我们应该怎样看待人工智能产业创新

根据亿欧智库数据显示，自2012年起，人工智能创业企业初步增加，在2014年快速增长，到2016年达到顶峰之后，热度便迅速走低。据此可以大致推断，自2017年以来，人工智能的创业门槛正逐步提高。

2019年9月，科技部印发《国家新一代人工智能创新发展试验区建设工作指引》的通知。到2023年，布局建设20个左右试验区，重点围绕京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角区域一体化发展等重大区域发展战略进行布局，推动人工智能成为区域发展的重要引领力量，打造一批具有重大引领带动作用的人工智能创新高地。在政策推动以及市场机遇收窄的双向影响下，如何从多元化方向找到人工智能产业的创新之路显得尤为迫切。

近日，亿欧对长江商学院刘劲教授进行了专访，并从技术、人才与资金、商业落地、产业链四个方向对人工智能产业创新进行了探讨。

人工智能技术不断突破，感知到认知的跨越仍面临挑战

人工智能技术从上世纪五六十年代便已经开始发展，经过多年的探索研究，人工智能目前可以分为基础性硬件、软件算法和行业应用三个结构层面。基础层包含智能芯片、智能传感器等硬件设备，算法软件主要包含算法理论、开发平台和应用技术三个维度，行业应用层面则是通过行业解决方案和智能化产品两个方面实现商业应用。

中国人工智能最近几年再次被推入新的发展热潮，主要是因为软件算法层面中的感知技术得到了突破，实现了极大的创新，如计算视觉中的人脸识别、图像识别和文字识别等，以及自然语言处理中的语音识别和语言生成等。当感知技术突破后，人工智能技术的发展将会再次进入平缓期，因为下一步的发展方向是如何使机器像人一样真正理解文字、图片等内容，实现从感知到认知的跨越，真正实现人机结合，而这方面还有很长的路要走。

从人工智能整体结构层面来看，中国在软件算法和行业应用的发展与追赶已经实现了质的跨越，但是在基础硬件层面的创新远不如美国等发达国家，这是由中国产业发展的历史因素所造成的。一方面是因为发达国家在芯片、传感器等硬件研发方面，起源于20世纪50年代，其发展早于中国几十年，即便到了现在，技术程度仍领先中国十几年。另一方面，当中国进入移动互联网时代后，产业发展主要集中于TO B和TO C业务，而此时美国仍然关注基础硬件领域的发展，并率先在人工智能领域展开研究，所以中国在基础硬件方面同美国等发达国家存在的差距较大，并且短期内难以实现超越。因此要实现人工智技术链条的全面发展，达到完全自主创新，中国仍有漫长的路要走。

刘劲教授表示：“看人工智能的话应该看怎么定义人工智能，有人把人工智能叫为机器智能，但是从纯粹的学术角度来看，人工智能实际上就是统计，用的算法都是统计方法，包括像深度学习这种大的创新等。而统计方法在商业里的应用已经非常广泛，比如像淘宝电商对用户的推荐，还有一些搜索引擎类的大数据分析，互联网平台上的大多数应用都可以算为人工智能。所以如果从这些领域扩展来讲，人工智能应用实际上已经非常广泛，只是最近人工智能在感知上的创新带来了一波新的应用，接下来的发展如果是在现有机器人的基础上和认知相结合，很有可能造就人工智能的终极发展。”

人才体制仍需完善，资本收紧促进创业企业真实发展

面对人工智能产业发展的短板，中国需要加大人才与资金的投入。在人才方面，中国正在逐步培养新一代人工智能专业人才，但想要培养出真正优秀的科学家，并吸引海内外人才留下，就必须要有足够完善的体制，使世界顶尖的人工智能科学人才愿意前往中国，留在中国。完善的体制不仅是给科学人才足够好的生活方式，同时还要拥有健康、开放的研究环境，并以此为依托，打造人工智能全生态人才发展路径。

资金方面，经过之前人工智能领域火热的投资浪潮，使得人工智能产业的投融资都创下了新高，甚至一些领域的企业估值已经超过了市场预期规模，造成了一定的资本泡沫。而一种新技术从萌芽产生到最后成熟落地发展，资本泡沫是其所要经历的必然阶段，对于当下人工智能产业的资本泡沫，一定程度上体现出投资者对人工智能产业的发展信心。

目前，伴随经济增速放缓，中国正面临着资本的寒冬期，受双重压力影响，使得人工智能企业接下来的融资与发展陷入新困境。对整体人工智能产业来讲，资本寒冬反而一定程度上有助于减少泡沫成分，使融资企业更加注重技术应用的真实性，比如在某个具体领域中，企业是否能够获客，快速产生收入和现金流变得至关重要。如果企业拥有真正的技术实力和可行的落地方案，将仍会吸引大批投资者的资金注入。

刘劲教授表示：“资本寒冬期对投资者来讲反而是非常好的时机，因为企业估值在下降，同时很多企业需要新的资金注入，如果投资者拥有有足够资金的话，可以看作较好的进场机会。

数据积累与商业模式探索成为人工智能产业落地发展的重要因素

人工智能分为三块，算法、算力和数据，其中数据最为核心。人工智能技术成熟后，商业化落地过程中实际拼的是数据积累。哪家企业拥有大量可用数据，便拥有了主动话语权。因此像腾讯、阿里、华为等巨头企业通过以往业务开展过程中的数据积累，形成了强大的商业竞争优势。反观人工智能初创企业，一定程度上拥有比较优秀的算法技术，但是算法却很容易被大公司复制，甚至被大公司超越，所以人工智能创业公司的生存空间实际就变得相对狭窄。人工智能小公司因此更需注重细分垂直领域的深耕应用，提高产品服务，通过数据积累与深挖，形成行业核心竞争力，但是想要跟平台级的巨头企业在全生态领域竞争仍存在较大困难。

刘劲教授曾表示：“烧钱才建立起来的商业模式其实是一个很危险的商业模式，真正的商业模式不应该有大量的烧钱元素。

在人工智能技术商业化过程中，如果企业不投入研发经费，就一定需要学校或者其他研究机构投入。头部估值较高的人工智能企业往往会有大量研究经费投入，而这部分投入在社会研究中占相当大比例。

因此，在人工智能产业创新过程中，烧钱的商业模式是不可或缺的，重要的是商业化过程中的“烧钱”是否健康。人工智能技术特性本身就是很大的创新，而在商业创新过程中，需要大量科研人员对软件算法、硬件产品、生态服务进行持续更新升级，还有后续落地过程中对实施人员和销售人员的投入。所以人员成本成为了商业化过程中最大的成本支出，但健康商业模式中的投入与产出应该呈正相关。前期过程中的商业投入是为了打开市场，但当技术成熟和行业应用拓展开以后，只有以全新的商业模式逐步替代“烧钱”模式，企业才能实现良性的循环发展。

增加人工智能企业粘性，逐步完善全生态产业链

人工智能产业链实际跟信息技术相类似，当人工智能企业通过成熟技术实现商业落地后，便可以通过软件算法强大的吸附黏性，逐步向全生态产业链渗透。但实现产业链全贯通并非易事，人工智能企业想要取得成功，一定要在一个点，或者是一条线上实现突破，以此提高企业粘性，然后再通过核心技术逐步向外延伸。

如传统计算机视觉企业的核心优势是算法软件，当企业快速成长扩大后，软件算法的售卖和服务难以实现量级上的突破，企业便会通过算法集成向识别硬件模组发展，然后逐步延伸到模组集成后的下游应用设备。当下游产业链打通后，企业便会对基础组件产生大规模量级的需求，为了节省制造成本，并避免上游供应商的技术垄断对人工智能企业的多元发展造成制约，此时企业便会开始逐步向上游渗透，一步步打造自己的生态产业链条。

人工智能产业的创新发展是一条漫长探索之路，新的技术从理论到应用不仅需要大量的时间，还要经过多次的实践尝试，同时面临着着商业落地过程中的不确定性风险。因此，从多元化方向对人工智能产业创新进行洞察，推动人工智能革命颠覆性发展。