下面很多大佬的回答非常精彩，我这里说一点个人拙见~
私认为人工智能特别是深度学习方面存在着两方面天然的劣势，在全球经济收紧的情况下，深度学习方面的研究很难维持现在的规模：
一是深度学习难以被工业界主流所接受：我们可以从概念入手，深度学习的理论里面涉及到的利用“曲线拟合”来描述一个系统，进而来构建一个不可预测甚至不可理解的复杂情况。虽然我们可以根据经验来提高系统的可行性，并认为该人工智能系统可以正确模拟出我们想要其构建的系统方式并运行，但其结果很难让我们拥有绝对的信心。比如自动驾驶领域，即使我们能构建和模拟出反映了99.99%的真实世界场景，鉴于系统的不可预测性和场景的多变性，我们也不会知道在低于0.001%的场景中会发生什么。更严重的是，倘若我们所设计的人工智能系统会存在一个内在的错误参数，那这导致的结果也可能是灾难性的，因为这些灾难性结果放在真实世界会定期反复发生，并产生难以估计的损失后果（法律、经济、道德）。所以目前实体行业的公司在使用人工智能时候都是小心翼翼地来清洗数据，再来制作一个因果模型来收敛结果，但着这本质上是一个“人工干预”后的结果，与人工智能的初衷有所背离。
二是人工智能难以对纯粹的科研上（理论数学、理论物理等方面）起到作用：诚然，人工智能的发展的的确确帮助了很多实验性和观测性学科的发展，如Alphafold，很多工科生发论文的利器也是基于一套系统来魔改网络得到一个较好的预测模型。但对于纯粹的理论研究来讲，是希望利用精准的数学公式来更深层次的描述现实世界，如我们生活中的一切创造正是基于一个个公式得到的，又或者是利用非逻辑性质的思维来论证一些未来难题，如各种类型的猜想和对圆周率的计算等。而人工智能一直追求的是一种“近似”的结果，是基于数学逻辑与现实“妥协”的得到结果，这也是为何很多数学界的大佬甚至数学玩家爱好者都很鄙视深度学习的原因。
但人工智能的发展未来真的会停滞吗？我看不会！
因为人工智能的发展就像是承载了无数普通人对未来世界的遐想的平台，没有严格的智力门槛，没有太多晦涩难懂的理论，让每一个领域的本硕博学生都有了可以展现自己的机会。一次次魔改的网络，一份份开源的代码，为得是能为模拟真实世界提供一份自己的力量。虽然知道这个梦想还可望不可及，虽然知道这种和天才们所作精准工作存在天壤之别，但是能看到一次次论文结果的逼近，一场场实验准确率的提升，酣畅淋漓又热血沸腾，这才是人工智能的魅力所在。