北京华恒智信人力资源顾问有限公司English
咨询电话: 400-818-7856 官方微信

扫一扫,关注华恒智信,共同分享专业的人力资源管理方法和工具,与顾问专家面对面!

2019年中国人工智能行业市场分析

发布时间:2020-01-13 , 发布人:华恒智信分析员

1、中国人工智能行业创投风口已过
经过层层考验脱颖而出的AI公司,正在面临着更为严峻的考验。近年来,中国人工智能产业发展迅速,语音识别和计算机视觉成为国内人工智能市场最成熟的两个领域。据前瞻产业研究院报告统计数据显示,自2015年开始,中国人工智能产业规模逐年上升,2015年到2018年复合平均增长率为54.6%,高于全球平均水平(约36%)。2018年,中国人工智能产业市场规模已达到415.5亿元。
随着产业规模的扩大,AI领域融资进度也在不断加快。据投中研究院与崇期资本联合发布的《2019中国人工智能产业投融资白皮书》显示,中国人工智能领域的总体融资规模从2015年的458亿人民币增长至2018年的1189.8亿人民币,增长超过两倍。
然而今年以来,AI创投似乎不再是资本的宠儿。今年前三季度,AI产业投融资数额为577亿,AI投资热情出现明显缩水。事实上,从去年年中IBM沃森大裁员开始,关于AI寒冬的论调就逐渐开始响起,这也为今天行业融资难现象发生埋下了伏笔。
2014-2019年前三季度中国人工智能行业投融资规模统计情况
AI产业的未来毋庸置疑,但从底层技术研发方面来看,行业的创投风口似乎真的已经过去了。
2、创新瓶颈期已至:“主干道”挤不进,“小路故事”不动人
不同项目,在发展的不同阶段,关于投融资以及竞争力有着不同的评判重点。就比如过去消费互联网时代的一些生意,最早看人、看模式,然后看数据,接下来看市场规模、行业地位,最后看盈利能力。AI创投也是如此,而在笔者看来,过去的五年AI创投大致经历了三个阶段:
1)AI创投1.0阶段:从2016年AlphaGo战胜李世石开始,这也引爆了AI领域的创投热情。在这一时期,算法实力和高精准人是AI企业发展潜力的评判标准,具备这两项的创业公司更容易得到资本的青睐。
2)AI创投2.0阶段:先发企业积累了大量的人才基础和基础算法基础,奠定了足够的行业地位,在相关AI技术落地的高价值场景中取得一定规模。这时候投融资开始分化,赛道上“赛手”优劣差距形成。例如去年AI创业公司的融资总额是1131亿人民币,其中“CV四小龙”(商汤科技、旷视科技、依图科技、云从科技)就占了五分之一。
3)AI创投3.0阶段:从去年下半年开始,商业化逐渐成为讨论最多的话题,整个AI领域缺的不再是技术,而是承载技术的场景。一些AI公司,譬如科大讯飞、搜狗自己上阵做硬件。整个AI产业其实都在进行着一场润物细无声的去泡沫化行为,近段时间,科创板上市企业不再有当初的一片大涨就是证明。
从主要的底层技术来看,据清华大学数据显示,计算机视觉,语音,自然语言处理是中国市场规模最大的三个应用方向,分别占比34.9%,24.8%和21%。我们可以把它们看作AI创业的“主干道”,但商汤、旷视、依图、科大讯飞等企业已经建立起足够的优势,创业者很难卡进去。 AI底层技术的创业公司卡进“主干道”的概率很低,但细分领域的“小路故事”如今看来似乎也很难打动投资人。而这主要归结于以下三个方面:
前期的AI投资已经消耗了投资人的很多热情,再加上在落地方面没能达到投资人内心锚定,对于投资会比较谨慎。
很多“小而美”的创意缺乏足够的市场想象力,但投入却比较高,因而风险比较大,容易被科技公司、AI公司们跟进。
技术、人才的比拼时代过去,场景为锚的时代到来,作为一个2B或者2G的领域,AI企业的商业落地能力已然成为它们综合实力判定的重要标准。而布局应用层,原先没有场景的创业公司机会很小,很难打动投资人。而这一切也都预示着AI创投热情的下降,AI项目不再是资本眼中的“香饽饽”。
多元场景:胜出者们的下个角逐点?
AI产业创投瓶颈,对于有自己主营业务作为盈利支撑的BAT等科技企业而言当然不慌,可对于那些AI公司们而言却很难做到淡定
目前计算机视觉、语音识别等基础技术的主要应用场景其实有限。例如计算机视觉主要集中在金融和安防。还比如语音识别的科大讯飞会与一些硬件公司展开合作。除了各自擅长且对口的领域以外,AI公司们对于场景延伸也有更多的试探和占位。
就目前看来,AI公司们在应用层方面的布局主要围绕以下两个方面展开:
一方面通过投资延伸到其它垂直场景。根据企查查检索显示的数据来看,旷视目前的投资动态有五起,商汤有四起,老牌企业的科大讯飞更是有十多起。以CV四小龙为例,商汤布局面更大一些,旷视的移动终端和零售、物流布局,云从的银行业,依图的医疗领域都有相应的投资布局。
而这也印证前面我们说的为什么很多“小路”走不通的原因,一旦某个细分领域的成功可能性增强,相关公司就会跟进拓展。就像过去消费互联网时代的BAT,很多高频场景到最后都成BAT之间的角逐。
另一方面,自己做硬件,例如科大讯飞、搜狗。它们在硬件选择上也是针对一些小众产品,不与自己的主流企业级客户有直接竞争。而且产品本身的市场竞争小,购买者的议价能力也比较弱,更容易创造更多商业价值。
然而,虽说AI公司们对于目前行业瓶颈期都有自己的应对策略。但无论是投资行为还是自己做硬件本身也存在一些潜在的挑战。
投资方面,每一个新的AI赛道,还要考虑对应的落地场景需要怎样的算法和模型去做出有效的决策。如何筛选识别出确保收集高质量的数据,这些都是AI企业需要考虑的问题。此外,AI公司们的投资,大都围绕价值投资进行,是为了未来,而不是财务投资,眼下多赚点钱,这就导致投资回报的周期有些过于长,这对于企业财务状况可能会带来一些压力。况且从来没有什么稳赚的投资,这些AI公司们势必还要承担投资失败的风险。
而自己做硬件的话,技术公司做硬件天生具备一定的顾虑,一方面,现在与企业级客户没什么竞争,但未来呢?另一方面,软件与硬件本身具备很大的鸿沟,例如供应链、硬件测试、品控等基本要素。做到容易,但做好却很难。在一个项目发展初期可能不明显,但发展到一定程度,技术趋于成熟,制造业底蕴会成为企业之间的分水岭。
由此可见,经过人才、融资、算法、行业地位等考验脱颖而出的AI公司们,正在商业落地方面面临着更为严峻的考验。
来源:前瞻产业研究院