根據億歐智庫數據顯示，自2012年起，人工智能創業企業初步增加，在2014年快速增長，到2016年達到頂峰之后，熱度便迅速走低。據此可以大致推斷，自2017年以來，人工智能的創業門檻正逐步提高。

2019年9月，科技部印發《國家新一代人工智能創新發展試驗區建設工作指引》的通知。到2023年，布局建設20個左右試驗區，重點圍繞京津冀協同發展、長江經濟帶發展、粵港澳大灣區建設、長三角區域一體化發展等重大區域發展戰略進行布局，推動人工智能成為區域發展的重要引領力量，打造一批具有重大引領帶動作用的人工智能創新高地。在政策推動以及市場機遇收窄的雙向影響下，如何從多元化方向找到人工智能產業的創新之路顯得尤為迫切。

近日，億歐對長江商學院劉勁教授進行了專訪，并從技術、人才與資金、商業落地、產業鏈四個方向對人工智能產業創新進行了探討。

人工智能技術不斷突破，感知到認知的跨越仍面臨挑戰

人工智能技術從上世紀五六十年代便已經開始發展，經過多年的探索研究，人工智能目前可以分為基礎性硬件、軟件算法和行業應用三個結構層面。基礎層包含智能芯片、智能傳感器等硬件設備，算法軟件主要包含算法理論、開發平臺和應用技術三個維度，行業應用層面則是通過行業解決方案和智能化產品兩個方面實現商業應用。

中國人工智能最近幾年再次被推入新的發展熱潮，主要是因為軟件算法層面中的感知技術得到了突破，實現了極大的創新，如計算視覺中的人臉識別、圖像識別和文字識別等，以及自然語言處理中的語音識別和語言生成等。當感知技術突破后，人工智能技術的發展將會再次進入平緩期，因為下一步的發展方向是如何使機器像人一樣真正理解文字、圖片等內容，實現從感知到認知的跨越，真正實現人機結合，而這方面還有很長的路要走。

從人工智能整體結構層面來看，中國在軟件算法和行業應用的發展與追趕已經實現了質的跨越，但是在基礎硬件層面的創新遠不如美國等發達國家，這是由中國產業發展的歷史因素所造成的。一方面是因為發達國家在芯片、傳感器等硬件研發方面，起源于20世紀50年代，其發展早于中國幾十年，即便到了現在，技術程度仍領先中國十幾年。另一方面，當中國進入移動互聯網時代后，產業發展主要集中于TO B和TO C業務，而此時美國仍然關注基礎硬件領域的發展，并率先在人工智能領域展開研究，所以中國在基礎硬件方面同美國等發達國家存在的差距較大，并且短期內難以實現超越。因此要實現人工智技術鏈條的全面發展，達到完全自主創新，中國仍有漫長的路要走。

劉勁教授表示：“看人工智能的話應該看怎么定義人工智能，有人把人工智能叫為機器智能，但是從純粹的學術角度來看，人工智能實際上就是統計，用的算法都是統計方法，包括像深度學習這種大的創新等。而統計方法在商業里的應用已經非常廣泛，比如像淘寶電商對用戶的推薦，還有一些搜索引擎類的大數據分析，互聯網平臺上的大多數應用都可以算為人工智能。所以如果從這些領域擴展來講，人工智能應用實際上已經非常廣泛，只是最近人工智能在感知上的創新帶來了一波新的應用，接下來的發展如果是在現有機器人的基礎上和認知相結合，很有可能造就人工智能的終極發展?！?/p>

人才體制仍需完善，資本收緊促進創業企業真實發展

面對人工智能產業發展的短板，中國需要加大人才與資金的投入。在人才方面，中國正在逐步培養新一代人工智能專業人才，但想要培養出真正優秀的科學家，并吸引海內外人才留下，就必須要有足夠完善的體制，使世界頂尖的人工智能科學人才愿意前往中國，留在中國。完善的體制不僅是給科學人才足夠好的生活方式，同時還要擁有健康、開放的研究環境，并以此為依托，打造人工智能全生態人才發展路徑。

資金方面，經過之前人工智能領域火熱的投資浪潮，使得人工智能產業的投融資都創下了新高，甚至一些領域的企業估值已經超過了市場預期規模，造成了一定的資本泡沫。而一種新技術從萌芽產生到最后成熟落地發展，資本泡沫是其所要經歷的必然階段，對于當下人工智能產業的資本泡沫，一定程度上體現出投資者對人工智能產業的發展信心。

目前，伴隨經濟增速放緩，中國正面臨著資本的寒冬期，受雙重壓力影響，使得人工智能企業接下來的融資與發展陷入新困境。對整體人工智能產業來講，資本寒冬反而一定程度上有助于減少泡沫成分，使融資企業更加注重技術應用的真實性，比如在某個具體領域中，企業是否能夠獲客，快速產生收入和現金流變得至關重要。如果企業擁有真正的技術實力和可行的落地方案，將仍會吸引大批投資者的資金注入。

劉勁教授表示：“資本寒冬期對投資者來講反而是非常好的時機，因為企業估值在下降，同時很多企業需要新的資金注入，如果投資者擁有有足夠資金的話，可以看作較好的進場機會。

數據積累與商業模式探索成為人工智能產業落地發展的重要因素

人工智能分為三塊，算法、算力和數據，其中數據最為核心。人工智能技術成熟后，商業化落地過程中實際拼的是數據積累。哪家企業擁有大量可用數據，便擁有了主動話語權。因此像騰訊、阿里、華為等巨頭企業通過以往業務開展過程中的數據積累，形成了強大的商業競爭優勢。反觀人工智能初創企業，一定程度上擁有比較優秀的算法技術，但是算法卻很容易被大公司復制，甚至被大公司超越，所以人工智能創業公司的生存空間實際就變得相對狹窄。人工智能小公司因此更需注重細分垂直領域的深耕應用，提高產品服務，通過數據積累與深挖，形成行業核心競爭力，但是想要跟平臺級的巨頭企業在全生態領域競爭仍存在較大困難。

劉勁教授曾表示：“燒錢才建立起來的商業模式其實是一個很危險的商業模式，真正的商業模式不應該有大量的燒錢元素。

在人工智能技術商業化過程中，如果企業不投入研發經費，就一定需要學?；蛘咂渌芯繖C構投入。頭部估值較高的人工智能企業往往會有大量研究經費投入，而這部分投入在社會研究中占相當大比例。

因此，在人工智能產業創新過程中，燒錢的商業模式是不可或缺的，重要的是商業化過程中的“燒錢”是否健康。人工智能技術特性本身就是很大的創新，而在商業創新過程中，需要大量科研人員對軟件算法、硬件產品、生態服務進行持續更新升級，還有后續落地過程中對實施人員和銷售人員的投入。所以人員成本成為了商業化過程中最大的成本支出，但健康商業模式中的投入與產出應該呈正相關。前期過程中的商業投入是為了打開市場，但當技術成熟和行業應用拓展開以后，只有以全新的商業模式逐步替代“燒錢”模式，企業才能實現良性的循環發展。

增加人工智能企業粘性，逐步完善全生態產業鏈

人工智能產業鏈實際跟信息技術相類似，當人工智能企業通過成熟技術實現商業落地后，便可以通過軟件算法強大的吸附黏性，逐步向全生態產業鏈滲透。但實現產業鏈全貫通并非易事，人工智能企業想要取得成功，一定要在一個點，或者是一條線上實現突破，以此提高企業粘性，然后再通過核心技術逐步向外延伸。

如傳統計算機視覺企業的核心優勢是算法軟件，當企業快速成長擴大后，軟件算法的售賣和服務難以實現量級上的突破，企業便會通過算法集成向識別硬件模組發展，然后逐步延伸到模組集成后的下游應用設備。當下游產業鏈打通后，企業便會對基礎組件產生大規模量級的需求，為了節省制造成本，并避免上游供應商的技術壟斷對人工智能企業的多元發展造成制約，此時企業便會開始逐步向上游滲透，一步步打造自己的生態產業鏈條。

人工智能產業的創新發展是一條漫長探索之路，新的技術從理論到應用不僅需要大量的時間，還要經過多次的實踐嘗試，同時面臨著著商業落地過程中的不確定性風險。因此，從多元化方向對人工智能產業創新進行洞察，推動人工智能革命顛覆性發展。

責任編輯：ct