每經(jīng)記者 劉玲    每經(jīng)編輯 張海妮    

圖片來源：攝圖網(wǎng)

近段時間，華為入局自動駕駛領(lǐng)域，再一次掀起了人工智能熱潮?；仡欉^去，人工智能行業(yè)已經(jīng)經(jīng)歷了三起兩落，與2017年的人工智能熱潮不同，2021年各家科技公司都在加碼人工智能的產(chǎn)業(yè)化落地。

“如今人工智能投資也進入了冷靜期，以前（的）靠講故事、博眼球去融資已經(jīng)行不通了。只有真正扎根到了廣大產(chǎn)業(yè)，解決制造業(yè)、城市等具體的場景問題的企業(yè)，才會被資本和市場認可，你能創(chuàng)造價值才具備價值。”北高峰資本及坤湛科技創(chuàng)始人兼CEO閔萬里向《每日經(jīng)濟新聞》記者表示。

隨著AI進入大規(guī)模落地期，產(chǎn)業(yè)鏈的分工也開始明確，一個萬億的市場誕生在即。在極視角創(chuàng)始人兼CEO陳振杰看來，每個領(lǐng)域都存在人工，比如水泥、燃氣、制藥、化工、紡織等，有人工的地方都有可能AI化，萬億AI的市場規(guī)模，有百分之七八十是由碎片化場景構(gòu)成的。

不過，陳振杰表示：“目前我們?nèi)蕴幱谌跞斯ぶ悄軙r代，AI只能解決部分問題。龐大的AI市場背后，是需求碎片化的難題，比如水泥廠、燃氣廠這些場景，開發(fā)者之前都沒去過，不知道哪些用人工的地方，可以用AI替代。”

AI產(chǎn)業(yè)投資進入冷靜期

提起AI，人們都會想到AlphaGO，它曾一夜之間讓人工智能成為互聯(lián)網(wǎng)的星辰大海，它背后的公司DeepMind也成了全世界最有名的人工智能公司。

2015年以來，各大互聯(lián)網(wǎng)公司入局人工智能，創(chuàng)業(yè)公司也如雨后春筍般涌現(xiàn)，而資本也爭先恐后地涌入，機器視覺、自然語言處理、深度學習、AI算法、自動駕駛、無人機、智能機器人，以及各種傳感器、計算芯片等智能硬件領(lǐng)域都有資本的身影。

據(jù)統(tǒng)計，2015至2016年，我國AI領(lǐng)域新增投資額達387億元。2017年一年，我國在人工智能領(lǐng)域就有10億美元、202次的投資。據(jù)市場研究公司Vanson Bourne的一項全球調(diào)查顯示，80%的企業(yè)在投資人工智能。

雖然人工智能行業(yè)熱火朝天，但是現(xiàn)實潑了資本一大盆冷水。報告顯示，2018年近90%的人工智能公司處于虧損狀態(tài)，而10%賺錢的企業(yè)基本是技術(shù)提供商。換句話說，人工智能公司仍然未能形成商業(yè)化、場景化、整體化落地的能力，更多的只是銷售自己的算法。

以DeepMind為例，2018年財報顯示，其營業(yè)額為1.028億英鎊，較2017年增長88.9%。但是，DeepMind在2018年凈虧損達到4.7億英鎊，較2017年增加了1.68億英鎊，虧損同比擴大55.6%。

“人工智能行業(yè)前幾年真的是‘熱潮’，大浪淘沙后，投資進入到了冷靜期。以前（的）靠講故事、博眼球去融資已經(jīng)行不通了。”閔萬里向記者表示，“不過，冷靜期不會是冷凍期，那些真正扎根到了廣大產(chǎn)業(yè)，解決制造業(yè)、城市等具體的場景問題的企業(yè)，才會被資本和市場認可，你能創(chuàng)造價值才具備價值”。

閔萬里提到，如今，人工智能的算法研究已經(jīng)起來了，不管是需求還是政策都在促進人工智能的發(fā)展。以前制造業(yè)、農(nóng)業(yè)等都不是AI應用的重點領(lǐng)域，但是現(xiàn)在慢慢出現(xiàn)了許多解決具體場景問題的人工智能公司，比如專門做農(nóng)業(yè)的極飛科技等等。

“現(xiàn)在AI已經(jīng)到了拼落地，拼客戶，拼解決行業(yè)的痛點問題的時候了。前期大家關(guān)注的天使輪、A輪的項目，到現(xiàn)在需要交出成績單，投資機構(gòu)到企業(yè)盡調(diào)，把數(shù)據(jù)拉出來，看服務了哪些客戶，解決了哪些問題，這些都是相對清晰的。”陳振杰表示。

因此，雖然AI產(chǎn)業(yè)投資的確進入冷靜期，但有實際應用的人工智能公司卻越來越受資本歡迎。“從結(jié)構(gòu)來看，早期的像天使輪、A輪的融資規(guī)模下降速度比較快，但是對B輪、C輪、D輪之后的企業(yè)，融資金額和融資次數(shù)是上升的。”陳振杰說。

AI落地的碎片化需求

盡管越來越多的人工智能技術(shù)從開發(fā)者和實驗室中走出來，開始進入各行各業(yè)，但從AI產(chǎn)業(yè)向產(chǎn)業(yè)AI的轉(zhuǎn)型和落地卻并非一片美好。想要讓第三次人工智能浪潮真正落地，將人工智能的賦能效應向社會的各個方向延伸則是不可回避的問題。

在陳振杰看來，目前我國人工智能的技術(shù)不斷在發(fā)展，但整體仍處于弱人工智能時代。弱人工智能怎么定義呢？就是從產(chǎn)業(yè)的角度來看，目前的技術(shù)無法做出一個像人一樣聰明的系統(tǒng)，人的大腦可以識別世間萬物，能夠做語音、視覺、文字理解、認知等。

“以圖像識別技術(shù)為例，我們會看到其實每一個圖像識別的算法只能定向地去解決一種識別，比如說人臉識別，解答這個人是誰的問題。但是落地到產(chǎn)業(yè)，比如說識別工廠是否發(fā)生火災，這便需要用一個新的算法，需要重新做一個火災識別的算法。”陳振杰表示，“其實每一個垂直領(lǐng)域都有非常多的具體算法需求，每一種識別對應的都是一種算法，所以目前弱人工智能時代無法一下子把技術(shù)往通用性方面擴展，只能不斷地建單點，每個單點代表一種識別”。

閔萬里則提及一個AI落地制鞋業(yè)的案例。在溫州和廣州，都有成千上萬家制鞋企業(yè)，中國承擔著全球制鞋行業(yè)70%的產(chǎn)能，在這樣的行業(yè)當中應用人工智能，甚至計算機視覺+機器學習需要解決許多問題。

“很簡單，每天有大量的訂單到產(chǎn)線，車間主任需要安排十幾種不同的訂單的生產(chǎn)，每個訂單的交期都不一樣，價錢、原材料要求等都不一樣，這種不同要求排列組合起來就是上千億種組合。”閔萬里稱，“所有帶有重復性和規(guī)律性的勞動都有可能通過數(shù)字化的手段被重做一遍，這就需要寫新的代碼、算法”。

閔萬里指出，其實整個業(yè)界有非常多AI的應用場景，但是很遺憾，供給者和開發(fā)者之間隔著一道墻，因為有序的數(shù)據(jù)或者是強大的計算力、算法都在開發(fā)者手上，如何把技術(shù)應用在碎片化的需求上，需要跨越一道鴻溝，需要通過一個非常強大的機制，進行供需匹配。

如何解決需求碎片化難題？

縱觀人工智能行業(yè)，我國已經(jīng)走出了“AI四小龍”（云從科技、商湯科技、曠視科技、依圖科技），“AI四小龍”大多靠算法起家，隨著人工智能技術(shù)的不斷發(fā)展，算法的門檻越來越低，有業(yè)內(nèi)人士曾表示，幾年前，一套人臉識別算法能賣上千萬，2019年只值40萬元。

不僅如此，隨著巨頭的下場，人工智能的競爭越來越激烈。李彥宏在2018年極客公園創(chuàng)新大會上透露，他相信AI是百度的未來，百度還推出了“百度大腦”，入局自動駕駛賽道；騰訊也提出AI in all并創(chuàng)立優(yōu)圖實驗室、AI Lab等；阿里則祭出了達摩院?；ヂ?lián)網(wǎng)巨頭開始感知到自己手中數(shù)據(jù)的價值，他們試圖甩開AI算法公司，自建AI算法團隊。

不過，頭部的AI企業(yè)更偏向“大熱門”，即市場規(guī)模大、單個項目收益回報高的領(lǐng)域，而對于碎片化需求的中尾部市場，則不被其列為重點的業(yè)務領(lǐng)域。

比如在視覺識別領(lǐng)域，一款AI技術(shù)可以應用在百貨商場的客流分析，也能夠應用于違章開車、違章停車、違章擺攤等人員規(guī)范管理的領(lǐng)域，目前這些應用覆蓋率已經(jīng)很高，但在一些細分的、體量比較小的，如火焰識別、礦物質(zhì)成分分析等領(lǐng)域，規(guī)模較大的AI企業(yè)不會投入過多成本開發(fā)，而這些就是碎片化需求。

在陳振杰看來，在前有“AI四小龍”，后有互聯(lián)網(wǎng)大廠的格局之下，碎片化需求的中尾部市場剛好成為極視角這樣人工智能創(chuàng)業(yè)公司的生存之地。

“解決碎片化需求的方法就是，與廣大開發(fā)者聯(lián)動，通過社區(qū)和生態(tài)的模式，完成更多算法任務，換句話說，就是搭建一個開發(fā)者平臺，降低算法開發(fā)成本。”陳振杰表示。

因此，極視角就建立了一個開發(fā)者的平臺，就像一個手機應用商店。這個算法平臺主要分為開發(fā)者和需求者兩部分，其中開發(fā)者平臺并不局限于極視角內(nèi)部的AI技術(shù)人員，只要擁有原創(chuàng)AI算法的能力，即可入駐。不少高校教授、學生以及AI領(lǐng)域的自由從業(yè)者等都是該平臺的常客。

依托于平臺，極視角從需求者端收集客戶需求，并向開發(fā)者開放這些信息服務。當一位客戶在該平臺購買了某種算法，極視角與開發(fā)者根據(jù)算法難易程度以及后續(xù)的售后服務進行分成。

據(jù)陳振杰介紹，平臺上目前有接近20萬的圖像識別開發(fā)者，每個人做不同的任務，匯總起來可以形成很多的算法，滿足場景的碎片化情況，并且可以降低開發(fā)成本。

他給記者算了一筆賬，用一個簡單的公式計算，AI一年在人臉識別的投入是幾十到一百億，現(xiàn)在全中國人臉識別設(shè)備的出貨量是一億臺，所以一個人臉識別的授權(quán)成本大概是幾十塊錢，但是火焰識別、抽煙檢測等場景化的需求，全國使用量加起來可能只有幾萬提，所以十幾億的投入算下來成本是很高的。

“而通過開發(fā)者平臺，則可以將研發(fā)成本從幾十億降到幾百萬，甚至幾十萬。這樣既能滿足碎片化需求，又能降低成本，更好地廣泛應用到各行各業(yè)。”陳振杰告訴記者。