人工智能“錢”路何方

同一天，兩家人工智能（AI）企業“冰火兩重天”。

10月11日，有光科技宣布，該公司已獲得AEF大灣區創業基金（由戈壁大灣區管理）新一輪投資，以進一步拓展其業務區域。

與此同時，港股上市的商湯科技早盤沖高回落，午后震蕩走跌，再次創下歷史新低。截至收盤，其總市值為445.6億港元，遠低于其Pre-IPO輪120億美元的估值。

今年以來，前些年還被視為“香餑餑”的AI“四小龍”（商湯科技、曠視科技、依圖科技、云從科技）陷入困境，導致業界對AI賽道產生不同的判斷。有人認為AI產業“泡沫破裂”，也有人覺得這是資本在回歸理性。那么，AI產業的前景到底怎樣，“錢”路又在何方？

投資估值體系更加回歸理性

袁進輝曾是微軟亞洲研究院主管研究員。2017年，他走上了創業之路，創建了北京一流科技有限公司，致力于打造新一代深度學習框架OneFlow。作為“拿著錘子找釘子”的“技術流”，AI算法賦能型公司所遭遇的困境，讓包括他在內的AI方向創業者都有“唇亡齒寒”之感，因為二級市場不好，也會導致一級市場融資困難。不過，在他看來，“我們還是要對AI技術本身的價值有充分的信心”。

在日前舉行的以“人工智能產業化，路在何方”為主題的中國計算機學會青年計算機科技論壇（CCF YOCSEF）上，袁進輝以他所在的軟件領域為例，描述了AI技術革命所帶來的變化。當下，以人工編程為代表的軟件1.0時代正在向以數據編程為主的軟件2.0時代演進，AI技術浪潮必將創造遠超互聯網浪潮的價值。未來，深度學習將成為主流軟件的生產工具，包括自動駕駛、加速醫藥研發等。

“過去十年，人工智能的投資確實經歷了高歌猛進的過程。”將門創投創始合伙人兼首席技術官沈強說。2011年，中國AI投融資交易金額為165.2億元，到2021年則達到了歷史新高3996.4億元。與此同時，AI單筆融資的平均金額也從2011年的1.50億元增長到2021年的3.53億元。

沈強分析認為，單筆融資的平均金額上升，說明整個行業的投資重心在向中后期轉移，即越來越多的AI公司已經從高速增長期轉入成熟發展階段。

不過，在歷經高速發展后，2021年第四季度到2022年第二季度，全球AI投資額度有了33%的降幅，而中國投資金額的降幅更加明顯，約為70%，投資事件數的降幅則為20%~30%。

在沈強看來，投資事件數下降幅度小于整體融資規模降幅，表明投資階段又開始出現向早期轉移的趨勢；同時單筆融資金額的下降則意味著市場對整體AI企業的估值水平在下調，下調幅度約在30%~50%。

這一變化意味著AI投資的寒冬來了嗎？沈強認為，當下投資者的熱情并沒有明顯減退。“比較明確的一點是，整個投資的估值體系將更加回歸理性，即大家會更加注重AI技術的價值創造。”

要“挽起褲腿給人干活”

“現在AI產業所遇到的挑戰不僅是中國的問題，更是全球的問題。”加拿大蒙特利爾大學算法研究所、計算機系副教授唐建告訴《中國科學報》。

在他看來，中國AI產業的前景十分廣闊，從大趨勢看，這是由產業數字化進程所決定的。“我認為未來產業數字化將是AI最大的機會，業內最好的公司不是技術最好的，而是能夠把AI技術用得最好的。”

創客總部合伙人陳榮根多年來一直從事高校和科研院所實驗室技術天使投資和孵化工作。在他看來，自1956年AI概念問世以來，已經歷了三個階段。第一個階段主要是考慮技術行不行；第二個階段重點關注技術怎么落地；2020年以來則進入了第三個階段，即技術如何與應用場景更好地匹配以創造價值，“而這個難度很大”。

清華大學計算機系教授、北京智源人工智能研究院副院長唐杰也認為，現在AI科技的發展進入了一個新階段。“如果說，以前AI從業者還可以‘高大上’地待在大樓里，現在則要走進工廠里，挽起褲腿給人干活。而且，得把錢花在刀刃上，每一分錢都值得推敲。”

面對AI科技的未來挑戰，唐杰認為，要從三方面著手，即有代際差的技術變革、牢固的應用場景，同時注意財務和估值邏輯。

在他看來，未來的技術革新者，要能夠做到產學研“強結合”，自上而下提出創新性行業解決方案，有革命性的技術能力或產品能力，在有想象空間的場景中抓住新的變量。而AI公司要在具備高想象空間的場景里有牢固的抓手，以及清晰的商業化路徑，以兌現收入的快速增長。此外，由于市場帶來的不確定性，投資人對高虧損的燒錢資產非常謹慎，會高度關注創業者的商業化能力。

在新的領域“探險”

“在整個AI發展過程中，如果我們拉長一個周期，就會發現技術還處在早期階段，AI技術本身還需要大量創新。”沈強說。比如，最近AI的大模型技術進展很快，展示出很強的跨領域應用能力，但在計算成本、應用場景匹配等方面，仍有較大的提升空間。

沈強并不認為當下AI創業已沒有太多機會。在他看來，要想突破當前的困境，重要的一點是，創業者尤其是技術創業者，需要轉變一些觀念，如從以技術創新為核心轉向以給客戶價值創造為核心。

以軟件產業為例，袁進輝說，以前國內絕大部分AI從業者都將關注點放在算法層面，即利用算法為行業賦能，而很少有人去關注算法底下基礎設施層面的機會。“在別的行業，我們看到社會化的分工分層已經成就了基礎設施層面一些很好的商業化機會。在AI方向會不會有這種機會呢？我認為有。”

“未來AI for Science（科學智能）、新能源、材料科學、生物醫藥、工業互聯網等領域都會有非常多的機會。”唐建指出，這些領域都是高度交叉的，如果要做好，必須深入到行業中。未來優秀的創業者一定既懂AI，又是某個行業的專家。