人工智能“钱”路何方

同一天，两家人工智能（AI）企业“冰火两重天”。

10月11日，有光科技宣布，该公司已获得AEF大湾区创业基金（由戈壁大湾区管理）新一轮投资，以进一步拓展其业务区域。

与此同时，港股上市的商汤科技早盘冲高回落，午后震荡走跌，再次创下历史新低。截至收盘，其总市值为445.6亿港元，远低于其Pre-IPO轮120亿美元的估值。

今年以来，前些年还被视为“香饽饽”的AI“四小龙”（商汤科技、旷视科技、依图科技、云从科技）陷入困境，导致业界对AI赛道产生不同的判断。有人认为AI产业“泡沫破裂”，也有人觉得这是资本在回归理性。那么，AI产业的前景到底怎样，“钱”路又在何方？

投资估值体系更加回归理性

袁进辉曾是微软亚洲研究院主管研究员。2017年，他走上了创业之路，创建了北京一流科技有限公司，致力于打造新一代深度学习框架OneFlow。作为“拿着锤子找钉子”的“技术流”，AI算法赋能型公司所遭遇的困境，让包括他在内的AI方向创业者都有“唇亡齿寒”之感，因为二级市场不好，也会导致一级市场融资困难。不过，在他看来，“我们还是要对AI技术本身的价值有充分的信心”。

在日前举行的以“人工智能产业化，路在何方”为主题的中国计算机学会青年计算机科技论坛（CCF YOCSEF）上，袁进辉以他所在的软件领域为例，描述了AI技术革命所带来的变化。当下，以人工编程为代表的软件1.0时代正在向以数据编程为主的软件2.0时代演进，AI技术浪潮必将创造远超互联网浪潮的价值。未来，深度学习将成为主流软件的生产工具，包括自动驾驶、加速医药研发等。

“过去十年，人工智能的投资确实经历了高歌猛进的过程。”将门创投创始合伙人兼首席技术官沈强说。2011年，中国AI投融资交易金额为165.2亿元，到2021年则达到了历史新高3996.4亿元。与此同时，AI单笔融资的平均金额也从2011年的1.50亿元增长到2021年的3.53亿元。

沈强分析认为，单笔融资的平均金额上升，说明整个行业的投资重心在向中后期转移，即越来越多的AI公司已经从高速增长期转入成熟发展阶段。

不过，在历经高速发展后，2021年第四季度到2022年第二季度，全球AI投资额度有了33%的降幅，而中国投资金额的降幅更加明显，约为70%，投资事件数的降幅则为20%~30%。

在沈强看来，投资事件数下降幅度小于整体融资规模降幅，表明投资阶段又开始出现向早期转移的趋势；同时单笔融资金额的下降则意味着市场对整体AI企业的估值水平在下调，下调幅度约在30%~50%。

这一变化意味着AI投资的寒冬来了吗？沈强认为，当下投资者的热情并没有明显减退。“比较明确的一点是，整个投资的估值体系将更加回归理性，即大家会更加注重AI技术的价值创造。”

要“挽起裤腿给人干活”

“现在AI产业所遇到的挑战不仅是中国的问题，更是全球的问题。”加拿大蒙特利尔大学算法研究所、计算机系副教授唐建告诉《中国科学报》。

在他看来，中国AI产业的前景十分广阔，从大趋势看，这是由产业数字化进程所决定的。“我认为未来产业数字化将是AI最大的机会，业内最好的公司不是技术最好的，而是能够把AI技术用得最好的。”

创客总部合伙人陈荣根多年来一直从事高校和科研院所实验室技术天使投资和孵化工作。在他看来，自1956年AI概念问世以来，已经历了三个阶段。第一个阶段主要是考虑技术行不行；第二个阶段重点关注技术怎么落地；2020年以来则进入了第三个阶段，即技术如何与应用场景更好地匹配以创造价值，“而这个难度很大”。

清华大学计算机系教授、北京智源人工智能研究院副院长唐杰也认为，现在AI科技的发展进入了一个新阶段。“如果说，以前AI从业者还可以‘高大上’地待在大楼里，现在则要走进工厂里，挽起裤腿给人干活。而且，得把钱花在刀刃上，每一分钱都值得推敲。”

面对AI科技的未来挑战，唐杰认为，要从三方面着手，即有代际差的技术变革、牢固的应用场景，同时注意财务和估值逻辑。

在他看来，未来的技术革新者，要能够做到产学研“强结合”，自上而下提出创新性行业解决方案，有革命性的技术能力或产品能力，在有想象空间的场景中抓住新的变量。而AI公司要在具备高想象空间的场景里有牢固的抓手，以及清晰的商业化路径，以兑现收入的快速增长。此外，由于市场带来的不确定性，投资人对高亏损的烧钱资产非常谨慎，会高度关注创业者的商业化能力。

在新的领域“探险”

“在整个AI发展过程中，如果我们拉长一个周期，就会发现技术还处在早期阶段，AI技术本身还需要大量创新。”沈强说。比如，最近AI的大模型技术进展很快，展示出很强的跨领域应用能力，但在计算成本、应用场景匹配等方面，仍有较大的提升空间。

沈强并不认为当下AI创业已没有太多机会。在他看来，要想突破当前的困境，重要的一点是，创业者尤其是技术创业者，需要转变一些观念，如从以技术创新为核心转向以给客户价值创造为核心。

以软件产业为例，袁进辉说，以前国内绝大部分AI从业者都将关注点放在算法层面，即利用算法为行业赋能，而很少有人去关注算法底下基础设施层面的机会。“在别的行业，我们看到社会化的分工分层已经成就了基础设施层面一些很好的商业化机会。在AI方向会不会有这种机会呢？我认为有。”

“未来AI for Science（科学智能）、新能源、材料科学、生物医药、工业互联网等领域都会有非常多的机会。”唐建指出，这些领域都是高度交叉的，如果要做好，必须深入到行业中。未来优秀的创业者一定既懂AI，又是某个行业的专家。