文/寇敏杨旭

　　来源：远川科技评论（ID：kechuangych）

　　2020 年 11 月，网上广泛流传着一个视频：一位济南男子为保护个人信息，戴着头盔去看房。媒体闻风而动，调查发现不少房企采取人脸识别与买房折扣挂钩政策，才出现这种极端“艺术行为”。

　　不仅房企，今年大型合家欢打假节目央视 3.15 晚会，又爆出全国 2353 家企业安装上百万个人脸识别摄像头，包括科勒、宝马、名创优品这种遍布各大商场的品牌店铺，涉嫌在用户不知情前提下，搜集上亿用户面部信息。真可谓“我一心把你当高大上黑科技，你却一心想着扫我的脸赚钱”。

　　与此同时，今年组队上市的 AI 企业，遭遇科创板严厉审查：3 月 11 日，AI 四小龙之一的依图科技主动中止科创板审核。更早前，冲击“AI 语音第一股”的云知声撤回 IPO，思必驰传了多次上市仍未有新进展。

　　在前有侵犯大众隐私，后有科创板 IPO 不顺的情况下，那些曾在大众记忆留下黑科技印象的 AI 公司，实际上日子过得大不如前。

　　短短几年，AI 行业就经历了大起大落：它曾被无数资本簇拥风光无限，一时间大量 AI 项目蜂拥而起，但无法顺利产业落地的硬伤，又将它快速拉下神坛。随着盈利压力越来越大，中国 AI 行业走到今天已经进入十字路口。

　　本文将聚焦解决两个问题：

　　1. AI 企业近年到底经历了什么?

　　2. 曾经辉煌的 AI 行业，为什么发展到如今局面？

　　01. AI 企业经历了什么

　　旷视科技 CEO 印奇在 2020 年中媒体会曾说，现阶段所有 AI 企业正步入死亡之谷。他判断：穿越死亡谷周期，可能在未来 18 到 24 个月之间[3]。

　　坠入死亡谷的 AI 企业这几年到底经历了什么？

　　首先是缺钱，2019 年是 AI 投资由热转冷的分水岭，与热火朝天的 2018 年相比，2019 年中国 AI 企业融资金额由 1484 亿元下降到 967 亿元，下降幅度 34.8%，融资数量从 737 下降到 431 起，下降幅度达到 4 成[1]。

　　而估值动辄几十过百亿的 AI 企业，投资人想脱身也并不容易。《财经》杂志报道，一家头部的 AI 公司，老股东想按现有估值 7 折转手，找不到卖家，“6 折，且能确定很快上市，才有可能卖出去”[2]。

　　一级市场融资无路可走，那么通过上市补血这条路是否可行？

　　很遗憾，事实证明没那么容易。

　　在上市补血这条路上，AI 四小龙可谓“全村的希望”。然而，早在 2019 年 8 月，旷视科技就向港交所提交过 IPO 申请，但最后无疾而终，直到今天仍在冲击科创板。

　　去年 11 月，依图科技也尝试上科创板，但由于公司业务、家族信托等 47 个问题，被上交所首次质询时进行灵魂拷问，今年 3 月主动申请中止上市审核。身为国家队的云从科技，在招股书披露后，更被业界质疑三年半亏损 23 个亿。

　　作为天之骄子的 AI 小巨头，上科创板怎么就这么难？

　　翻开旷视、云从以及依图等 AI 企业的招股书会发现，伴随三家企业缓慢爬坡的营收，是止不住的亏损。

tgcode

　　业绩不佳，二级市场自然也不待见。而亏损的重要原因之一是：AI 企业特有的高科技、高人才、高研发的“三高”富贵病魔咒。上述三家 AI 企业，它们近几年的研发费用，少则占到总营收一半，多则高达 146.94%。

　　如果搞研发投入是亏损的核心原因之一，那么艰难的业务转型，则是提升业绩必须承受的阵痛。

　　比如，靠人脸识别起家依图，已经转型医疗和 AI 芯片；而 AI 芯片起家的地平线，索性把整个 AIoT 芯片业务线砍掉，转做别的业务。开拓市场渠道也成为头等大事，AI 芯片小巨头寒武纪，就在招股书中说明自己前五大客户位居第一的是某地方管委会，贡献收入占营收总额 46.65%[4]。

　　伴随业务转型而来的，还有人员的动荡，裁员不算新鲜，高管也有离职。比如，2017 年，格灵深瞳 CEO 何博飞离职，在社交电商领域创业；36 氪报道，今年初，前依图科技 CTO 颜水成加盟东南亚电商 Shopee；2019 年云天励飞核心技术骨干 CTO 田第鸿离职。

　　从融不到钱到上市不顺，到亏损试图转型，再到高管离职，AI 企业的发展似乎进入了难以突破的瓶颈。

　　那么，曾经的资本宠儿为什么会发展到如今这个地步？背后的原因是什么？

　　02. AI 企业为什么不赚钱

　　决定 AI 成败有三大关键元素，分别是：团队、资本和技术。国内的 AI 企业发展到如今地步，是因为这三个问题吗？

　　看团队，AI 四小龙中，旷视科技三位创始人来自清华大学、培养世界一流计算机学科人才的“姚班”。依图科技 CEO 朱珑师从美国计算机视觉权威回国创业。云从科技 CEO 周曦，创业前则是中科院重庆信息所副所长。

　　再看资金和技术，AI 行业不仅在 2014 到 2018 年经历了投资热潮，本身也拥有国际首屈一指的 AI 技术，比如云从科技创始人周曦，就曾带领团队七次夺得世界人工智能识别大赛冠军。

　　团队、资本和技术都很能打，问题的关键到底出在哪里?答案很可能是落地和竞争问题。具体有以下三大核心原因：

　　第一大原因：互联网巨头降维打击

　　在 AI 这个新产业，BAT 等互联网大厂一早就建立自己的 AI 实验室和技术团队，在大数据、资金、业务场景方面比 AI 创业公司更具备优势。

　　首先是大数据，以智能搜索为例，大数据是 AI 搜索推荐的燃料，而在百度和淘宝，每天都会产生海量的搜索信息，对互联网巨头来说，它天然就有足够多的数据，去建立充分数量的模型，从而更好地用大数据提炼自己的 AI 技术。

　　然后是资金方面，财雄势大的互联网大厂，用高薪获取 AI 人才不是什么难事。AI 投资最火的时候，媒体报道“应届生年薪 50 万，没出校门被抢光”的新闻比比皆是[9]。

　　最后从业务场景来说，BAT、TMDtgcode 这些大厂当中，有做社交互动、电商、网约车以及信息推荐，不仅有丰富业务场景让 AI 技术落地，同时还可以验证、迭代更多数据模型。

　　有时候，BAT 甚至可以用业务场景达到抢夺 AI 企业客户的目的。对企业客户来说，部署 AI,不仅需要算法，也需要算力。以云计算为例，当企业客户购买了 BAT 的云服务，后者还会给前者配套 AI 技术。所以，对企业来说，买一送一的服务难道不是更香么？

　　第二大原因：AI 企业自身“不争气”

　　大部分 AI 企业早期都有一个通病：理论与实践距离太远。AI 技术在打榜竞赛的理想环境使用没问题，但在落地时，如果没有结合实际场景应用，就会出现很多负面后果。

　　比如，36 氪曾报道，格灵深瞳 2015 年推出产品“皓目行为分析仪”，由于没有结合具体场景情况，在广场测试时，出现在人流密集区遮挡严重、强光情况，连人数都数不清楚的问题[5]。

　　不仅落地有难度，落地的场景也有限。目前 AI 行业能够视线商业化落地领域，无非是搜索、语音、人脸识别和自动驾驶等。

　　当 AI 企业苦恼落地的时候，百度和淘宝已经用 AI 围绕自己的搜索业务做智能应用；语音领域方面，科大讯飞一家独大；连安防也是传统大厂海康威视和大华的大本营。也正是如此，四小龙才会在成立后不断转型业务，本质上，仍然是因为没有自己的造血根据地。

　　第三大原因：源源不断的竞争者

　　竞争者不断增加的重要原因来自于算法的开源。算法开源无疑降低了 AI 技术的使用门槛，比如开发者和企业就可以通过百度大脑等平台，获得技术和解决方案。

　　这种情况就导致，中小企业使用 AI 技术升级时会产生一个想法：AI 技术那么贵，开源算法已经能够满足自己的需求，我为什么要花钱去买 AI 公司的技术？这无疑又给 AI 企业商业化一记重击。

　　AI 企业如今面临的局面，可以用一句话形容：前有虎狼，后有追兵，自己还不够争气。但往深一层思考，这能完全怪 AI 企业吗？是谁制造了如今这个局面的？

　　03. 谁制造了 AI 泡沫

　　就在两三年前，很多顶级投资人仍然迷信，凭借一流的资金支持，只要创业公司有一流创始人和技术，配合能把猪吹上天的风口，拿下 AI 神话绝对不在话下。

　　于是，天量的资本在极短时间密集砸向了 AI 行业。AI 创业公司也明白天下没有免费午餐，为了给资本一个交代，原本十年才能完成的技术转化，在两年内就要展现出成果。

　　资本狂热是制造现在 AI 局面的重要因素之一。但如果跳出资本圈子，从历史角度看，就会发现造成 AI 泡沫的根本问题在于：人类对 AI 日益增长的美好愿望与实际落地效果的矛盾。

　　而事实是，AI 泡沫在历史上并不是第一次出现。

　　AI 的第一波浪潮，始于 1956 年达特茅斯学院的暑期会议，世界第一座 AILab 实验室开始。自此后的十年，AI 领域一片红火：美国政府投资了数百万美元、西洋跳棋程序诞生并战胜了人类大师、会文本聊天的机器人、专家系统、根据指令抓积木的机器人相继诞生。

　　然而，这波热潮却在 1973 年被一份报告泼了冷水、湿得透透：到目前为止，该领域的任何发现都没有产生当初承诺的重大影响。随后学术界进行了一轮深刻的批评与自我批评，AI 的研究进入平静阶段。

　　1976 年，AI 第二波热潮兴起，诞生了十余年的专家系统，终于开始在商业中发挥作用，借助数据库积累参与医疗诊断咨询。

　　在这轮 AI 研究高峰，日本政府拨款 8 个多亿美元支持研发、英国耗资 3 亿多英镑打造 AI 工程。然而，又过了十年后，人们遗憾发现，机器专家也不灵光，AI 研发再次陷入低谷。

　　1960 年代、1980 年代，两次产业的迸发与消退、人类的狂喜与失望，归根结底就是一句话：机器没有人们期望的那么智能。

　　最新一轮的 AI 浪潮，则由中美两国在 2014 年掀起。

　　只不过，即便是被视为最有希望在 AI 医疗取得突破的沃森健康系统，这家在 2014 到 2017 年为 IBM 提供接近 200 亿美金收入的 AI 公司，由于与美国知名肿瘤科医院 MDAnderson 合作失败，发展仍然存在很大挑战。

　　AI 的发展历程告诉我们，人类必须正确看待这个产业：AI，作为颠覆人类最大的技术，它所需要发展的时间必定会更长。在人们急于催熟它的时候，也只会产生更多泡沫。

　　04. 尾声

　　如果说有一个产业，是历史上那些著名科幻影视作品都会聚焦的，那就只有 AI 了——比如《黑客帝国》《终结者》，甚至连日本动画《哆啦A梦》，主角其实也是一个机器人。这在某程度反映，人类对 AI 抱有足够长时间的好奇和期望。

　　回到残酷的现实世界，在 AI 发展的漫长过程中，无数 AI 企业从先驱变成先烈，活下来的正奋力穿越死亡谷。毫无疑问，每一家真心为 AI 行业做实事的企业都是值得尊敬的。

　　但 AI 企业也必须意识到，企业的运作不仅要有技术，更需要有效的经营方法。一个企业要成为产业巨头和红利享受者，必须花更多时间思考和探索，才是长久之计。