AI難逃“集郵”命運

首先要申明的是，這并不是一篇唱衰AI行業(yè)的文章，但需要提醒各位的是，人工智能的創(chuàng )業(yè)窗口期已經(jīng)接近尾聲。

　　一方面，是新入局玩家數量上的降溫。根據億歐網(wǎng)數據，中國AI初創(chuàng )企業(yè)從2012年起，經(jīng)過(guò)4年的高速發(fā)展，在2016年達到頂峰，而后 AI 創(chuàng )業(yè)熱度逐步降溫，2020 年1-4月僅成立4家AI企業(yè)，是2019年全年數量的12%。如果按照這個(gè)數據來(lái)推算2020年全年，AI領(lǐng)域初創(chuàng )企業(yè)也不及去年的一半。

　　圖：2012-2020年4月中國人工智能領(lǐng)域初創(chuàng )企業(yè)成立情況（來(lái)源：國盛證券、億歐網(wǎng)）

　　另一方面，早期玩家原始技術(shù)積累基本完成，正處于卡位具體場(chǎng)景商業(yè)化階段。尤其是基于視覺(jué)、語(yǔ)音和文本的AI技術(shù)相對較為成熟，在相對好落地的To B領(lǐng)域（比如零售、安防、教育、教育、金融等）已經(jīng)扎滿(mǎn)了玩家，空間所剩無(wú)幾，而To G又不是普通玩家能夠駕馭的。

　　“難獲得領(lǐng)導層支持”、“AI實(shí)施與組織適配難”、“難將AI計劃從試點(diǎn)轉移到生產(chǎn)”、“無(wú)法衡量AI的投資回報率”以及“AI系統運營(yíng)維護難”成為AI產(chǎn)品難落地的主要障礙。

　　如果你是AI行業(yè)的從業(yè)者或者觀(guān)察者，你經(jīng)常會(huì )聽(tīng)到，售前們跟你講述有關(guān)數據的話(huà)題，比如數據采集、預處理、標注、挖掘、分析等技術(shù)專(zhuān)屬名詞，然后跟你大講一通這些技術(shù)有多難，他們的系統或者架構有多強悍。事實(shí)上呢，這只是一個(gè)推銷(xiāo)小技巧，想當然地把項目制的產(chǎn)品解說(shuō)為通用型，似乎是所有軟件開(kāi)發(fā)公司的通病。甲方只要記住一點(diǎn)，拋開(kāi)具體場(chǎng)景、具體業(yè)務(wù)跟你談產(chǎn)品和技術(shù)約等于耍流氓。

　　拿SaaS行業(yè)（企業(yè)服務(wù)的一塊重要領(lǐng)域，跟AI也有大量交集）來(lái)說(shuō)，2011-2021十年間，跌宕起伏，從無(wú)序走向有序，競爭點(diǎn)也從通用進(jìn)入垂直領(lǐng)域，但相關(guān)業(yè)內專(zhuān)家依然不看好這個(gè)領(lǐng)域，“與2016年那波資本鼓動(dòng)下的浪潮相比，現在的泡沫依然很大?！?/p>

　　AI現狀也大致如此，近些年爆火又沉寂的中臺們就是典型。就國內玩家而言，你會(huì )發(fā)現在活得好的基本都是卡位垂直領(lǐng)域的，比如智能駕駛領(lǐng)域的百度、AI語(yǔ)音領(lǐng)域的科大訊飛、智能BI領(lǐng)域的帆軟等，但目前也未跑出一個(gè)類(lèi)似于微軟或者Snowflake式的巨頭。

　　我們再回到AI商業(yè)化的本質(zhì)，即并非專(zhuān)注于技術(shù)的迭代優(yōu)化，而是善用技術(shù)解決客觀(guān)存在的實(shí)際商業(yè)問(wèn)題，從眾多的應用場(chǎng)景分析可知：一方面，人工智能能夠將人從簡(jiǎn)單、重復、繁重的工作中解放出來(lái)，算法仍是AI準確性和效率的核心；另一方面，場(chǎng)景的適配性是AI成功落地的關(guān)鍵環(huán)節。

　　基于此，本文新眸將著(zhù)重分析以下三個(gè)問(wèn)題：

　　· 什么是“集郵”，AI玩家為何難逃這種命運？

　　·AI的場(chǎng)景悖論是什么，這種悖論我們應該如何避免？

　　· 2021，我們該如何重新理解AI商業(yè)化的路徑？

　　舊酒裝新瓶

　　集郵愛(ài)好者都有一個(gè)癖好，就是喜歡成套的收集，當然，也只有成套的郵票也才有更高的價(jià)值，少數精品郵票除外。

　　這和當下的AI行業(yè)現狀幾乎如出一轍，少數玩家掌握了關(guān)鍵算法（比如視覺(jué)、語(yǔ)音解析等），他們是少而精，加上資本的加持，很快就得以出圈，比如AI四小龍（商湯、曠視、云從、依圖），這些玩家的特點(diǎn)是追求99%-99.99%精度變化，但大多數玩家還是傳統軟件廠(chǎng)商或者半路出家，更多的還是做一些項目制開(kāi)發(fā)，技術(shù)含量并不大，所以他們所追求的是大而全，“技術(shù)我都有，項目我都能做，降本增效多少無(wú)法量化，更別提走標品思路了?！?/p>

　　所以AI行業(yè)想做騰訊之于社交、阿里之于電商、百度之于搜索，幾乎沒(méi)戲。就目前AI產(chǎn)業(yè)鏈而言，全行業(yè)大致形成了4種生態(tài)模式：

　　第一類(lèi)：AI融入云服務(wù)體系，云服務(wù)廠(chǎng)商構建AI基礎設施生態(tài)。亞馬遜、微軟和谷歌為代表的廠(chǎng)商開(kāi)始布局AI專(zhuān)用硬件、開(kāi)源開(kāi)發(fā)工具、研發(fā)平臺、技術(shù)服務(wù)、行業(yè)使能方案等全棧AI技術(shù)支撐體系，比如，2020年，微軟向下在硬件基礎設施方面聯(lián)合OpenAI建立智能超算中心，向上在垂直行業(yè)布局方面推出行業(yè)云解決方案 Microsoft Cloud for Healthcare，進(jìn)而與醫療機構合作，幫助醫生和醫療機構使用 AI 技術(shù)實(shí)現精準醫療服務(wù)。

　　但這是高舉高打的玩法，國內的中、小玩家們既沒(méi)有龐大的數據量可供訓練、改進(jìn)算法模型，也沒(méi)有在產(chǎn)業(yè)鏈上下游足夠的話(huà)語(yǔ)權和資本，更多的還是接著(zhù)眾包和外包的活，分到的蛋糕也少得可憐，所以這類(lèi)玩家我們只能當標的，不做參考。

　　第二類(lèi)：AI技術(shù)服務(wù)企業(yè)、互聯(lián)網(wǎng)企業(yè)，以視覺(jué)、語(yǔ)音等技術(shù)優(yōu)勢切入，加速打造垂直行業(yè)技術(shù)服務(wù)平臺和解決方案生態(tài)。比如百度Apollo開(kāi)放平臺（智能駕駛）、科大訊飛（智慧語(yǔ)音）、依圖care.ai（智慧醫療）等，這些就是我前文所述成功卡位的玩家，也是最有潛力的，先把單一領(lǐng)域做精，商業(yè)模式跑通，進(jìn)而散點(diǎn)拓展其他領(lǐng)域。

　　比如科大訊飛最近所提的CRM和CDP，他們內部人士告訴新眸，AI在零售營(yíng)銷(xiāo)側的布局已經(jīng)有4-5年的時(shí)間了，其實(shí)不只科大訊飛一家，大部分AI企業(yè)都會(huì )在電商零售營(yíng)銷(xiāo)側植入AI能力，至于為什么，我后面再做具體解答。

　　第三類(lèi)：傳統企業(yè)以行業(yè)經(jīng)驗切入，強調解決問(wèn)題的實(shí)際應用能力，傳統行業(yè)頭部企業(yè)針對顛覆性、前沿性技術(shù)展開(kāi)系統布局，比如大眾奧迪聚焦自動(dòng)駕駛場(chǎng)景，建立奧迪JKU深度學(xué)習中心，成立硅谷研發(fā)辦公室，加大力度研發(fā)先進(jìn)駕駛員輔助系統。

　　這類(lèi)玩家國內有很多，但多數只是建立個(gè)創(chuàng )新部門(mén)試點(diǎn)，甚至做做表面功夫，并不會(huì )真正的正視AI本身，一來(lái)對于大多數非剛需傳統企業(yè)來(lái)說(shuō)，這些開(kāi)銷(xiāo)屬于非必要，二來(lái)，AI本身的ROE也是一個(gè)未知數。

　　第四類(lèi)：硬件廠(chǎng)商以芯片設計、整機集成為切入點(diǎn)，構建軟硬協(xié)同產(chǎn)業(yè)生態(tài)。英偉達、英特爾、華為、浪潮等芯片、設備廠(chǎng)商就是主要代表，其中華為在逐步開(kāi)放的AI戰略以及自主芯片架構上發(fā)力，于2020 年下半年華為在深圳總部推出 AI（人工智能）處理器 Ascend 910（昇騰 910）。

　　這是一支不可忽略的力量，也是極具潛力的，畢竟由硬件切入軟件相對較為簡(jiǎn)單（參考半導體產(chǎn)業(yè)），而且這類(lèi)玩家在市場(chǎng)上更具優(yōu)勢，有個(gè)硬件底座只要植入相應的軟件，就可以成為針對某個(gè)場(chǎng)景的AI一體機，相對于軟件廠(chǎng)商來(lái)說(shuō)，人們會(huì )更容易接受由硬件廠(chǎng)商附加銷(xiāo)售的軟件產(chǎn)品，順序很重要。

　　場(chǎng)景“悖論”

　　過(guò)去60年，人工智能經(jīng)歷了2次從爆發(fā)到低谷的過(guò)程，到了21世紀，隨著(zhù)數據的爆發(fā)式增長(cháng)，算力和深度學(xué)習的成熟，人工智能迎來(lái)了第3次發(fā)展浪潮。

　　就目前而言，成長(cháng)型AI企業(yè)技術(shù)的發(fā)展現狀主要有以下四個(gè)特征：

　　算法層面，CV、NLP等領(lǐng)域需求大、投入多；框架層面，TensorFlow和PyTorch成為熱門(mén)（工業(yè)界和學(xué)術(shù)界主流）；平臺層面，朝著(zhù)通用和垂直領(lǐng)域雙向發(fā)展（多數玩家使用通用平臺，其余建立垂直領(lǐng)域平臺形成長(cháng)尾）；趨勢方面，跨學(xué)科、跨場(chǎng)景、跨空間開(kāi)始融合。

　　德勤曾在《中國成長(cháng)型AI企業(yè)研究報告》中總結過(guò)成長(cháng)型AI企業(yè)成功的6大關(guān)鍵要素：1、先垂直滲透，后向上發(fā)展；2、精于技術(shù)，強于場(chǎng)景方案；3、善用多元化融資渠道；4、創(chuàng )新市場(chǎng)強化合作；5、優(yōu)化運營(yíng)提升競爭力；6、打造數據閉環(huán)，迭代優(yōu)化產(chǎn)品。

　　其中，1234屬于業(yè)務(wù)側，56屬于產(chǎn)品側，這也和當下的AI企業(yè)現狀有關(guān)，產(chǎn)品側除了極個(gè)別領(lǐng)域的技術(shù)絕對龍頭，多數還是在依靠市場(chǎng)和業(yè)務(wù)驅動(dòng)。換句話(huà)說(shuō)，玩家競爭差異化并不體現在產(chǎn)品力上，而是體現在誰(shuí)能更懂場(chǎng)景，利用AI技術(shù)精準幫助企業(yè)數字轉型或升級。

　　這就需要我們把目光重新聚焦到前文所提到的第二類(lèi)玩家，衡量他們是否成功的標準在于，他們能否做成垂直領(lǐng)域的顛覆者。

　　在發(fā)展初期，優(yōu)秀成長(cháng)型 AI 企業(yè)多精于一個(gè)核心技術(shù)點(diǎn)發(fā)展，向下滲透場(chǎng)景，更快更靈活地把技術(shù)優(yōu)勢轉化為產(chǎn)品優(yōu)勢，獲得市場(chǎng)占有率。如果初創(chuàng )企業(yè)想要和巨頭分蛋糕，就需要深耕垂直領(lǐng)域，練好內功而非盲目追逐熱點(diǎn)。因為越是底層的東西，巨頭越會(huì )涉足，同理，越是通用型的產(chǎn)品，越是大公司會(huì )做的。

　　問(wèn)題是，和互聯(lián)網(wǎng)巨頭們相比，這些玩家在懂場(chǎng)景上并不占據絕對優(yōu)勢。

　　這里就是我所提及的“場(chǎng)景悖論”，就當下而言，AI To G很難，To B也很難，相較于前者，后者才有可能實(shí)現AI的商業(yè)規?；?，而要完成這一目標，排除其他資源因素的話(huà)，第一步就是要在技術(shù)窗口期完成場(chǎng)景搶占。

　　畢竟，在移動(dòng)互聯(lián)網(wǎng)創(chuàng )業(yè)時(shí)代，技術(shù)商業(yè)化落地都有窗口期的概念，錯過(guò)了窗口期會(huì )很難做大，進(jìn)入過(guò)早失敗概率也較高。在大部分投資都有投資回報期要求的情況下，創(chuàng )業(yè)公司要控制業(yè)務(wù)的方向和節奏，找好合適的時(shí)機，在人工智能領(lǐng)域同理，時(shí)機和節奏感的把握都很重要，而節奏感的控制除了來(lái)自對人工智能技術(shù)發(fā)展程度的判斷，還有來(lái)自對融資環(huán)境的判斷，對市場(chǎng)發(fā)展速度與變化的判斷，和對競爭對手的判斷。

　　所涉及到的每一步，都很艱難（主要原因就是簡(jiǎn)單場(chǎng)景的窗口期已經(jīng)過(guò)了，AI不再黑盒也意味著(zhù)不那么好忽悠了）。

　　事實(shí)情況也的確如此，普華永道曾針對AI場(chǎng)景落地發(fā)起過(guò)調研，結果顯示，39％的組織無(wú)法解釋輸出結果并無(wú)法衡量AI的投資回報率，28％的企業(yè)缺乏用于A(yíng)I解決方案的高質(zhì)量數據，17％的公司在維護已經(jīng)運行的AI系統方面面臨挑戰，35％已實(shí)施試點(diǎn)的組織發(fā)現很難將AI計劃從試點(diǎn)轉移到生產(chǎn)。

　　這四個(gè)結果其實(shí)環(huán)環(huán)相扣。簡(jiǎn)單的說(shuō)，一方面，多數人們對于A(yíng)I的信任度并沒(méi)有想象中那么高，市場(chǎng)教育需要持續進(jìn)行，也意味著(zhù)需要大量的營(yíng)銷(xiāo)成本；另一方面，AI在落地過(guò)程中也沒(méi)有想象中順利，從前期的數據收集到后期的運營(yíng)，再到衡量AI改造所帶來(lái)的效果，依然存在較大的不確定性。

　　AI們的下一城

　　讀到這里你會(huì )發(fā)現，AI玩家們想要逃離集郵命運的，似乎只有一條出路，即有一個(gè)標桿性產(chǎn)品。

　　標桿意味著(zhù)產(chǎn)品在技術(shù)上至少領(lǐng)先半個(gè)身位的，在運營(yíng)上是平民化的，在效果上是可以衡量的，百度Apollo開(kāi)放平臺（智能駕駛）、科大訊飛（智慧語(yǔ)音）、依圖care.ai（智慧醫療）等玩家崛起的思路都具備這個(gè)特征，并且這種現象級爆款是某一市場(chǎng)側的剛需，甚至是國民級的需要，才有可能完成他們口中所述的規?；?，不然只是空談。

　　但尷尬的是，事實(shí)并非我們想象。

　　眼下多數AI玩家，大都沿襲互聯(lián)網(wǎng)思維，企圖用AI把所有場(chǎng)景都改造一遍，所以經(jīng)常會(huì )出現以下幾類(lèi)矛盾：做業(yè)務(wù)的diss做產(chǎn)品的，做產(chǎn)品的diss做技術(shù)的，做技術(shù)的diss做運維的，做運維的反過(guò)頭來(lái)diss做業(yè)務(wù)的，形成反向閉環(huán)。

　　反向閉環(huán)形成的主要因素就是在于，沿襲互聯(lián)網(wǎng)思維，企圖用AI把所有場(chǎng)景都改造一遍，他們始終沒(méi)有厘清，哪些場(chǎng)景是亟需被改造的，哪些場(chǎng)景是有待被改造的，哪些場(chǎng)景是不需要AI介入的，這也是多數研究人員在計算市場(chǎng)空間時(shí)常犯的一個(gè)毛病，習慣性夸大。

　　舉個(gè)簡(jiǎn)單的例子，比如工業(yè)有10類(lèi)場(chǎng)景，AI技術(shù)只是在其中一個(gè)場(chǎng)景有發(fā)揮空間，研究員會(huì )習慣性將這單一市場(chǎng)空間X10，造成AI工業(yè)場(chǎng)景水大魚(yú)大的假象，一方面是計算模式的不精準，另一方面是忽略了改造成本，所以我經(jīng)常能聽(tīng)到AI業(yè)內人士跟我抱怨，“空間很小，玩家太多，成本高企，我們只是在重復的造PPT的輪子?！?/strong>

　　空口無(wú)憑，我們來(lái)看下數據。

　　根據IT橘子數據，截至2020年，30%的成長(cháng)型AI企業(yè)尚未獲投，這些未獲投企業(yè)很多沒(méi)有找到細分的價(jià)值板塊，產(chǎn)品差異化競爭優(yōu)勢不明顯，存在顯著(zhù)的同質(zhì)化競爭現象。如果遇到較大公司的進(jìn)駐或碾壓后，容易被投資方半途放棄，創(chuàng )業(yè)風(fēng)險急劇增大。

　　另外有45%的已獲投企業(yè)輪次融資輪次在A(yíng)輪之前，這些企業(yè)盡管產(chǎn)品研發(fā)已經(jīng)基本完成，但市場(chǎng)仍處于開(kāi)拓階段，尚未能實(shí)現收入大幅增長(cháng)，如果你長(cháng)期關(guān)注AI領(lǐng)域的話(huà)，你會(huì )發(fā)現，資本市場(chǎng)資源正不斷向B輪以后企業(yè)聚攏，至今尚沒(méi)有融資的企業(yè)，很有可能面臨淘汰出局。

　　于此之下，我們不難想象，AI們的下一城會(huì )很艱難，尤其對于初創(chuàng )企業(yè)來(lái)說(shuō)。