我国新一代AI企业应该如何崛起？
近日，AI芯片企业寒武纪登上科创板，上市首日市值便一度突破千亿大关，气势如虹。成立短短四年便成功上市，这在任何行业都极为罕见。不过，“AI”与“芯片”双重加持，寒武纪获得资本的大力支持却并不意外。
AI芯片，就像拥有强大学习能力的“大脑”，能够高效识别出场景，并给出精准的解决方案，在智能手机图像识别、自动驾驶等领域得到了广泛应用。
事实上，不光是AI芯片，AI技术围绕场景不断渗透，已经成为“老生常谈”。从2016年的“人工智能元年”，到2018年的“人工智能技术落地元年”，发展至今，人脸识别、语音识别等AI技术，在场景中的应用已经遍地开花：金融、交通、医疗、零售、教育......AI已经渗透入人类生活的方方面面。
活跃在市场上的AI企业，早已不止耳熟能详的互联网巨头如阿里、腾讯、百度；以及“AI四小龙”如商汤、旷视、依图、云从等。一批批AI初创企业不断涌现：根据亿欧智库统计，2012年至2016年，中国AI企业数量以48%的年复合增长率高速增长。
然而，“大浪淘沙始见金”。2018年之后，AI行业进入洗牌阶段，众多“贴AI标签”，却“华而不实”的企业，大批死亡；除此之外，那些“过于注重技术突破”，却“忽略产品化”的企业也逐步被市场淘汰。
成功者自然有其独到之处，巨头往往早期建立了自己的核心技术壁垒，再凭借雄厚资金占据得天独厚的市场优势，后来者难以复制。而AI初创企业要想获得市场空间，其必然与巨头发展路径有所不同。
那么，在巨头林立的AI市场，初创企业究竟如何找寻新的场景？又如何构建自身核心优势，在市场中分得一杯羹？
早期AI企业瓶颈期“求变”
行业普遍认为，AI创投经历了三个阶段，第一阶段是2016年，AlphaGo战胜李世石，“人工智能”这一概念自此火遍全球，各路投资人开始一窝蜂涌入AI赛道。这一时期，具有领先算法实力的AI企业更受市场青睐。
根据乌镇智库发布的《全球人工智能发展报告》，2016年全球AI企业融资规模达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。这一阶段，AI企业在计算机视觉、语音识别领域厮杀，他们宣称自己技术领先，但事实上大部分企业技术大同小异，差异化不明显。
第二阶段是2017至2018年，部分先发企业选择了高价值的应用场景，凭借数次融资积累的资金优势，迅速铺开市场。由于其算法在实践中经历多次迭代，又构建起了自己的技术壁垒，从而走在市场前沿。商汤、旷视等人脸识别的商业化落地在这一阶便段极具代表性。
第三阶段则是2018年下半年至今，随着技术进入普及化阶段，AI行业缺乏的不再是技术，算法带来的碾压式优势逐渐减弱，投资者们也期望于从早期投资项目中看到商业成果。对于客户来说，能否带来切实效率提升以及带来财务回报，成为考量的首要因素。
毋庸置疑，前两个阶段已经“尘埃落定”，有一批企业取得了阶段性成功，“AI四小龙”便是其中代表。在综合实力以及生态建设方面，成为了行业中的佼佼者。2018年，AI创业公司的融资总额是1131亿人民币，而“AI四小龙”就占据了五分之一。
此外，旷视已向港交所递交招股书，云从申报科创板的传闻也不绝于耳。资本市场的支持，无疑是对其技术的肯定。
不过，当发展至第三阶段，场景的寻找、商业模式的规模化落地对于企业来说仍是难题。红点中国执行董事刘岚表示：“我们目前更看重商业落地的速度和产品技术优势的相对平衡。只有技术没有商业化，以及有商业化，技术不够领先的企业，我们都会比较慎重。”
可以说，AI技术不再在估值体系中起到决定性作用时，它逐渐成为其中的一个因子；而为行业带来的效率提升和新增价值，成为衡量AI企业价值的重要指标。
对于AI四小龙来说，倘若仅依靠人脸识别等通用技术，未针对企业经营提供降本增效的价值，那么客户买单的意愿并不会很强烈。因此，为了扩大盈利空间，AI四小龙开始加大场景探索，各显神通：
凭借融资获得的大量资本，商汤开启了“买买买”模式，其对外投资项目已经超过10个，涉及不同的行业应用，比如教育、汽车、医疗等；旷视则以摄像头硬件为承载，发力点在于城市管理与智慧地产；依图则在芯片端发力，企图通过提高AI的智能密度，降低AI落地的成本。
由此可见，为了实现技术与商业化“两条腿”走路，AI巨头们都进行了诸多尝试。只不过，哪怕是行业巨头，要进入新的领域，也需要对行业Knowhow深入了解， “财大气粗”的企业或许能直接购买技术，但随着应用场景不断涌现，不可能所有行业Knowhow都能“触手可得”。而正是由于存在具有技术空白的场景，这就给了新一代AI创业公司生长的空间。
相比于行业巨头，新一代AI创业公司成立时间短、资金薄弱。在外界关于AI领域“强者恒强”的呼声下，它们将如何在巨头环伺中杀出重围，构建自己的核心优势？
精专路线催生场景爆发
由于“四小龙”等早期AI企业创立时间比较早，当时人工智能还是一个较新的概念，因此可以利用人脸识别等通用技术在泛化层面产生许多应用，这时各行各业对该技术的热情也比较高。
经过数轮融资和商业版图扩张，“AI四小龙”已经在生态构建方面做到了行业领先。目前的人工智能领域还在行业的最初期，对AI后起之秀来说，还有许多条路可以走。
于是，新一代AI公司，不再走泛化路线，而是走精专路线：利用某一核心技术，抓住某一行业中的具体问题，再用AI去解决这些问题。相比于早期AI企业“拿锤子找钉子”，新一代AI公司则倾向于“根据钉子来定制锤子”。
这个过程中，选择“钉子”对于AI企业来说非常关键：一方面，团队技术背景要能够与行业相适配；另一方面，该场景要能实现商业化。换言之，应用AI技术后，要能切实影响企业经营生产水平，并在财务回报上得到直接体现，客户才会为此买单。
AI企业团队的技术路线，往往与团队成员背景密切相关。以“AI四小龙”为例，由于成立时间较早，当时的AI技术大多由国内外知名院校实验室孵化而来。因此，其团队成员均来自斯坦福大学、清华大学、香港中文大学等世界知名院校，或微软亚洲研究院等世界顶尖研究机构。比如商汤就集结了来自世界名校的120余名博士生。可以说，在通用型AI技术的积累上，AI四小龙占据了先发优势。
新一代AI初创企业创始团队背景往往更为多样。主要由于最早一批从实验室走出来的专家，已经在各行业进行了一些尝试，积累了一定行业认识和商业落地经验，他们的技术特色将更为显著。
在场景落地方面，正是由于不同企业的技术路线不同，哪怕面向同一场景，解决的都是不同层面的问题。
以智慧交通为例，早期AI公司更多利用人脸识别技术做人车的结构化，通过实时获取每一辆车所在位置，起到打击犯罪的目的；而像闪马智能这类新一代人工智能企业，运用的是视频异常分析技术，从而准确识别出路面上的异常行为，比如道路拥堵、交通事故、红绿灯损坏等，从而起到城市治理、提升城市运行效率的目的。二者在技术路径上具有较大差异。
闪马智能创始人彭垚表示：“对于企业来说，技术特性不同，在行业中将有着不同的强势地位。比如具备大数据AI智能分析能力的企业，它可以更多从事政务大数据相关服务，给政府层面提供决策依据，而闪马创始团队曾在七牛云、IBM积累了大量相关经验，因此通过视频异常分析赋能交管行业，是我们所擅长的。”
至于最终选择哪个行业落地，除与技术属性有关，还与该技术能为行业带来的价值有关。即AI技术，能否大大好于现有方式，倘若客户没有明显的体验差距，没有实现效率的显著提升，那么跨越价值去谈商业化则毫无意义。
彭垚表示：“AI企业倘若对场景本身认知不深刻，那么也解决不了任何社会问题。现在有一些项目，如果我们认为没有推广价值，没有对这个行业效率带来提升，我们也不会参与建设。”
红点创投执行董事刘岚也表示：“好的AI企业应该告诉客户‘你们付出可接受的成本，就能够用AI技术创造价值，并且所产生的价值能够为你创造收入’。这时候，客户才愿意从他的收入中拿出一部分购买解决方案。”
由此可见，对于新一代AI企业来说，选择将自身优势技术与具有价值的场景相结合。即以某一场景为切入口，找到场景中的最佳解，为客户提供可以计算的价值，并借此打动客户，成为了较为通用的发展路径。
当技术路径和聚焦场景已经确定，那么，在商业化的过程中，企业该如何获取行业Knowhow？在某一场景能够稳定输出后，又如何向其他场景复制，从而获得规模化盈利？
杀手级应用推动规模化
AI技术的基础，以及商业化价值产生，底层都是数据；要深刻认知行业Knowhow，更是离不开数据。数据之于AI企业，就像燃料之于飞机，起到驱动作用。
正由于数据价值在整个人工智能链条中至关重要，就不难理解为何BAT、华为等企业能够在云计算、AI、芯片等领域都能有所布局。这些巨头公司凭借极强的渗透能力，在平台上累积了海量数据，不仅能为自身业务创造价值；同时，其他企业需要数据时，需要接入他们的云平台，它们从中又能获利。
对于新一代AI企业来说，获取数据的方式根据用途不同将有所不同。在工业场景下，企业往往需要深入现场采集数据，通过对数据质量的严格筛选和把控，提升分析结果的准确性。
以流程工业中的热电行业为例，原材料投入设备中，将会产生一连串化学反应，由于反应速度非常快，生产过程难以控制。
为了提升煤炭能源转换为汽电能源的效率，致力于热电生产智能化的全应科技，打通了从数据生产到分析数据的全链条，通过构建模型不断优化工业效率。
全应科技董事长夏建涛博士表示：“热电行业已经具备相当完善的信息化基础，因此热电生产过程智能化的本质，就是深度钻研生产数据，再用数字化的模型在数字空间重构物理空间的工业过程，这样才能最大化发挥数据分析的价值。”
另外还有一部分企业采取“借力打力”的方式，比如闪马智能，创始团队成员曾是七牛云人工智能实验室的创建者，与国内领先的云计算服务商七牛云渊源颇深。由于具备七牛云背景，闪马团队在早期便能拥有远超其他计算机视觉公司的视频数据储备，这也为其选择立足视频异常分析领域提供了强力支撑。
成功获取行业数据，只是万里长征第一步，至于要赋能行业，则需要进一步形成“闭环数据反馈循环”。即从终端收集数据，然后训练模型，同时场景进一步产生数据，这就形成了闭环的数据反馈循环，算法得以完善和迭代，模型将越来越准确。
要实现闭环，不同企业具体采用的技术方式有所不同。闪马智能通过的是“ATOM深度学习平台”，一方面该平台支持多种数据采集的能力，包括国标摄像头或一些标准的协议；另一方面具备七牛云、阿里云、华为云等跨平台融合能力。当算法训练完成，再通过另一大核心平台VisionMind进行分发，从而形成闭环。
可以说，大量新一代AI公司，都企图率先推出杀手级应用，迅速占领市场，成为该垂直行业的主导者；进而通过海量数据迭代出高质量通用算法，提升横向拓展至其他场景的效率。
闪马智能目前主要在智慧交通领域，分析交通规则下的一些异常行为。那么，除了交通场景，景区、工地等场景，都存在一定规则，识别这些场景下的异常行为，对于机构或者企业提升管理运营效率将起到显著作用。
上述几大场景看似产生异常的内容并不相同，但是彭垚表示：“底层的视频跟踪、行为识别、行为分析以及对异常情况的捕捉能力，是具有较大共性的，再往上才有各行业的规则。”
因此，闪马智能的研发模型是一个三层的平台。最上层与应用落地规则相关，下面两层实际上是共通的平台。“我们并不会一下布局很多行业，还是希望专注做一个行业的认知，然后在这个行业里面输出最好的产品，再去复制。”彭垚表示。
总的来说，新一代AI公司具备成长性的关键，一是技术能与行业相适配，能为行业发展带来价值；二是行业的市场体量要足够大；三是企业切入行业的点要足够小。体量大意味着市场天花板高，而切入点小，则意味着能做得足够深入，从而为行业带来爆炸式的冲击。
深耕于行业愈加能吸引产业资本的关注，闪马智能近期便获得了香港新世界集团旗下投资机构六脉资本领投的近亿元战略融资，未来，闪马智能将与新世界旗下的新创建集团达成战略合作。
新创建集团在香港及大中华地区的核心业务包括收费公路、商务飞机租赁、建筑及保险，策略组合则涵盖环境、物流、设施管理及交通等领域。闪马智能和新创建集团将共同研发高速公路智能化运营、智慧建筑管理等领域的解决方案。
六脉资本管理合伙人郑志亮表示：“我们相信在未来中国大陆，视频异常分析领域将是一个很好的投资标的。闪马在成立短短一年时间里便完成了销售团队的组建跟培训，建立了与大客户的合作，并且产品在成本、普及性、标准化方面，在行业中已经处于领先水平，”
可以说， 当“AI+行业”的模式逐渐演变成“行业+AI”，“行业”将成为一串数字中最前面的“1”，而AI或许代表着后边一长串“0”。不扎根于行业的AI技术，相当于空中楼阁，其创造的价值只能趋向于0。
正是这一模式的转变，AI赛道上，不仅原有参与者将会顺应变化，比如商汤、旷视正在加大场景投资，依图正忙着研制AI芯片；而互联网巨头，如阿里云的城市大脑、工业大脑，也不断在垂直行业深耕。新一代人工智能公司将更专注于垂直行业，基于自身的一套体系演进技术。彭垚认为：“正是行业足够大，参与者都能在里面分一杯羹。”
AI企业强者恒强是伪命题，当AI与产业相结合，万亿级的市场空白等待填充。不过，真正在行业中有较高成长性的公司则一定是能深入理解行业Knowhow，并且技术属性能与切入角度适配，在这一基础上，逐步向应用平台发展，构造出行业壁垒。
毋庸置疑，寒武纪的崛起将不会是个例，它的身后是巨量的AI市场。广阔的市场空间足以催生若干新巨头，新一代AI公司将大有可为。
