剛剛進入解禁期，商湯科技的股價就經(jīng)歷了*式的下跌。
對于這樣的結(jié)果，外界并未有太多的詫異。AI領域的投融資事件數(shù)量在2019年時就已經(jīng)顯著下降，“四小龍”的上市路可謂一波三折，在市場整體不樂觀的環(huán)境下，機構(gòu)投資者的撤離可以說是預料之中的結(jié)果。
比起股價的一時漲跌，不少人看不懂的是：為何曾經(jīng)的“寵兒”到了被“遺棄”的地步，而且同樣命運的遠不止商湯一家，幾乎所有靠計算機視覺起家的AI創(chuàng)業(yè)者，都走向了一條高開低走的下坡路。
問題的答案絕不只是“大環(huán)境不好”可以解釋的，理清楚行業(yè)崛起的過程中犯了哪些錯，新故事為何無法挽回投資者信心，以及創(chuàng)業(yè)者們自我救贖的機會在哪里，對AI市場的方向有著不可或缺的作用。
01 一場華麗的夢
回顧人工智能的進化歷程，2014年是個重要的時間節(jié)點。
2012年的ImageNet挑戰(zhàn)賽上，深度卷積神經(jīng)網(wǎng)絡AlexNet橫空出世，由此開始了計算機視覺的黃金時代。隨后的兩年時間里，國內(nèi)外的研究團隊不斷刷榜，到了2014年的時候，計算機圖像識別的準確率首次超過了肉眼識別。
這一事件的影響力雖不像AlphaGo那樣出圈，卻直接影響了人工智能的商業(yè)進程，國內(nèi)的曠視、商湯、云從、依圖、格靈深瞳等企業(yè)均在同一時段入局。即便“計算機視覺”還是大多數(shù)人感到陌生的技術詞匯，單單是AI識別文字、人臉、物體、場景的描述，就能讓人產(chǎn)生無限的遐想。
最為直接的場景就是安防市場。在雪亮工程、智慧城市等概念的推動下，大量的攝像頭被布置在社區(qū)樓宇和交通路口，車輛識別、人臉識別、行為分析等技術的應用，對安防賽道的增值不言而喻。
比如2012年成立的依圖科技，第二年就通過“蜻蜓眼系統(tǒng)”幫助蘇州警方破獲一起入室盜竊，接下來很快就建立起了全球最大的人像對比平臺，被應用于刑偵破案、反恐情報、治安防控、出入境管理等場景。
有些巧合的是，曠視的印奇、云從的周曦、商湯的湯曉鷗、依圖的朱瓏，不少AI企業(yè)的創(chuàng)始人都有著“科班出身”的背景，他們對技術創(chuàng)新有著深刻的洞察，但對商業(yè)的理解普遍有所欠缺，導致很多公司迷信于研發(fā)SDK，只要研發(fā)出標準化的模塊，被集成在下游公司的解決方案里，就能形成穩(wěn)定的營收。而且SDK被集成越多，對應的邊際成本就越低，利潤率也就越可觀。
類似的商業(yè)邏輯牢牢抓住了資本市場的胃口，特別是見證了互聯(lián)網(wǎng)商業(yè)盛宴的投資者，對AI的商業(yè)化有著特殊的偏愛。
一個著名的插曲就是徐小平和沈南鵬在2014年對格靈深瞳未來市值的激烈爭論，分別開出了1000億美元和5000億美元的加碼，最后妥協(xié)在3000億美元的“中間數(shù)”。給一家剛滿周歲的企業(yè)開出比肩騰訊的估值，淋漓盡致地詮釋了資本市場對于AI的樂觀態(tài)度。
兩位資本大佬沒有料到的是，格靈深瞳在2022年跌跌撞撞走進了“科創(chuàng)板”的大門，市值卻只有70億元，一個月內(nèi)股價就跌了40%。早期的AI創(chuàng)業(yè)者充滿了理想主義的色彩，可理想終歸要面對現(xiàn)實。
02 戰(zhàn)友變成宿敵
技術派背景的創(chuàng)業(yè)者們，或多或少會低估商業(yè)市場的復雜性。
在AI起步的黃金時代，拋來橄欖枝的除了投資機構(gòu)，還有誠意滿滿的“大客戶”。曠視的第一個落地場景是支付寶的“刷臉支付”，云從的第一個訂單是幫海通證券做遠程開戶的身份認證系統(tǒng)，商湯的第一筆商業(yè)化大單來自中國移動的手機實名制……以至于很多創(chuàng)業(yè)者產(chǎn)生了一種錯覺：只要在算法精度上保持優(yōu)勢，客戶自然會聞訊而來。
相當長的一段時間里，AI創(chuàng)業(yè)者把資金砸在了研發(fā)上，算法人才的待遇也水漲船高。而這種打法并非沒有效果，不少創(chuàng)業(yè)公司頻頻出現(xiàn)在各種人工智能會議的得獎名單上，相關論文的數(shù)量急劇增長。幾乎沒有“劇中人”意識到，算法的精度在不斷刷新，可應用場景卻止步在了安防領域。
2015年到2018年的三年時間里，不少AI公司將戰(zhàn)場壓在了安防賽道。
根據(jù)艾瑞咨詢的統(tǒng)計數(shù)據(jù)，2017年中國計算機視覺行業(yè)的市場構(gòu)成中，安防影像的占比高達67.9%;艾媒咨詢在2019年發(fā)布的《中國人工智能產(chǎn)業(yè)研究報告》中揭示，安防和金融是人工智能市場份額最大的領域，占比分別為53.8%和15.8%。
計算機視覺是安防行業(yè)的剛需應用，但市場本身高度碎片化，并且以政府訂單為主，同時賽道的深度并不大。就在創(chuàng)業(yè)者們想要尋找更多落地場景賺錢的時候，兩類“野蠻人”不經(jīng)意間闖進了市場。
一群是BAT代表的互聯(lián)網(wǎng)平臺。在百度、阿里、騰訊的戰(zhàn)略布局中，很少直接提及“安防”的概念，取而代之的是城市大腦、WeCity、AI生態(tài)企業(yè)等名詞，可安防市場恰恰是核心的技術出口和業(yè)務延伸方向。
另一群是?？?、大華、宇視等傳統(tǒng)安防巨頭。作為安防市場的主導者，?？低暤绕髽I(yè)不再滿足于銷售攝像頭，同樣參與到了智慧城市等“基建”中，并且為了彌補算法上的短板，紛紛招兵買馬增強自研能力。
BAT們的高舉高打，不斷沖擊算法的價格，原本價值千萬的人臉識別算法，迅速跌到了幾十萬的維度;海康們有著天然的渠道優(yōu)勢，深知政府和B端客戶更愿意為硬件買單，搶占AI創(chuàng)業(yè)公司的市場可謂水到渠成。
標志性的轉(zhuǎn)折是李開復的一次“口誤”，螞蟻金服在聲明中刻意強調(diào)，支付寶的“刷臉支付”早已不與曠視合作，替代方案是螞蟻金服獨立研發(fā)的產(chǎn)品。曾經(jīng)的親密“戰(zhàn)友”，悄然間成了搶市場的宿敵。
03 泡沫一夜破碎
AI公司就像一襲華美的長袍，光環(huán)褪去后發(fā)現(xiàn)爬滿了“虱子”。
安防行業(yè)嗷嗷待哺的需求，撐起了AI創(chuàng)業(yè)的黃金時代，可在這場渠道為王的戰(zhàn)役中，不少創(chuàng)業(yè)公司亂了陣腳。譬如為了和?？祩冑N身肉搏，被迫放棄兜售SDK的想法，做起了軟硬件集成的解決方案，同時招攬人才開拓渠道。
結(jié)果卻只能說差強人意。按照IDC在2019年下半年發(fā)布的《中國人工智能軟件及應用跟蹤》報告，“AI四小龍”的市場份額從2017年的69.4%下滑到了51.4%?？蓚鹘y(tǒng)的安防領域照舊被?？?、大華、宇視把持著八成左右的市場份額，AI創(chuàng)業(yè)公司只能在逼仄的剩余市場空間里扎堆競爭。
安防市場是蜜糖，也是砒霜。當安防賽道從藍海駛向紅海，AI創(chuàng)業(yè)公司隨即遇到了商業(yè)化困局，曾經(jīng)的范式已然成了原罪。正如?？低暱偛煤鷵P忠的吐槽：“用高成本的人力去跑安防，就像拿步槍打蒼蠅一樣，投入與產(chǎn)出是非常不匹配的。”
過去為了拿到“大客戶”的訂單，AI公司需要付出龐大的人力和算力成本進行定制化研發(fā)，然后以項目制的方式進行交付。市場競爭不激烈的時候，這樣的服務邏輯無可厚非，可當行業(yè)趨于惡性競爭，壓價已經(jīng)成為一種行業(yè)常態(tài)的時候，利潤率被大幅壓縮，大多數(shù)AI公司深陷虧損的窘境。
再加上安防行業(yè)的客戶主要是政府和國企，付款審批流程普遍比較長，導致項目的回款周期較慢，進一步重創(chuàng)了AI創(chuàng)業(yè)公司的現(xiàn)金流，商業(yè)化進程遭遇了獲客周期長、實施成本高、重人力交付等弊病。
悲觀情緒傳導到資本層面，一級市場迅速收緊了錢袋子。
2014年到2018年期間，國內(nèi)人工智能領域的融資事件和規(guī)模逐年增長，2019年首次出現(xiàn)了回落，2020年連AI獨角獸也不再被市場看好。正是從這個時候開始，頭部玩家陸續(xù)披露招股書，估值過高、燒錢嚴重、商業(yè)化落地難等痛點被越來越多人討論。
即使商湯、格靈深瞳等陸續(xù)完成了IPO，市值已無法和高峰時同日而語，反倒是質(zhì)疑聲越來越盛。
為數(shù)不多的利好大概就是“死亡之谷”的說法，在Gartner經(jīng)典的技術曲線理論中，一個行業(yè)總會經(jīng)歷高峰到低谷的轉(zhuǎn)折期，預示著泡沫的破裂和參考的淘汰賽，唯有熬過“死亡之谷”的企業(yè)，才能進入穩(wěn)定爬升的成長期。
04 敢問路在何方
想要挽回市場的信心，還需要找到有價值的新出路。
其實在2018年前后，冷暖自知的AI創(chuàng)業(yè)公司就意識到了問題的嚴重性，為了避免在安防市場內(nèi)耗，紛紛調(diào)整自身的戰(zhàn)略方向。云從開出了“人機協(xié)同操作系統(tǒng)”的藥方，曠視加速了AI物聯(lián)網(wǎng)的布局，依圖科技將醫(yī)療和芯片作為主打牌，商湯試圖講一個平臺化的故事，相繼展開了令人眼花繚亂的業(yè)務布局。
擺脫對安防場景的依賴，似乎并不是一件容易的事。至少商湯科技的招股書顯示，2021年智慧城市板塊的營收占比為45.6%，照舊是商湯最大的營收來源。比市場轉(zhuǎn)移更難的，則是走出安防時代的路徑依賴。
就像很多公司將目光定在了金融、醫(yī)療等領域，切入市場的做法卻和安防如出一轍，算法研發(fā)到落地部署都需要巨額的成本投入，而且很多算法的落地過程不順利。何況現(xiàn)階段的AI在許多行業(yè)并非剛需，起到的只是錦上添花的作用，定價過高，客戶不會買單，定價太低，直接影響產(chǎn)品的利潤率。
“高不成低不就”的死循環(huán)，儼然不只是AI公司的錯。需求側(cè)場景的碎片化是不爭的事實，決定了AI公司很難做出標準化的產(chǎn)品，雖然行業(yè)內(nèi)已經(jīng)出現(xiàn)了深度學習框架、算法工廠等新業(yè)態(tài)，AI落地的市場門檻已經(jīng)在某種程度上降低，同樣存在著市場教育的挑戰(zhàn)，短期內(nèi)無法像電力那樣即調(diào)即用。
對大部分AI公司來說，可以描繪出AI應用的誘人前景，但無法回答具體的時間周期。畢竟在語音賽道上摸爬滾打十余年的科大訊飛，早已嘗試了這樣或那樣的商業(yè)路徑，可變現(xiàn)能力依舊不容樂觀。這大抵就是基石投資者紛紛拋售商湯們的原因，面對一個充滿不確定的商業(yè)化環(huán)境，他們已經(jīng)沒有耐心繼續(xù)等下去。
確切地說，行業(yè)內(nèi)并不缺少有參考性的建議。
有人認為AI公司應該在橫向上下功夫，通過核心技術切入的方式，進行持續(xù)的技術研發(fā)和產(chǎn)品迭代，為某個場景的客戶提供標準化的平臺性服務;也有人認為應該縱向深耕，不斷積累行業(yè)Know- How，提供覆蓋各個環(huán)節(jié)的解決方案，幫助企業(yè)降本增效。
如果這些聲音出現(xiàn)在2014年前后，或許可以讓一些創(chuàng)業(yè)者審慎思考?，F(xiàn)在的情況是，AI公司往往背負著研發(fā)、銷售、運營、管理的龐大成本，主動把節(jié)奏慢下來或者收縮戰(zhàn)線，顯然不是一件容易的事。尤其是在一些AI公司主動和元宇宙捆綁時，早已被投資者和所謂的市值綁架。
05 寫在最后
在新一輪人工智能浪潮醞釀時，安防提供了一個天然的應用場景，讓很多人看到了商業(yè)化的潛力，并刺激了中國AI創(chuàng)業(yè)的繁榮度。
但在商業(yè)模式的選擇上，很多創(chuàng)業(yè)者犯了路線上的錯誤，照搬互聯(lián)網(wǎng)時代的商業(yè)邏輯，輕視了AI落地的內(nèi)在規(guī)律。AI不像互聯(lián)網(wǎng)那樣屬于獨立的產(chǎn)業(yè)體系，必須要和場景深度結(jié)合才能形成價值。
安防賽道缺少足夠的廣度和深度，無法支撐起高估值獨角獸的盈利預期，而且安防這樣的大賽道和大市場并不多，無論是醫(yī)療、金融、教育還是制造，大多是細碎的長尾場景，在AI進階為通用型技術前，很難喂飽野心十足的創(chuàng)業(yè)者。
過度的樂觀，過高的期望，最終留下了一個又一個“傷仲永”的故事。
也許最后會像曠視創(chuàng)始人印奇說的那樣：“行業(yè)初期想要活下來，必須將所有的事情都做，等到行業(yè)成熟，再退回來，選擇最有價值的一環(huán)來做。”但愿摔過跟頭的創(chuàng)業(yè)者們，還有機會重新出發(fā)。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
