人工智能產業化落地加速 如何解決行業需求碎片化難題？

每經記者 劉玲    每經編輯 張海妮    

圖片來源：攝圖網

近段時間，華為入局自動駕駛領域，再一次掀起了人工智能熱潮?；仡欉^去，人工智能行業已經經歷了三起兩落，與2017年的人工智能熱潮不同，2021年各家科技公司都在加碼人工智能的產業化落地。

“如今人工智能投資也進入了冷靜期，以前（的）靠講故事、博眼球去融資已經行不通了。只有真正扎根到了廣大產業，解決制造業、城市等具體的場景問題的企業，才會被資本和市場認可，你能創造價值才具備價值。”北高峰資本及坤湛科技創始人兼CEO閔萬里向《每日經濟新聞》記者表示。

隨著AI進入大規模落地期，產業鏈的分工也開始明確，一個萬億的市場誕生在即。在極視角創始人兼CEO陳振杰看來，每個領域都存在人工，比如水泥、燃氣、制藥、化工、紡織等，有人工的地方都有可能AI化，萬億AI的市場規模，有百分之七八十是由碎片化場景構成的。

不過，陳振杰表示：“目前我們仍處于弱人工智能時代，AI只能解決部分問題。龐大的AI市場背后，是需求碎片化的難題，比如水泥廠、燃氣廠這些場景，開發者之前都沒去過，不知道哪些用人工的地方，可以用AI替代。”

AI產業投資進入冷靜期

提起AI，人們都會想到AlphaGO，它曾一夜之間讓人工智能成為互聯網的星辰大海，它背后的公司DeepMind也成了全世界最有名的人工智能公司。

2015年以來，各大互聯網公司入局人工智能，創業公司也如雨后春筍般涌現，而資本也爭先恐后地涌入，機器視覺、自然語言處理、深度學習、AI算法、自動駕駛、無人機、智能機器人，以及各種傳感器、計算芯片等智能硬件領域都有資本的身影。

據統計，2015至2016年，我國AI領域新增投資額達387億元。2017年一年，我國在人工智能領域就有10億美元、202次的投資。據市場研究公司Vanson Bourne的一項全球調查顯示，80%的企業在投資人工智能。

雖然人工智能行業熱火朝天，但是現實潑了資本一大盆冷水。報告顯示，2018年近90%的人工智能公司處于虧損狀態，而10%賺錢的企業基本是技術提供商。換句話說，人工智能公司仍然未能形成商業化、場景化、整體化落地的能力，更多的只是銷售自己的算法。

以DeepMind為例，2018年財報顯示，其營業額為1.028億英鎊，較2017年增長88.9%。但是，DeepMind在2018年凈虧損達到4.7億英鎊，較2017年增加了1.68億英鎊，虧損同比擴大55.6%。

“人工智能行業前幾年真的是‘熱潮’，大浪淘沙后，投資進入到了冷靜期。以前（的）靠講故事、博眼球去融資已經行不通了。”閔萬里向記者表示，“不過，冷靜期不會是冷凍期，那些真正扎根到了廣大產業，解決制造業、城市等具體的場景問題的企業，才會被資本和市場認可，你能創造價值才具備價值”。

閔萬里提到，如今，人工智能的算法研究已經起來了，不管是需求還是政策都在促進人工智能的發展。以前制造業、農業等都不是AI應用的重點領域，但是現在慢慢出現了許多解決具體場景問題的人工智能公司，比如專門做農業的極飛科技等等。

“現在AI已經到了拼落地，拼客戶，拼解決行業的痛點問題的時候了。前期大家關注的天使輪、A輪的項目，到現在需要交出成績單，投資機構到企業盡調，把數據拉出來，看服務了哪些客戶，解決了哪些問題，這些都是相對清晰的。”陳振杰表示。

因此，雖然AI產業投資的確進入冷靜期，但有實際應用的人工智能公司卻越來越受資本歡迎。“從結構來看，早期的像天使輪、A輪的融資規模下降速度比較快，但是對B輪、C輪、D輪之后的企業，融資金額和融資次數是上升的。”陳振杰說。

AI落地的碎片化需求

盡管越來越多的人工智能技術從開發者和實驗室中走出來，開始進入各行各業，但從AI產業向產業AI的轉型和落地卻并非一片美好。想要讓第三次人工智能浪潮真正落地，將人工智能的賦能效應向社會的各個方向延伸則是不可回避的問題。

在陳振杰看來，目前我國人工智能的技術不斷在發展，但整體仍處于弱人工智能時代。弱人工智能怎么定義呢？就是從產業的角度來看，目前的技術無法做出一個像人一樣聰明的系統，人的大腦可以識別世間萬物，能夠做語音、視覺、文字理解、認知等。

“以圖像識別技術為例，我們會看到其實每一個圖像識別的算法只能定向地去解決一種識別，比如說人臉識別，解答這個人是誰的問題。但是落地到產業，比如說識別工廠是否發生火災，這便需要用一個新的算法，需要重新做一個火災識別的算法。”陳振杰表示，“其實每一個垂直領域都有非常多的具體算法需求，每一種識別對應的都是一種算法，所以目前弱人工智能時代無法一下子把技術往通用性方面擴展，只能不斷地建單點，每個單點代表一種識別”。

閔萬里則提及一個AI落地制鞋業的案例。在溫州和廣州，都有成千上萬家制鞋企業，中國承擔著全球制鞋行業70%的產能，在這樣的行業當中應用人工智能，甚至計算機視覺+機器學習需要解決許多問題。

“很簡單，每天有大量的訂單到產線，車間主任需要安排十幾種不同的訂單的生產，每個訂單的交期都不一樣，價錢、原材料要求等都不一樣，這種不同要求排列組合起來就是上千億種組合。”閔萬里稱，“所有帶有重復性和規律性的勞動都有可能通過數字化的手段被重做一遍，這就需要寫新的代碼、算法”。

閔萬里指出，其實整個業界有非常多AI的應用場景，但是很遺憾，供給者和開發者之間隔著一道墻，因為有序的數據或者是強大的計算力、算法都在開發者手上，如何把技術應用在碎片化的需求上，需要跨越一道鴻溝，需要通過一個非常強大的機制，進行供需匹配。

如何解決需求碎片化難題？

縱觀人工智能行業，我國已經走出了“AI四小龍”（云從科技、商湯科技、曠視科技、依圖科技），“AI四小龍”大多靠算法起家，隨著人工智能技術的不斷發展，算法的門檻越來越低，有業內人士曾表示，幾年前，一套人臉識別算法能賣上千萬，2019年只值40萬元。

不僅如此，隨著巨頭的下場，人工智能的競爭越來越激烈。李彥宏在2018年極客公園創新大會上透露，他相信AI是百度的未來，百度還推出了“百度大腦”，入局自動駕駛賽道；騰訊也提出AI in all并創立優圖實驗室、AI Lab等；阿里則祭出了達摩院。互聯網巨頭開始感知到自己手中數據的價值，他們試圖甩開AI算法公司，自建AI算法團隊。

不過，頭部的AI企業更偏向“大熱門”，即市場規模大、單個項目收益回報高的領域，而對于碎片化需求的中尾部市場，則不被其列為重點的業務領域。

比如在視覺識別領域，一款AI技術可以應用在百貨商場的客流分析，也能夠應用于違章開車、違章停車、違章擺攤等人員規范管理的領域，目前這些應用覆蓋率已經很高，但在一些細分的、體量比較小的，如火焰識別、礦物質成分分析等領域，規模較大的AI企業不會投入過多成本開發，而這些就是碎片化需求。

在陳振杰看來，在前有“AI四小龍”，后有互聯網大廠的格局之下，碎片化需求的中尾部市場剛好成為極視角這樣人工智能創業公司的生存之地。

“解決碎片化需求的方法就是，與廣大開發者聯動，通過社區和生態的模式，完成更多算法任務，換句話說，就是搭建一個開發者平臺，降低算法開發成本。”陳振杰表示。

因此，極視角就建立了一個開發者的平臺，就像一個手機應用商店。這個算法平臺主要分為開發者和需求者兩部分，其中開發者平臺并不局限于極視角內部的AI技術人員，只要擁有原創AI算法的能力，即可入駐。不少高校教授、學生以及AI領域的自由從業者等都是該平臺的?？汀?/p>

依托于平臺，極視角從需求者端收集客戶需求，并向開發者開放這些信息服務。當一位客戶在該平臺購買了某種算法，極視角與開發者根據算法難易程度以及后續的售后服務進行分成。

據陳振杰介紹，平臺上目前有接近20萬的圖像識別開發者，每個人做不同的任務，匯總起來可以形成很多的算法，滿足場景的碎片化情況，并且可以降低開發成本。

他給記者算了一筆賬，用一個簡單的公式計算，AI一年在人臉識別的投入是幾十到一百億，現在全中國人臉識別設備的出貨量是一億臺，所以一個人臉識別的授權成本大概是幾十塊錢，但是火焰識別、抽煙檢測等場景化的需求，全國使用量加起來可能只有幾萬提，所以十幾億的投入算下來成本是很高的。

“而通過開發者平臺，則可以將研發成本從幾十億降到幾百萬，甚至幾十萬。這樣既能滿足碎片化需求，又能降低成本，更好地廣泛應用到各行各業。”陳振杰告訴記者。