初创企业|AI难逃“集邮”命运百度|人工智能|科大讯飞

文章插图
图片来源@视觉中国
文丨新眸，作者丨凌石，编辑丨栖木
首先要申明的是，这并不是一篇唱衰AI行业的文章，但需要提醒各位的是，人工智能的创业窗口期已经接近尾声。
一方面，是新入局玩家数量上的降温。根据亿欧网数据，中国AI初创企业从2012年起，经过4年的高速发展，在2016年达到顶峰，而后 AI 创业热度逐步降温，2020 年1-4月仅成立4家AI企业，是2019年全年数量的12%。如果按照这个数据来推算2020年全年，AI领域初创企业也不及去年的一半。

文章插图
图：2012-2020年4月中国人工智能领域初创企业成立情况（来源：国盛证券、亿欧网）
另一方面，早期玩家原始技术积累基本完成，正处于卡位具体场景商业化阶段。尤其是基于视觉、语音和文本的AI技术相对较为成熟，在相对好落地的To B领域（比如零售、安防、教育、教育、金融等）已经扎满了玩家，空间所剩无几，而To G又不是普通玩家能够驾驭的。
“难获得领导层支持”、“AI实施与组织适配难”、“难将AI计划从试点转移到生产”、“无法衡量AI的投资回报率”以及“AI系统运营维护难”成为AI产品难落地的主要障碍。
如果你是AI行业的从业者或者观察者，你经常会听到，售前们跟你讲述有关数据的话题，比如数据采集、预处理、标注、挖掘、分析等技术专属名词，然后跟你大讲一通这些技术有多难，他们的系统或者架构有多强悍。
事实上呢，这只是一个推销小技巧，想当然地把项目制的产品解说为通用型，似乎是所有软件开发公司的通病。
甲方只要记住一点，抛开具体场景、具体业务跟你谈产品和技术约等于耍流氓。
拿SaaS行业（企业服务的一块重要领域，跟AI也有大量交集）来说，2011-2021十年间，跌宕起伏，从无序走向有序，竞争点也从通用进入垂直领域，但相关业内专家依然不看好这个领域，“与2016年那波资本鼓动下的浪潮相比，现在的泡沫依然很大。”
AI现状也大致如此，近些年爆火又沉寂的中台们就是典型。
就国内玩家而言，你会发现在活得好的基本都是卡位垂直领域的，比如智能驾驶领域的百度、AI语音领域的科大讯飞、智能BI领域的帆软等，但目前也未跑出一个类似于微软或者Snowflake式的巨头。
我们再回到AI商业化的本质，即并非专注于技术的迭代优化，而是善用技术解决客观存在的实际商业问题，从众多的应用场景分析可知：一方面，人工智能能够将人从简单、重复、繁重的工作中解放出来，算法仍是AI准确性和效率的核心；另一方面，场景的适配性是AI成功落地的关键环节。
基于此，本文新眸将着重分析以下三个问题：
什么是“集邮”，AI玩家为何难逃这种命运？
AI的场景悖论是什么，这种悖论我们应该如何避免？
2021，我们该如何重新理解AI商业化的路径？
旧酒装新瓶集邮爱好者都有一个癖好，就是喜欢成套的收集，当然，也只有成套的邮票也才有更高的价值，少数精品邮票除外。
这和当下的AI行业现状几乎如出一辙，少数玩家掌握了关键算法（比如视觉、语音解析等），他们是少而精，加上资本的加持，很快就得以出圈，比如AI四小龙（商汤、旷视、云从、依图），这些玩家的特点是追求99%-99.99%精度变化，但大多数玩家还是传统软件厂商或者半路出家，更多的还是做一些项目制开发，技术含量并不大，所以他们所追求的是大而全，“技术我都有，项目我都能做，降本增效多少无法量化，更别提走标品思路了。”
所以AI行业想做腾讯之于社交、阿里之于电商、百度之于搜索，几乎没戏。就目前AI产业链而言，全行业大致形成了4种生态模式：
第一类：AI融入云服务体系，云服务厂商构建AI基础设施生态。亚马逊、微软和谷歌为代表的厂商开始布局AI专用硬件、开源开发工具、研发平台、技术服务、行业使能方案等全栈AI技术支撑体系，比如，2020年，微软向下在硬件基础设施方面联合OpenAI建立智能超算中心，向上在垂直行业布局方面推出行业云解决方案 Microsoft Cloud for Healthcare，进而与医疗机构合作，帮助医生和医疗机构使用 AI 技术实现精准医疗服务。
但这是高举高打的玩法，国内的中、小玩家们既没有庞大的数据量可供训练、改进算法模型，也没有在产业链上下游足够的话语权和资本，更多的还是接着众包和外包的活，分到的蛋糕也少得可怜，所以这类玩家我们只能当标的，不做参考。