![]() |
今年人工智能领域的发展迎来新一波高潮,犹如枝繁叶茂的大树渗透到各行业的蓝天之中,跃跃欲试服务于众多领域。有人欢呼,人工智能商业应用元年已经到来。
2018年,人工智能领域的另一趋势是大额融资频发。
清华大学近日发布的《中国AI发展报告2018》显示,自2013年以来,全球和中国人工智能行业投融资规模都呈上涨趋势。2017年全球人工智能投融资总规模达395亿美元,融资事件1208笔,其中中国的投融资总额达到277.1亿美元,融资事件369笔。中国AI企业融资总额占全球融资总额的70%,融资笔数达31%。
在业界看来,投融资的热情不减,主要是看中人工智能与各行业结合的广阔前景。
然而,有业内人士近日指出,目前国内跟人工智能有关的公司大概有四千多家,但是能够得到投资人青睐或关注,并且愿意投资的,大概不到三分之一。如果没有后续资金投入,很多初创企业有可能难以生存下去。由于人工智能产生收益的时间存在不确定性,巨大繁荣的背后存在隐忧。
那么,什么才是人工智能企业的核心竞争力?对于初创企业来说,如何才能站稳脚跟而不被市场淘汰?直面隐忧,中国人工智能企业的机会何在?
隐忧一:发展结构“头重脚轻”
重点突破基础领域,建立自己的生态体系
早在2015年,谷歌开放其内部使用的机器学习软件TensorFlow源代码,脸书、亚马逊和微软也纷纷发布其工程师用于机器学习的开源软件。似乎AI进入了“免费原材料”时代,人人都可以顺手取材。但是,“国外的开源布局对于我国AI行业发展而言,埋藏着巨大隐患。”远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲指出。
谭茗洲告诉记者:“开源模式会引导技术方向、路线图,形成开源生态,创造商业模式,这些由发起开源项目的核心利益者掌控,不仅控制行业上层的应用,还控制底层的生态,构建了整个帝国,掌控极大的权利。因此,开源虽是开放的资源,但现在免费并不代表未来不会收费和控制。如安卓系统是一种开源手机操作系统及应用开发平台,而谷歌实际上主导着整个生态的发展。”
谭茗洲认为,若我国企业今后过度依赖目前的AI开源平台,采用大量现成的源代码,仿佛在起跑线上丧失优势,创新及工艺再精深,也是在人家的体系中做零部件的更新改造。“如同温水煮青蛙,今后可能会给行业带来很大影响。这将是最大的隐忧。”他说。
赛迪研究院公布的《2018中国人工智能产业展望》提出,由于我国人工智能产业重应用技术、轻基础理论,底层技术积累薄弱,存在“头重脚轻”的结构不均衡问题,使我国人工智能产业犹如建立在沙滩上的城堡,根基不稳。基层技术积累薄弱使人工智能核心环节受制于人,阻碍重大科技创新,不利于国内企业参与国际竞争。
那么,建立我国自己的AI生态体系,还有机会吗?“当然,”谭茗洲斩钉截铁地答道,“在时间上还来得及,因为国外也才刚刚发展。从国家层面洞悉AI发展态势,重点突破基础领域,针对人工智能底层技术,加强对以深度学习为代表的底层算法模型的深入研究,并积极布局影响人工智能未来发展的前沿基础理论研究。现在国内也有一些小团队在做相关开发项目,有一定潜质,而且我们拥有全世界最多的应用开发者、非常多的应用场景、大体量的市场、蓬勃的创新创业环境等,这些都是国外比不了的。”
据了解,科技部指导下的新一代人工智能产业技术创新战略联盟,已联合深圳鹏城实验室于7月在深圳启动了中国自己的“启智开源开放平台(OpenI)”的建设。
隐忧二:商业应用路径不明确
瞄准市场需求,实现落地是关键
据亿欧智库《2018中国智能商业落地研究报告》统计,2017年中国人工智能创业公司获得累计融资超过500亿元,但商业落地百强创业公司累计收入不足100亿元,90%以上人工智能企业亏损。不少业内人士担心,国内人工智能领域存在巨大泡沫,或将迎来一波倒闭潮。
《2018中国人工智能产业展望》提出,我国人工智能产业处于早期发展阶段,商业化应用路径尚不明确,商业落地痛点突出,致使近期实际商业价值变现难度较大。
谭茗洲指出,“对初创企业而言,人工智能有门槛,创业成本较高。因此,建议企业不要太盲目,要尽快找准发力方向,而AI项目商业应用场景的落地是其成败与否的关键,快速积累核心技术优势,打造商业模式,才能做出真正有市场需求的产品,产生现金流。这也有助于人工智能行业回归理性”。
“未来产品形态应能把智能交互和后面的服务及产品联系在一起。”新一代人工智能产业技术创新战略联盟联合秘书长、科大讯飞副总裁兼AI研究院联席院长李世鹏分析,亚马逊成功通过智能音箱将人工智能引入美国家庭的方式值得借鉴,我们需要有亚马逊这样既卖服务又卖产品和内容的企业。
据《2017年中美人工智能创投现状与趋势研究报告》显示,中国智能机器人与无人机相关技术创业最为火爆;其次为语义分析、语音识别、聊天机器人等自然语言系列技术;然后是人脸识别、视频/监控、自动驾驶、图像识别等计算机视觉系列技术;另外,情感计算包含心理学、语义、视觉、环境感知等多种复杂应用的技术也在慢慢成长。
李世鹏表示,人工智能包括算法、数据和处理能力。从投资角度首要看数据,BAT、微软、苹果、脸书在很多领域已占先机,想去撼动它们经过十几年积累的数据并不容易。所以,对于初创公司,没有多少资源去做范围太广、体量太大的事情,其成败的关键在于能否有渠道获得海量独特的数据,并通过这些数据为用户提供新的价值,比如大幅提高传统行业的生产力。
隐忧三:专业人才成稀缺资源
加快AI及相关学科布局,培养跨学科人才
“目前,人工智能最大痛点之一是人才难得,AI被炒得很热,稍微懂点算法的人一出来就能收到很多Offer,身价水涨船高。”李世鹏表示。
《2017年中美人工智能创投现状与趋势研究报告》指出,目前中国人工智能的人才培养已成为一个关键问题,人才缺失可能会对未来AI产业发展产生牵制作用。美国国家科技委员会发布的2017年人工智能全球大学排名中,前50名均位于欧美地区,我国大学无一上榜。此外,国内缺乏人工智能与传统行业的跨界人才,不利于AI在各垂直行业应用推广。
据业内对中美AI人才分析显示,截至2017年6月,中国共有592家人工智能公司,拥有员工约39200名。相比之下,美国人才数量是我国两倍。据领英数据显示,我国从业经验10年以上的AI人才比例不足40%,而美国这一比例超过70%;美国人工智能基础层、技术层和应用层的人才数量占比分别为22.7%、37.4%和39.9%,而中国为3.3%、34.9%和61.8%。
李世鹏建议,我国需加快人工智能及相关学科布局,高校加强学科建设,依托现有人工智能相关学科,培养跨学科人才,并鼓励高校、科研院所加大与人工智能企业、国外高校及相关机构的合作力度,打造多种形式人才培养平台;针对人工智能芯片、基础算法模型等重点领域,充分利用现有各类人才计划,并设立专门通道和定向优惠政策,加大对国际顶级科学家和高层次人才的吸引力,加快人才引进效率,扩大人才引进规模;重视培养贯通人工智能基础理论、软硬件技术、市场产品及垂直领域应用的纵向跨界人才,以及兼顾人工智能与经济、社会和法律等横向跨界人才,以及兼顾人工智能与经济、社会和法律等横向跨界人才。