深度閱讀：只有少數企業能活下來，如何逾越 AI 產業鴻溝？誰才是AI大潮幕後推手？

科技 10-13

隨著存儲空間的擴大、數據的海量增長，神經網路、深度學習演算法的不斷更新，越來越多的人工智慧產品走入尋常生活。人工智慧的概念也不斷地給我們帶來關於未來的無限遐想。

這篇文章結合數據翔實地總結了海內外人工智慧領域的落地情況，中美兩國在該領域投資的對比，以及人工智慧行業發展的現狀與瓶頸等。

AI 能否完成人類歷史上的顛覆式創新，開啟人類新時代？60 余年來人們對這個話題一直爭論不休。

2006 年，Hinton 教授發明了一種訓練深層網路的新思路，隨後三篇論文炸開了深度學習演算法突破口。很快，又有公司發明了用於支持深度學習演算法的新型晶元，大大改善了舊晶元計算能力不足的問題。在演算法和算力的支持下，互聯網存儲了 20 多年的大量數據終於找到了它歷史的使命：訓練機器！於是第三次人工智慧熱潮被掀起了。

雖然，這一次深度學習演算法將語音、圖像識別率先推向了人類實現的最佳邊界，但是目前 AI 演算法並不完美，一是演算法訓練模型只能針對特定領域，通用性差；二是這一代演算法太依賴於數據。

AI 推理、思考、聯想等智力功能與人類大腦相去甚遠，目前，AI 的發展水平整體上只能算是處於「微智時代」。要想讓機器成精，AI 還需更上幾層樓，恐怕要更待些時日。

雖然只是微智時代，但並阻擋不了「AI+」對行業的顛覆，目前應用型技術層出不窮，未來可以預見人工智慧與產業應用會產生更深層次的結合。

C端到底行不行

在目前的 AI 微智時代，創業公司大致可分為三個梯隊：廣義機器人、自然語言處理、計算機視覺與圖像。

根據騰訊研究院 & IT桔子聯合發布的《 2017 年中美人工智慧創投現狀與趨勢研究報告》統計數據，國內智能機器人與無人機相關技術創業最為火爆，位居於第一梯隊；語義分析、語音識別、聊天機器人等自然語言系列的技術位列第二梯隊；第三梯隊則為人臉識別、視頻/監控、自動駕駛、圖像識別等計算機視覺系列的技術；另外，情感計算這種綜合了心理學、語義、視覺、環境感知等多種技術的複雜應用技術也在慢慢成長中，這類企業正在嘗試產業的探索與創新，前景廣闊，但是目前處於熱度排行末端。

B 端市場無疑是創業最合適的切入點，可以充分發揮 AI 的工具性，提升效率和體驗，從而跨過工業應用紅線。

雖然目前的 AI 技術應用多數著眼於 B 端市場，為企業提供服務。不過，近兩年來，市場上出現了一些定位於 C 端用戶的產品。

靠近 C 端用戶並探索流量和數據的變現模式是較為理想的發展路徑，比如，在廣告、媒體、美妝、設計等行業已經湧現了第一批消費級終端產品，並且在消費者中形成了一定的影響力。

消費級市場或許是近期人工智慧應用爆發的一個重要場景。據統計，美國已經有超過 50 家針對於 C 端初創 AI 企業，融資規模超過 8 億人民幣，雖然這些公司仍然十分微小，但是星星之火可以燎原。我們可以預見，AI 消費級產品遍地開花的時間為期不遠了。

行業應用最先落地的會是誰？??

技術實力是 AI 公司的核心競爭力之一，而技術+產品+行業落地更是其勝負關鍵。新一代人工智慧的繁榮，猶如一棵枝葉繁茂的大樹，滲透至各行業的藍天之中，服務於眾多領域。

報告數據顯示，醫療行業成為 AI 應用最為火熱的行業，其中包括了醫療影像診斷、醫學病歷分析等方向，目前弱人工智慧更容易在醫學這種專業性較強但不要求通用能力的行業發揮作用；汽車行業則憑藉自動駕駛相關 AI 技術脫穎而出位列第二，有 80 家 AI 公司業務和汽車相關，其中 30 家專註於自動駕駛相關技術；排在之後的 AI 技術行業應用方向，無可厚非包括了教育、金融、製造、安防、家居等行業。

?中美兩國的根本差距何在？????

近日有一篇外媒文章，給了中國人工智慧高度的讚揚，它認為中國在 AI 大潮中具有相當優勢，跟美國幾乎不相上下，很容易彎道超車。在我們看來，這實在有些夜郎之論。真實情況如何？請看數據：

企業數量差距：報告數據顯示，截止於 2017 年 6 月 31 日，全球人工智慧企業總數達 2542 家，其中美國擁有 1078 家，佔全球人工智慧企業總量的 41%；中國擁有 592 家，佔據 23%，排名第二。中美兩國差距 486 家。

投資金額差距：根據統計數據，美國 AI 公司總融資金額達 978 億元，佔據全球總融資的 50.10%；中國以 635 億元位居第二，佔據全球 AI 公司總融資額的 33.18%。

人才團隊差距：在 AI 領域，中國的人才總儲量低於美國，美國的 AI 人才總儲備達 78700 人，中國的人才總量僅有 39200 人，人才儲備總量不及美國的 50%。目前中國人工智慧的人才培養已成為一個發展的關鍵問題，人才缺失可能會對中國未來 AI 產業的發展產生牽製作用。

投資機構差距：AI 投資機構數量上，美國超中國兩個身位，為中國三倍。中國關注 AI 領域的投資機構總數量約為 620 家，美國約為 1800 家。其中投資次數在兩次及以上的投資方數量，中國為 203 家，美國為 596 家。綜合來看，美國投資界對 AI 的關注度遠超中國。

綜合對比，美國 AI 走在了全球發展的最前列，代表著各大熱門領域的高精尖。根據目前的數據統計，中國人工智慧水平距離美國還有不小的差距，企業數量、融資總量、團隊規模等大約只有美國的 50%左右。

中美雖有差距，中國也有自己的獨特優勢，即，中國目前的人工智慧創業環境。

??為何中國創業環境更勝一籌？?????

美國 AI 存量市場遠超中國，但投融資速度與獲投率中國更高美國一籌，對於 AI 初創公司來說，中國環境更適合創業。

獲投率

中國獲投率遠超美國，呈後來居上之勢。中國 AI 平均獲投率為 69%，美國平均獲投率為 51%，中國超出美國 18%。另外，從數據可以推斷，目前，中國人工智慧創投市場缺少優質項目，中國市場對於 AI 的投資不缺資金，根本缺失的是技術和人才。

獲投速度

從一家公司成立時間算起，到每一輪獲得投資的時間間隔代表了這家公司的獲投速度。間隔時間越短，公司獲投速度越快，表示其越受投資方的青睞。美國 AI 公司從成立到種子/天使輪的平均時間需要 14.8 個月，中國則需要 9.7 個月，中國 AI 公司的早期獲投速度明顯比美國快很多。

??如何走出產業核心的困境？??????

人工智慧發展的基礎在於演算法、算力和數據，三者缺一不可。中國擁有龐大的資料庫，在應用演算法上也不落其後，唯獨在算力這一領域，出現了非常嚴重的缺陷。

算力的核心在晶元，而中國在晶元領域上的積貧積弱也延伸到了 AI 晶元上。

根據數據統計，美國晶元企業合計 33 家，累計融資 308.18 億元。中國合計 13 家，累計融資 13.28 億元，融資額僅為美國的 4.3%。

在中美總融資 TOP10 公司中，中國以 ASIC 和 FPGA 為主，類腦晶元其次，佔據 1 個席位；美國光 GPU 就有 4 家之多，剩下 6 席分別被 FPGA 和 ASIC 平分，值得注意的是 Rigetti Computing 這家公司，自 2012 年起開始研發量子晶元，頗受關注，吸納到一共 6 筆，總計 4.72 億元的融資。

中國 10 家晶元公司

美國融資排名前十的晶元公司

綜合來看，中國晶元在公司和融資上大大落後於美國，並且在晶元核心產業和技術上也和美國相去甚遠。而在 GPU 領域，中國尚無創業公司，只能圍繞 FPGA，ASIC 等進行邊緣研發，類腦晶元在國內有異軍突起之勢，或許能有所突破，總體形勢十分嚴峻。

??誰才是 AI 大潮幕後的推手？???????

在中美 AI 熱潮的幕後推手中，VC 的功勞不可小視。一些有遠見卓識的 VC 已經開始盤點賬面上賺到的利潤，合計什麼時候準備殺出城去；而另一些後知後覺的 VC，正在籌集糧草，殺進城來。

對 AI 的投資並非是最近兩年的事，而是自上世紀就開始了。自 1999 年美國第一筆 VC 資金投資給 AI 技術平台 Enkia 時，人工智慧投資就已經拉開了序幕。

在短短的 18 年內，各大投資方競相爭搶有潛力的人工智慧企業，全球人工智慧領域投資吸金 2026 億元。

對於 AI 的投資，A 輪看團隊、B 輪看產品、C 輪看數據的套路已經過時，簡單沿用過去 PC /移動互聯網的投資邏輯可能導致 VC 們錯過最佳入局 AI 的時間窗口。相比於關注公司財務數據，不如更重視其核心商業本質以及戰略意義，並且要真正理解技術的意義，來預測技術是否能大規模提升效率，適不適合規模化發展。

中國投資方（投資次數） TOP20

美國投資方（投資次數） TOP20

其中，Y Combinator 投資了 34 次包括 Sift Science，Chute，Qventus 和 SimpleLegal 在內的 25 家人工智慧企業，其中 Sift Science 獲得了包括 Founder Collective , SV Angel , Y Combinator 在內等 17 家投資方總計 3.64 億元投資，而 Y Combinator 參與投資的其餘 AI 公司獲投金額從 76 萬元到 1.14 億元不等，輪次也零散分布在天使/種子輪，A 輪，B 輪和 C 輪。

在中國，真格基金以 37 次投資投資高居風投榜首，創新工場和 IDG 資本分別以 28 次和 22 次排列在第二和第三。

在投資熱門領域中，計算機視覺和圖像擁有最多的投資者，共 291 家；其次是智能機器人和機器學習應用。這些投資機構的投資額在 2016 年達到歷史最高值，僅 2016 年一年，就湧現了 231.9 億元的投資資金。2017 年後國內投資更為偏向於中後期項目，對人工智慧的投資持更加謹慎態度。

項目少而資金多，大家恨不得把每個選手都投一遍。終於有一天，大家會發現，好項目不夠用了，於是拚命加持舊注。

當前，人工智慧產業的核心矛盾有兩個：一是投資需求大而創業項目供給減少；二是市場期望高而產品體驗卻不佳。

???如何逾越 AI 產業鴻溝？????????

拿到錢並不意味著就可立於不敗之地。按照創新擴散理論，拿到錢，其實是往死亡靠近了一大步。這是科技行業規律使然，AI 企業自然也不例外。

科技創新企業在上升發展階段會遇到一定的阻礙和壁壘，稱為創新鴻溝。

技術、產品、資金三個環節若有一環不穩，可能就會墜入深淵不得翻身。

具備怎樣素養的企業可以越過產業鴻溝繼續發展，總結為以下三點：

第一，技術鴻溝

技術是第一生產力，只有具備一定技術能力並且有後續研發能力的企業才足以支撐後續的升級和發展。初期技術的運用也許能夠支撐企業度過初步發展期，但若沒有資金和研發能力這兩個強有力的支撐後續，企業可能會被後來企業趕超甚至直接被拍死在沙灘上。

第二，產品鴻溝

產品落地是重中之重，如何將技術落地為產品，突破口和方向決定了企業未來的命運。具有一定技術能力的公司將技術落地為產品，進入市場，促使資金迴流，形成良性發展。

第三，市場鴻溝

市場是產品唯一的檢驗標準，產品是否合格由市場來判定。不符合市場需求，產品不合格的將會被嚴格淘汰，這可能會嚴重影響公司發展。

這三大鴻溝是人工智慧企業發展的門檻，只有跨越過這三大鴻溝，才能引來更光明的未來。

人工智慧產業雖然前景廣闊，但創業項目增量降低，創新鴻溝已經出現，死亡瘟疫開始蔓延，泡沫依然擴大，下一步創業者和投資者怎麼走，著實需要冷靜思考。

事實就是如此殘酷。於是，沒有跨過鴻溝的企業等待的只有死亡。創業的高峰已經短暫結束。

????什麼類型的新項目會死亡？??????????

根據騰訊研究院& IT 桔子聯合發布的《 2017 年中美人工智慧創投現狀與趨勢研究報告》統計數據，人工智慧經過創業持續火爆增長的兩年高峰期，在 2017 年，產業開始進入休整階段。

很多類似的創業公司難以獲取用戶，商業模式不能驗證。最後只能關張了事。

2013-2015 兩年間快速發展下積壓的眾多市場矛盾已經出現爆發的前兆。目前，智能無人機、餐廳機器人、虛擬助理、智能硬體等領域和行業已初顯頹勢。據初步估算，中美倒閉企業總數已超過 50 家。

虛擬助理技術並未完全成熟，消費級市場還沒有被打開，如近期倒閉的公司有：應應-雨恆矩陣、智能萬事屋等。2017 年，很多無人機領域的公司資金方面都遇到了一些問題，億航、零度相繼大幅裁人，全球銷量前三的 Parrot 也宣布裁員三分之一。機器人服務員是噱頭，早期幾家均倒閉。由多位蘋果前資深員工創立的 Pearl Automation （珍珠自動化）自動駕駛公司，曾獲得兩輪總計 5000 萬美元的投資，因為旗下產品銷量慘淡，目前已經停止了運營。

部分創業公司的死亡是在所難免的，用死亡換來的經驗和教訓，尤其值得關注。就目前倒閉企業分析，原因歸納為以下 5 點：

第一，技術未成熟，產品不合格；

第二，難以突破並實現穩定的市場份額增長；

第三，缺乏與巨頭競爭的能力；

第四，成本高昂導致售價超過消費者購買能力；

第五，資金不足無法支撐後續研發。

同質化嚴重的市場上，死亡的瘟疫依然還在蔓延。我們可以預見 AI 企業在接下來很長一段時間都要接受市場的嚴格考驗，大多數企業會被市場毫不留情的淘汰，只有少數會活下來。

註：本文由騰訊研究院和IT桔子聯合發布

分享到朋友圈，做一個有影響力的讀者！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！