深度剖析2019年AI产业机遇！（内附投资机构及项目完整列表）

今日芯闻 2020-09-02 0 点赞 0 评论 2872 浏览

分享到：

“站在风口上，猪都会飞！”，这大概是新时代最好的诠释。

互联网产业势头刚刚趋于平缓，人工智能（AI）又被“炒作”为下一个风口，高估值使得资本市场失去了理性。画大饼、讲故事的AI企业再不停圈钱，真正有技术沉淀、能够满足用户需求，实现应用落地的企业却融不到资，苦苦挣扎在生死线上，这个现象极具嘲讽但却真实。

创新工场董事长兼CEO李开复曾表示，在中国的创业环境下，“如果一个概念突然火了，很快就会被玩坏”。创业者越来越会利用AI概念做包装、讲故事，很多公司激辩没有大数据技术也说自己有，然后再从Google、百度或者斯坦福、清华挖些技术人才，于是便将自己包装成了一家有AI人才和技术的公司。这与过去O2O时代的To VC模式类似，很多人拿O2O概念忽悠投资人，虽然融了大额资金，但最后用户没有留存，最后公司也死掉了。

投资市场的风向

仔细来看，当前人工智能投资存在一些乱象，资本并没有被有效利用。一方面是融资金额虚高，比如一些企业的融资金额已经达到了上亿美元，但还没有真正的产品，这在我们看来就是一个巨大的泡沫。另一方面，一些公司为了融资做系统集成，虽然收入增长很快，吸引了大量资本投入，但这不是真正的科技创新，只是披着科技创新的外衣，不能提高整个行业的劳动生产率，也不能为社会创造价值。

当AI投资逐渐趋于理性，其估值便开始出现下滑趋势，据数据显示，从2018年下半年开始，AI公司的估值已经下降20%-30%，整体市场正朝一个合理化的方向发展。同时，2018年人工智能行业融资额超过450亿元，相比2017年的260亿元呈现较大幅度增长，产品研发及落地情况正处于一片向好态势。

从数据中可以看出，大部分风投企业，更看重研发AI芯片、算法等具有核心技术的公司。当然，人工智能技术能够与其它产业相结合的项目，才是他们看重的重点。同时，在市场广阔发展前景的驱使下，“跨界”也成为一个重要的投资方向。

数据来源：CB Insights

有趣的是，近日全球知名创投研究机构CB Insights公布了全球32家 AI独角兽公司名单，其中，商汤科技、云从科技、寒武纪、依图科技、旷视科技、字节跳动等10家企业赫然在列。

回顾近两年AI领域的投资事件，可以发现，资本投资的逻辑并不复杂，基本就是投人、团队、项目。由于国内人工智能技术型人才的短缺，科学家创业也成了人工智能创投领域的主流形式。

在资本市场趋于理性状态下，中国地区人工智能领域2018年投资金额超过3000亿元，相比于2017年的754亿元出现爆发式增长。截至目前，自动驾驶、计算机实觉融资数目远超其他领域，未来应用层及技术层依然将是资本关注的重点。同时据业者预测，在2018年技术层和应用层大规模融资的背景下，2019年这种现象依旧持续。

道阻且长，困难重重

过去的2018年，中美两国AI企业数量增长放缓，投资者想要找到具有潜力的项目越来越难，只能适当跟投一些旧项目。这种趋势反应的问题是，人才不足，AI产业遇到瓶颈，创新能力减弱。

此外，由于AI产业技术研发周期长，营收难，所以很多AI初创企业比较依赖投资机构，如果投资一断，这些企业极易出现资金断条，甚至部分企业会直接被收购。

此外，就AI技术在国内发展情况来看，产业发展亟待突破三大难点：

1、人工智能关键技术尚未实现突破；在技术研发层，目前取得的进度依旧属于初级阶段，对于更高层次的人工意识、情绪感知环节还没有突破。

2、数据流通和协同化感知有待提升；基础设施层的数据支撑环节，依然存在数据流通法律法规缺失，高价值数据难以得到有效利用的问题；在感知环节，仿人体五感的各类传感器都有成熟产品，但缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得多源数据无法进行一体化的采集、加工和分析。

3、智能硬件平台易用性和自主化存在差距；应用层的智能硬件平台，服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平，短期内难以有接近人的推理学习和分析能力，难以具备接近人的判断力。

短期来看，阻碍AI技术发展的原因主要集中在产品技术、市场、商业模式等方面，尽管高水平的消费者刺激和风险资本可能会抵消其中的一些影响，但这个周期依旧有点长。

机会在哪？

相比传统产业，AI产业依旧处于发展早期，技术、渠道及商业模式等都不成熟，关键是落地的产品体验并不好。

（KK的TED演讲截图）

目前国内BAT三巨头相关AI的发展就很不错，比起国外也丝毫不差。比如百度的深度学习研究院，阿里的全球达摩院，腾讯自己的AI Lab等，各大巨头都投入了相当多的资源在研究AI相关技术及探讨在消费级产品里的应用等，以保证自己不会在未来的竞争中掉队。

实质上，BAT是在探索AI的场景应用，为平台积累数据，建立生态化网络，试图连通各个业务场景的数据，统一发力，建立技术壁垒，从而实现全面发展。同时，随着互联网巨头、软件公司、传统企业等加入，AI生态链条已经有了雏形。基础层、技术层、应用层等产业链条的不断完善，使得AI快速贯穿到各行各业中，场景应用将会集中爆发。

从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。

此外，在AI发展初期，部分技术如语音、图像识别等尚未成熟，场景产生的经济效益并不好。这种时候，To B市场应该会优于To C市场，To B公司为行业客户提供定制化解决方案，帮客户节省成本、提高效率或者增加收入，客户愿意为这种技术和服务买单，公司可以快速获得现金流。

To C则面临技术水平能否达到用户期望、数据冷启动、用户需求定义、硬件设计、供应链管理、成本控制、生产品控、市场推广、销售团队组建、渠道建设等等很多环节的不确定性，任何一个环节出问题都可能导致产品难产或者不被消费者认可造成库存积压，而在此过程中公司并没有现金流进账，其中蕴含的风险可想而知。

预计在2019年，在政府一系列措施的影响下，资金供需双方将存在较为紧张的局面，人工智能创新创业环境面临严峻挑战，而我国AI产业的创业和投资将呈现两极化特征，红利持续和市场洗牌共存，一大批不具有市场竞争实力的伪人工智能企业将面临退出市场的风险。

写在最后

在AI技术和应用结合中，资本无疑起到非常重要作用，但是资本也不能把自己当成简单的钱袋子，而是在技术和应用结合过程中，为初创企业提供最缺的东西，充当资源整合的角色，用资金去引导和撮合优秀的团队，推动产业的发展。

长远来看，AI的投资回报期很长，投资机构如果看重的是长期的机会，注重投资回报率，可以考虑一下AI产业，如果比较注重短期回报，建议不要考虑AI产业，不然只会亏本。