投稿|到了逼AI企业出利润的时候了吗?

投稿|到了逼AI企业出利润的时候了吗?
文章图片

图片来源@视觉中国

文 | 独角兽挖掘机,手工劳动 | 兽姐,手工编辑 | 角叔
盈利难依旧是人工智能无法掩盖之痛 。
8月29日晚间,今年5月登陆科创板的云从科技披露了上市以来首份半年报 。公司上半年实现营业收入3.91亿元,净利润亏损3.25亿元 。
另一家AI龙头商汤科技上半年亏损净额为32.1亿元,在盈利遥遥无期下,商汤上半年营收5年来首次下跌,实现营收14.2亿元,同比降14.3% 。
体量更轻盈的格灵深瞳在上半年实现营业收入1.17亿元;归母净亏1256万 。
划重点,即使已经上市的AI企业,目前都无一盈利 。
从2016年阿尔法狗战胜人类棋手柯洁,AI真正进入公众视野已经有6年多了 。
如今,曾经困扰AI行业发展的数据、算力、算法、应用场景等因素,随着ABC(AI、Big Data和Cloud)的融合已经完全解决,AI产业进入到一个空前的大发展机遇期:无论是分析、感知智能,还是运力、劳动力智能,AI技术已陆续落地,去解决大量实际问题了 。
与之相伴的,是资本市场对AI这个赛道、对赛道中创业企业(特别是头部企业)的关注焦点的迁移:技术创新已不再是资本押注的唯一地带 。相较于此,他们还开始看重AI技术商业价值的释放 。
那么问题来了,在前期建设成本极高的AI行业中,现阶段便对企业进行盈利方面的考量是否合理?商汤科技、旷视科技等头部AI企业,目前的技术商用主要集中在哪些方向?
01 上市有门,盈利无期眼下,市场对AI公司最大的诟病主要集中在商业化这个问题上 。这也是前些年“热钱”留下的后遗症 。
过去,资本圈在选择投资标的时,并不那么在意商业模式,甚至也无所谓被投项目何时实现盈利,他们更关心一件事是如何能够借助资本的力量,快速砸出一个品牌、一个品类甚至一个风口,进而实现上市并“套利”退出,之后再去复刻下一个品牌 。
资本到位,砸出一个新品牌并非什么难事 。因为融来的钱大多只用来营销:线上、线下海投广告,找顶流明星做代言;还有就是“烧钱”获客,大搞首次免费、拉新免费、现金返利、买一送N等等 。
至于那些被投的企业是否真的能够活到商业模式显现的那一天,其实并不重要 。因为热钱在意的是估值、是上市、是变现,毕竟上市才能创造出更大的“收割”空间 。
尽管这样的投资逻辑过去大多应用于C端赛道当中,但经过几年的沉淀,市场对于那些技术创新和落地应用周期较长、投资回报较慢的一些B端赛道 。如AI企业,他们同样会被赋予这样的认知:上市有门,盈利无期 。
“AI四小龙”的旷视科技、商汤科技、依图科技、云从科技四家企业的资本现状,很好地说明了这一点 。
商汤已于2021年底在港股上市;云从科技在今年5月27日正式登陆科创板;依图科技几经折腾后,目前已撤回上市申请;旷视科技于去年9月获上市委会议通过,不过到了今年3月,又因上市文件中财务资料有效期问题被中止,5月16日晚,上交所网站披露,恢复旷视科技发行注册程序 。如果此次流程顺畅,旷视有望成为第二家A股上市的“AI四小龙” 。
但无论“AI四小龙”是否已经成功上市,他们都面临着一个共同的难题:公司营收增长的同时,盈利情况仍遥遥无期 。
兽姐就此与一些AI行业从业人士进行了沟通,他们普遍认为,如果市场现阶段就用盈利能力去衡量一家AI公司、甚至是这个行业的前景,这显然是不现实也是不客观的 。在他们看来,有这样三个现实问题影响着AI企业的盈利 。
首先,市场需求的产生与AI技术研发落地存在较大时间差 。
“不同领域中的客户对AI的需求各有不同,这使得AI技术的落地场景过于碎片化,从业企业无法通过某个单项需求快速打入市场,一般只能是做完一个项目再做下一个项目 。”一位资深从业人士告诉《独角兽挖掘机》:“无法标准化是造成相关企业亏损一个难以避免的原因 。”
该人士进一步指出:“AI企业看似营收每年都在增长,但需要投入进来的研发费用一般也在逐年增加,加上从提出需求到技术研发落地,至少需要半年的时间,以及技术商用推广期产生的营销费用,这些都会拉扯硬科技企业公司的盈利能力 。”
其次,是推送AI企业算法、算力不断完善的数据层面的原因 。
有人认为,AI浪潮的兴起本质上就是深度学习技术的进步,而深度学习本身就是一种基于对数据进行表征学习的方法,再高深的软件算法、功能再强大的硬件设备,一旦没有数据积累,也就如同无米的巧妇,难有什么太大的作为 。
众人皆知AI是大势所趋,但在技术与商业充分融合之前,AI需要解决的问题还有不少,其中第一大瓶颈在于大规模、高质量数据并不十分充足,特别是如何在巨量信息当中甄别和提取那些真实有效的数据,成为突围的关键 。
最后,适用于AI行业的新型人才相对匮乏 。
AI行业中的人才结构尚未跟上行业发展的速度 。上述行业人士讲到,“懂理论、懂算法的,对不同产业痛点、既有规则的了解程度比较有限,如果让他们下沉到工厂、供应链条中去深入学习又不太现实 。因此有些痛点即使通过技术有所改善,但根治程度可能并不深 。”
02 AI技术开始广泛应用尽管在AI企业在商业化道路上还有很长一段路要走,但这并不意味着他们的技术价值没有得到市场的认可 。
我们可以先来看国外一个名为Shape的AI企业案例 。Shape的主攻方向在于网络安全,一个极为典型的功能是通过AI技术去判断账户登录行为的发生,到底是来源于客户本人,还是来源于其他或是欺诈操作 。
这个判别过程绝非想象中容易 。
随着技术的进步,欺诈手段同样也变得越来越智能,因此有人将这个欺诈-反欺诈的过程定义为“让AI打败AI” 。某种角度上,这和杀毒软件的存在有点儿类似,但Shape解决的这个问题目前杀毒软件不太能解决的 。
作为美国本土网络安防细分领域排名靠前的AI企业,Shape就是用AI来直接解决程序攻击的问题 。这也是为什么Shape的客户几乎都是美国本土非常顶级的企业,银行、航司,还有星巴克这样的连锁咖啡品牌 。
如今,无论是中国市场、还是海外市场,小到刷脸支付、大到智慧城市,AI技术已渗透到社会生活之中的方方面面,特别是在各国不断出台的政策的扶植下,越来越多技术创新型企业跑步进入到这个新兴行业之中 。
如果要将目前市面中不同类别的AI公司进行分类,业内人士给出了两种分类方式 。
一、从技术角度可以分成三类:
最底层就是做基础架构的,包括了云计算企业、芯片企业等等,国内比较典型的就是阿里云、腾讯云、华为云、百度云、联想等硬科技企业;国外IBM、亚马逊等等 。
中间层更偏重通用技术的研发,比如一直深耕语音识别领域的科大讯飞;国外的Siri近年来同样也在发力通用型AI语言助手,但要达到人们对智能的预期还需要一段时间 。
再上一层是垂直行业应用,比如上市不久、注于医疗影像的鹰瞳科技,以及辅助金融机构获客、客服等金融科技企业 。
二、如果从业务模式可以分成两类:
其一是直接用AI来解决问题的 。除了上面提到的Shape,其他比较典型的代表就是无人驾驶(路、车、人之间的协同)、智能物流(仓储、运配、重劳动力的解决)、智慧城市(城市安防)等应用 。
还有一个比较有意思的应用叫做智慧社区 。这项应用主要针对独居老人这个客群,比如当一个老人几天内没有进出过自家屋门,社区物业就会收到系统提示前去查看,这样可以在很大程度上提高独居老人的居家安全问题 。据了解,这项技术已在国内少数小区进行试点 。
其二是数据积累后的智能化,或者说是互联网公司发展到后期自然会走向AI化 。像国外的LinkedIn、Facebook,国内的淘宝天猫、抖音、小红书等等,他们在积累了大量数据后,可以基于这些数据做智能推送、关联好友推送等等 。
数据算法训练下,这些互联网企业的一些产品功能和服务会变得越来越精准和智能,这也是为什么不少业内人士提出“未来,很多互联网公司都会自然而然地进化为AI公司”这种说法背后的原因所在 。
03 中美AI技术和应用的两极说到全球AI行业的发展,中美两个国家可以说已站在了整个产业的最前端 。但对比两国AI发展的特征,业内人士认为主要有这样三点比较显性的差异 。
第一点体现在人才建设方面 。“美国AI起步较早,且很多本土大型公司都会与高校进行合作,花很大资金成本投入到人才培养方面”,上述行业人士指出,“中国的人才优势相对弱一些,但可喜的是,近年来处于快速增长阶段 。”
“与此同时,很多国内的AI企业愿意花大价钱邀请海外优秀技术人才进来,将国外一些已有的市场经验对接到中国市场当中 。当然,这些海外人才在进入中国企业之后,还可以结合中国市场的需求,进行一些本土化创新,这可能会孕育出更大的商业机会 。”
第二点体现在国家战略方面 。相较于美国市场自由创新的态度,中国已在多年前就将AI、云计算等上升到了一个国家层面,各地都在主推企业的数智化转型进程,这一点是美国AI创业公司不具备的优势 。
一个国家一旦从政策层面想要促成某个事情,一般速度都会比较快、成效也会比较大 。这种政策支持不仅会作用于AI创业企业,同时引起资本圈、普通投资人对行业的看好,这是对AI创业生态的利好 。就这一点而言,中国AI创业的营商环境更优越 。
第三点体现在门槛较高行业中的AI应用上 。在中国市场当中,能源、安防、农业、金融等领域的专业门槛相对较高,产业资源普遍也更聚集一些,这些行业的产业结构非常成熟但不乏固化,因此想要依靠自身力量实现转型并不容易 。
中信证券曾在2019年3月发表的一份研报中做出了这样的判断:中国AI市场有望在2030年达到万亿量级,传统行业和技术的结合是主要的应用领域,to G(对政府)和to B(对企业)将成为主要的营收来源 。
大势所趋下,国内这类产业更愿意借助外部力量,帮助自己更好地实现转型,这自然给很多科技创新企业带来了更多商业机会 。
AI四小龙之所以能率先进入到上市阶段,或在一定程度上基于先发优势,拿到不少政府合作项目,在扩大营收的同时打响品牌知名度 。
克劳塞维茨在《战争论》中曾写过这样一句话:“要取得相对优势,就必须准确地选定决定性地点,并使自己的军队从一开始就有正确的方向,必须有决心为了主要的东西不惜牺牲次要的东西 。”
【投稿|到了逼AI企业出利润的时候了吗?】这句话同样也适用于今天的AI企业,一个正站在从纯技术研发向技术商用过渡的新兴领域 。风很大、浪也很急,AI企业想要在市场中脱颖而出,要拼比的战场已变得越来越多了 。

    推荐阅读