<mark id="oztn4"></mark>
0
| 本文作者： 高秀松 | 2021-08-17 18:56 |
從教授到企業家。陶海與計算機視覺（CV）的故事，要從高校講起。
本碩期間，陶海跟隨清華大學自動化系“中國模式識別宗師”邊肇祺教授，開始從事指紋識別方面的研究。碩士畢業后，陶海赴美繼續深造，拜于“華人計算機視覺之父” Thomas S. Huang教授門下攻讀博士學位，對人臉表情識別、非剛體運動跟蹤和超低碼率視頻傳輸等領域展開深入探索，并于2001年任教加州大學，與學生共同發表計算機視覺領域學術論文百余篇。
名校、名師、名人光環之下，陶海卻將目光投向了技術落地的最前線。
2005年，陶海回到國內創立北京文安智能技術股份有限公司（VION），暗含視覺技術（Vision）即將登上（On）產業化舞臺的意思。
至此，文安智能成為本次AI創業浪潮中最早的一家CV企業。
“我們只做垂直的、聚焦的深耕，不止是要做到落地，更要給用戶一個價值體現。”陶海表示，文安智能的目的，是跨越從技術供給到商業需求的鴻溝，實現一定的商業及社會價值，推動產業的發展與變革。
近日，雷鋒網AI掘金志與陶海進行了一次深度對話。本次訪談中，談到了他對眼下、未來AI的思考，以及對產業的洞見。
自2016年阿爾法狗擊敗李世石取得人機大戰勝利之后，資本對AI的追捧甚囂塵上，一時間各類創業企業遍地開花，資金有如潮水般蜂擁而來，澆灌在人工智能這片田野上。
然而，在資金的加持下，人工智能技術雖然取得長足發展，幾年后卻在商業變現上栽了跟斗：絕大多數AI公司很難實現盈利，并且處于持續虧損狀態。這給熱情高漲的資本潑了一盆冷水，資本對AI的關注趨于平靜。
億歐智庫數據顯示，資本對人工智能企業的投資數量在2018年達到頂峰，隨后峰回路轉，近兩年的投資數量開始漸漸回落，但投資金額卻在不斷上升。這反映出一個趨勢：資本正從此前的大水漫灌走向精耕細作。
來源：《億歐智庫：2021年中國AI商業落地市場研究報告》
正如Gartner曲線所示，任一創新技術的熱度周期，都會經歷非理性追捧的高峰啟動期，而后泡沫破滅來到低谷，再逐步走向正規、穩定發展的攀升期。
陶海表示，碎裂的泡沫讓人們更清晰客觀地看出一項技術的優劣性，更理智、現實地發展行業，進行穩健地進步。
隨著技術壁壘、應用門檻不斷降低，AI日趨工具化、常態化，AI創業也步入深水區，不斷“下沉”。
此時，算法越來越難以成為AI企業之間壁壘，與具體產業的結合、應用行業的屬性變得越來越重。
“前幾年AI熱潮興起之時，涌現出很多AI概念的企業，其中不乏‘偽AI企業’，本質上并不具有真正的AI技術。退潮之后，它們逐漸暴露出短板，無法用技術解決客戶的痛點，必然會在商業化的過程中落敗。”九合創投創始人王嘯曾表示，投資機構對AI創業團隊的評判標準正發生著較大的遷移。
過去，投資機構更看重技術難度、技術帶頭人的背景等等，以技術為核心進行判斷。但現在，“產業理解力”在評價體系中的比重顯著提升，更看重AI技術能否在產業里創造真實的價值、市場規模是否足夠大。
“技術價值與商業價值不能顧此失彼，要‘兩條腿走路’。”陶海表示，AI產品面臨的問題與普通消費品不同，一方面算力壁壘下，短時間內難以從成本上形成普惠，一方面局限于B/G市場的定制化、碎片化，難以在市場上形成規模收益，也因此，在成本居高不下中，多數AI企業被困于此。
那么，在資本日趨理性的泛AI時代，CV賽道之上苦苦求索的企業們，路在何方？
長期以來，AI作為改變生活的新技術獲得了社會的認可，但隨著產業從技術探索走向規模商用階段，如何將技術能力轉化為商業能力成為一道必答題。
頭部企業尚且虧損，其他AI公司的情況亦不容樂觀。在投資成本遠遠大于收益的現實下，“AI落地難、變現難”成為業界常談，關于AI商業化的各種質疑紛至沓來。
不久前云從科技、云天勵飛等企業成功過會雖回應了部分質疑，給市場注入一劑“強心針”，但今年以來仍有諸多人工智能企業相繼在上市道路上遭遇“滑鐵盧”。
“人工智能企業也是企業，要始終遵循企業的發展規律，在企業創立之初就把盈利放在首位，不斷用技術創新來創造價值。”陶海坦言。
市場上有兩類公司，一類是資本驅動型，在充足的資本支持下，可加大研發，也允許虧損，而一旦離開資本，他們便難以維系。
另一類則是憑借自身造血。在陶海看來，資本固然對AI公司具備助推力，但這力量的前提是資方明確的利益訴求：投資回報。
來源：《艾瑞咨詢：2021年中國人工智能基礎層行業發展研究報告》
過度依賴外部輸血的AI公司會背上營收快速增長的包袱，這種營收的壓力會影響技術和商業落地的進程，破壞AI本身的商業邏輯，忽略盈利，帶來“過猶不及”的后果。
陶海指出，AI行業有其自身發展的規律。AI從技術到應用，從虧損到盈利，都存在一個周期。這個周期具體表現為，前期要投入大量的人力財力，才能將技術轉化為產品，而產品的應用則受制于成本、場景等因素，商業化過程比較漫長。
“AI企業要‘自食其力’，嚴格按照AI本身的發展節奏來走。”陶海認為，這樣一來，即使在沒有融資的情況下，也能養活自己，其代價是企業的發展稍慢，但對公司的競爭力和創新力都是一種鍛煉。
“既不能過久停于平臺期，也不要過度激進，到頭來形成資金窟窿。”
陶海表示，只有在自我造血的基礎上持續積累，找到一條適合自身的路子，在技術和產品足夠支撐起公司的快速增長的背景下，再尋求融資，才能最大程度上吸收資本帶來的幫助。
前面提到，產品進入流通領域之后才成為商品，在交換（消費）過程中產生商業價值（利潤），然后用利潤擴大再生產，形成“技術-產品-商品-消費-利潤-再生產”的商業閉環。
但多數AI企業在“產品-商品-消費”這個環節面臨困境，也就是“落地難”，而最大的難處就是：成本。
AI屬于資金技術密集型產業，對人才、資金、材料等要素的需求非常之高，研發投入很大，這些成本最終附加在產品上，因此AI產品因“高精尖”特性，定價較高。
“如果產品成本過高，就沒法大規模推廣下去。”陶海表示，做一件成熟的產品相對容易，但做一件成熟的商品卻很難。
“既要開源，也要節流。”觀察下來，現階段AI企業要想實現成本控制，其一應“合理的資源分配”，將絕大多數的純基礎研究工作交給學校，企業則專注于應用創新與價值創造；其二應“價值匹配剛需”，不做偽需求，深入行業，關注且找準真正的需求痛點。
而要實現穩定營收，陶海進一步提出，具體應從兩個方面著手：“在應用層面持續創新，在性能層面追求極致。”
一方面，要做到應用創新，最重要的是對行業的深刻理解，即了解需求和市場，包括現有產品的不足，以及市場出現的新的需求痛點；另一方面，AI企業必須在夯實技術創新底層的基礎上，把產品的性能做到極致。
AI內卷之下，算法的核心競爭力地位正在減弱。新的AI公司層出不窮，開放式算法平臺也日見增多，幾年爭奇斗艷，人工智能得以普及，AI門檻降低，算法不再是九天月，遙不可及。
“留給那些只做算法的公司的生存空間越來越小，這邊一個好的算法亮相，就宣告那邊差的算法消亡。”
所以，AI企業要活下去，且活得更滋潤，就必須從價值入手，通過應用創新和極致性能，將技術運用到合適的地方，來解決市場痛點。
但這顯然還不夠，因為AI企業除了內部競爭以外，還面臨著激烈的外部競爭：如今的AI圈，行業巨頭根基深厚、渠道廣布，已經形成比較完整的產品體系，牢牢占據大部分市場份額，只能追趕，難以超越；跨界巨頭資本雄厚，來勢洶洶；以四小龍為代表的AI廠商，成長為一方領頭羊，自成體系；無數CV黑馬，力圖彎道超車，不甘人后。
AI企業要虎口奪食，除了在硬實力上下功夫，還應該逢強智取。
“再好的技術，最終也要與實際應用結合產生價值；再好的算法，最終也要在可控成本的前提下，實現人們最需要的功能。”陶海認為，AI企業不能脫離“以人為本”，要將人工智能技術產業化，把技術落地為產品，進而轉化成商品，為“人”的生活服務。
“必須開拓新的商業模式，就是走運營與服務的路線。”陶海認為，AI企業要從單純的技術產品供應商，向“集技術、產品、運營、服務于一體”的綜合方案解決商的角色轉變。
AI運營與服務
陶海認為，眼下盛行的兩種商業路徑都難以走通。
1、做創新AIoT硬件或算法供應商。
這一模式已經在過去幾年被驗證行不通，一來，會面臨海康、大華等巨鱷的終端產品規模化優勢的價格碾壓；二來，這類AI企業逐漸被架空，話語權依然在下游集成商或運營商手里。
2、做開放的算法平臺或AI芯片。
算法上，巨頭高效率、低成本地獲客，算法甚至可免費打包到云服務；芯片上，芯片成功的要素除了優異的識別性能，更在于成本和出貨量。高昂的研發成本和流片成本，需要企業極為慎重。
“在國內要把AI創新做好，光做算法，光做AIoT的智能攝像機都是不夠的。”對此，陶海提出了“全棧AI智能閉環”的思路，即延伸產業鏈，增加附加值，不單單提供產品，還提供對應的運維、決策等增值服務。
在他看來，人工智能企業的發展路徑都會經歷最初的算法設計、硬件研發，到數據平臺、運營決策，進而形成一個閉環，而目前許多AI企業都聚焦于搞算法研究，缺少硬件能力和前端感知設備，對于平臺的開發也較為滯后。
“除了算法還要做感知硬件，感知之后會得到許多有用的數據，通過數據不僅能優化算法，提高感知精度，而且可以進行決策AI，進而形成業務閉環。”
未來的AI企業不再是簡單地賣技術、賣產品，而是進入一個長期的全棧AI的業務模式。通過提供更多的增值服務，從而實現盈利、持續增值。
“目前的AI還只是半自動，而非全自動，系統、數據較為復雜，用戶需要AI企業進行指導和幫助，而這恰恰是AI服務的痛點。”
不過，要實現全棧AI智能閉環并不容易。除了算法，企業還要有做硬件的能力，還要做平臺和決策，資金投入大、周期相對較長，并且對AI技術和產品也提出了更高的要求——比如“感知”。
計算機視覺是AI比較成熟的一個分支，已有不少產品落地并商用。但計算機視覺主要通過樣本進行統計意義上的回歸與擬合來進行識別，缺少邏輯推理，嚴重依賴樣本，而且不同的場景對算法的要求也各不相同，帶來的成本問題也亟待解決。
“把感知做到全覆蓋，功能做得更全，精度提上去，依然是CV公司未來5年內要做的事。”陶海表示，要做到這一點，就要深入行業，了解具體場景下應用的痛點和難點。
“要做運營與服務，必須深入行業，深入基層，去理解這個行業，才能知道怎么通過感知加數據、加決策、加行動、加迭代來真正的創造價值。”
命運對每個人設置了難度不同的障礙，在近幾年浪潮里的摸爬滾打讓AI領悟不少。歷經碰撞與跌宕后的再出發，AI后半段場的鏖戰，必將格外精彩。
以文安智能為例，似乎找到了自身的路徑。作為最早的一批計算機視覺公司，其發展歷程正如創始人陶海所描述的那樣：遵循其自身發展的規律，不過度依賴“輸血”，而主要靠“造血”來完成技術積淀。
成立16載，文安智能以AI運營與服務為核心，專注于從感知、協同到決策的全棧人工智能核心技術，產品系列覆蓋前端攝像機、邊緣端、集群服務器以及后端應用平臺，在智慧交管、智慧商業、中觀智慧城市等應用場景打造了一系列創新實用的解決方案。
在找到一條適合自身發展的路之后，文安智能開始借力資本：去年十月完成C1輪融資之后，新的融資計劃已提上日程，將在智慧交管、智慧商業、中觀智慧城市等業務板塊繼續發力，為G/B端客戶持續賦能。
這意味著AI已經從“技術為王”過渡到“應用為王”的階段，這個階段同樣需要資金的支持。而當資本對AI的追捧從“狂熱”變成“冷靜”的趨勢下，只有那些專注于技術創新轉化、滿足應用需求，持續創造真實價值的“高端玩家”才能獲得資金加持。
或許在AI這趟大潮中，并沒有誰在裸泳，但最終能活下來的，始終是那些認真搞技術、耐心磨產品的公司。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
