[人工智能]中国AI创业的“魔咒”：顶不了天，落不了地

一位机器人领域的创业者，在媒体采访时对中国的AI公司按照路径进行了代际划分：

“第一代AI公司可能就是一批大牛，砸了很多钱做技术，说自己拥有算法、算力，但实际上这些AI公司具体是干什么的，他们自己可能都不清楚，医疗、安防、自动驾驶可能什么都想做，但都不清晰。虽然第二代公司的创始人大多也都是技术背景出身，但AI只是我们的一个工具和手段，不是因为我懂AI，然后再去找场景。”

这样的观点并不缺少其内在逻辑。当AI“四小龙”代表的第一代AI公司屡屡在资本市场碰壁的时候，机器人行业的融资潮正在全面升温，仅2021年上半年国内机器人领域的融资数量就高达174起，超过40起融资的单笔金额过亿，甚至有多家创业公司在过去一年内完成了两笔及以上的融资。

资本市场的凉与热，往往是行业冷暖的晴雨表。只是第二代AI公司是否比前辈们更理性、更长远、更幸运，似乎还要画一个问号。

01 第一代AI公司怎么了？
比起第二代AI公司的风头正盛，第一代AI公司着实有些相形见绌，甚至一些独角兽级别的企业正在经历一场至暗时刻。

IPO征程的跌宕起伏就是最真实的缩影。依图科技主动“撤单”IPO后，裁员风波愈演愈烈；在科创板上市的云从科技，近30亿的亏损多次被外界诟病；IPO大门外兜兜转转的旷视、商汤、云天励飞等企业，同样在为创收挣扎。

为了提升自身的“造血”能力，第一代AI公司的动作越发整齐划一。比如越来越多的企业打起了芯片的主意，依图、商汤、云天励飞等无一缺席；医疗赛道纷纷成为多方角逐的对象，依图曾将医疗视为主要的营收引擎、商汤多次进军医药研发等相关领域、旷视瞄准了医药供应链、云从将智慧医院作为自己的新战场……零售、金融、交通、医疗，几乎所有热门领域都在进行布局。

可将第一代AI公司视为“理想主义”驱动的技术派，似乎并不确切。无论是依图、商汤、旷视，还是云从、云天励飞，可以说是清一色的计算机视觉企业，最早瞄准的都是安防工程和智慧城市等场景，简单来说就是用自家的计算机视觉算法搭配海康威视、大华股份、宇视科技等安防厂商的摄像头，牢牢抓住了一轮市场红利。

资本市场的反应，佐证了了第一代AI公司的独到眼光。

2017年到2019年的三年时间里，AI“四小龙”一度占据国内计算机视觉应用市场 60%的份额，仅2018年就获得了合计超30亿美元的融资，占据中国 AI 企业融资总额五分之一。其中商汤科技的单轮融资就有10亿美元，迅速跻身独角兽阵营，可谓风头无两。

然而“技术外包”的商业模式，注定了这场合作的脆弱性。海康威视、大华股份以及后续入场的华为，均在推进视觉识别算法的自主研发，以降低算法采购的成本，直接和旷视、依图等算法厂商产生了利益冲突。

为了营收结构的多元化，第一代AI公司纷纷寻求突围，主流的思路正是平台化，即朝硬件+算法的方向转型，不再是直接售卖代码的粗狂打法，转向输出场景化的解决方案，和阿里、百度等巨头的策略越发相似。

可以佐证的是云天励飞在招股书中对募集资金的规划：8亿元用于城市 AI 计算中枢及智慧应用研发项目，3亿元用于面向场景的下一代 AI 技术研发项目，5亿元用于基于神经网络处理器的视觉计算 AI 芯片项目，14亿元用于补充流动资金项目。除了用来填补亏损的一部分资金，过半金额在为输出解决方案铺路。

只是当前人工智能的落地仍集中在安防、零售、金融等场景，短期内无法渗透进更多的行业，产品落地和商业化的进度仍存在很大的不确定性，何况还要应对阿里、百度等互联网巨头的挑战。再加上一些AI公司为了讲出新故事，跟风进入造车、元宇宙等新兴领域，第一代AI公司“什么都想做”的说法可谓实锤。

02 资本仍愿为场景买单
哪怕曾经是启明星般的“第一代AI公司”，在被贴上烧钱、内卷等略带负面的标签后，逐渐成了资本市场避着走的“弃儿”。

胡润研究院在《2020胡润全球独角兽榜》中，对商汤、旷视、云从、依图的估值进行了排名，分别为500亿元、300亿元、200亿元和140亿元，除了商汤科技的估值比2019年提升了100亿元，另外三家的估值几乎和两年前持平。

AI“四小龙”终于不再性感，但资本并未对AI关上大门，一大批“找到了场景”的企业开始被资本所青睐。

瞄准AI制药的化学合成智能化平台智化科技，刚刚拿到了源码资本领投的A+轮融资，1500万美元的资金将被用于 AI 自动化合成平台建设和专业的市场推广。AI医药被《麻省理工科技评论》评定为 2020 年度“十大突破性技术”，而智化科技找到的场景是利用人工智能和化学大数据解决新药研发临床前的化学合成问题。

同样归属AI制药赛道的还有深势科技，不久前拿到了高瓴创投领投的数千万美元A轮融资，资金将用于以新一代分子模拟平台为代表的科学计算平台的建设，以及相关技术在药物、材料设计等场景的落地。同时这也是深势科技一年内的第三轮融资，元璟资本、清流资本、百度风投等都曾出现在前面两轮融资的投资名单中。

如果说医药领域的前景还有麻省理工等机构的背书，一些小众且细分场景的资本行为足以用“疯狂”二字来形容。

比如一家主打健身镜产品的企业，给镜子加入了动作捕捉、语音识别等算法，为健身人群提供基础的健身知识和动作纠正，经过网红们的营销造势卖到了近万元的价格。这家创立于2019年的企业也趁势崛起，两年时间就拿到了3.91亿美元的融资，即便每个月的销量还只有300多台的规模。

可以给出的解释是，第二代AI公司多半属于产品型公司，即看到了某个待解的痛点，然后利用人工智能去解决问题，有着明确的目标客户，商业变现的时间周期相对更短，且容易讲出有话题性的商业故事。

只是“找到场景”只是第一步，后续仍存在太多的不确定性。譬如正在谋求私有化的流利说，用算法取代了人工成本，在毛利率方面远高于传统教培机构，然而定制化的AI交互课程未能吸引到足够的付费用户，获客严重依赖市场营销和广告，后续的场景拓展也不顺利，以至于股价在三年时间内缩水了9成。

资本的青睐不是什么坏消息，让人担忧的却是资本的态度，仍在以消费互联网的逻辑丈量AI的落地进程，热衷于回报率高的早期投资，喜欢一窝蜂地涌向所谓的热门赛道。

典型的例子就是每年数百起融资的机器人赛道，或许可以细分出工业、家用、配送等不同的细分品类，可在算法和场景的制约下，市场的高度同质化也是不争的事实，仅配送机器人市场就有几十家企业完成了融资，注定有大量的玩家逐步被市场所淘汰。

03 中国AI创业的“魔咒”
场景为王的思维似乎并没有什么错，但中国AI创业隐藏的深层次问题，俨然不是“缺少场景”几个字就能够掩盖的。

中国工程院院士李国杰日前的一篇文章，在坊间引发了不小的争议，虽然文章中提到的问题大多是对学术界的呼吁，但“顶不了天、落不了地”的结论一阵见血的点出了人工智能在商业化方面遭遇的困局。

还是以AI“四小龙”为例，外界眼中的第一代AI公司，留下了重技术轻场景的印象，细究的话恐怕并不十分准确。

综合几家AI公司的招股书数据，每年的研发费用普遍维持在10亿元左右的水平，部分企业的研发费用还在2亿元上下。和这些企业每年的营收相比，技术研发投入的占比已经非常可观。

可做一个横向比较的话，阿里、腾讯、百度、华为等每年的研发费用常年维持在百亿元的量级，即便是海康威视这样的安防企业，2021年的研发费用也有38.78亿元。或许这些资金只有一部分被用于AI研发，单就上述巨头对于AI的态度来看，大概率意味着创业公司很难在技术上构建绝对的优势。

何况行业巨头们离场景更近。美团的算法可以直接优化骑手的配送路线，探索AI在餐饮外卖领域的应用；字节跳动的推荐算法，打造了庞大的信息分发矩阵；百度的语音和图像识别等技术，第一时间在小度、Apollo等产品中循环验证……AI创业公司则需要有更大的投入补齐商业基础设施的短板，在人工智能缺少规模化落地的大环境下，对资本而言无异于一场看不到尽头的豪赌。

场景驱动的第二代AI公司，能否避免同样的宿命？答案似乎并不乐观。

被资本押注的机器人赛道已经印证了这一点。现阶段机器人的适用场景还比较有限，主要集中在对重复性人力工作的替代，譬如配送、质检、分拣等工作，比拼的是技术成熟度和产品成本。资本的大举进入已经产生了一些不利的负面反应，就像一些企业拿到了十倍于当前营收的资金，将很大一部分资金用于抢项目，出现了因同质化竞争大打价格战的苗头，俨然违背了行业应有的进化节奏。

由于机器人的应用场景属于To B层面，不可能像C端产品那样爆发性增长，有限的市场需求挤入了太多的玩家，在技术无法跳跃式创新的局面下，可能会出现资源错配的乱象，比如一些公司用烧钱的方式抢人才、抢客户，以恶性竞争的方式消灭竞争对手，继而上演劣币驱逐良币的一幕。

“顶不了天、落不了地”，显然不只是针对学术界的呐喊，也是对创投圈的警醒。留给资本层面的挑战，绝非是瞅准下一个百亿、千亿级的机会窗口，而是从资本层面打通产业协同的闭环，让技术优势的企业可以专注于技术，让场景落地的企业更好地优化场景，继而探索出一条可行的新路径。

无可否认的是，人工智能是一个系统性的机会，资本市场的热忱已经是最好的诠释，可这个时代需要的不是蒙眼狂奔。

04 结语
四年多前，还是百度集团总裁的陆奇曾经说过这样一段话：

“谈到人工智能技术，可能很多人会联想到谷歌、微软这些以研发见长的科技巨头。但AI商业化的榜样却是亚马逊。谷歌和微软的路径都错了，亚马逊的路径才是人工智能竞争的正途，人工智能技术的最佳商业化方式是打造生态系统。”

或许陆奇的言论有着明显的个人立场，对AI商业化来说却不失为一句忠告。相比于第一代AI公司、第二代AI公司这样对立的态度，中国AI创业者欠缺的恰恰是生态思维，或是狭义上的某家公司主导的研发、赋能、落地的商业生态，或是广义上的研发型企业和场景型企业共生的协作生态。

国内的AI创业者想要摆脱“魔咒”，还有很长的一段路要走。