AI企业如何摆脱困局：请先放下“引领者”的身段

一、AI企业的困局

21世纪以来，人工智能进入了加速发展的新阶段，各国都在加大投入，力求在AI赛道上取得先机。截至2020年7月，全球已有38个国家制定了国家层面的人工智能战略政策或产业规划类文件。我国政府高度重视人工智能的技术进步与产业发展，已将人工智能上升为国家战略。早在2017年中国国务院印发《新一代人工智能发展规划》就指出要在人工智能领域进行大幅投资，欲创建规模达万亿的国内人工智能产业，同时提出“到2030年，使中国成为世界主要人工智能创新中心”，可见政府抢抓人工智能发展战略机遇的决心。

行业的发展取决于其生态的建设。以我国电商行业为例，2020年中国实物商品网络零售额达9.76万亿元人民币，占社会消费品零售总额的比重近1/4，连续8年成为全球第一大网络零售市场。中国电商行业的成功可能不仅归功于淘宝、京东等头部电商企业的发展，也同样归功于终端的快递物流公司，是那些穿梭于城市和乡镇间的快递小哥们构建起了联结消费者与商家的桥梁，高效、快捷和低成本的递送服务进一步推动了中国电商生态体系的建立和完善。

同样，人工智能行业的发展也取决于其AI生态的建设。AI行业的产业链可分为上游基础层、中游技术层及下游应用层三大环节。在基础层，有从事开发芯片、传感器、数据、云计算的AI公司；在技术层，有从事开发计算机视觉、语音及自然语言处理、机器学习的AI公司；在技术层，有从事技术解决方案的AI公司。

目前，我国人工智能行业的明星企业们大多集中在基础层和技术层，这里就包括了人们现在已经耳熟能详的，例如商汤、云从等一批AI企业。他们以巨大的基础科研投入取得了在某些领域的研究领先地位，获得一大批专利，发表了一批世界顶级学术论文。当笔者去参观这些公司的时候，就是会产生一种错觉，即这似乎不是一家企业，而更像是一个研究院。因此不可避免的这些公司的商业收入并不令人感到满意。因此，如何将这些基础性的研究转化成为生产力，产生真正的社会效益似乎还路阻且长。相比之下，那些从事应用层面，包括从事某个具体商务领域AI应用落地的公司既没有响亮的名气，生存状况更是步履维艰。

市场和资本是残酷的，当前我国AI生态构建的状况并不乐观。从公司年报及拟上市招股书来看，盈利难、估值高、上市难是当前AI企业最大的难题。2018年，近90%的人工智能企业处于亏损状态，而盈利的企业基本是技术提供商。科大讯飞在2021年一季度尚处于亏损阶段，旷世科技在过去的四年中累计亏损达140多亿元，依图、云从科技等也在不断亏损。

至今，只有商汤科技一家AI企业艰难地在港股上市。数据显示，我国在过去的十年内共发生融资事件一万七千余起，共披露融资金额达三万一千多亿人民币。然而，绝大部分的融资停留在了天使轮和A轮。站在VC的角度，天使轮和A轮的融资是为了争抢先发的跑道，而绝大部分融资停留在天使轮和A轮，则说明多数企业没有跑到最后。这可能是因为它们的商业模式不成立，或者是企业的管理能力存在问题。目前市场的一个基本情况是：超过72%的已披露投融资事件集中在基础层与技术层中的机器人/智能硬件、数据服务、计算机视觉三大赛道，而对于应用层面的投入则明显薄弱。

对于应用层投入的缺乏，带来了一系列的问题。

首先，是用户端在对AI的认知方面存在脱节。根据Blue Fountain Media一项对于消费者如何评估当前生活中人工智能应用的调查显示：约43%的受访者表示，他们并不确定人工智能到底是什么，也不确定目前人工智能的当前应用情况。约7%的受访者表示不关心AI技术，而即使是那些对AI有所了解的受访者也表示对其没有特别的感觉。同时，研究也发现：如果市场工作人员向消费者介绍AI、对消极观念进行简单干预、乃至使AI产品在应用界面上有所改变的话，能够显著提高消费者对AI的认可度。

其次，缺乏对于应用层的投入也导致消费者对AI在接受程度上存在脱节。以AI教育为例，许多消费者根深蒂固地认为人工智能无法取代人的作用。一批AI教育类企业在融资的时候都宣称自己是AI科技创新企业，但是面对消费者的时候却不代表重点宣传拥有清华北大的名师力量。可见，对于消费者而言，更愿意相信人类名师的指导，而非AI规划的学习路径。

同样，人们对机器出差错的容忍度要远低于对人类出差错的容忍度。因此特斯拉、小鹏等汽车出现安全问题引发了公众的广泛担忧，甚至有议论提出要禁止使用AI驾驶系统。然而，人们很少意识到在没有AI辅助驾驶系统的时候，人类驾驶员出差错的几率反而更高。这可能涉及到某些心理学层面的问题，人们往往不接受“AI驾驶比人类驾驶更安全”的观点。极端情况下，机器出差错会导致致命的灾难，例如波音737MAX型客机发生的事故是因为机器操控了飞机。飞机的自动模式（起飞、飞行、降落），本质上也是基于一整套算法。中国的民航飞行员尽管在是否启动自动降落程序的规定中，原则遵循着与国际通用的一致标准。但因为过往曾经发生的先例说明自动落地飞机的计算模式比较死板，遵循相对固定的规律，冗余度很小。一旦在极低高度发生错误，计算机无法及时、准确的应对，飞机易发生风险。因此在自动落地过程中，机组会绝对时刻监控飞机状态，一旦出现偏差会随时中断自动过程，转为人工操作。概括起来说，中国的飞行员认可和接受自动落地，只是对于计算机的能力没有赋予百分百的信任，由于安全的压力，会更加关注自动落地过程中飞机的变化，随时做好人工操纵的准备。那人们是需要“危险的平顺”还是“安全的粗暴”？这是一个值得探讨的问题。

在人工智能产业不断发展的大背景中，为什么一方面AI应用场景不断增多，但是另一方面大量的AI企业仍处于入不敷出的困境之中？这是一个典型的“肠梗阻”问题：技术端的AI企业采取的是“AI+”的模式，宣称要用“技术引领”的方式实现“AI+行业”的结合。这些企业以科学家和工程师为主导，以技术为核心试图颠覆、改造原有的产业。然而创造出来的产品却没有真正得到用户端的认可，这一挑战值得我们的深思。

二、“AI+”vs.“+AI”

从赋能的角度出发，应该让更多的实际市场需求来主导AI技术的开发。随着“AI+”模式的商业化落地陷于困境，更多的企业转而思考如何在自身所处的行业中应用AI技术，并由此产生了“+AI”的模式。相比于“AI+”模式的企业严重依赖资本投入的商业模式，“+AI”模式的企业利用AI技术寻求落地并解决行业痛点，实现降本增效，不断为企业创造价值。以两个案例为例：

1.“自媒体+AI”模式：视觉中国AI实验室“智能视觉服务”

网络技术的进步造就了自媒体时代，也催生了许多自媒体工作者们的需求。针对这个细分行业，视觉中国迎合了广大消费者（自媒体工作者）的需求，利用AI技术推出了高效精准的“智能视觉服务”，包括“自动标签”、“文章智能配图”、“图像识别”等功能，大大提高了自媒体工作者的工作效率，同时为企业的利润打开了增长点，其2020年年报显示营业收入达到5.7亿元、净利润约1.4亿元。

2.“重卡运输+AI”模式：上汽洋山港区无人驾驶运输

长期以来，东海大桥设计的通行能力已趋近饱和状态，难以提高通行效率成为了一大痛点。2019年，上汽红岩智能重卡在上海洋山深水港路段顺利完成了72公里的自动驾驶，实现了AI自动驾驶重卡项目的首次商业化应用。通过将重卡运输场景+AI相结合的应用，使原先重卡之间的150米车距缩短到了50米，有效提高了运输效率。

三、AI企业的破局

AI企业如何摆脱困局，归根结底需要解决五个问题：转变观念、丰富产业链、人才培养、资金分配以及规范立法。

第一是转变观念，由市场需求引领技术的开发。笔者曾经作为中国移动的顾问，参与了企业经营分析系统的建设。为了在竞争趋于白热化的电信行业保持领先地位，中国移动在完成业务支撑BOSS系统(Business & Operation Support System)的建设后，于2001年开始筹备建立经营分析系统，以实现精细化营销。起初，项目由IT部门主管挂帅，同时95%的投入集中在了软硬件的采购上。然而，做出来的经营分析系统却并不能满足一线人员的实际业务需求。在经过慎重讨论后，中国移动高层对项目实施了大刀阔斧的调整：领导小组组长由IT部门主管更换为市场经营部主管。

由此开始，经营分析系统不再是一个单纯的IT项目，其预算也非全部落在软硬件的采购上，而是适当地分配给了市场调研、分析。通过对各个省市的市场调研、分析，项目组找出了问题的症结所在：就当时的移动而言，最迫切的需要是解决客户流失的原因。于是中国移动开始从客户细分、交叉销售等领域着手建立整套经营分析系统，逐渐奠定了中国移动在行业中的领先地位。因此，观念的转变至关重要，企业应当以市场需求为导向，将技术的创新落实到自身的发展中。

第二是丰富产业链，充分发挥行业专家作为AI企业与用户端桥梁的作用。以程序化广告投放市场为例：广告公司会根据广告主的需求设计适合的广告，同时向技术公司提出相应的技术要求并交由其实现。因此，广告公司在行业中起着行业专家的作用。从用户端的市场需求到技术端的技术实现过程中，需要行业专家这一环节来挖掘市场需求、理解市场需求以及指导后续产品开发的过程，从而真正实现技术的创新与应用的落地。

上海交通大学安泰经济与管理学院于2019年成立了AI与营销研究中心，其目的是进行应用性问题的研究。AI产品在开发、生产、运营、营销、使用等过程中有诸多值得深入研究的问题。未来的研究可以基于AI与人的相似性的角度出发，从“形”“智”“情”三方面考虑其对消费者心理的作用机理以及对消费者行为的影响，最终实现应用的落地。

第三是人才培养，培养行业专家，挖掘行业痛点并实现应用落地。人工智能企业追求的不应仅仅是算法的优化，而应当是依靠行业专家发现市场的痛点，找到应用层面落地的方向。习惯了享受光环围绕的AI明星企业们，唯有放下身段埋头苦干，专注在某一领域的积累并提高技术的应用水平，，为企业打开利润增长点。因此，AI企业需要培养一批既懂得一定的技术、又真正了解怎样将技术落地的行业专家。

第四是资金分配，增加应用层的资金投入支持。当前市场的投融资集中在基础层与技术层，对于应用层面的投入明显薄弱。未来AI企业需要持续加强在应用层面的投入，重塑商业模式并推动AI场景的落地，最终实现盈利。也只有如此AI技术应用的企业，包括金融、医疗、教育、政务管理等行业才会更有兴趣加大对AI的投入，在促进其本身行业发展的同时也推动AI行业的发展。

第五是规范立法，解决AI技术发展与现有法律体系的矛盾。人工智能发展过程中出现的伦理道德、个人隐私、知识产权等问题日益凸显。例如，2021年的“3·15”晚会曝光了一些企业通过AI探头，未经许可采集了一些与个人隐私相关的数据。在无法完美解决伦理困境的情况下，方面希望解决公众对于个人隐私的普遍担忧，另一方面又要支持AI行业的健康发展。只有通过AI相关法律体系的不断完善，逐步探索解决AI技术发展与当前法律体系之间的矛盾。

最后，用一句话来总结：AI企业需要放下“引领者”的身段，从市场的实际需求出发，以“+AI”模式为企业赋能，为各行各业解决实际问题，才能为自身找到真正健康发展的有效途径。

（作者吕巍为上海交通大学安泰经济与管理学院教授、AI与营销研究中心主任）