2015年到2018年，AI產(chǎn)業(yè)復合平均增長率達到54.6%，2018年，中國人工智能產(chǎn)業(yè)市場規(guī)模達到415.5億元。隨著產(chǎn)業(yè)規(guī)模的擴大，AI領(lǐng)域融資進度也在不斷加快。據(jù)投中研究院與崇期資本聯(lián)合發(fā)布的《2019中國人工智能產(chǎn)業(yè)投融資白皮書》顯示，中國人工智能領(lǐng)域的總體融資規(guī)模從2015年的458億人民幣增長至2018年的1189億人民幣，增長超過兩倍。

然而今年以來，AI創(chuàng)投似乎不再是資本的寵兒。今年前三季度，AI產(chǎn)業(yè)投融資數(shù)額為577億，AI投資熱情出現(xiàn)明顯縮水。事實上，從去年年中IBM沃森大裁員開始，關(guān)于AI寒冬的論調(diào)就逐漸開始響起，這也為今天行業(yè)融資難現(xiàn)象發(fā)生埋下了伏筆。

AI產(chǎn)業(yè)的未來毋庸置疑，但從底層技術(shù)研發(fā)方面來看，行業(yè)的創(chuàng)投風口似乎真的已經(jīng)過去了。

創(chuàng)新瓶頸期已至：“主干道”擠不進，“小路故事”不動人

不同項目，在發(fā)展的不同階段，關(guān)于投融資以及競爭力有著不同的評判重點。就比如過去消費互聯(lián)網(wǎng)時代的一些生意，最早看人、看模式，然后看數(shù)據(jù)，接下來看市場規(guī)模、行業(yè)地位，最后看盈利能力。AI創(chuàng)投也是如此，而在筆者看來，過去的五年AI創(chuàng)投大致經(jīng)歷了三個階段：

AI創(chuàng)投1.0階段：從2016年AlphaGo戰(zhàn)勝李世石開始，這也引爆了AI領(lǐng)域的創(chuàng)投熱情。在這一時期，算法實力和高精準人是AI企業(yè)發(fā)展?jié)摿Φ脑u判標準，具備這兩項的創(chuàng)業(yè)公司更容易得到資本的青睞。

AI創(chuàng)投2.0階段：先發(fā)企業(yè)積累了大量的人才基礎(chǔ)和基礎(chǔ)算法基礎(chǔ)，奠定了足夠的行業(yè)地位，在相關(guān)AI技術(shù)落地的高價值場景中取得一定規(guī)模。這時候投融資開始分化，賽道上“賽手”優(yōu)劣差距形成。例如去年AI創(chuàng)業(yè)公司的融資總額是1131億人民幣，其中“CV四小龍”（商湯科技、曠視科技、依圖科技、云從科技）就占了五分之一。

AI創(chuàng)投3.0階段：從去年下半年開始，商業(yè)化逐漸成為討論最多的話題，整個AI領(lǐng)域缺的不再是技術(shù)，而是承載技術(shù)的場景。一些AI公司，譬如科大訊飛、搜狗自己上陣做硬件。整個AI產(chǎn)業(yè)其實都在進行著一場潤物細無聲的去泡沫化行為，近段時間，科創(chuàng)板上市企業(yè)不再有當初的一片大漲就是證明。

從主要的底層技術(shù)來看，據(jù)清華大學數(shù)據(jù)顯示，計算機視覺，語音，自然語言處理是中國市場規(guī)模最大的三個應(yīng)用方向，分別占比34.9%，24.8%和21%。我們可以把它們看作AI創(chuàng)業(yè)的“主干道”，但商湯、曠視、依圖、科大訊飛等企業(yè)已經(jīng)建立起足夠的優(yōu)勢，創(chuàng)業(yè)者很難卡進去。 AI底層技術(shù)的創(chuàng)業(yè)公司卡進“主干道”的概率很低，但細分領(lǐng)域的“小路故事”如今看來似乎也很難打動投資人。而這主要歸結(jié)于以下三個方面：

前期的AI投資已經(jīng)消耗了投資人的很多熱情，再加上在落地方面沒能達到投資人內(nèi)心錨定，對于投資會比較謹慎。

很多“小而美”的創(chuàng)意缺乏足夠的市場想象力，但投入?yún)s比較高，因而風險比較大，容易被科技公司、AI公司們跟進。

技術(shù)、人才的比拼時代過去，場景為錨的時代到來，作為一個2B或者2G的領(lǐng)域，AI企業(yè)的商業(yè)落地能力已然成為它們綜合實力判定的重要標準。而布局應(yīng)用層，原先沒有場景的創(chuàng)業(yè)公司機會很小，很難打動投資人。而這一切也都預示著AI創(chuàng)投熱情的下降，AI項目不再是資本眼中的“香餑餑”。

多元場景：勝出者們的下個角逐點？

AI產(chǎn)業(yè)創(chuàng)投瓶頸，對于有自己主營業(yè)務(wù)作為盈利支撐的BAT等科技企業(yè)而言當然不慌，可對于那些AI公司們而言卻很難做到淡定。

目前計算機視覺、語音識別等基礎(chǔ)技術(shù)的主要應(yīng)用場景其實有限。例如計算機視覺主要集中在金融和安防。還比如語音識別的科大訊飛會與一些硬件公司展開合作。除了各自擅長且對口的領(lǐng)域以外，AI公司們對于場景延伸也有更多的試探和占位。

就目前看來，AI公司們在應(yīng)用層方面的布局主要圍繞以下兩個方面展開：

一方面通過投資延伸到其它垂直場景。根據(jù)企查查檢索顯示的數(shù)據(jù)來看，曠視目前的投資動態(tài)有五起，商湯有四起，老牌企業(yè)的科大訊飛更是有十多起。以CV四小龍為例，商湯布局面更大一些，曠視的移動終端和零售、物流布局，云從的銀行業(yè)，依圖的醫(yī)療領(lǐng)域都有相應(yīng)的投資布局。

而這也印證前面我們說的為什么很多“小路”走不通的原因，一旦某個細分領(lǐng)域的成功可能性增強，相關(guān)公司就會跟進拓展。就像過去消費互聯(lián)網(wǎng)時代的BAT，很多高頻場景到最后都成BAT之間的角逐。

另一方面，自己做硬件，例如科大訊飛、搜狗。它們在硬件選擇上也是針對一些小眾產(chǎn)品，不與自己的主流企業(yè)級客戶有直接競爭。而且產(chǎn)品本身的市場競爭小，購買者的議價能力也比較弱，更容易創(chuàng)造更多商業(yè)價值。

然而，雖說AI公司們對于目前行業(yè)瓶頸期都有自己的應(yīng)對策略。但無論是投資行為還是自己做硬件本身也存在一些潛在的挑戰(zhàn)。

投資方面，每一個新的AI賽道，還要考慮對應(yīng)的落地場景需要怎樣的算法和模型去做出有效的決策。如何篩選識別出確保收集高質(zhì)量的數(shù)據(jù)，這些都是AI企業(yè)需要考慮的問題。此外，AI公司們的投資，大都圍繞價值投資進行，是為了未來，而不是財務(wù)投資，眼下多賺點錢，這就導致投資回報的周期有些過于長，這對于企業(yè)財務(wù)狀況可能會帶來一些壓力。況且從來沒有什么穩(wěn)賺的投資，這些AI公司們勢必還要承擔投資失敗的風險。

而自己做硬件的話，技術(shù)公司做硬件天生具備一定的顧慮，一方面，現(xiàn)在與企業(yè)級客戶沒什么競爭，但未來呢？另一方面，軟件與硬件本身具備很大的鴻溝，例如供應(yīng)鏈、硬件測試、品控等基本要素。做到容易，但做好卻很難。在一個項目發(fā)展初期可能不明顯，但發(fā)展到一定程度，技術(shù)趨于成熟，制造業(yè)底蘊會成為企業(yè)之間的分水嶺。

由此可見，經(jīng)過人才、融資、算法、行業(yè)地位等考驗脫穎而出的AI公司們，正在商業(yè)落地方面面臨著更為嚴峻的考驗。