2016年，很多事件拓宽人们对AI的想象边界，Alpha Go在黑白世界——围棋上打败了人类最好的棋手，特斯拉等公司宣称全自动驾驶汽车即将上路。此后，AI的议题持续发酵，2018—2019年全世界从贩夫走卒到知识精英（霍金也未能免俗），都在讨论机器奴役人类的AI乌托邦。

电影《终结者》的世界似乎马上要从银幕来到日常生活中。这一切，都与一种叫深度学习的人工智能技术有关，正是由于它在下棋上的成功应用，深深勾起人们的丰富联想。有人说过，投资的终极对象是社会最大的那个“联想”，还有人归纳过投资成功三重门：好的团队、成功的商业模式、宽阔的赛道。从人们的联想看，AI赛道足够宽，它的边界只取决于人们的多巴胺，但是，它能容纳的选手也一样宽吗？

宽赛道：数据变成生产要素

论讲故事，硅谷的水平不低于它的邻居好莱坞。一直以来，硅谷擅长把将技术进行形象化包装传播。例如，AI技术创新的最新宠儿深度学习（叫深度神经网络），其实质是在现代信息通信软硬件基础设施支撑下的更深的函数嵌套，根据目标问题对海量结构/非结构数据进行自动化归纳统计“特征”信息的算法。数据量越大，神经网络层数越多，输出结果就越准确。深度学习或神经网络最大的特点是它可以做到不用人为监督（当然，也有有监督的深度学习），而由机器自主进行学习。不过，笔者的兴趣点不是讨论深度学习的技术细节，而是想指出，

众所周知，旧的互联网时代由于计算机机器学习（归纳统计）能力不足，数据是作为“死资本”而存在，只有人工编码和逻辑组织的信息才是互联网世界可流通交换的资源。深度学习技术出现后，计算机摇身一变，可以自动高效地从数据中提炼出信息产品，就像炼油设备从原油中提炼出汽油、柴油一样。这真是互联网经济的福音，累积速度越来越快，体量规模越来越大的结构化/非结构化数据资源的大规模开发成为了可能。正因如此，中国共产党十九届四中全会，历史性地将数据和劳动、技术、管理等并列，定义为生产要素而参与收入分配。鉴于AI和数据的孪生关系，这意味着AI时代的到来，像太平洋一样宽广的AI赛道正在迅速铺开。

窄选手：最好的时代最坏的时代

在数据被宣告为生产要素后，人工智能超级宽阔的赛道已经摆在世人面前，但是中国人工智能领域的创新娇子却进入了人生的窄道。2019年这种强烈的反差似乎有增无减，那些曾经风光无两的AI优等生，狂飙突进后，开始步履蹒跚起来：AI天才公司格灵深瞳风光不在；CV四小龙之一旷视科技被爆出巨额亏损，上市之路备受质疑；AI芯片公司寒武纪CEO陈天石对外喊出“哪个优秀的公司没有争议？”

人们从人工智能能够弯道超车与跨越式发展的热情中冷静下来，开始更理性地思考：怎样在宽阔无比的人工智能赛道上通过自己的人生窄道。

要有光：真实需求才是光

黑科技也好，人工智能也罢，最重要的一点就在于了解目标用户的需求痛点，如果做不到这一点，即使研发功能再强大、技术再高大上也是枉然。一个新的技术和产品的存在和发展，需要去“假设”问题，更需要去“解决”问题。人工智能时代是“技术为王”的时代，特别是深度学习领域，是科学家和超级学霸的聚集地。对于Researcher或者科学家而言，技术可以是一篇论文，一项ImageNet竞赛的冠军，也可以是一个重要数值（比如人脸识别准确率）的突破，但在商务侧来说，论文与冠军并不实用。

曾被比尔盖茨称赞“Very Cool”，被中国最负盛名的两位投资人徐小平和沈南鹏争论其未来市值应该是3000亿美元的天才AI公司——格灵深瞳，在2019年不断传出裁员与核心员工离职的新闻。更被公开指出，这一群超级学霸组成的创业团队，学术范太重，研发部门有太多的Researcher（研究员），而

创业即巅峰的格灵深瞳，在风停后，管理、技术选型、产品落地等环节的问题一一暴露。现任CEO赵勇在一次专访中说道：“我特别想传递一个忠告，企业从技术切入没问题，但如果只是空有技术，或者技术瞄准的方向跟市场有很远的距离，那注定会失败”。

要有源泉：深挖一井才有水喝

每个行业都有垂直纵深，一直以来，人工智能所瞄准的领域，或者其更大的野心是对各行各业的改制。以医疗+AI举例，什么最重要？大量准确的被医生标注过的数据最重要。回到汽车领域，曾经高喊出要颠覆汽车行业，成为“下一个苹果”的互联网公司们在经过多年搏杀后，纷纷偃旗息鼓，要和主机厂“握手言和”。赋能或者颠覆，不仅需要创新，还需要“精钻”。

2019年下半年，旷视科技在港交所递交了IPO招股书，据招股书显示，城市物联网已成为旷视科技最重要的落地场景，其营收占比达到73.2%。然而，来自竞争对手的压力也是旷视科技不得不面对的问题，以智慧安防业务为例，传统安防巨头海康威视、大华股份、宇视科技早已虎视眈眈的面对市场竞争。作为行业代表的海康，在安防领域深耕多年，承接了多个公安系统的警务通、基站信息采集、视图档案管理等SaaS平台工作，累积了庞大的人脸数据、环境数据等核心资源，已经构建了自己的行业壁垒。

旷视在招股书中提到“深度学习是旷视的核心竞争力……对旷视来说，强化核心技术优势比扩大业务规模更重要”。又在“有效竞争的能力”一节称“可通过软硬件整合能力、全端解決方案来建立竞争门槛”。然而，在同一个赛道的竞争中，面对业务深耕，多年深挖一口井的竞争对手，我们是否可以提出一个疑问：如果未来爆发价格战，作为已经累计亏损高达百亿的旷视，旷视是否会面临更为艰难的处境？

要有标准：标准化才能摆脱单客户风险

管理学家西蒙在《隐形冠军》一书中描述德国的隐形冠军企业，普遍选择积极的标准化战略，在一个窄领域里边，以标准化为武器开拓全球市场。据统计，德国工业标准协会（DIN）有超过80%的标准被转化成为欧洲标准或国际标准，从而帮助帮助德国一个个专注于某一个细分领域的中小企业长成为行销全球的隐形冠军。

寒武纪科技是AI芯片的翘楚，未来的隐形冠军。2019年12月与中信证券签署了寒武纪科创板IPO上市辅导协议，如果寒武纪科技顺利登陆资本市场，按当前25亿美元的估值，势必会成为“人工智能AI芯片第一股"。然而，行业对寒武纪的质疑一直不断，起因是2018年10月，寒武纪的老客户华为在其“全联接大会”上，高调布局AI芯片。两年来，行业与媒体多有疑问，认为寒武纪被其最重要的客户抛弃了。

芯片行业追求的是规模效应，流片成本居高不下的情况下，就需要庞大的出货量来维持利润和成本的平衡，这个数量级至少是千万。单一客户是必要的，但也是危险的。因此，作为AI专用芯片AISC，寒武纪要找到千万量级的大规模的特定应用市场着实很不容易。如何摆脱大客户离开的影响，如何开拓多用户市场，如何应对技术的迭代等等，或许是这个AI芯片赛道娇子的”天问”。有识之士预测，要回答此“天问”，寒武纪须走一条从定制化走向标准化的转型之路——这也是全球隐形冠军的必经之路。

转变范式：规模市场，非规模企业

曾几何时，古典经济学理论主张：更大规模的生产，更低的价格，更大的企业。大市场，大企业，这是人们对传统产业领域的惯性思维，亦是衡量投资标的价值的黄金法则。但是在大数据时代、人工智能时代，该认知范式或将被颠覆。据统计，目前全球能够在深度学习算法框架上进行算法创新的工程师仅2000余人。如果按照经典马克思经济学，资本主义扩大再生产，是建立在劳动力“后备大军”的基础上，即劳动力的富余供给上，

閱讀更多 中關村協同創新智匯園 的文章

關鍵字: 特斯拉 国 物联网