初创企业|AI难逃“集邮”命运( 三 ) 百度|人工智能|科大讯飞

事实情况也的确如此，普华永道曾针对AI场景落地发起过调研，结果显示，39％的组织无法解释输出结果并无法衡量AI的投资回报率，28％的企业缺乏用于AI解决方案的高质量数据，17％的公司在维护已经运行的AI系统方面面临挑战，35％已实施试点的组织发现很难将AI计划从试点转移到生产。
这四个结果其实环环相扣。
简单的说，一方面，多数人们对于AI的信任度并没有想象中那么高，市场教育需要持续进行，也意味着需要大量的营销成本；另一方面，AI在落地过程中也没有想象中顺利，从前期的数据收集到后期的运营，再到衡量AI改造所带来的效果，依然存在较大的不确定性。
AI们的下一城读到这里你会发现，AI玩家们想要逃离集邮命运的，似乎只有一条出路，即有一个标杆性产品。
标杆意味着产品在技术上至少领先半个身位的，在运营上是平民化的，在效果上是可以衡量的，百度Apollo开放平台（智能驾驶）、科大讯飞（智慧语音）、依图care.ai（智慧医疗）等玩家崛起的思路都具备这个特征，并且这种现象级爆款是某一市场侧的刚需，甚至是国民级的需要，才有可能完成他们口中所述的规模化，不然只是空谈。
但尴尬的是，事实并非我们想象。
眼下多数AI玩家，大都沿袭互联网思维，企图用AI把所有场景都改造一遍，所以经常会出现以下几类矛盾：做业务的diss做产品的，做产品的diss做技术的，做技术的diss做运维的，做运维的反过头来diss做业务的，形成反向闭环。
反向闭环形成的主要因素就是在于，沿袭互联网思维，企图用AI把所有场景都改造一遍，他们始终没有厘清，哪些场景是亟需被改造的，哪些场景是有待被改造的，哪些场景是不需要AI介入的，这也是多数研究人员在计算市场空间时常犯的一个毛病，习惯性夸大。
举个简单的例子，比如工业有10类场景，AI技术只是在其中一个场景有发挥空间，研究员会习惯性将这单一市场空间X10，造成AI工业场景水大鱼大的假象，一方面是计算模式的不精准，另一方面是忽略了改造成本，所以我经常能听到AI业内人士跟我抱怨，“空间很小，玩家太多，成本高企，我们只是在重复的造PPT的轮子。”
空口无凭，我们来看下数据。
根据IT橘子数据，截至2020年，30%的成长型AI企业尚未获投，这些未获投企业很多没有找到细分的价值板块，产品差异化竞争优势不明显，存在显著的同质化竞争现象。如果遇到较大公司的进驻或碾压后，容易被投资方半途放弃，创业风险急剧增大。
另外有45%的已获投企业轮次融资轮次在A轮之前，这些企业尽管产品研发已经基本完成，但市场仍处于开拓阶段，尚未能实现收入大幅增长，如果你长期关注AI领域的话，你会发现，资本市场资源正不断向B轮以后企业聚拢，至今尚没有融资的企业，很有可能面临淘汰出局。
【 初创企业|AI难逃“集邮”命运】于此之下，我们不难想象，AI们的下一城会很艰难，尤其对于初创企业来说。