自建计算平台，而非使用AI就绪的云计算平台，由于工作负载不饱和、调优水平有限等原因，企业无法发挥出全部算力，这导致了相当程度上的算力浪费;
2、数据浪费，拥有深度的、细致的、海量的数据是训练出“智能”的前提，但由于数据共享机制、数据服务平台/市场的建设仍然不成熟，导致许多AI学习/训练无法达到预期的水平;
3、AI能力浪费，当前许多AI技术(如计算机视觉)已经进入比较成熟的发展阶段，但AI技术通过云计算平台向外赋能的水平还不够，更多的AI技术应用还是“点对点”(即开发者面向最终客户，而非开发者-云平台-最终客户的平台思维)，这造成了AI技术未能充分发挥其应有的作用，打破“成见”，拥抱平台思维，既能够避免AI能力的浪费，也能够为开发者提供更丰厚的收入;
4、AI人才浪费，由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。
当然，存在浪费就需要有针对性的解决方案，在此针对性的提出相关的建议以抛砖引玉。
首先，针对AI算力浪费来说，使用公共计算平台(公共云)所提供的算力，尤其是AI算力，是一个避免重复建设AI计算平台(硬件基础设施)的重要方式。公共云因其按需付费、资源共享的特性，可以实现公共服务所带来的天然的边际成本效应降低，而能够以更低的成本获得人工智能算力，不仅降低企业获得AI算力的成本，更能避免AI算力的浪费;
其次，就AI能力的浪费来说，公共云平台也是一个很好的选择，一方面，云平台天然解决了企业数据和技术的统一，这也构成了企业获取人工智能能力的最重要路径;另一方面，云服务商将AI能力作为“公共服务”提供，对其易用性、适用性、功能性都有所优化或强化，对于企业来说，可以更加快速和便捷的应用到实际业务中去。
第三，数据共享平台的建立至关重要。虽然近年来AI研究者们持续试图在小数据集上实现AI技术突破，但总体来说收效并不明显，数据仍然是AI产业发展的重要基础资源，完整、全面、准确、实时的数据非常关键。因此，建立可信、可靠、可用的服务于AI产业发展的数据共享平台至关重要，当然，这种共享平台必须要保证数据安全、信息脱敏和隐私数据保护。
最后是AI人才浪费的问题，正如前文所说：由于在AI人才培养中，计算机学科、人工智能技术的教学未能与生物医疗、交通运输、工程建筑、脑科学等学科实现融合与交叉，造成“AI人才不懂行业，行业人才不熟AI”的局面，AI人才往往变成了“计算机学科人才”而非AI产业人才。
针对这一问题，借助跨学科教育培养新一代信息技术人才已经成为共识：2018年11月，MIT宣布在计算和AI领域投资10亿美元，成立面向全球计算和人工智能领域的教育与研究的“苏世民计算学院”，该学院以培养“双学科学者”为目标，通过让各个学科的专家对计算和AI知识的掌握程度与他们在自己的专业领域一样熟练，从而培养“AI+专业学科人才”，从而保证AI人才在产业中可以学以致用。