文安智能董事长陶海：AI企业要“输血”，更要“造血”

从教授到企业家。陶海与计算机视觉(CV)的故事,要从高校讲起。

本硕期间,陶海跟随清华大学自动化系“中国模式识别宗师”边肇祺教授,开始从事指纹识别方面的研究。硕士毕业后,陶海赴美继续深造,拜于“华人计算机视觉之父” Thomas S. Huang教授门下攻读博士学位,对人脸表情识别、非刚体运动跟踪和超低码率视频传输等领域展开深入探索,并于2001年任教加州大学,与学生共同发表计算机视觉领域学术论文百余篇。

名校、名师、名人光环之下,陶海却将目光投向了技术落地的最前线。

2005年,陶海回到国内创立北京文安智能技术股份有限公司(VION),暗含视觉技术(Vision)即将登上(On)产业化舞台的意思。

至此,文安智能成为本次AI创业浪潮中最早的一家CV企业。

成立16载,文安智能以AI运营与服务为核心,专注于从感知、协同到决策的全栈人工智能核心技术,产品系列覆盖前端摄像机、边缘端、集群服务器以及后端应用平台,在智慧交管、智慧商业、中观智慧城市等应用场景打造了一系列创新实用的解决方案。

“我们只做垂直的、聚焦的深耕,不止是要做到落地,更要给用户一个价值体现。”陶海表示,文安智能的目的,是跨越从技术供给到商业需求的鸿沟,实现一定的商业及社会价值,推动产业的发展与变革。

近日,雷锋网AI掘金志与陶海进行了一次深度对话。本次访谈中,谈到了他对眼下、未来AI的思考,以及对产业的洞见。

“泡沫破裂”

自2016年阿尔法狗击败李世石取得人机大战胜利之后,资本对AI的追捧甚嚣尘上,一时间各类创业企业遍地开花,资金有如潮水般蜂拥而来,浇灌在人工智能这片田野上。

然而,在资金的加持下,人工智能技术虽然取得长足发展,几年后却在商业变现上栽了跟斗:绝大多数AI公司很难实现盈利,并且处于持续亏损状态。这给热情高涨的资本泼了一盆冷水,资本对AI的关注趋于平静。

IT桔子数据显示,资本对人工智能企业的投资数量在2018年达到顶峰,随后峰回路转,近两年的投资数量开始渐渐回落,但投资金额却在不断上升。这反映出一个趋势:资本正从此前的大水漫灌走向精耕细作。

来源:《亿欧智库:2021年中国AI商业落地市场研究报告》

正如Gartner曲线所示,任一创新技术的热度周期,都会经历非理性追捧的高峰启动期,而后泡沫破灭来到低谷,再逐步走向正规、稳定发展的攀升期。

陶海表示,碎裂的泡沫让人们更清晰客观地看出一项技术的优劣性,更理智、现实地发展行业,进行稳健地进步。

随着技术壁垒、应用门槛不断降低,AI日趋工具化、常态化,AI创业也步入深水区,不断“下沉”。 此时,算法越来越难以成为AI企业之间壁垒,与具体产业的结合、应用行业的属性变得越来越重。

“前几年AI热潮兴起之时,涌现出很多AI概念的企业,其中不乏‘伪AI企业’,本质上并不具有真正的AI技术。退潮之后,它们逐渐暴露出短板,无法用技术解决客户的痛点,必然会在商业化的过程中落败。”九合创投创始人王啸曾表示,投资机构对AI创业团队的评判标准正发生着较大的迁移。

过去,投资机构更看重技术难度、技术带头人的背景等等,以技术为核心进行判断。但现在,“产业理解力”在评价体系中的比重显著提升,更看重AI技术能否在产业里创造真实的价值、市场规模是否足够大。

“技术价值与商业价值不能顾此失彼,要‘两条腿走路’。”陶海表示,AI产品面临的问题与普通消费品不同,一方面算力壁垒下,短时间内难以从成本上形成普惠,一方面局限于B/G市场的定制化、碎片化,难以在市场上形成规模收益,也因此,在成本居高不下中,多数AI企业被困于此。

那么,在资本日趋理性的泛AI时代,CV赛道之上苦苦求索的企业们,路在何方?

“自食其力”

长期以来,AI作为改变生活的新技术获得了社会的认可,但随着产业从技术探索走向规模商用阶段,如何将技术能力转化为商业能力成为一道必答题。

头部企业尚且亏损,其他AI公司的情况亦不容乐观。在投资成本远远大于收益的现实下,“AI落地难、变现难”成为业界常谈,关于AI商业化的各种质疑纷至沓来。

不久前云从科技、云天励飞等企业成功过会虽回应了部分质疑,给市场注入一剂“强心针”,但今年以来仍有诸多人工智能企业相继在上市道路上遭遇“滑铁卢”。

“人工智能企业也是企业,要始终遵循企业的发展规律,在企业创立之初就把盈利放在首位,不断用技术创新来创造价值。”陶海坦言。

市场上有两类公司,一类是资本驱动型,在充足的资本支持下,可加大研发,也允许亏损,而一旦离开资本,他们便难以维系。

另一类则是凭借自身造血。在陶海看来,资本固然对AI公司具备助推力,但这力量的前提是资方明确的利益诉求:投资回报。

来源:《艾瑞咨询:2021年中国人工智能基础层行业发展研究报告》

过度依赖外部输血的AI公司会背上营收快速增长的包袱,这种营收的压力会影响技术和商业落地的进程,破坏AI本身的商业逻辑,忽略盈利,带来“过犹不及”的后果。

陶海指出,AI行业有其自身发展的规律。AI从技术到应用,从亏损到盈利,都存在一个周期。这个周期具体表现为,前期要投入大量的人力财力,才能将技术转化为产品,而产品的应用则受制于成本、场景等因素,商业化过程比较漫长。

“AI企业要‘自食其力’,严格按照AI本身的发展节奏来走。”陶海认为,这样一来,即使在没有融资的情况下,也能养活自己,其代价是企业的发展稍慢,但对公司的竞争力和创新力都是一种锻炼。

“既不能过久停于平台期,也不要过度激进,到头来形成资金窟窿。”

陶海表示,只有在自我造血的基础上持续积累,找到一条适合自身的路子,在技术和产品足够支撑起公司的快速增长的背景下,再寻求融资,才能最大程度上吸收资本带来的帮助。

“开源节流”

前面提到,产品进入流通领域之后才成为商品,在交换(消费)过程中产生商业价值(利润),然后用利润扩大再生产,形成“技术-产品-商品-消费-利润-再生产”的商业闭环。

但多数AI企业在“产品-商品-消费”这个环节面临困境,也就是“落地难”,而最大的难处就是:成本。

AI属于资金技术密集型产业,对人才、资金、材料等要素的需求非常之高,研发投入很大,这些成本最终附加在产品上,因此AI产品因“高精尖”特性,定价较高。

“如果产品成本过高,就没法大规模推广下去。”陶海表示,做一件成熟的产品相对容易,但做一件成熟的商品却很难。

“既要开源,也要节流。”观察下来,现阶段AI企业要想实现成本控制,其一应“合理的资源分配”,将绝大多数的纯基础研究工作交给学校,企业则专注于应用创新与价值创造;其二应“价值匹配刚需”,不做伪需求,深入行业,关注且找准真正的需求痛点。

而要实现稳定营收,陶海进一步提出,具体应从两个方面着手:“在应用层面持续创新,在性能层面追求极致。”

一方面,要做到应用创新,最重要的是对行业的深刻理解,即了解需求和市场,包括现有产品的不足,以及市场出现的新的需求痛点;另一方面,AI企业必须在夯实技术创新底层的基础上,把产品的性能做到极致。

AI内卷之下,算法的核心竞争力地位正在减弱。新的AI公司层出不穷,开放式算法平台也日见增多,几年争奇斗艳,人工智能得以普及,AI门槛降低,算法不再是九天月,遥不可及。

“留给那些只做算法的公司的生存空间越来越小,这边一个好的算法亮相,就宣告那边差的算法消亡。”

所以,AI企业要活下去,且活得更滋润,就必须从价值入手,通过应用创新和极致性能,将技术运用到合适的地方,来解决市场痛点。

但这显然还不够,因为AI企业除了内部竞争以外,还面临着激烈的外部竞争:如今的AI圈,行业巨头根基深厚、渠道广布,已经形成比较完整的产品体系,牢牢占据大部分市场份额,只能追赶,难以超越;跨界巨头资本雄厚,来势汹汹;以四小龙为代表的AI厂商,成长为一方领头羊,自成体系;无数CV黑马,力图弯道超车,不甘人后。

AI企业要虎口夺食,除了在硬实力上下功夫,还应该逢强智取。

“再好的技术,最终也要与实际应用结合产生价值;再好的算法,最终也要在可控成本的前提下,实现人们最需要的功能。”陶海认为,AI企业不能脱离“以人为本”,要将人工智能技术产业化,把技术落地为产品,进而转化成商品,为“人”的生活服务。

“必须开拓新的商业模式,就是走运营与服务的路线。”陶海认为,AI企业要从单纯的技术产品供应商,向“集技术、产品、运营、服务于一体”的综合方案解决商的角色转变。

“AI运营与服务”

陶海认为,眼下盛行的两种商业路径都难以走通。

1、做创新AIoT硬件或算法供应商。

这一模式已经在过去几年被验证行不通,一来,会面临海康、大华等巨鳄的终端产品规模化优势的价格碾压;二来,这类AI企业逐渐被架空,话语权依然在下游集成商或运营商手里。

2、做开放的算法平台或AI芯片。

算法上,巨头高效率、低成本地获客,算法甚至可免费打包到云服务;芯片上,芯片成功的要素除了优异的识别性能,更在于成本和出货量。高昂的研发成本和流片成本,需要企业极为慎重。

“在国内要把AI创新做好,光做算法,光做AIoT的智能摄像机都是不够的。”对此,陶海提出了“全栈AI智能闭环”的思路,即延伸产业链,增加附加值,不单单提供产品,还提供对应的运维、决策等增值服务。

在他看来,人工智能企业的发展路径都会经历最初的算法设计、硬件研发,到数据平台、运营决策,进而形成一个闭环,而目前许多AI企业都聚焦于搞算法研究,缺少硬件能力和前端感知设备,对于平台的开发也较为滞后。

“除了算法还要做感知硬件,感知之后会得到许多有用的数据,通过数据不仅能优化算法,提高感知精度,而且可以进行决策AI,进而形成业务闭环。”

未来的AI企业不再是简单地卖技术、卖产品,而是进入一个长期的全栈AI的业务模式。通过提供更多的增值服务,从而实现盈利、持续增值。

“目前的AI还只是半自动,而非全自动,系统、数据较为复杂,用户需要AI企业进行指导和帮助,而这恰恰是AI服务的痛点。”

不过,要实现全栈AI智能闭环并不容易。除了算法,企业还要有做硬件的能力,还要做平台和决策,资金投入大、周期相对较长,并且对AI技术和产品也提出了更高的要求——比如“感知”。

计算机视觉是AI比较成熟的一个分支,已有不少产品落地并商用。但计算机视觉主要通过样本进行统计意义上的回归与拟合来进行识别,缺少逻辑推理,严重依赖样本,而且不同的场景对算法的要求也各不相同,带来的成本问题也亟待解决。

“把感知做到全覆盖,功能做得更全,精度提上去,依然是CV公司未来5年内要做的事。”陶海表示,要做到这一点,就要深入行业,了解具体场景下应用的痛点和难点。

“要做运营与服务,必须深入行业,深入基层,去理解这个行业,才能知道怎么通过感知加数据、加决策、加行动、加迭代来真正的创造价值。”

顺势增长,逆势突围

命运对每个人设置了难度不同的障碍,在近几年浪潮里的摸爬滚打让AI领悟不少。历经碰撞与跌宕后的再出发,AI后半段场的鏖战,必将格外精彩。

以文安智能为例,似乎找到了自身的路径。作为最早的一批计算机视觉公司,其发展历程正如创始人陶海所描述的那样:遵循其自身发展的规律,不过度依赖“输血”,而主要靠“造血”来完成技术积淀。

在找到一条适合自身发展的路(全栈AI智能闭环)之后,文安智能开始借力资本:去年十月完成C1轮融资之后,新的融资计划已提上日程,将在智慧交管、智慧商业、中观智慧城市等业务板块继续发力,为G/B端客户持续赋能。

这意味着AI已经从“技术为王”过渡到“应用为王”的阶段,这个阶段同样需要资金的支持。而当资本对AI的追捧从“狂热”变成“冷静”的趋势下,只有那些专注于技术创新转化、满足应用需求,持续创造真实价值的“高端玩家”才能获得资金加持。

或许在AI这趟大潮中,并没有谁在裸泳,但最终能活下来的,始终是那些认真搞技术、耐心磨产品的公司。