直面隱憂 中國人工智慧企業機會何在

　　今年人工智慧領域的發展迎來新一波高潮，猶如枝繁葉茂的大樹滲透到各行業的藍天之中，躍躍欲試服務於眾多領域。有人歡呼，人工智慧商業應用元年已經到來。

　　2018年，人工智慧領域的另一趨勢是大額融資頻發。

　　清華大學近日發佈的《中國AI發展報告2018》顯示，自2013年以來，全球和中國人工智慧行業投融資規模都呈上漲趨勢。2017年全球人工智慧投融資總規模達395億美元，融資事件1208筆，其中中國的投融資總額達到277.1億美元，融資事件369筆。中國AI企業融資總額佔全球融資總額的70%，融資筆數達31%。

　　在業界看來，投融資的熱情不減，主要是看中人工智慧與各行業結合的廣闊前景。

　　然而，有業內人士近日指出，目前國內跟人工智慧有關的公司大概有四千多家，但是能夠得到投資人青睞或關注，並且願意投資的，大概不到三分之一。如果沒有後續資金投入，很多初創企業有可能難以生存下去。由於人工智慧産生收益的時間存在不確定性，巨大繁榮的背後存在隱憂。

　　那麼，什麼才是人工智慧企業的核心競爭力？對於初創企業來説，如何才能站穩腳跟而不被市場淘汰？直面隱憂，中國人工智慧企業的機會何在？

　　隱憂一：發展結構“頭重腳輕” 

　　重點突破基礎領域，建立自己的生態體系 

　　早在2015年，谷歌開放其內部使用的機器學習軟體TensorFlow源代碼，臉書、亞馬遜和微軟也紛紛發佈其工程師用於機器學習的開源軟體。似乎AI進入了“免費原材料”時代，人人都可以順手取材。但是，“國外的開源佈局對於我國AI行業發展而言，埋藏著巨大隱患。”遠望智庫人工智慧事業部部長、圖靈機器人首席戰略官譚茗洲指出。

　　譚茗洲告訴記者：“開源模式會引導技術方向、路線圖，形成開源生態，創造商業模式，這些由發起開源項目的核心利益者掌控，不僅控制行業上層的應用，還控制底層的生態，構建了整個帝國，掌控極大的權利。因此，開源雖是開放的資源，但現在免費並不代表未來不會收費和控制。如安卓系統是一種開源手機作業系統及應用開發平臺，而谷歌實際上主導著整個生態的發展。”

　　譚茗洲認為，若我國企業今後過度依賴目前的AI開源平臺，採用大量現成的源代碼，仿佛在起跑線上喪失優勢，創新及工藝再精深，也是在人家的體系中做零部件的更新改造。“如同溫水煮青蛙，今後可能會給行業帶來很大影響。這將是最大的隱憂。”他説。

　　賽迪研究院公佈的《2018中國人工智慧産業展望》提出，由於我國人工智慧産業重應用技術、輕基礎理論，底層技術積累薄弱，存在“頭重腳輕”的結構不均衡問題，使我國人工智慧産業猶如建立在沙灘上的城堡，根基不穩。基層技術積累薄弱使人工智慧核心環節受制於人，阻礙重大科技創新，不利於國內企業參與國際競爭。

　　那麼，建立我國自己的AI生態體系，還有機會嗎？“當然，”譚茗洲斬釘截鐵地答道，“在時間上還來得及，因為國外也才剛剛發展。從國家層面洞悉AI發展態勢，重點突破基礎領域，針對人工智慧底層技術，加強對以深度學習為代表的底層演算法模型的深入研究，並積極佈局影響人工智慧未來發展的前沿基礎理論研究。現在國內也有一些小團隊在做相關開發項目，有一定潛質，而且我們擁有全世界最多的應用開發者、非常多的應用場景、大體量的市場、蓬勃的創新創業環境等，這些都是國外比不了的。”

　　據了解，科技部指導下的新一代人工智慧産業技術創新戰略聯盟，已聯合深圳鵬城實驗室于7月在深圳啟動了中國自己的“啟智開源開放平臺（OpenI）”的建設。

　　隱憂二：商業應用路徑不明確 

　　瞄準市場需求，實現落地是關鍵 

　　據億歐智庫《2018中國智慧商業落地研究報告》統計，2017年中國人工智慧創業公司獲得累計融資超過500億元，但商業落地百強創業公司累計收入不足100億元，90％以上人工智慧企業虧損。不少業內人士擔心，國內人工智慧領域存在巨大泡沫，或將迎來一波倒閉潮。

　　《2018中國人工智慧産業展望》提出，我國人工智慧産業處於早期發展階段，商業化應用路徑尚不明確，商業落地痛點突出，致使近期實際商業價值變現難度較大。

　　譚茗洲指出，“對初創企業而言，人工智慧有門檻，創業成本較高。因此，建議企業不要太盲目，要儘快找準發力方向，而AI項目商業應用場景的落地是其成敗與否的關鍵，快速積累核心技術優勢，打造商業模式，才能做出真正有市場需求的産品，産生現金流。這也有助於人工智慧行業回歸理性”。

　　“未來産品形態應能把智慧交互和後面的服務及産品聯繫在一起。”新一代人工智慧産業技術創新戰略聯盟聯合秘書長、科大訊飛副總裁兼AI研究院聯席院長李世鵬分析，亞馬遜成功通過智慧音箱將人工智慧引入美國家庭的方式值得借鑒，我們需要有亞馬遜這樣既賣服務又賣産品和內容的企業。

　　據《2017年中美人工智慧創投現狀與趨勢研究報告》顯示，中國智慧機器人與無人機相關技術創業最為火爆；其次為語義分析、語音識別、聊天機器人等自然語言系列技術；然後是人臉識別、視頻/監控、自動駕駛、圖像識別等電腦視覺系列技術；另外，情感計算包含心理學、語義、視覺、環境感知等多種複雜應用的技術也在慢慢成長。

　　李世鵬表示，人工智慧包括演算法、數據和處理能力。從投資角度首要看數據，BAT、微軟、蘋果、臉書在很多領域已佔先機，想去撼動它們經過十幾年積累的數據並不容易。所以，對於初創公司，沒有多少資源去做範圍太廣、體量太大的事情，其成敗的關鍵在於能否有渠道獲得海量獨特的數據，並通過這些數據為用戶提供新的價值，比如大幅提高傳統行業的生産力。

　　隱憂三：專業人才成稀缺資源 

　　加快AI及相關學科佈局，培養跨學科人才 

　　“目前，人工智慧最大痛點之一是人才難得，AI被炒得很熱，稍微懂點演算法的人一齣來就能收到很多Offer，身價水漲船高。”李世鵬表示。

　　《2017年中美人工智慧創投現狀與趨勢研究報告》指出，目前中國人工智慧的人才培養已成為一個關鍵問題，人才缺失可能會對未來AI産業發展産生牽製作用。美國國家科技委員會發佈的2017年人工智慧全球大學排名中，前50名均位於歐美地區，我國大學無一上榜。此外，國內缺乏人工智慧與傳統行業的跨界人才，不利於AI在各垂直行業應用推廣。

　　據業內對中美AI人才分析顯示，截至2017年6月，中國共有592家人工智慧公司，擁有員工約39200名。相比之下，美國人才數量是我國兩倍。據領英數據顯示，我國從業經驗10年以上的AI人才比例不足40%，而美國這一比例超過70%；美國人工智慧基礎層、技術層和應用層的人才數量佔比分別為22.7%、37.4%和39.9%，而中國為3.3%、34.9%和61.8%。

　　李世鵬建議，我國需加快人工智慧及相關學科佈局，高校加強學科建設，依託現有人工智慧相關學科，培養跨學科人才，並鼓勵高校、科研院所加大與人工智慧企業、國外高校及相關機構的合作力度，打造多種形式人才培養平臺；針對人工智慧晶片、基礎演算法模型等重點領域，充分利用現有各類人才計劃，並設立專門通道和定向優惠政策，加大對國際頂級科學家和高層次人才的吸引力，加快人才引進效率，擴大人才引進規模；重視培養貫通人工智慧基礎理論、軟硬體技術、市場産品及垂直領域應用的縱向跨界人才，以及兼顧人工智慧與經濟、社會和法律等橫向跨界人才，以及兼顧人工智慧與經濟、社會和法律等橫向跨界人才。