2016年，很多事件拓寬人們對AI的想象邊界，Alpha Go在黑白世界——圍棋上打敗了人類最好的棋手，特斯拉等公司宣稱全自動駕駛汽車即將上路。此後，AI的議題持續發酵，2018—2019年全世界從販夫走卒到知識精英（霍金也未能免俗），都在討論機器奴役人類的AI烏托邦。

電影《終結者》的世界似乎馬上要從銀幕來到日常生活中。這一切，都與一種叫深度學習的人工智能技術有關，正是由於它在下棋上的成功應用，深深勾起人們的豐富聯想。有人說過，投資的終極對象是社會最大的那個“聯想”，還有人歸納過投資成功三重門：好的團隊、成功的商業模式、寬闊的賽道。從人們的聯想看，AI賽道足夠寬，它的邊界只取決於人們的多巴胺，但是，它能容納的選手也一樣寬嗎？

寬賽道：數據變成生產要素

論講故事，硅谷的水平不低於它的鄰居好萊塢。一直以來，硅谷擅長把將技術進行形象化包裝傳播。例如，AI技術創新的最新寵兒深度學習（叫深度神經網絡），其實質是在現代信息通信軟硬件基礎設施支撐下的更深的函數嵌套，根據目標問題對海量結構/非結構數據進行自動化歸納統計“特徵”信息的算法。數據量越大，神經網絡層數越多，輸出結果就越準確。深度學習或神經網絡最大的特點是它可以做到不用人為監督（當然，也有有監督的深度學習），而由機器自主進行學習。不過，筆者的興趣點不是討論深度學習的技術細節，而是想指出，

眾所周知，舊的互聯網時代由於計算機機器學習（歸納統計）能力不足，數據是作為“死資本”而存在，只有人工編碼和邏輯組織的信息才是互聯網世界可流通交換的資源。深度學習技術出現後，計算機搖身一變，可以自動高效地從數據中提煉出信息產品，就像煉油設備從原油中提煉出汽油、柴油一樣。這真是互聯網經濟的福音，累積速度越來越快，體量規模越來越大的結構化/非結構化數據資源的大規模開發成為了可能。正因如此，中國共產黨十九屆四中全會，歷史性地將數據和勞動、技術、管理等並列，定義為生產要素而參與收入分配。鑑於AI和數據的孿生關係，這意味著AI時代的到來，像太平洋一樣寬廣的AI賽道正在迅速鋪開。

窄選手：最好的時代最壞的時代

在數據被宣告為生產要素後，人工智能超級寬闊的賽道已經擺在世人面前，但是中國人工智能領域的創新嬌子卻進入了人生的窄道。2019年這種強烈的反差似乎有增無減，那些曾經風光無兩的AI優等生，狂飆突進後，開始步履蹣跚起來：AI天才公司格靈深瞳風光不在；CV四小龍之一曠視科技被爆出鉅額虧損，上市之路備受質疑；AI芯片公司寒武紀CEO陳天石對外喊出“哪個優秀的公司沒有爭議？”

人們從人工智能能夠彎道超車與跨越式發展的熱情中冷靜下來，開始更理性地思考：怎樣在寬闊無比的人工智能賽道上通過自己的人生窄道。

要有光：真實需求才是光

黑科技也好，人工智能也罷，最重要的一點就在於瞭解目標用戶的需求痛點，如果做不到這一點，即使研發功能再強大、技術再高大上也是枉然。一個新的技術和產品的存在和發展，需要去“假設”問題，更需要去“解決”問題。人工智能時代是“技術為王”的時代，特別是深度學習領域，是科學家和超級學霸的聚集地。對於Researcher或者科學家而言，技術可以是一篇論文，一項ImageNet競賽的冠軍，也可以是一個重要數值（比如人臉識別準確率）的突破，但在商務側來說，論文與冠軍並不實用。

曾被比爾蓋茨稱讚“Very Cool”，被中國最負盛名的兩位投資人徐小平和沈南鵬爭論其未來市值應該是3000億美元的天才AI公司——格靈深瞳，在2019年不斷傳出裁員與核心員工離職的新聞。更被公開指出，這一群超級學霸組成的創業團隊，學術範太重，研發部門有太多的Researcher（研究員），而

創業即巔峰的格靈深瞳，在風停後，管理、技術選型、產品落地等環節的問題一一暴露。現任CEO趙勇在一次專訪中說道：“我特別想傳遞一個忠告，企業從技術切入沒問題，但如果只是空有技術，或者技術瞄準的方向跟市場有很遠的距離，那註定會失敗”。

要有源泉：深挖一井才有水喝

每個行業都有垂直縱深，一直以來，人工智能所瞄準的領域，或者其更大的野心是對各行各業的改制。以醫療+AI舉例，什麼最重要？大量準確的被醫生標註過的數據最重要。回到汽車領域，曾經高喊出要顛覆汽車行業，成為“下一個蘋果”的互聯網公司們在經過多年搏殺後，紛紛偃旗息鼓，要和主機廠“握手言和”。賦能或者顛覆，不僅需要創新，還需要“精鑽”。

2019年下半年，曠視科技在港交所遞交了IPO招股書，據招股書顯示，城市物聯網已成為曠視科技最重要的落地場景，其營收佔比達到73.2%。然而，來自競爭對手的壓力也是曠視科技不得不面對的問題，以智慧安防業務為例，傳統安防巨頭海康威視、大華股份、宇視科技早已虎視眈眈的面對市場競爭。作為行業代表的海康，在安防領域深耕多年，承接了多個公安系統的警務通、基站信息採集、視圖檔案管理等SaaS平臺工作，累積了龐大的人臉數據、環境數據等核心資源，已經構建了自己的行業壁壘。

曠視在招股書中提到“深度學習是曠視的核心競爭力……對曠視來說，強化核心技術優勢比擴大業務規模更重要”。又在“有效競爭的能力”一節稱“可通過軟硬件整合能力、全端解決方案來建立競爭門檻”。然而，在同一個賽道的競爭中，面對業務深耕，多年深挖一口井的競爭對手，我們是否可以提出一個疑問：如果未來爆發價格戰，作為已經累計虧損高達百億的曠視，曠視是否會面臨更為艱難的處境？

要有標準：標準化才能擺脫單客戶風險

管理學家西蒙在《隱形冠軍》一書中描述德國的隱形冠軍企業，普遍選擇積極的標準化戰略，在一個窄領域裡邊，以標準化為武器開拓全球市場。據統計，德國工業標準協會（DIN）有超過80%的標準被轉化成為歐洲標準或國際標準，從而幫助幫助德國一個個專注於某一個細分領域的中小企業長成為行銷全球的隱形冠軍。

寒武紀科技是AI芯片的翹楚，未來的隱形冠軍。2019年12月與中信證券簽署了寒武紀科創板IPO上市輔導協議，如果寒武紀科技順利登陸資本市場，按當前25億美元的估值，勢必會成為“人工智能AI芯片第一股"。然而，行業對寒武紀的質疑一直不斷，起因是2018年10月，寒武紀的老客戶華為在其“全聯接大會”上，高調佈局AI芯片。兩年來，行業與媒體多有疑問，認為寒武紀被其最重要的客戶拋棄了。

芯片行業追求的是規模效應，流片成本居高不下的情況下，就需要龐大的出貨量來維持利潤和成本的平衡，這個數量級至少是千萬。單一客戶是必要的，但也是危險的。因此，作為AI專用芯片AISC，寒武紀要找到千萬量級的大規模的特定應用市場著實很不容易。如何擺脫大客戶離開的影響，如何開拓多用戶市場，如何應對技術的迭代等等，或許是這個AI芯片賽道嬌子的”天問”。有識之士預測，要回答此“天問”，寒武紀須走一條從定製化走向標準化的轉型之路——這也是全球隱形冠軍的必經之路。

轉變範式：規模市場，非規模企業

曾幾何時，古典經濟學理論主張：更大規模的生產，更低的價格，更大的企業。大市場，大企業，這是人們對傳統產業領域的慣性思維，亦是衡量投資標的價值的黃金法則。但是在大數據時代、人工智能時代，該認知範式或將被顛覆。據統計，目前全球能夠在深度學習算法框架上進行算法創新的工程師僅2000餘人。如果按照經典馬克思經濟學，資本主義擴大再生產，是建立在勞動力“後備大軍”的基礎上，即勞動力的富餘供給上，

閱讀更多 中關村協同創新智匯園 的文章

關鍵字: 人工智能 電腦 物聯網