【AI创业】2020年代，中国AI创业公司将走向何方

原创 元峰 AIZOO 

如果说2012年深度学习的崛起是点燃AI浪潮的星星之火，那么2016年的AlphaGo的成功则是一阵东风，AI之火已成燎原之势。那么，走向21世纪的新的十年（2020年），中国AI创业公司将走向何方呢？

写这篇文章之前先介绍一下自己，我是一位90后创业者，18年硕士毕业后在业界常说的“CV四小龙“中做了近两年的算法工程师。最近在从事互联网+AI领域的创业。所以本文是以一位AI从业者的角度来谈一下个人对AI领域的看法，如有偏颇，还望不吝指正。

众所周知，过去近十年这波人工智能浪潮，是以深度学习的迅猛崛起为核心的。深度学习本质上并不是什么新鲜事物，深度学习的核心算法，在20世纪80年代就已然成型。不过，借助强大的计算资源（以Nvidia显卡为代表）和庞大的数据（以ImageNet为典型代表），深度学习在2012年开始，在很多领域的性能显著超越传统的算法，并在计算机视觉、自然语言处理、语音识别、推荐系统等诸多方向得到广泛的应用。

随着AI技术的崛起，伴随的是各大互联网巨头纷纷成立AI研究院或加码AI团队规模，例如国外大名鼎鼎的Google X实验室（谷歌大脑是其旗下一个研究项目），Facebook的FAIR实验室，在国内，则有阿里的达摩院、腾讯的人工智能实验室和腾讯优图、百度深度学习研究院等；与此同时，借助深度学习的东风，国内外更是诞生了数万家AI创业公司。而部分人工智能创业公司，借助技术、资本和人才的红利，短短三四年，已迅速崛起为独角兽公司。

下图是媒体曝光度较高的部分中国明星AI创业公司的成立时间轴，2015年前后，是独角兽公司成立最密集的时间，而它们成立距今，也不过短短的五年左右。

这些以AI为核心技术起家的公司，极大的吸引了投资人和AI从业者的注意力，在资本的裹挟下，头部的AI公司一路狂奔，融资规模屡创纪录，人员规模也迅速扩张，业务上也是多点探索。那么，几年过去了，除了少数公司被收购（例如深鉴科技被赛灵思收购），少部分破产（例如roadstar），其他的人工智能公司发展的如何呢？人工智能又是否达到了大家的期待了呢？

让我们把目光先放回到刚刚过去的2019年，过去的一年，经常被称为资本的寒冬，投资公司本身面临募资难题（所谓地主家也没有余粮），同时，AI公司本身的产品化能力和营收增长、利润率并没有那么强，导致投资人也开始趋于理性和保守。甚至，2019年开始有越来越多的唱衰人工智能的声音出现。

那么，AI创业公司到底面临哪些问题呢？笔者作为一名行业从业人员，结合媒体对AI公司的报道、对创始人的采访以及与同行的讨论分析，我们可以大致总计为以下3点：

1

核心团队技术很强，但是产品和销售能力较弱，踩坑较多

以CV四小龙的创始人为例，汤晓鸥教授之前在香港中文大学和微软亚洲研究院做研究工作、印奇博士肄业创业、朱珑博士毕业后一直在大学从事博士后研究、周曦博士在中科院重庆分院从事研究工作。几位创始人可以说都是技术和研究出身，所以部分AI企业热衷于发论文和参加比赛刷榜，或许就不足为怪了。

而一流的学术出身的创业者，对技术和算法有异于常人的深刻理解，但产品能力或许是他们的一个短板。曾经一时无两的的明星AI公司格林深瞳的CEO赵勇面的记者采访说道：

“2017年以前的格灵深瞳有一支很好的技术团队，我们的技术非常好，但是我们在产品上、在产业里面，包括我们的销售能力是很软很弱的，但是我们并没有意识到自己很弱。”

——格林深瞳CEO赵勇

而2017年，格林深瞳经历了CEO何博飞离职，CTO赵勇接任CEO，从此，格林深瞳从公众视野消失了两年，埋头聚焦安防 行业。

技术虽然很美好，但是要形成产品（包括SDK）的形式才可以卖出去，如果团队招募进来高薪、优秀的工程师，花太多精力在刷榜和发论文上，那必然导致做产品输出的精力减少。而公司没有太多产品，又要面临巨大的员工薪酬开销和运营成本，企业基本上很难做到盈利。据亿欧报告显示，2018年，90%的人工智能公司处于亏损状态。

对于非产品出身的创始人来说，试错和踩坑成了创业的必经之路。地平线创始人余凯博士2016年在其朋友圈发文称：

“

“关于AI创业的炒作可以休矣，这个方向还在黑暗中摸索。为啥这些最好的人工智能公司的归宿就是被收购（其实主要是人才收购）？因为一项技术自身很难支撑一个商业模式。AI公司需要的是静水流深，寻找破局点。喧闹的炒作之后搞得一地鸡毛，对这个行业发展并不好“。

                                                                           —— 地平线CEO余凯

”

正应了余凯博士所说的“ 黑暗中摸索“，在创业初期的多点探索之后（智能家居、芯片、自动驾驶等多个业务方向），地平线在2019年底开始裁减团队规模，将业务聚焦到营收占比近90%的自动驾驶相关的产品研发中，而AIoT部门则成为裁员重灾区。

从技术到产品，中间还考验公司的 工程化能力、成本控制能力、供应链和营销能力，这些，或许是跨越技术到产品鸿沟，走向成功的技术公司的的必备能力。

2

以算法立身，容易受到上下游打压

2015年，马云在德国演示了刷脸支付，背后的人脸识别供应商就是旷视科技。可是，拥有巨大人才储备的蚂蚁金服，会一直采用外部技术吗，尤其是人脸识别这一技术门槛并不是很高的技术。大概一个月前，笔者与在蚂蚁金服做人脸识别算法的一位学长聊天，我特意问了一下这个问题，他的回答原话是： 现在蚂蚁金服所有的人脸识别相关算法，都是自己的，旷视的早就不用了。

当然，不仅是算法，就连芯片产品仍然有被上游巨头吞噬的风险。说一个笔者自己经历的有意思的事情。2017年，我参加华为的秋招时，华为海思部门的一位领导（看架势不是HR）劝我去海思工作，但是我之前一直做图像算法，感觉很海思芯片关系不大，领导说没关系的，我们自己也做人工智能芯片和相关的算法。我说：海思手机芯片（麒麟970）不是搭载寒武纪的NPU吗，这时领导说了两句我至今仍记忆犹新的话： 是的，但是我们会干掉寒武纪。我说，你们现在还在 合作呢，领导说： 没错，但是我们就是要干掉寒武纪。

对于一个仍然和寒武纪存在合作关系的部门领导，说出这种话，我当时真的很震惊。果不其然，在2019年9月华为发布的麒麟990上，海思成功的抛弃了寒武纪，换成了自研的达芬奇架构NPU。

迅雷的创始人、现在做投资人的程浩在他那篇知名的《 人工智能创业的6大核心问题》中写到，对于技术供应商和算法类公司，如果技术壁垒不够高，上游就会把你做的事情做了（例如上面提到的支付宝刷脸技术），对于有一定门槛的行业，如果行业集中度高，赢家会选择通吃（例如上面提到的海思自研NPU）。

对于提供算法SDK和API服务的公司，他们面临的挑战更大。如果我们打开阿里云、腾讯云、百度云的官网，我们会发现，AI浪潮中最火的人脸相关、OCR、语音识别、机器翻译等算法，BAT的API服务都很完善，甚至有部分是免费的，API服务搭载云服务器一起卖，具有天然的优势。所以，未来算法API服务，大概率会集中到提供云服务器的互联网巨头公司中。

部分AI明星公司面临被巨头和上下游吞噬的风险，甚至路越走越窄，还拥有那么大的体量(数千人的团队规模)，的确会让部分投资人望而生畏。

3

算法的生意经，和互联网公司不太一样

过去二十年的互联网以及移动互联网浪潮，相当一部分资本的打法是接受企业暂时亏损，先占领增量市场，等成为行业No.1或者头部企业以后，盈利就成为很容易的事情。国内最知名的案例，例如京东、美团和滴滴，京东长期亏损，而美团和滴滴则在亏损近十年后，分别在各自领域内接近垄断地位，京东和美团已经开始盈利了。

但是，互联网行业toC的行业属性，与AI领域toB甚至toG的属性并不一样。toC公司，在开发一个产品后，随着用户量的增长，边际成本越来越低，甚至接近于零。而对于toB的AI企业，销量的增长，边际成本下降并没有toC的公司那么明显。对于人脸识别这种标准化算法还算尚可，而对于定制类的算法需求，则需要供应商投入人力和物力定制化开发，导致一家公司很难做到赢者通吃。

我们做一个不那么恰当的比较，陌陌与旷视同样成立于2011年，前者于2014年在美股上市，旷视也于2019年提交了港股上市申请。根据两者公开的2019年上半年财报，我们做了一个大致的对比，如下图所示：

可以看到，在员工人数多于陌陌的情况下，旷视的营收不到陌陌的1/8。当然，旷视同比增长率是远高于陌陌的。对于一个新兴的技术研发公司，我们需要保持长期心态，作为人工智能领域的拓荒者，旷视非常值得我们尊重。

作为一名AI领域的创业者，笔者肯定不会主动唱衰AI。在21世纪新的十年，AI公司将走向何方呢。关于这个问题，我也咨询了AI圈各位朋友的看法，下面来谈一谈笔者的理解。

01

深入具体场景和行业，转型为产品和解决方案公司

迅雷创始人程浩提出了AI创业的”一横一纵“理论，一横就是以算法为本，服务多个行业，例如安防、医疗、工业检测、自动驾驶、教育、金融等多个行业，AI公司早期多采用这种打法；一纵就是选择一两个行业深耕，从技术、数据、产品和商业全打通，程浩认为这才是健康的商业模式。

在上文中我们提到，如果只做算法或者技术供应商，没有很高的壁垒的话，很容易面对被上下游巨头排挤，路越走越窄。而目前多数AI独角兽，已经开始深入聚焦场景，而不是求广求大了。

旷视在招股书中强调，目前专注于个人物联网（手机美颜、人脸识别等算法）、城市物联网（安防、智慧城市等）、供应链物联网（物流机器人）三大场景，其在招股书中写道：

“我们坚持为客户提供包括算法、软件和硬件产品在内的全栈式、一体化解决方案，这样才为终端使用者创造真正的价值。”

                                                                                                    ——旷视招股书

依图聚焦于安防、医疗和芯片；云从主要是金融领域的人脸识别，另外，据了解，云从接下来几年会投入数亿元研发硬件产品；地平线早期在智能家居、安防、自动驾驶、芯片上多点投入，现在已经收缩到以自动驾驶相关产品为主了，在其官网，已然不见智能家居的字眼了。

其实，除却头部这些知名AI公司，中国还有数千家小规模的AI公司，他们从成立之初，就是为某个行业解决痛点而成立的，这反而是一种较为稳健的创业模式。例如做风机巡检和零售商品监测的扩博智能，做智能零售的码隆科技，做商品检索的Yi+等，这些深入到场景的AI公司，如若能提供全套的解决方案，也会在行业内有立足之地。

当然，也有继续打平台方向的AI独角兽，例如，商汤科技依据选择一横战略，其公众号文章称，商汤已经赋能18个行业，在安防、自动驾驶、医疗、AR、教育、广告、智能零售等领域多点开花。但是，据在商汤工作的朋友透漏，其多个部门并不盈利，仍旧在探索长远的盈利点。

另外，我们在商汤的官网，已经找不到在线API服务了。纯算法API服务，正如前文所说，大概率会集中到BAT以及华为这种云服务商。1月15日，华为将Cloud&AI升至第四大BG，此前华为还有一站式AI训练部署平台ModelArts，为上云企业提供一站式开发平台，而训练平台和云部署平台无缝连接的优势，AI独角兽与云计算厂商相比，几乎毫无优势。

02

小规模团队做算法技术供应商

挣钱的都籍籍无名，不挣钱的都是光芒万丈。

                                                                ——前AI领域知名爆料者老尼

虽然AI算法公司很难做大，那是不是纯做算法供应商就不可以了呢，笔者个人认为是否定的。纯算法公司，保持简小精悍的团队，聚焦特定场景，仍旧是可以活的不错的。

在算法领域，有一家比较低调的企业——虹软，该公司主要的业务就是为手机厂商提供影像相关算法，属于深耕一个场景的典范，据其上市招股书显示，2018年，手机视觉解决方案占其总营收的96.57%。虹软于2019年成功在科创板上市，目前市值也有275亿。

据笔者与一家北京的AI创业公司创始人交流，该公司虽然规模较小，只有几十人 ，但因为其在研究所和民航单位有稳定的业务来源，该公司负责人表示，从来没有融过资，该公司仍旧活的比较舒服，年终还计划把盈利拿出来一部分给员工分红。另外，在长三角和珠三角地区，有数百家从事检测（工业品缺陷检测、行人检测）、人脸识别等小团队公司，他们一般深入到工业生产、电力、商超、广告等具体领域，所以也活的不错。

在深度学习领域，算法越来越不是瓶颈和壁垒，因为多数算法都是开源的，相比算法，看似没有什么技术含量的数据，反而构成了护城河，而专攻某一两个行业的小团队，若能积累更多的行业内数据，这点对于小规模的团队反而是利好。

03

toBAT

在中国，创业按赛道来区分，除toC、toB和toG，还有两种有趣的创业模式：toVC或者toBAT创业。toVC顾名思义，就是靠忽悠投资人的创业模式，而这种模式毕竟是不可持续的，也会很快上投资机构的黑名单。而toBAT，在流量被巨头瓜分之下，也不失为一种好的出路。

但是，略尴尬的是，相比国外的谷歌、苹果收购多家AI初创团队，中国的BAT巨头则鲜有收购AI初创公司，BAT更多的是投资，而非收购，例如，阿里分别投资了商汤、旷视、依图、寒武纪等多家创业公司。但，中国的AI公司只有深鉴科技被赛灵思收购外，其他鲜有被收购的案例。

而反观阿里收购的中天微、饿了么、优酷、高德地图等，百度收购的渡鸦，腾讯收购的多家游戏公司，则是深度补足他们的业务短板或加深其护城河。所以，toBAT模式，对于AI领域的创业公司，或许并不是一个可行的模式。

总结

AI本质上不是一个行业，AI是一门技术。而技术，只有结合到具体的行业和产品上才有价值。就像是互联网技术，当它落地在电商、搜索、社交、金融、广告上，才产生了极大的经济价值，诞生各领域的巨头。对于人工智能技术亦然，AI最理想的出路也是用技术去做产品。而在2020年，还以孤立的人工智能技术为宣传点，对于十几人的小规模算法解决方案公司或许仍旧可行，而对于数千人的大公司，在投资人眼里，则就没那么“ 性感”了。

除了上文提到的这些以AI起家在公司，其实，在BAT、滴滴、美团、字节跳动、大疆、海康威视、华为这些公司，AI早就落地到他们的产品中去，而这些企业，虽然我们并不把他们称作AI公司，但或许，他们是AI在内部产品和场景落地最成功的公司，也是对算法工程师需求最大的公司。

或许，有一天，一些人工智能公司，也能成功的转型为产品公司，成为卓越的机器人公司、智能安防公司、自动或辅助驾驶公司。彼时，我们或许不再以AI公司称呼他们，但他们，或许才是真正跨越了技术和产品的鸿沟，走上了稳健发展的康庄大道。

AI独角兽，虽然在创业初期经过了诸多探索，踩了很多坑，但不可否认，他们的初心都是以AI技术造福社会，为社会创造价值。即使不讨论他们的商业化成果，像商汤、旷视每年发表几十篇顶会论文、公开行业数据、培养大量的算法实习生和工程师，对我国的人工智能行业的发展也是做了很大贡献。祝愿他们，在深耕的场景内、抑或在他们的平台战略上，可以做大做强。

在过去的40年中，我国赶上了工业革命的末班车，迅速成为制造业第一大国，同时，得益于中国的人口红利和巨大市场，中国成为互联网应用最广泛的国家。但是，到2020年，制造业急需突围，互联网的红利也已经接近尾声。而21世纪一个新的十年，应该是一个智能制造的十年，而人工智能技技术理应更进一步深入到各个场景、赋能各行各业。就像电一样，为行业提能增效；抑或像水一样，润泽万物而不争。

毕竟，人工智能的征途——是星辰大海！

先进制造业+工业互联网

---

产业智能官  AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎； 重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生 新技术、新产品、新产业、新业态和新模式； 引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。

版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：erp_vip@hotmail.com。