投资|人工智能产业化落地加速 如何解决行业需求碎片化难题?

每经采访人员:刘玲 每经编辑:张海妮

投资|人工智能产业化落地加速 如何解决行业需求碎片化难题?
文章图片

图片来源:摄图网
近段时间 , 华为入局自动驾驶领域 , 再一次掀起了人工智能热潮 。 回顾过去 , 人工智能行业已经经历了三起两落 , 与2017年的人工智能热潮不同 , 2021年各家科技公司都在加码人工智能的产业化落地 。
“如今人工智能投资也进入了冷静期 , 以前(的)靠讲故事、博眼球去融资已经行不通了 。 只有真正扎根到了广大产业 , 解决制造业、城市等具体的场景问题的企业 , 才会被资本和市场认可 , 你能创造价值才具备价值 。 ”北高峰资本及坤湛科技创始人兼CEO闵万里向《每日经济新闻》采访人员表示 。
随着AI进入大规模落地期 , 产业链的分工也开始明确 , 一个万亿的市场诞生在即 。 在极视角创始人兼CEO陈振杰看来 , 每个领域都存在人工 , 比如水泥、燃气、制药、化工、纺织等 , 有人工的地方都有可能AI化 , 万亿AI的市场规模 , 有百分之七八十是由碎片化场景构成的 。
不过 , 陈振杰表示:“目前我们仍处于弱人工智能时代 , AI只能解决部分问题 。 庞大的AI市场背后 , 是需求碎片化的难题 , 比如水泥厂、燃气厂这些场景 , 开发者之前都没去过 , 不知道哪些用人工的地方 , 可以用AI替代 。 ”
AI产业投资进入冷静期
提起AI , 人们都会想到AlphaGO , 它曾一夜之间让人工智能成为互联网的星辰大海 , 它背后的公司DeepMind也成了全世界最有名的人工智能公司 。
2015年以来 , 各大互联网公司入局人工智能 , 创业公司也如雨后春笋般涌现 , 而资本也争先恐后地涌入 , 机器视觉、自然语言处理、深度学习、AI算法、自动驾驶、无人机、智能机器人 , 以及各种传感器、计算芯片等智能硬件领域都有资本的身影 。
据统计 , 2015至2016年 , 我国AI领域新增投资额达387亿元 。 2017年一年 , 我国在人工智能领域就有10亿美元、202次的投资 。 据市场研究公司Vanson Bourne的一项全球调查显示 , 80%的企业在投资人工智能 。
虽然人工智能行业热火朝天 , 但是现实泼了资本一大盆冷水 。 报告显示 , 2018年近90%的人工智能公司处于亏损状态 , 而10%赚钱的企业基本是技术提供商 。 换句话说 , 人工智能公司仍然未能形成商业化、场景化、整体化落地的能力 , 更多的只是销售自己的算法 。
以DeepMind为例 , 2018年财报显示 , 其营业额为1.028亿英镑 , 较2017年增长88.9% 。 但是 , DeepMind在2018年净亏损达到4.7亿英镑 , 较2017年增加了1.68亿英镑 , 亏损同比扩大55.6% 。
“人工智能行业前几年真的是‘热潮’ , 大浪淘沙后 , 投资进入到了冷静期 。 以前(的)靠讲故事、博眼球去融资已经行不通了 。 ”闵万里向采访人员表示 , “不过 , 冷静期不会是冷冻期 , 那些真正扎根到了广大产业 , 解决制造业、城市等具体的场景问题的企业 , 才会被资本和市场认可 , 你能创造价值才具备价值” 。
闵万里提到 , 如今 , 人工智能的算法研究已经起来了 , 不管是需求还是政策都在促进人工智能的发展 。 以前制造业、农业等都不是AI应用的重点领域 , 但是现在慢慢出现了许多解决具体场景问题的人工智能公司 , 比如专门做农业的极飞科技等等 。
“现在AI已经到了拼落地 , 拼客户 , 拼解决行业的痛点问题的时候了 。 前期大家关注的天使轮、A轮的项目 , 到现在需要交出成绩单 , 投资机构到企业尽调 , 把数据拉出来 , 看服务了哪些客户 , 解决了哪些问题 , 这些都是相对清晰的 。 ”陈振杰表示 。
因此 , 虽然AI产业投资的确进入冷静期 , 但有实际应用的人工智能公司却越来越受资本欢迎 。 “从结构来看 , 早期的像天使轮、A轮的融资规模下降速度比较快 , 但是对B轮、C轮、D轮之后的企业 , 融资金额和融资次数是上升的 。 ”陈振杰说 。
AI落地的碎片化需求
尽管越来越多的人工智能技术从开发者和实验室中走出来 , 开始进入各行各业 , 但从AI产业向产业AI的转型和落地却并非一片美好 。 想要让第三次人工智能浪潮真正落地 , 将人工智能的赋能效应向社会的各个方向延伸则是不可回避的问题 。
在陈振杰看来 , 目前我国人工智能的技术不断在发展 , 但整体仍处于弱人工智能时代 。 弱人工智能怎么定义呢?就是从产业的角度来看 , 目前的技术无法做出一个像人一样聪明的系统 , 人的大脑可以识别世间万物 , 能够做语音、视觉、文字理解、认知等 。
“以图像识别技术为例 , 我们会看到其实每一个图像识别的算法只能定向地去解决一种识别 , 比如说人脸识别 , 解答这个人是谁的问题 。 但是落地到产业 , 比如说识别工厂是否发生火灾 , 这便需要用一个新的算法 , 需要重新做一个火灾识别的算法 。 ”陈振杰表示 , “其实每一个垂直领域都有非常多的具体算法需求 , 每一种识别对应的都是一种算法 , 所以目前弱人工智能时代无法一下子把技术往通用性方面扩展 , 只能不断地建单点 , 每个单点代表一种识别” 。
闵万里则提及一个AI落地制鞋业的案例 。 在温州和广州 , 都有成千上万家制鞋企业 , 中国承担着全球制鞋行业70%的产能 , 在这样的行业当中应用人工智能 , 甚至计算机视觉+机器学习需要解决许多问题 。
“很简单 , 每天有大量的订单到产线 , 车间主任需要安排十几种不同的订单的生产 , 每个订单的交期都不一样 , 价钱、原材料要求等都不一样 , 这种不同要求排列组合起来就是上千亿种组合 。 ”闵万里称 , “所有带有重复性和规律性的劳动都有可能通过数字化的手段被重做一遍 , 这就需要写新的代码、算法” 。
闵万里指出 , 其实整个业界有非常多AI的应用场景 , 但是很遗憾 , 供给者和开发者之间隔着一道墙 , 因为有序的数据或者是强大的计算力、算法都在开发者手上 , 如何把技术应用在碎片化的需求上 , 需要跨越一道鸿沟 , 需要通过一个非常强大的机制 , 进行供需匹配 。
如何解决需求碎片化难题?
纵观人工智能行业 , 我国已经走出了“AI四小龙”(云从科技、商汤科技、旷视科技、依图科技) , “AI四小龙”大多靠算法起家 , 随着人工智能技术的不断发展 , 算法的门槛越来越低 , 有业内人士曾表示 , 几年前 , 一套人脸识别算法能卖上千万 , 2019年只值40万元 。
不仅如此 , 随着巨头的下场 , 人工智能的竞争越来越激烈 。 李彦宏在2018年极客公园创新大会上透露 , 他相信AI是百度的未来 , 百度还推出了“百度大脑” , 入局自动驾驶赛道;腾讯也提出AI in all并创立优图实验室、AI Lab等;阿里则祭出了达摩院 。 互联网巨头开始感知到自己手中数据的价值 , 他们试图甩开AI算法公司 , 自建AI算法团队 。
不过 , 头部的AI企业更偏向“大热门” , 即市场规模大、单个项目收益回报高的领域 , 而对于碎片化需求的中尾部市场 , 则不被其列为重点的业务领域 。
比如在视觉识别领域 , 一款AI技术可以应用在百货商场的客流分析 , 也能够应用于违章开车、违章停车、违章摆摊等人员规范管理的领域 , 目前这些应用覆盖率已经很高 , 但在一些细分的、体量比较小的 , 如火焰识别、矿物质成分分析等领域 , 规模较大的AI企业不会投入过多成本开发 , 而这些就是碎片化需求 。
在陈振杰看来 , 在前有“AI四小龙” , 后有互联网大厂的格局之下 , 碎片化需求的中尾部市场刚好成为极视角这样人工智能创业公司的生存之地 。
“解决碎片化需求的方法就是 , 与广大开发者联动 , 通过社区和生态的模式 , 完成更多算法任务 , 换句话说 , 就是搭建一个开发者平台 , 降低算法开发成本 。 ”陈振杰表示 。
因此 , 极视角就建立了一个开发者的平台 , 就像一个手机应用商店 。 这个算法平台主要分为开发者和需求者两部分 , 其中开发者平台并不局限于极视角内部的AI技术人员 , 只要拥有原创AI算法的能力 , 即可入驻 。 不少高校教授、学生以及AI领域的自由从业者等都是该平台的常客 。
依托于平台 , 极视角从需求者端收集客户需求 , 并向开发者开放这些信息服务 。 当一位客户在该平台购买了某种算法 , 极视角与开发者根据算法难易程度以及后续的售后服务进行分成 。
据陈振杰介绍 , 平台上目前有接近20万的图像识别开发者 , 每个人做不同的任务 , 汇总起来可以形成很多的算法 , 满足场景的碎片化情况 , 并且可以降低开发成本 。
他给采访人员算了一笔账 , 用一个简单的公式计算 , AI一年在人脸识别的投入是几十到一百亿 , 现在全中国人脸识别设备的出货量是一亿台 , 所以一个人脸识别的授权成本大概是几十块钱 , 但是火焰识别、抽烟检测等场景化的需求 , 全国使用量加起来可能只有几万提 , 所以十几亿的投入算下来成本是很高的 。
“而通过开发者平台 , 则可以将研发成本从几十亿降到几百万 , 甚至几十万 。 这样既能满足碎片化需求 , 又能降低成本 , 更好地广泛应用到各行各业 。 ”陈振杰告诉采访人员 。
【投资|人工智能产业化落地加速 如何解决行业需求碎片化难题?】每日经济新闻

    推荐阅读