經過層層考驗脫穎而出的AI公司，正在面臨著更為嚴峻的考驗。

        2015年到2018年，AI產業復合平均增長率達到54.6%，2018年，中國人工智能產業市場規模達到415.5億元。隨著產業規模的擴大，AI領域融資進度也在不斷加快。據投中研究院與崇期資本聯合發布的《2019中國人工智能產業投融資白皮書》顯示，中國人工智能領域的總體融資規模從2015年的458億人民幣增長至2018年的1189億人民幣，增長超過兩倍。

        然而今年以來，AI創投似乎不再是資本的寵兒。今年前三季度，AI產業投融資數額為577億，AI投資熱情出現明顯縮水。事實上，從去年年中IBM沃森大裁員開始，關于AI寒冬的論調就逐漸開始響起，這也為今天行業融資難現象發生埋下了伏筆。

        AI產業的未來毋庸置疑，但從底層技術研發方面來看，行業的創投風口似乎真的已經過去了。

        創新瓶頸期已至：“主干道”擠不進，“小路故事”不動人

        不同項目，在發展的不同階段，關于投融資以及競爭力有著不同的評判重點。就比如過去消費互聯網時代的一些生意，*早看人、看模式，然后看數據，接下來看市場規模、行業地位，*后看盈利能力。AI創投也是如此，而在筆者看來，過去的五年AI創投大致經歷了三個階段：

        AI創投1.0階段：從2016年AlphaGo戰勝李世石開始，這也引爆了AI領域的創投熱情。在這一時期，算法實力和高精準人是AI企業發展潛力的評判標準，具備這兩項的創業公司更容易得到資本的青睞。

        AI創投2.0階段：先發企業積累了大量的人才基礎和基礎算法基礎，奠定了足夠的行業地位，在相關AI技術落地的高價值場景中取得一定規模。這時候投融資開始分化，賽道上“賽手”優劣差距形成。例如去年AI創業公司的融資總額是1131億人民幣，其中“CV四小龍”（商湯科技、曠視科技、依圖科技、云從科技）就占了五分。

        AI創投3.0階段：從去年下半年開始，商業化逐漸成為討論*多的話題，整個AI領域缺的不再是技術，而是承載技術的場景。一些AI公司，譬如科大訊飛、搜狗自己上陣做硬件。整個AI產業其實都在進行著一場潤物細無聲的去泡沫化行為，近段時間，科創板上市企業不再有當初的一片大漲就是證明。

        從主要的底層技術來看，據清華大學數據顯示，計算機視覺，語音，自然語言處理是中國市場規模的三個應用方向，分別占比34.9%，24.8%和21%。我們可以把它們看作AI創業的“主干道”，但商湯、曠視、依圖、科大訊飛等企業已經建立起足夠的優勢，創業者很難卡進去。AI底層技術的創業公司卡進“主干道”的概率很低，但細分領域的“小路故事”如今看來似乎也很難打動投資人。而這主要歸結于以下三個方面：

        前期的AI投資已經消耗了投資人的很多熱情，再加上在落地方面沒能達到投資人內心錨定，對于投資會比較謹慎。

        很多“小而美”的創意缺乏足夠的市場想象力，但投入卻比較高，因而風險比較大，容易被科技公司、AI公司們跟進。

        技術、人才的比拼時代過去，場景為錨的時代到來，作為一個2B或者2G的領域，AI企業的商業落地能力已然成為它們綜合實力判定的重要標準。而布局應用層，原先沒有場景的創業公司機會很小，很難打動投資人。而這一切也都預示著AI創投熱情的下降，AI項目不再是資本眼中的“香餑餑”。

        多元場景：勝出者們的下個角逐點？

        AI產業創投瓶頸，對于有自己主營業務作為盈利支撐的BAT等科技企業而言當然不慌，可對于那些AI公司們而言卻很難做到淡定。

        目前計算機視覺、語音識別等基礎技術的主要應用場景其實有限。例如計算機視覺主要集中在金融和安防。還比如語音識別的科大訊飛會與一些硬件公司展開合作。除了各自擅長且對口的領域以外，AI公司們對于場景延伸也有更多的試探和占位。

        就目前看來，AI公司們在應用層方面的布局主要圍繞以下兩個方面展開：

        一方面通過投資延伸到其它垂直場景。根據企查查檢索顯示的數據來看，曠視目前的投資動態有五起，商湯有四起，老牌企業的科大訊飛更是有十多起。以CV四小龍為例，商湯布局面更大一些，曠視的移動終端和零售、物流布局，云從的銀行業，依圖的醫療領域都有相應的投資布局。

        而這也印證前面我們說的為什么很多“小路”走不通的原因，一旦某個細分領域的成功可能性增強，相關公司就會跟進拓展。就像過去消費互聯網時代的BAT，很多高頻場景到*后都成BAT之間的角逐。

        另一方面，自己做硬件，例如科大訊飛、搜狗。它們在硬件選擇上也是針對一些小眾產品，不與自己的主流企業級客戶有直接競爭。而且產品本身的市場競爭小，購買者的議價能力也比較弱，更容易創造更多商業價值。

        然而，雖說AI公司們對于目前行業瓶頸期都有自己的應對策略。但無論是投資行為還是自己做硬件本身也存在一些潛在的挑戰。

        投資方面，每一個新的AI賽道，還要考慮對應的落地場景需要怎樣的算法和模型去做出有效的決策。如何篩選識別出確保收集高質量的數據，這些都是AI企業需要考慮的問題。此外，AI公司們的投資，大都圍繞價值投資進行，是為了未來，而不是財務投資，眼下多賺點錢，這就導致投資回報的周期有些過于長，這對于企業財務狀況可能會帶來一些壓力。況且從來沒有什么穩賺的投資，這些AI公司們勢必還要承擔投資失敗的風險。

        而自己做硬件的話，技術公司做硬件天生具備一定的顧慮，一方面，現在與企業級客戶沒什么競爭，但未來呢？另一方面，軟件與硬件本身具備很大的鴻溝，例如供應鏈、硬件測試、品控等基本要素。做到容易，但做好卻很難。在一個項目發展初期可能不明顯，但發展到一定程度，技術趨于成熟，制造業底蘊會成為企業之間的分水嶺。

        由此可見，經過人才、融資、算法、行業地位等考驗脫穎而出的AI公司們，正在商業落地方面面臨著更為嚴峻的考驗。Siemens 6ES7516-3AN00-0AB0 

Allen Bradley 2711P-T7C4A8 /A 

GE Fanuc A05B-2255-C102

Allen Bradley 1747-DPS1 /A 

Allen Bradley 1747-L552 /D 

Siemens 6ES7317-7TK10-0AB0 

Allen Bradley 2711P-T7C22D9P /A 

ProSoft Technology MVI56E-MNETCR 

Allen Bradley 2711-K5A3 /H 

Allen Bradley 2711P-RDT15C /C 

Allen Bradley 1756-L73S /B

Allen Bradley 2711P-RDT10C /C 

Allen Bradley 20BD022A3AYNAND0 /B 

Siemens 6ES5466-3LA11 

Siemens 6DD1600-0AK0 

ProSoft Technology MVI71-MNET

Allen Bradley 1747-L552 /C

Allen Bradley 1783-BMS20CA /A

Allen-Bradley 440L-R4J0960YD /A 

Allen Bradley 1756-L73S 

Allen Bradley 1305-BA06A /C

Siemens 6ES7318-3FL01-0AB0

Allen Bradley 2711P-RDB12C /D 

Siemens 6ES7318-3FL01-0AB0

Smitec MARTS 3041 KZ010207

Allen Bradley 6181P-17A3MW71AC /F 

Allen Bradley 1756-L72 /B 

ProSoft Technology AN-X2-AB-DHRIO 

Allen Bradley 6181P-15TPXPSS /E

Allen Bradley 20-COMM-R /A 

Siemens 6AV3637-1LL00-0AX0

Baldor ZD18H430-EO 

Allen Bradley 1756-L74 /B 

Siemens 6AV6545-4BC16-0CX0 

GE Fanuc A06B-6096-H204 /E 

Allen Bradley 1494V-DS600 /D

Allen Bradley 1791-16BC /B