近日，AI芯片企業寒武紀登上科創板，上市首日市值便一度突破千億大關，氣勢如虹。

成立短短四年便成功上市，這在任何行業都極為罕見。不過，“AI”與“芯片”雙重加持，寒武紀獲得資本的大力支持卻并不意外。

AI芯片，就像擁有強大學習能力的“大腦”，能夠高效識別出場景，并給出精準的解決方案，在智能手機圖像識別、自動駕駛等領域得到了廣泛應用。

事實上，不光是AI芯片，AI技術圍繞場景不斷滲透，已經成為“老生常談”。從2016年的“人工智能元年”，到2018年的“人工智能技術落地元年”，發展至今，人臉識別、語音識別等AI技術，在場景中的應用已經遍地開花：金融、交通、醫療、零售、教育……AI已經滲透入人類生活的方方面面。

活躍在市場上的AI企業，早已不止耳熟能詳的互聯網巨頭如阿里、騰訊、百度；以及“AI四小龍”如商湯、曠視、依圖、云從等。一批批AI初創企業不斷涌現：根據億歐智庫統計，2012年至2016年，中國AI企業數量以48％的年復合增長率高速增長。

然而，“大浪淘沙始見金”。2018年之后，AI行業進入洗牌階段，眾多“貼AI標簽”，卻“華而不實”的企業，大批死亡；除此之外，那些“過于注重技術突破”，卻“忽略產品化”的企業也逐步被市場淘汰。

成功者自然有其獨到之處，巨頭往往早期建立了自己的核心技術壁壘，再憑借雄厚資金占據得天獨厚的市場優勢，后來者難以復制。而AI初創企業要想獲得市場空間，其必然與巨頭發展路徑有所不同。

那么，在巨頭林立的AI市場，初創企業究竟如何找尋新的場景？又如何構建自身核心優勢，在市場中分得一杯羹？

早期AI企業瓶頸期“求變”

行業普遍認為，AI創投經歷了三個階段，第一階段是2016年，AlphaGo戰勝李世石，“人工智能”這一概念自此火遍全球，各路投資人開始一窩蜂涌入AI賽道。這一時期，具有領先算法實力的AI企業更受市場青睞。

根據烏鎮智庫發布的《全球人工智能發展報告》，2016年全球AI企業融資規模達到了92．2億美元，是2012年的近6倍，相當于2000年到2013年13年間總融資額之和。這一階段，AI企業在計算機視覺、語音識別領域廝殺，他們宣稱自己技術領先，但事實上大部分企業技術大同小異，差異化不明顯。

第二階段是2017至2018年，部分先發企業選擇了高價值的應用場景，憑借數次融資積累的資金優勢，迅速鋪開市場。由于其算法在實踐中經歷多次迭代，又構建起了自己的技術壁壘，從而走在市場前沿。商湯、曠視等人臉識別的商業化落地在這一階便段極具代表性。

第三階段則是2018年下半年至今，隨著技術進入普及化階段，AI行業缺乏的不再是技術，算法帶來的碾壓式優勢逐漸減弱，投資者們也期望于從早期投資項目中看到商業成果。對于客戶來說，能否帶來切實效率提升以及帶來財務回報，成為考量的首要因素。

億歐智庫：2000－2020年四月中國人工智能企業新創公司數量情況

毋庸置疑，前兩個階段已經“塵埃落定”，有一批企業取得了階段性成功，“AI四小龍”便是其中代表。在綜合實力以及生態建設方面，成為了行業中的佼佼者。2018年，AI創業公司的融資總額是1131億人民幣，而“AI四小龍”就占據了五分之一。

此外，曠視已向港交所遞交招股書，云從申報科創板的傳聞也不絕于耳。資本市場的支持，無疑是對其技術的肯定。

不過，當發展至第三階段，場景的尋找、商業模式的規模化落地對于企業來說仍是難題。紅點中國執行董事劉嵐表示：“我們目前更看重商業落地的速度和產品技術優勢的相對平衡。只有技術沒有商業化，以及有商業化，技術不夠領先的企業，我們都會比較慎重。”

可以說，AI技術不再在估值體系中起到決定性作用時，它逐漸成為其中的一個因子；而為行業帶來的效率提升和新增價值，成為衡量AI企業價值的重要指標。

對于AI四小龍來說，倘若僅依靠人臉識別等通用技術，未針對企業經營提供降本增效的價值，那么客戶買單的意愿并不會很強烈。因此，為了擴大盈利空間，AI四小龍開始加大場景探索，各顯神通：

憑借融資獲得的大量資本，商湯開啟了“買買買”模式，其對外投資項目已經超過10個，涉及不同的行業應用，比如教育、汽車、醫療等；曠視則以攝像頭硬件為承載，發力點在于城市管理與智慧地產；依圖則在芯片端發力，企圖通過提高AI的智能密度，降低AI落地的成本。

由此可見，為了實現技術與商業化“兩條腿”走路，AI巨頭們都進行了諸多嘗試。只不過，哪怕是行業巨頭，要進入新的領域，也需要對行業Knowhow深入了解， “財大氣粗”的企業或許能直接購買技術，但隨著應用場景不斷涌現，不可能所有行業Knowhow都能“觸手可得”。而正是由于存在具有技術空白的場景，這就給了新一代AI創業公司生長的空間。

相比于行業巨頭，新一代AI創業公司成立時間短、資金薄弱。在外界關于AI領域“強者恒強”的呼聲下，它們將如何在巨頭環伺中殺出重圍，構建自己的核心優勢？

精專路線催生場景爆發

由于“四小龍”等早期AI企業創立時間比較早，當時人工智能還是一個較新的概念，因此可以利用人臉識別等通用技術在泛化層面產生許多應用，這時各行各業對該技術的熱情也比較高。

經過數輪融資和商業版圖擴張，“AI四小龍”已經在生態構建方面做到了行業領先。目前的人工智能領域還在行業的最初期，對AI后起之秀來說，還有許多條路可以走。

于是，新一代AI公司，不再走泛化路線，而是走精專路線：利用某一核心技術，抓住某一行業中的具體問題，再用AI去解決這些問題。相比于早期AI企業“拿錘子找釘子”，新一代AI公司則傾向于“根據釘子來定制錘子”。

這個過程中，選擇“釘子”對于AI企業來說非常關鍵：一方面，團隊技術背景要能夠與行業相適配；另一方面，該場景要能實現商業化。換言之，應用AI技術后，要能切實影響企業經營生產水平，并在財務回報上得到直接體現，客戶才會為此買單。

AI企業團隊的技術路線，往往與團隊成員背景密切相關。以“AI四小龍”為例，由于成立時間較早，當時的AI技術大多由國內外知名院校實驗室孵化而來。因此，其團隊成員均來自斯坦福大學、清華大學、香港中文大學等世界知名院校，或微軟亞洲研究院等世界頂尖研究機構。比如商湯就集結了來自世界名校的120余名博士生。可以說，在通用型AI技術的積累上，AI四小龍占據了先發優勢。

新一代AI初創企業創始團隊背景往往更為多樣。主要由于最早一批從實驗室走出來的專家，已經在各行業進行了一些嘗試，積累了一定行業認識和商業落地經驗，他們的技術特色將更為顯著。

在場景落地方面，正是由于不同企業的技術路線不同，哪怕面向同一場景，解決的都是不同層面的問題。

以智慧交通為例，早期AI公司更多利用人臉識別技術做人車的結構化，通過實時獲取每一輛車所在位置，起到打擊犯罪的目的；而像閃馬智能這類新一代人工智能企業，運用的是視頻異常分析技術，從而準確識別出路面上的異常行為，比如道路擁堵、交通事故、紅綠燈損壞等，從而起到城市治理、提升城市運行效率的目的。二者在技術路徑上具有較大差異。

閃馬智能創始人彭垚表示：“對于企業來說，技術特性不同，在行業中將有著不同的強勢地位。比如具備大數據AI智能分析能力的企業，它可以更多從事政務大數據相關服務，給政府層面提供決策依據，而閃馬創始團隊曾在七牛云、IBM積累了大量相關經驗，因此通過視頻異常分析賦能交管行業，是我們所擅長的。”

至于最終選擇哪個行業落地，除與技術屬性有關，還與該技術能為行業帶來的價值有關。即AI技術，能否大大好于現有方式，倘若客戶沒有明顯的體驗差距，沒有實現效率的顯著提升，那么跨越價值去談商業化則毫無意義。

彭垚表示：“AI企業倘若對場景本身認知不深刻，那么也解決不了任何社會問題。現在有一些項目，如果我們認為沒有推廣價值，沒有對這個行業效率帶來提升，我們也不會參與建設。”

紅點創投執行董事劉嵐也表示：“好的AI企業應該告訴客戶‘你們付出可接受的成本，就能夠用AI技術創造價值，并且所產生的價值能夠為你創造收入’。這時候，客戶才愿意從他的收入中拿出一部分購買解決方案。”

由此可見，對于新一代AI企業來說，選擇將自身優勢技術與具有價值的場景相結合。即以某一場景為切入口，找到場景中的最佳解，為客戶提供可以計算的價值，并借此打動客戶，成為了較為通用的發展路徑。

當技術路徑和聚焦場景已經確定，那么，在商業化的過程中，企業該如何獲取行業Knowhow？在某一場景能夠穩定輸出后，又如何向其他場景復制，從而獲得規模化盈利？

殺手級應用推動規模化

AI技術的基礎，以及商業化價值產生，底層都是數據；要深刻認知行業Knowhow，更是離不開數據。數據之于AI企業，就像燃料之于飛機，起到驅動作用。

正由于數據價值在整個人工智能鏈條中至關重要，就不難理解為何BAT、華為等企業能夠在云計算、AI、芯片等領域都能有所布局。這些巨頭公司憑借極強的滲透能力，在平臺上累積了海量數據，不僅能為自身業務創造價值；同時，其他企業需要數據時，需要接入他們的云平臺，它們從中又能獲利。

對于新一代AI企業來說，獲取數據的方式根據用途不同將有所不同。在工業場景下，企業往往需要深入現場采集數據，通過對數據質量的嚴格篩選和把控，提升分析結果的準確性。

以流程工業中的熱電行業為例，原材料投入設備中，將會產生一連串化學反應，由于反應速度非常快，生產過程難以控制。

為了提升煤炭能源轉換為汽電能源的效率，致力于熱電生產智能化的全應科技，打通了從數據生產到分析數據的全鏈條，通過構建模型不斷優化工業效率。

全應科技董事長夏建濤博士表示：“熱電行業已經具備相當完善的信息化基礎，因此熱電生產過程智能化的本質，就是深度鉆研生產數據，再用數字化的模型在數字空間重構物理空間的工業過程，這樣才能最大化發揮數據分析的價值。”

另外還有一部分企業采取“借力打力”的方式，比如閃馬智能，創始團隊成員曾是七牛云人工智能實驗室的創建者，與國內領先的云計算服務商七牛云淵源頗深。由于具備七牛云背景，閃馬團隊在早期便能擁有遠超其他計算機視覺公司的視頻數據儲備，這也為其選擇立足視頻異常分析領域提供了強力支撐。

成功獲取行業數據，只是萬里長征第一步，至于要賦能行業，則需要進一步形成“閉環數據反饋循環”。即從終端收集數據，然后訓練模型，同時場景進一步產生數據，這就形成了閉環的數據反饋循環，算法得以完善和迭代，模型將越來越準確。

要實現閉環，不同企業具體采用的技術方式有所不同。閃馬智能通過的是“ATOM深度學習平臺”，一方面該平臺支持多種數據采集的能力，包括國標攝像頭或一些標準的協議；另一方面具備七牛云、阿里云、華為云等跨平臺融合能力。當算法訓練完成，再通過另一大核心平臺VisionMind進行分發，從而形成閉環。

可以說，大量新一代AI公司，都企圖率先推出殺手級應用，迅速占領市場，成為該垂直行業的主導者；進而通過海量數據迭代出高質量通用算法，提升橫向拓展至其他場景的效率。

閃馬智能目前主要在智慧交通領域，分析交通規則下的一些異常行為。那么，除了交通場景，景區、工地等場景，都存在一定規則，識別這些場景下的異常行為，對于機構或者企業提升管理運營效率將起到顯著作用。

上述幾大場景看似產生異常的內容并不相同，但是彭垚表示：“底層的視頻跟蹤、行為識別、行為分析以及對異常情況的捕捉能力，是具有較大共性的，再往上才有各行業的規則。”

因此，閃馬智能的研發模型是一個三層的平臺。最上層與應用落地規則相關，下面兩層實際上是共通的平臺。“我們并不會一下布局很多行業，還是希望專注做一個行業的認知，然后在這個行業里面輸出最好的產品，再去復制。”彭垚表示。

總的來說，新一代AI公司具備成長性的關鍵，一是技術能與行業相適配，能為行業發展帶來價值；二是行業的市場體量要足夠大；三是企業切入行業的點要足夠小。體量大意味著市場天花板高，而切入點小，則意味著能做得足夠深入，從而為行業帶來爆炸式的沖擊。

深耕于行業愈加能吸引產業資本的關注，閃馬智能近期便獲得了香港新世界集團旗下投資機構六脈資本領投的近億元戰略融資，未來，閃馬智能將與新世界旗下的新創建集團達成戰略合作。

新創建集團在香港及大中華地區的核心業務包括收費公路、商務飛機租賃、建筑及保險，策略組合則涵蓋環境、物流、設施管理及交通等領域。閃馬智能和新創建集團將共同研發高速公路智能化運營、智慧建筑管理等領域的解決方案。

六脈資本管理合伙人鄭志亮表示：“我們相信在未來中國大陸，視頻異常分析領域將是一個很好的投資標的。閃馬在成立短短一年時間里便完成了銷售團隊的組建跟培訓，建立了與大客戶的合作，并且產品在成本、普及性、標準化方面，在行業中已經處于領先水平，”

可以說， 當“AI＋行業”的模式逐漸演變成“行業＋AI”，“行業”將成為一串數字中最前面的“1”，而AI或許代表著后邊一長串“0”。不扎根于行業的AI技術，相當于空中樓閣，其創造的價值只能趨向于0。

正是這一模式的轉變，AI賽道上，不僅原有參與者將會順應變化，比如商湯、曠視正在加大場景投資，依圖正忙著研制AI芯片；而互聯網巨頭，如阿里云的城市大腦、工業大腦，也不斷在垂直行業深耕。新一代人工智能公司將更專注于垂直行業，基于自身的一套體系演進技術。彭垚認為：“正是行業足夠大，參與者都能在里面分一杯羹。”

AI企業強者恒強是偽命題，當AI與產業相結合，萬億級的市場空白等待填充。不過，真正在行業中有較高成長性的公司則一定是能深入理解行業Knowhow，并且技術屬性能與切入角度適配，在這一基礎上，逐步向應用平臺發展，構造出行業壁壘。

毋庸置疑，寒武紀的崛起將不會是個例，它的身后是巨量的AI市場。廣闊的市場空間足以催生若干新巨頭，新一代AI公司將大有可為。
? ? ? ?責任編輯:pj