一季度AI投资几近腰斩 单靠BP难让资本买单

在经历过此前三年间的行业洗礼之后，机构投资者对于AI技术的态度开始由狂热走向理性。据统计，2019年一季度，中国整体VC投资案例跌至1543例，同比之前两年几近腰斩，其中热门的AI产业投资也逐渐开始强调技术转化优先。

有分析人士指出，部分技术的“民主化”趋势加快，资本更愿意看到有清晰成果转化的项目，仅强调技术的一纸BP在今天可能不太容易能够拿到早期投资了。

VC慎对“黑科技”

过去三年，以“黑科技”自居的人工智能领域巨额融资层出不穷，押注AI赛道的投资机构视之是继蒸汽技术革命、电力技术革命、计算机及信息技术革命后的第四次工业革命。不过这也导致了诸多AI公司估值高、盈利难，原先资本蜂拥而至的盲目热潮在最近两年开始“退烧”。

有一个现实的问题是，所谓“黑科技”的变现机遇到底有多大？

这个问题在三年前不论是创业者还是VC都很难给出答案。记者采访发现，早期进军AI产业的创业者往往身披高光学术背景光环，在国内乃至全球AI产业方兴未艾之时，拿到一笔风投似乎不是什么难事。有市场人士就坦言，“投，估值确实高，我们也担心成了抬轿一方；可不投，早期成本尚如此，未来万一爆发，切入的机会更小。”

可见，无论是技术一方还是产业端，或是资本在早期对待AI有种所谓“赌运”的心理存在。但值得注意的是，近一年来，创投界已经开始对所谓“AI黑科技”谨慎有加。

近日，记者从洪泰基金处了解到，他们的AI投资策略正在发生改变。洪泰基金执行董事金海燕坦言，放在三年前，掌握AI技术的科学家出来创业，即便没有非常确定的产业应用路径，也能很快拿到投资，甚至还没有完整的团队，都可以拿到。因为AI科学家是稀缺的，资本认为你拿了投资再组团队、应用方向都来得及；而今天，只强调技术先进性，而没有产业落地路径的早期项目，显然没有这样的待遇了。

来源：洪泰基金根据市场融资信息总结

行业统计数据显示，2019年一季度，国内VC共发生1543例融资，相较于2018年同期的3272起、2017年同期3322起来说，数量有了明显下滑。她表示，“尽管人工智能赛道投资仍然活跃，但近一年内，VC投资已趋于冷静，人工智能赛道上的投资，更开始强调人工智能技术在产业的应用落地与商用价值。”

记者发现，出现当前情形的背景是很多风险投资拥有的传统经验似乎已经式微。于投资方而言，考量项目的维度不再只停留在技术本身，而是要聚焦技术“转化”，特别是对于图像识别、语音识别等领域，所谓技术创新或多或少成为机构人士眼中的“红海IP”。

金海燕坦言，AI发展至今，其技术本身是没有绝对壁垒的。以人脸识别为例，仅人工识别目前就已经能够达到97.5%的准确率，而辅以人工智能的计算，准确率早已超过99.5%。“因此，判断新技术、新产品、新行业的落地拐点，要看机器人的能力是否超过了行业里面普通人的水平，或者行业平均从业者的水平。”

金海燕还表示，在资本方看来，技术本身是没有绝对壁垒的，只有时间上的相对领先优势，项目方要做的就是及时将这种技术的时间领先优势转化为市场优势。比如人工智能人脸识别，以前还是一项“黑科技”，只有非常少数的科技团队能掌握，而近几年随着深度学习算法的公开化、人脸训练数据的丰富性，专业团队已有不少，“包括高科技平台团队、实验室、创业头部项目、小创业项目都已经能做到超过99.5%识别准确率，这个准确率高于普通人肉眼识别图片97.5%的准确率。我们认为这项数据已经‘民主化’了”。在她看来，以人脸识别为主要技术应用方向的企业已不稀缺，项目的竞争进入产品化，以及渠道、产业进展更综合的竞争。“产品能做得出来，卖得出去才是王道。”

AI落地可“软硬兼施”

“立足行业痛点解决实际问题”是多数创业者的初衷，但如前述市场人士分析所言，当下创投生态日渐对AI行业的应用提出硬性要求，这也倒逼着创业者思考“痛点”在软件和硬件领域落地实施的解决方案。

建筑设计领域是当下房地产开发企业的工作重点之一，尤其在建筑设计前期，开发商不仅需要对土地的货值进行综合评估，还要求在规定容积率范围内发挥土地价值最大化的可执行方案。对传统企业而言，利用CAD软件进行人工绘图测算，理论货值极限往往难以在现有土地上根据人的经验精准判断，AI技术赋能在即。但现实困惑是，算法技术虽然可以通过深度学习不断优化，但在建筑设计领域，试错成本较高，国内尝试该项业务的企业并不多见，具备建筑设计从业背景且懂算法设计的创始人更是凤毛麟角。

记者注意到，目前资本较为关注的一家初创型企业“小库科技”，此前经历了三轮融资，洪泰资本、东方富海、中南荷多等机构在2016年~2018年纷纷向其抛出橄榄枝。据前OMA建筑师、创始人、CEO何宛余介绍，通过小库科技的智能设计云平台，只需“在线圈地”或“上传CAD基地文件”输入容积率等基本条件、选择楼型产品获得智能推荐组合几个步骤，就可以在百秒内生成上千个优质方案，同时给出9组推荐。何宛余表示，一个常规团队完成前期多方案比选和汇报文本所需时间大概在20个小时，他们可以将效率提高600倍以上。

事实上，AI技术并非局限于软件领域，在芯片硬件领域，AI也可以通过底层通用算法的涉猎来提高综合运算能力。在这个细分上，行业已经经历了从GPU芯片到FPGA及ASIC芯片的过渡，而时下的前沿探索之一是从前期数字专用芯片到模数混合芯片的过渡。

据了解，一家专注于模数混合神经网络处理器芯片研发的九天睿芯科技有限公司（以下简称九天睿芯），其在2018年8月获得了洪泰基金数千万元人民币的天使轮融资，其CEO兼联合创始人刘洪杰告诉记者，AI芯片的算法也是基于不同的场景应运而生的，此前较为常见的架构是通过数字化编程控制实现，“但在信息的表达上不如连续的模拟信号表达的信息量大。如何通过模拟/混合信号的架构，最大程度发挥半导体技术的内在优势来实现高能效的神经网络推理及训练，是我们探索的主要方向”。

但需指出的是，尽管纯数字AI芯片算力有望进一步提升，但如果能耗偏高则会影响芯片的整体运行效率，因此九天睿芯致力于提高处理器能效，促进AI应用成为主流，用于支持主要神经网络架构在传感器节点的无缝整合。换句话说，这些模数混合电路构成的神经网络单元好比是构建芯片整体功能的各个分支，他们的技术就是可以将这些神经元通过编程的方式进行更有效的排列组合，进而适应更多的场景应用，保持最低的功率消耗，能效可达到25Tops/W，每秒每瓦25万亿次计算。刘洪杰表示，这比现在很多纯数字的AI芯片能效至少高5~10倍。

据了解，目前应用场景包括人工智能视觉系统中高速度或者低功耗需求的应用，以及微瓦级别功率的声音检测和关键词识别智能设备的唤醒和声音控制领域的应用。

行业应用多样化的场景应用需求，需要人工智能底层算法和算力技术不断得到突破来支撑。金海燕告诉记者，人工智能赛道分成行业应用、大数据和底层算法等基础设施层三个维度，芯片这个子赛道技术壁垒最高，必须是同时掌握非常顶级的原创技术和非常强芯工业技术的团队才能跑出来。