 观 察 - 文丨不凡商业记者 王艳 - 今年能否盈利关乎绝大多数AI企业生死。  火热了几年的人工智能将在今年面临一场关乎盈利的大考。 去年，国内AI企业的融资总额已占到全球的7成，热钱涌入之后，9成的企业却依然处于亏损阶段。估值泡沫之下，AI企业何时能够趟出一条盈利之路？什么样的企业更容易盈利？难点究竟在哪？资本方的耐心还能持续多久？  关键一年 “AI能否真正落地，我们在今年拭目以待。很多行业独角兽能不能变成龙也是这两年的事。”在8月8日的一场读书品鉴会上，华创资本合伙人熊伟铭表示。 说这话时，华创资本投出的AI芯片独角兽创业公司深鉴科技CEO姚颂也坐在台下，20天前，深鉴科技宣布被FPGA（现场可编程门阵列）巨头美国赛灵思公司收购，一时间行业里关于人工智能盈利和出路的讨论甚嚣尘上。 火热了几年的人工智能将在今年面临一场关乎盈利的大考，多位人工智能领域的投资人都向不凡商业记者表达了这一看法。 为什么？ 首先是时间节点的问题。2016年，AlphaGo的成功一度把人工智能推到了风口浪尖，那一年，大公司和研究院里的人才纷纷出来创业，中国AI甚至在国际上也处在发展的前列。再加上中国在数学、计算机等方面的人工智能人才储备足够，国内又有丰富的应用实验场景，人口众多数据来源也比较多元，人工智能发展的土壤就算是搭建好了。 所以一开始，众多机构纷纷抢占赛道，押注未来趋势，投出一大批AI项目，瞄准的细分领域也是五花八门。对于BAT、微软、IBM等巨头公司出来创业的技术大牛，基本是按照人头给钱，什么样的职级出来能值多少钱，投资人心里都有一个行业价。  但是两年多的时间过去了，创业者第一轮融资时可以讲情怀、讲团队，第二轮融资可以讲产品，到了第三轮呢？机构白花花的银子砸进去，总得听个响，故事讲不通时就必须要面对盈利的问题。讲得通能融到下一轮，讲不通估计就悬了。 所以相较于投资人要面对投出去的钱需要加倍赚回来的压力，人工智能创业者的压力会更大，毕竟事关企业生死。 同时，行业大环境问题也是老生常谈。一级市场环境不好，闹钱荒的时候市场也冷静了下来，机构开始珍惜子弹，与其寄希望于寻找新的猎物，不如看看前两年投出去的项目商业化程度如何，再考虑要不要继续加码跟进，毕竟到现在这个时间点，能创业的大牛差不多也都出来了。 所以对于刚成立的AI 创业公司，机构给钱时更加谨慎，资金开始向头部聚集。 但如果不是头部的公司，也要是头部的创业者。就像今年初，原百度研究院院长林元庆创立的行业升级AI整体解决方案公司Aibee (爱笔智能) 宣布获得1.65亿元人民币天使轮融资，创造了中国AI初创企业天使轮融资额新纪录。这算是个特例，现在出来创业也能拿到大钱，毕竟林大大的光环在那摆着。  Aibee创始人 林元庆 可头部的公司也不一定能讲好商业化的故事，讲不好，机构依然不买账。 前几年头部效应带来的是AI创业公司估值泡沫的持续走高，到了今年如果还没有商业化的有效尝试或者拿出可行性方案，那对不起，想要继续拿钱，就只能面对估值回掉的风险。华创资本投资人公元判断，下半年可能会出现一波估值回掉的公司。 盈利难在哪 人工智能曾一度被捧上神坛，人们认为它就像万金油一样，可以AI+任何产业。但技术和价值是两码事，深度的技术并不意味着深度的价值。“人工智能如果没有应用场景的话本身就没什么价值了。”华创资本合伙人熊伟铭说。 这也是一直以来人工智能为人诟病的“拿着锤子找钉子”模式，并没有真正把产业链打通。就像辛苦拜师习得降龙之术，最后却发现世界上根本就没有龙。 就算找到了应用场景，产品还要做的足够好。 “如果撇去研发的成本，基本可以自给自足做一个小而美的公司，但是AI更新换代速度太快了，需要不断投入人力，这是主要成本。” 推想科技是一家通过深度学习技术为医疗影像辅助筛查提供解决方案的人工智能公司，CEO陈宽向不凡商业透露，目前其产品已经在国内超过150家医院完成产品化落地，并开始了产品的全球化，每天可以辅助国内外医生完成超过2万例肺癌的筛查。 “商业化是建立在产品使用率上的，目前AI+医疗这个赛道上的大多数公司依然处在临床验证阶段，和商业化落地还有一段距离。” 所以人工智能想要实现规模化盈利，最终还是要回归到产品中来：是不是足够好用，并且规模化使用。  产品卖出去之后又涉及到回款周期的问题。 以AI芯片为例，对于初创公司来说，想要实现商业化落地就得把芯片、系统、软件甚至算法和解决方案全都给做了。芯片做出来得一两年，应用到产品中去还得再过一年。从开始做到见着钱，三五年的周期不是随随便便能耗得起的。 从技术到产品到商品，这是完全三种不同的阶段。 “一个AI芯片如果仅仅是性能好，这样的产品是毫无竞争力的。”深鉴科技CEO姚颂表示。 也就是说，产品性能再好也不一定受欢迎，客户想要的是一个完整的解决方案，比如说无人驾驶要的是安装上产品就能跑，而不是一块算力超群的芯片。 但人工智能是个太宽泛的话题。以AI芯片为例，就分为深度学习和机器学习两大类，再细分又涉及到应用学习、单种算法、多种算法等，不同的功能所涉及的开发难度、周期、实用性场景都是千差万别。 一家初创公司很难具备从设计到应用的完整生态系统，只能成为巨头众多环节中的一个。而且深度的技术随着时间的推移和技术的普及，也会变成标准化的技术，也就是说，技术这件事本身没有强壁垒，持续不断创造的价值才是。这也就解释了，为什么没有人可以正面挑战英伟达，巨头有建立完整生态闭环的能力。 离用户越近越容易盈利 “目前没有一家公司站出来说自己的商业价值已经坐实了，要真的有基本就可以直接上市了。”华创资本投资人公元表示。 但大的趋势是，商业化在一些细分领域已经看到光亮。比如一些做AI+安防的公司已经有了可观收入，AI+零售的订单开始增大。 随着商汤科技、 旷视科技、科大讯飞等新一波独角兽崛起，2018年成为AI商业化元年。 对于投资机构来说，今年是AI投资准备秋收的季节，但收成如何，每个细分领域商业化的路径和时间点完全不一样，不能一概而论。 “比如自动驾驶，一旦做成了就是大事，所以它会商业化落地的慢一些，大家也更有耐心。但是像计算机视觉、自然语言处理等领域，就会希望能够商业化更快一些。” 最容易产生收入的是2G（面向政府）的项目，它切掉的是政府集中采购预算这块蛋糕。 每一年，政府在智慧城市、平安城市等方面都有固定的投入预算，需要在规定的时间内把这些钱花完，这是一个固定的市场，所以创业者的目标很清晰，看到钱就在那里，只要能够满足政府的要求，就能立马拿到钱，现金流很好。 典型的例子就是在安防领域表现出色的CV（计算机视觉）四小龙，根据IDC提供的数据，商汤科技、依图科技、旷视科技、云从科技四家占据了近70%的市场份额。 相比较来说，2B（面向企业）的项目商业化的速度就会慢一些。 说白了，人工智能带给B端企业的价值有四类：开源、避险、节流、增效，且价值依次递减。 最受企业欢迎的当然是开源，用了AI产品之后就能带来更多的客户，赚到更多的钱，但是这类公司很少。比如AI+零售，通过AI可以在线下分析顾客的购买行为，据此对其进行精准推荐，提高顾客消费，就是一种开源。 避险切掉的也是企业的预算，比如一些做企业网络安全的产品就很受B端企业欢迎。 大多数AI产品在做的是节流和增效的事情，并不能直接产生商业价值。比如一些智能客服来替换掉人工客服，机器人替换掉服务员。但是这里的问题是，企业很难算清楚这笔账：省下来的钱能否有效覆盖掉在AI上的投入成本。所以这类企业在商业化上就会慢一些。  2C（面向消费者）类的产品从一些角度来讲难度最高、不确定性也最大。 因为是要面对大量的C端群体，所以它不仅要有好的技术，还要是一个好的产品，最终卖的是“人性”。 2C的人工智能产品做好了市场当然是很大的，但这对于投资人来说也是很大的挑战，因为它不像2G或者2B的企业一样有固定的路径可寻，不管是资讯类、小程序、还是硬件，每一次押注都是冒险。 总之，人工智能离用户越近越容易盈利，当然难度也越大，需要整合的工作也越多。  出路在哪？ 深鉴科技被赛灵思收购的消息一时间在行业里炸开了锅。 清华大学和斯坦福的团队背景，背后还有蚂蚁金服、三星、高榕资本等股东，去年24岁的姚颂还以创业家身份入选中国区《麻省理工科技评论》35岁以下科技创新青年，成为最年轻的获奖人。从成立之初深鉴就备受关注。 见到姚颂的当天他重感冒，虽然拖着重重的鼻音但是状态依然很好。“我的一位投资人朋友说，这是中国科技投资历史上比较大的一个里程碑事件。”关于深鉴科技被赛灵思收购，姚颂回应道。 虽然企业被收购在硅谷比较常见，代表企业价值能够得到认可。但是在国内，更多人还是停留在以往的刻板印象：企业活不下去了才会被收购。 可这次收购不管从谁的角度来看都是一次双赢。 深鉴科技在2016 年才刚刚成立，一直以来做的就是基于赛灵思的技术平台开发机器学习解决方案，聚焦在智能安防、手机、智能辅助驾驶三大赛道。 但尴尬的是，在安防的摄像头和手机里并不需要像深鉴科技这样单一的AI加速芯片而是需要完整的解决方案，所以商业化进展并不顺利。 但赛灵思不同，不仅有强大的芯片技术实力，也有30多年积累的车企资源。所以2017年赛灵思投资了深鉴科技之后，自然将车企资源向深鉴科技倾斜，帮助其快速将产品应用起来，据姚颂此前接受采访时称，“赛灵思将自己近三分之二的汽车客户都介绍给了深鉴。” 为什么赛灵思对深鉴情有独钟？创立之初，深鉴在FPGA(现场可编程门阵列，无人驾驶是该技术的主要应用场景)上就有自己的杀手锏，压缩算法可以帮助赛灵思的芯片提升算力，快速应用在汽车场景中。 另一家同样做AI芯片的独角兽公司寒武纪掌门人陈云霁对姚颂说，“这可能是中国科技史上比较正面、积极的范例。” 所以两家联姻，赛灵思有了深鉴的技术助力，深鉴也通过赛灵思的全球渠道快速实现了产品落地。当然高兴的还有“媒人”，投资机构从这次收购中也看到了AI投资另一种退出的可能。 这次收购或许暗示着大多数AI创业的出路：想要做好通用型的技术很难，与场景产业结合才能双赢。 人工智能不是像当年的互联网一样，最终成为像水电煤气一样的基础设施，一个拥有顶级技术的公司同样需要一个拥有销售渠道和应用场景的合作伙伴。 “在未来，像这样的收购案件数量还会成倍上升。”姚颂预测。 所以场景在先是人工智能盈利的正确姿势，同时另一个急需解决的是人才问题。中国目前AI领域人才拥有量18232人，占全球8.9%，逊于美国的13.9%，市场上不缺首席科学家和行业专家，缺的是复合型人才。谁先学到对方的本事，谁就能走到下一个风口。 好课推荐 |
|
|
