Elaine Herzberg，美国亚利桑那州的一位中年女性，今年三月在横穿马路时，被Uber 自动驾驶测试汽车撞到，不幸去世。这是全球首例无人驾驶测试汽车致死事件，虽然受害人横穿马路有自己的责任，但Uber自动驾驶汽车当时在最高时速35英里的道路上以时速38英里行驶，没有刹车的企图；安全驾驶员没有收到任何信号，直到碰撞发生后才意识到。这事件使得自动驾驶这一炙手可热的领域饱受质疑。
今年夏天，中国互金行业出现暴雷潮，多少投资者的财富灰飞烟灭。暴雷潮中有不少号称金融科技公司，此前言必称大数据、AI，却依然在大规模逾期面前无能无力。尤其是在为中小企业融资方面，这些所谓的金融科技公司还没有展现出在消费金融领域的技术能力。
两个看似毫无关联的场景，却暴露了当下前沿技术领域的软肋。金融科技，自动驾驶，都是最近几年里前沿技术领域的热门赛道，可谓既吸睛又吸金，但发展到现在，面对复杂的情况，技术能解决的问题依然有限。
而很多技术公司本身活得也一般。
据国外媒体报道，人工智能公司Sentient Technologies是美国的明星创业公司，创业已经11年，曾融资1.75亿美元，创始人开发的技术曾用于苹果Siri产品，公司为鞋类零售商Zappos和制鞋商Skechers等客户提供软件，使客户使用AI算法向购物者推荐产品。但是在过去的一年里，Sentient在努力实现在广告和农业领域推广解决方案以实现营收多元化，但却未取得效果。新领域进入难，自己的领域也面临更多技术公司的冲击，公司也面临高管和员工纷纷离职的窘境。公司去年年底曾透露将进行新一轮融资，但到现在却仍然未公布任何进展。
人工智能无疑是显学，但现在的AI也处在一个盘整的阶段，技术上有待于进一步突破，应用普遍在各行业落地，但在大多数行业，都还没能给带来根本性变革，因此行业对于AI技术方案也没有真正形成刚需。但AI领域创业赛道足够拥挤，不少人工智能初创公司的估值出现回落。
风险投资公司Romulus Capital创始人Krishna Gupta表示，人工智能市场已经变得如此拥挤，新创业公司对现有创业公司筹集新资金很困难。另一位风险投资公司抱怨说，有太多初创公司称自己为“人工智能公司”，因此更难以确定哪些公司有前途的技术。
国内技术公司也是如此，一些技术解决方案公司在金融、安防、医疗等领域有了一些单子，但竞争对手太多了，想过要去别的行业推销解决方案，却发现别的领域也是虎踞龙盘，自己想插一脚并非易事。
这就是当下AI等前沿技术领域的困境，虽然大体上都认可前沿技术是未来的趋势，尤其是经过这些年的发展，模式创新的空间越来越窄，未来的增长动能必然来自前沿技术的创新。
但前沿技术的突破是比模式创新要困难得多，节奏上也慢得多，而且从现在的前沿技术应用上来看，待解决的问题还有很多，效果并不理想，客户的付费意愿有待提升，技术公司大多数也活得并不滋润。
融资潮助推前沿技术盛世
如今提到前沿技术，一般都会指向ABCD，即人工智能（Artificial Intelligence)、区块链（Block Chain）、云计算（Cloud）、大数据（Big Data）。这实际上是把前沿技术局限在信息技术领域了，跳出IT领域，前沿技术还需要加上新能源新材料、生物与生命科学、物联网、航空航天等。
当然，其中的显学还是人工智能。如果论到互联网之后可以全面影响各个行业并有望深度提高行业运营效率的技术与应用，当然是人工智能。甚至可以说，AI是未来十年的风口。基于此，近几年来，AI投资已经形成风潮。
2012年以来国内AI投资案例与金额增长情况（数据来源：IT桔子）
数据显示，从2013年到2016年，国内AI投资案例数量进入井喷期，近两年增速明显放缓；投资金额方面则没有出现明显滑坡，这里面的原因在于，近两年来越老越多的投资金额集中在头部的AI企业。Crunchbase的数据也显示，自2016年以来，筹集资金最多的30家人工智能创业公司中，有40%位于中国。
国内融资额前十的AI技术公司（数据来源：IT桔子）
除了这些AI技术企业，还有很多行业里将业务与AI融合，获得高额融资和高估值的案例，如资讯领域的今日头条、金融科技领域的蚂蚁金服与京东数科、汽车领域的蔚来汽车等。
数据显示，多家AI公司已经多轮累计融资几十亿。以往这种融了多次资、金额越来越高的融资案例，多是分布在互联网业务领域，想通过多次的融资来度过亏损阶段，试图达到领域内的垄断地位。包括滴滴、美团等都是如此。技术领域可以有这么多公司持续融资的情况，并不多见。这也体现了资本对于技术领域跑出大公司的信心。
融资额高的AI企业中，机器视觉领域最多，其次是AI芯片、语音识别和自然语言处理。这也是目前应用范围最广、工程化、商业化程度较好的几个技术领域，解决了让机器学会看、听、读的能力。
从更广的维度看，2013年到2018年，AI技术领域融资分布中，机器视觉融资最多，其次是数据挖掘、深度学习、自然语言处理、机器学习。
在应用方面，IT桔子的数据显示，2013年到2018年的融资案例中，获投数量最多的领域是智能机器人，其次是智能金融，此后的应用还包括智能汽车、智能医疗、智能商业、智能驾驶、智能家居、智能安防、智能交通、智慧农业、智能物流等。
与我们的直观感受差不多，这些年来，提及AI最多的领域就是机器人、金融、安防、医疗、汽车驾驶、物流等领域。此外教育、工业制造等领域的AI应用也蒸蒸日上。这些领域的共同特点是：市场规模大，数据化程度高，一直以来也都是新技术应用的先锋，有通过技术提高管理效率的长期需求。
当下，AI已经在以上多个领域落地应用，并在不同程度上推动着生产力的效能提升。相比于炒得很热但落地项目寥寥的区块链等技术，AI可谓实打实地赋能着实体经济。
AI应用落地刚刚开始，真正商业化的领域寥寥无几
一个行业中发展AI应用，首先这个行业要数据化，积累足够多的数据，在此基础上，结合商业化潜力，开展机器学习等算法的研究，待算法逐步成熟后，再进行工程化、产品化，小规模推向客户，不断更新算法，提升产品能力。当带来的效率提升明显超过开发成本时，整个行业的需求慢慢被打开，进入真正的商业化进程。待技术在整个行业里广泛使用时，AI也就成了重要的基础设施。
近年来海量大数据的积累、AI芯片性能的的提升、深度学习算法的改进，都助推了AI技术提速发展，对AI应用的研究越来越多，并进一步在一些领域实现了工程化、产品化，商业化进程则在较少的领域内展开。
AI技术已经影响到国民经济中的大部分产业。不过总体上来看，正如文章开头所举的例子，成熟的AI应用还不多，目前还没有像互联网、云计算那样成为信息社会的基础设施。
目前来看，AI真正能够解决行业核心痛点、带来效率水平提升、初步实现商业化的领域，还非常少，集中在安防等机器视觉应用领域。
机器视觉是这些年来应用最成熟的领域，尤其是在安防、远程身份验证等方面，现在应用非常广泛，弥补了此前的空白，大幅突破了人类的识别能力瓶颈，真正实现了事前预防、事中响应、事后追查，再加上客户付费意愿强，也因此成为商业化最快的领域。
不过纵观整个AI影响到的领域，像安防这样的成熟应用领域还极少。安防领域的特点是，技术确实帮助解决了核心问题，而客户的需求又比较刚性，这使得商业化非常顺利。而其他大部分领域都在供需层面存在问题。一方面，技术带来的效果，因为数据不足、算法不成熟等原因，还没有充分体现，并不能让传统领域的客户满意，不能完全取代传统手段，导致推进缓慢；另一方面，AI技术的落地成本还没有充分降低，因此终端客户望而却步。
现在AI在各个行业的推进中，有不少领域属于解决了部分问题，但没有解决全部问题，对行业的影响力还没有充分体现，仅是一个辅助工具，而不完全是核心能力，商业化程度有进一步提升的空间。
看似比较成熟的智能金融就是如此。这些年来AI对于金融的改变确实非常显著，但真正产生核心价值的是消费金融领域的风控环节，通过深度学习算法去挖掘不同特征与违约风险的关系，做到对千万用户的实时授信。这一点是传统手段永远无法实现的，也因此带来了消费金融的火爆。
不过在企业融资领域，AI的能力还很有限，只能做企业实控人的风险识别，以及企业间的关系图谱。这对于判断企业风险还不够。
在智能客服等环节，AI有价值，但精准的程度与部署的成本都还有待于改进，而且作用也主要是减低成本，而不是直接带来收益。在保险、证券等领域，AI所能起到的作用更小。
金融已经是被AI深度改变的行业了，但仍有这么多的不足。教育、医疗、零售、物流等行业的AI应用也是如此。
AI教师、AI诊断听起来非常激动人心的应用，也是AI在教育、医疗领域的核心价值所在。在知识的掌握和处理上，AI能力远大于人类，但受制于数据量、算法成熟度、行业特性的限制，AI教师、AI诊断在实用性、准确性方面还比较有限，离取代人工还有很远距离，也有很多观点认为即使技术再进步，AI也永远不会大规模代替有经验的老师和医生，而是医生和教师的辅助工具。目前AI在这些领域的发展方向，也是通过技术手段让医生和老师更强大。以教育领域的自适应学历为例，老师做知识点的拆分，AI从海量数据中分析出学生的知识盲点，链接对应的知识点，进行针对性训练。
自动驾驶技术这些年也取得了长足进步，在不是很复杂的园区、码头等特定场景中的自动驾驶已经比较成熟，但机器在处理普通交通场景下的复杂环境方面，还非常不理想，再加上传感器成本高、高精度地图不足、难以突破政策法规限制等因素，距离大规模商业化还非常远，即使是L4级别的自动驾驶汽车的量产，也可能是十年后的事了。
以上这些领域都属于AI研究比较多的领域，另外有些领域，AI应用有价值，但受制于产业前景、对人才的吸引力等因素，AI应用遥遥无期。
如在地质领域，选矿、矿场资源分配、产出规划等方面，都有潜力通过机器学习技术给出一个更好的算法，让生产更有效率，但现在的AI行业还没有精力去服务这样的行业，这个行业也很难给AI人才有吸引力的报酬。
在更传统、产业化程度更低的领域，AI应用即使是研究也非常少。例如地震预测、天气预测等方面，理论上来说，这些都是对海量数据进行处理，进而进行预测。但缺乏商业化前景，这方面研究还很少，目前还只是停留在少数学院派教授、学生的论文研究阶段。而从可实现性上来看，地壳数据变动情况的数据很难观测，地方上的天气数据也不开放，使得AI应用也前景不明。
因此，从整个经济社会的角度看，AI对传统行业的渗透率还很低，少数行业实现了商业化，在大多数市场化程度高的行业，还处在工程化、产品化阶段，要成功实现商业化，还需要解决不少问题；在更传统、产业化程度低、数据化程度低的领域，AI应用的研究甚至都很少。
现在AI能够大行其道的领域，一般具备几个核心要素：需求刚性、潜在市场规模大、数据化程度较高且数据经过标注，另外，要解决的问题具有有限的可能性，可以通过穷举法来解决。
AI企业表面风光背后辛酸
商业化程度不高，技术公司之间竞争又激烈，AI企业的发展难度自然也不低。
从成本项来看，人才稀缺，研发成本居于高位。从需求端来看，大部分行业处在工程化、产品化阶段，真正大规模商业化的领域很少。收益终归有限，拓展新市场难度大。从行业角度看，每个领域都有数家有实力的公司在争有限的有付费意愿与能力的客户，压力可想而知。
还是以前面提到的Sentient Technologie公司为例，Sentient于2015年发布了其首款商用产品Aware，用来分析零售商的产品目录图像，并在用户在线上点击某个产品时，向用户推荐类似产品。Aware起初为Zappos、Luxottica和Skechers等大客户提供智能服务，每月收取5万到8万美元，业务开始时比较顺利。于是向中小客户下沉，但即使是每月花费20,000到30,000美元的报价，很多商家还是不愿意花这么多钱。而且之前的在线零售商客户看到AI的作用、完成概念验证后，想自己完成业务闭环，本身加大了对AI的招聘和投资，使得Sentient的潜在市场进一步缩水。腹背受敌之下，Aware逐步被淘汰。
2016年，Sentient推出了第二款产品Ascend，依然是用在电商领域，逐步确立了一些优势。但在2017年5月开始的应用领域多元化过程中再次折戟，与MIT合作的开放农业项目没有最新进展公布，在程序化广告领域的开发也取消了。这使得其融资变得困难，有VC人士表示，Sentient从一个业务领域转移到下一个业务领域没有任何重大突破的记录，是它为什么融资遇阻的重要原因。
而在成本方面，像谷歌、亚马逊和Facebook这样的大公司在招聘人工智能专业知识方面投入了大量资金，为创业公司留下了更少的可用人才。2017年5月以来，包括CTO、首席商务官、工程副总裁、数据科学总监、全球销售和业务发展副总裁在内的高管纷纷离职。
这是AI技术公司在当前商业化进程中受挫的一个缩影。国内不少公司也面临这样的问题。虽然他们已经在一些领域占据了一定份额，但眼下其实每个领域的AI需求都还是有限的，能达到几百亿盘子的市场没几个，在一个市场又面临多家公司的竞争，要去其他应用领域拓展商业化进程，还面临同样的问题。
国内的AI独角兽们，都已经经历了多轮融资，融资金额也越来越高，“融资机器”商汤甚至已经融了8轮，最近一轮融了10亿美元。这既可以看做是资本依然看好，也可以看做是商业化进程慢，自身还没有足够的创收能力。
对于AI技术公司来说，要在复杂市场环境下生存，可谓险象环生——
首先要明确发力的应用领域是不是存在规模化刚需，不能是概念性伪需求；
要把握好市场需求启动与自身研发、产品化、商业化的节奏，过早的研发可能成为沉没成本，没能及时启动研发与产品化，则有踏空风险；
在一个比较确定要爆发的市场，要抢在对手前把业务跑起来，完成数据的积累，以此提升深度学习算法的精准度；
产品化阶段，要像互联网企业一样把握好用户体验；在商业化阶段，要采取措施降低软硬件综合成本，提高竞争力。
做到这些，一个基础的工作就是掌握AI等前沿技术领域的最新动向，包括学术研究的最新进展、业内的技术工程化产品化新动向、传统行业的需求启动情况、不同企业在商业化阶段的最新策略等，掌握了这些，才能在瞬息万变的前沿技术领域做出理性的决策。
虎嗅精选2019年也将在前沿技术领域做深、做精内容产品，将推出全新专栏产品《前沿技术情报所》，每周更新两篇专栏文章，内容涉及人工智能全产业链、5G最新进展及落地、机器人、芯片、生命科学、航空航天、智能物联网推进、新能源等前沿技术领域，重点关注芯片、深度学习进展、大数据应用、自动驾驶、5G通信、运载火箭、微纳卫星、转基因技术等领域。
你能从本专栏中获得：
国际、国内最前沿技术应用的动态，及对其深层次的解读；
前沿科技商业化落地标杆案例的分析与阐述；
行业一线重要公司掌舵人、学界专家的深度访谈；
前沿科技涉及重要行业的轻型、易读报告，帮你快速把握行业基本面；
国际最新学术研究成功、重大发现跟踪及分析；
前沿科技类公司投融资信息解读及趋势分析。
评论