2017年注定是中國AI領域不平凡的一年，至少在融投資上而言，我們看到了資本一浪高于一浪的涌入與爭奪。今年10月，曠視科技（Face++）完成了 C＋輪高達 4.6 億美元融資，不僅一舉超越了此前商湯科技的 4.1 億美元B 輪融資，也同時刷新了全球AI領域的融資記錄。而到了11月，云從科技完成了B輪5億元人民幣融資，加上此前廣州市政府對云從科技的20億元人民幣的政府扶持資金，云從科技總計獲得25億元發展資金。

而以上僅僅是計算機視覺領域三家頭部獨角獸公司的融資情況，如果算上計算機視覺領域的其他玩家，以及如自動駕駛領域蔚來汽車，AI芯片領域的寒武紀、深鑒科技等獨角獸，還有智能硬件、機器人領域大大小小start up的融資，2017年國內全年AI領域的融資額將超過200億人民幣。

獲得了上述融資以后，目前國內AI公司的估值變得令人咋舌。以計算機視覺龍頭商湯科技為例，在傳聞阿里巴巴戰略投資了15億元人民幣之后，商湯科技的估值達到了30億美元，折合196億元人民幣，而曠視、云從等估值也早已超越了百億級。在經歷了2016~2017兩年的投資熱潮以后，中國的AI公司的估值如火箭般上升，甚至與比特幣相比也毫不遜色，以至于投資人感嘆AI項目太貴的同時，很多業界人士開始質疑中國AI公司的估值是否過高了。

當然，如果拿二級市場為數不多的類似標的、也是中國AI界“老大哥”科大訊飛來比較的話，上述的估值也沒什么大不了。科大訊飛自15年起其PE就沒有低于100倍，目前更加達到了驚人的177倍，2017年前三季度凈利潤僅有1.72億的科大訊飛目前市值更是超過了850億。

對于當前國內AI公司的估值，我們也許只能說，人工智能對于未來實在太重要了，以至于資本和投資者都愿意付出如此多的溢價去獲得船票，而最值得我們去考慮的是，未來2到3年這一批獲得了高估值的AI公司應該如何發展才能夠長期支撐起其估值？為此有必要去建立起一個成熟度模型框架，去觀察、跟蹤這批正在“通往潛在巨頭之路”公司的發展路徑。

AI企業成熟度模型

在歷史上，先后經歷了兩次低谷期的人工智能領域，目前這波人工智能浪潮的再次興起，其本質原因是孜孜不倦積累30多年的深度神經網絡技術的集中爆發，在尤其是計算機視覺領域取得了巨大的進步。而AlphaGo的成功很大程度上讓人工智能這項技術又一次“滿血復活”地重新回到了大眾的視野，進而又促進了資本對于人工智能優秀項目的追逐，也使得原本已經四分五裂到各個自學科的人工智能界，又一次大一統地重新回到了人工智能的旗幟之下。

而在經歷了八九十年代第二次人工智能低谷期（專家系統破滅）后，能仍然堅持在人工智能領域中如機器人、機器學習、認知科學等子學科的研究人員本來就不多，其中優秀科學家更加鳳毛麟角，這這批堅持下來的人工智能科學家在近幾年已被國內BAT、國際FLAG等巨頭瓜分殆盡，當然后來這批優秀科學家在資本的追逐下重新又出來紛紛創辦了自身的人工智能公司，如前谷歌明星科學家李志飛創辦了獨角獸公司出門問問，百度方面除吳恩達以外，三位百度深度學習實驗室核心人物余凱、黃暢及余鐵男離開創辦了地平線機器人；百度無人駕駛事業部總經理王勁與首席科學家韓旭創辦了景馳科技。

而面對渴望風卷殘云般融入人工智能領域的各路資本，優秀科學家及其項目變得極度稀缺，國內人工智能領軍人物幾乎十個手指頭都能數得過來。在回顧近兩年人工智能領域的融投資事件，我們能夠清晰地觀察到，資本的投資邏輯可以說并不復雜——投人和團隊，而科學家創業也成了人工智能創投領域中最主流的形式，在這段資本的紅利期，人工智能科學家成為了獲益最大的一個群體。

然而這波資本的紅利期，目前已經基本屬于過去式。

如對于領頭羊商湯科技而言，過去一兩年支撐起其接近200億估值的，從一定程度上說，是湯曉鷗教授本人，以及商湯科技自身表述的豪言壯語——“精通深度學習的人基本都讀過PHD，中國在這方面目前總共也就一、兩百號人，而商湯包攬了120人”。而今后商湯要繼續支撐其估值，除了人和團隊以外，必定是其AI產品的商業化應用。為了更好地觀察、跟蹤目前人工智能公司未來的演進，本文專門提出一個AI企業成熟度模型，如下圖所示。

階段一：基礎技術服務商。在AI應用場景尚未成熟和得到市場驗證之際，任何AI企業都傾向于從事基礎技術的積累，這點無論對于國內外AI初創企業而言都是一樣的，最典型的案例是DeepMind。目前大多數國內AI初創公司均屬于或者準備脫離這一階段，基礎技術積累階段的特征是對于人才的爭奪以及采取類似于實驗室形式的AI技術與算法研發，而其核心驅動因素是團隊與人才。在此階段，AI企業們大多熱衷于在各個頂級會議發paper以及參與到各項國際AI競賽的刷榜之中，由于技術的商業化程度不足，往往只能通過項目制形式為客戶提供AI技術服務，即簡單粗暴地賣模型、賣算法，如人臉識別技術服務、基礎語言識別服務、金融領域的知識圖譜工程等。但以人和算法作為企業核心能力是不可持續的，尤其目前深度學習領域算法紅利期變得越來越短，而人才缺口也在逐漸被填補。

階段二：整體解決方案提供商。對于基礎AI技術服務商而言，一個很顯而易見的事實是，單點技術本身無法構成一項完整的應用和產品，比如狹義的人臉識別技術，需要與其他業務或者產品結合。比如技術+攝像頭，成為智能視頻監控設備，或者與傳統支付產品結合，在密碼/手機驗證碼上再加一層人臉識別驗證，類似還有ATM機上增加人臉識別，才能在特定場景中形成具備商用價值的應用。基礎AI技術服務商需要向整體解決方案提供商進化，從細分產業場景深耕以及數據運營兩個角度形成自身整體解決方案的核心能力，這個階段核心驅動因素從人演進為場景和數據——聚焦于深耕細分場景和數據及其背后的整體解決方案。為此，我們看到了經過幾輪融資，總體上并不缺錢的商湯科技，仍然接受了阿里巴巴15億元人民幣的戰略投資（未經官方最終證實），若屬實的話，對于商湯而言這筆投資背后最大的意義，在于阿里系龐大的數據資源和應用場景，使用股權置換巨頭手中的數據和場景，或將成為近期國內AI公司的一個重要趨勢，原因在于在整體解決方案階段，核心驅動因素已經由團隊和算法技術，逐漸轉變為數據和場景。另外一個案例是AI企業國家隊云從科技，云從借助其中科院背景，主攻金融領域的人臉識別及反欺詐場景，目前已攬下包括建行、農行、交行、招行等50家客戶。

階段三：AI產品化階段。單靠基礎AI技術和整體解決方案本身，都難以成就一家偉大的AI公司，因為哪怕再好的技術和解決方案，都逃脫不了作為別人產品附屬的定位，AI企業要走得更遠的話，產品化是一條難以繞過的道路，這點我們可以在科大訊飛以及前些年百度所走的彎路上，看得再清晰不過了。對于目前國內AI公司的估值，未來離不開推出市場上具有影響力以及粘性的工業級/消費級AI產品，單純的技術和整體解決方案很容易就觸碰到天花板。

階段四：協同生態構筑者。產品背后的協同生態構筑，是AI企業成熟度的最終標志。什么是協同生態？我們以亞馬遜智能音箱Echo為例，正如亞馬遜Echo推出開始時應用（Alexa的Skill）的數量慘不忍睹，隨后當Echo出貨量爆炸式增長后，亞馬遜吸引了大量開發者融入Alexa生態中，目前Alexa已經有了一萬多個Skill。而其中的關鍵驅動力，是亞馬遜強大的云計算能力——通過AVS（Amazon Voice System）以及ASK（Amazon Skills Kit）的開放，搭建了一個開發門檻低得不能再低的生態，開發者甚至完全不需要有任何語音識別的技術積累，AVS會解決所有的語音識別和語義處理等事情。這種類似于Echo的協同生態，能夠以AI產品為中心驅動大量的參與者加入到生態之中，并成為企業未來利潤的源泉。

演進中的“點、線、面、體”

對于目前國內這批已經取得如此高估值的AI獨角獸，其未來最終的使命必定是成為偉大的AI產品公司——即全面產品化、產品協同生態化，否則我們無法想象在一個未來AI算法變得越來越普世、技術方案門檻變得越來越低的時代，一家AI公司仍然依靠單純的技術服務該如何生存。

上文提出的AI企業成熟度模型，正是一家企業從技術情懷及崇拜出發、逐漸演變為偉大AI產品公司的路徑，四個階段實際上就是一個從“點”到“線”到“面”最終到“體”的演進過程。

“點”，就是單點技術服務商，也是在整個AI產業鏈上提供單點價值的角色，供給人臉識別、語音識別、圖像OCR、到娛樂級別的人臉變妝、顏值檢測等技術方案，以及產業輔助層面的各類數據標注服務，顯而易見單點技術的天花板通常都比較低，至少相比目前大部分AI企業的估值而言。

“線”，即圍繞特定細分場景，能夠將各個單點連接為線條的角色，也就是上文中AI企業成熟度模型中的第二階段整體技術提供商。“線”的概念，其實類似于傳統管理咨詢中的縱向一體化，在特定的垂直行業（或者其中的一個特定場景，如安防行業中的視頻監控），通過整合自身或者上下游的“點”提供全棧服務，形成整體垂直領域的解決方案。以曠視科技為例，目前曠視推出了自身的全幀率、全畫幅智能人像抓拍攝像頭，里面也使用了曠視自主設計、為自家人臉識別算法優化的FPGA芯片，這樣通過算法—芯片—硬件三點為線，形成了安防視頻監控的整體解決方案，通過全棧服務從單點的人臉識別算法商走到了上游。

“面”及“體”：AI產品化階段，當AI整體解決方案足夠標準化，進化為具有市場普遍性和粘性的工業級/消費級AI產品后，就進入了“面”的階段，從而在面上覆蓋更多的市場領域。而當“面”（產品）足夠成熟，能夠為足夠多的第三方合作伙伴賦能時，正如亞馬遜Echo案例中，AVS為第三方賦能語音識別和語義處理，就演進為“體”，即協同生態體系。

估值堰塞湖與漣漪效應

在稍早前《500家國內AI企業大數據分析：產業布局與融投風云》一文中，通過梳理目前國內超過500家AI企業的領域分布，我提出了一個接近紡錘體的AI產業形態分布：

通過數據我們也看到了一個接近紡錘體的產業形態，大多數AI初創企業集中于通用AI技術以及成為了投資熱點的消費級終端（智能機器人、無人機、智能硬件）上。行業場景應用方面雖然公司的絕對數量不少但過度集中于自動駕駛、智慧醫療和智慧金融上面，三者占了場景應用層65%的企業數量，融資金額更是占絕對多數。這反映了當前AI產業所面臨的一個事實——在本輪AI創業浪潮之中，優秀資源（科學家、資金）集中在通用AI技術上。 

通過這項分析發現，根據IT桔子數據，雖然目前國內已經有超過500家AI初創公司，其中大部分分布于場景應用和消費級終端上，但整體產業大部分融資額都集中在了如商湯、曠視、依圖等通用AI技術企業上。原因在于本輪AI領域融投資的核心邏輯在于投人和團隊，而杰出科學家創業團隊往往熱衷于創辦通用AI技術企業，其中最熱門的莫過于受益于深度學習最多、相對較成熟而且離商業化最近的計算機視覺領域，因此才有了現在由商湯、曠視領銜的計算機視覺獨角獸樂園。

這樣，在目前國內整個AI產業中，出現了堵截于通用AI技術領域的估值“堰塞湖”——大量融資投向了通用AI技術領域，獨角獸們紛紛拿到了不菲的融資，但客觀上說目前眾多通用AI技術公司尚處于單“點”狀態，或者正在某些垂直領域積極形成“線”，要消化如此多的融資以及其背后的壓力，最靠譜的做法是將估值重新擴散到產業鏈上——這也是目前商湯等通用AI技術巨頭在做的事情。通過布局自身產業戰略投資，以縱向一體化的路徑打通產業鏈上下游，尤其是上游場景應用，加速自身由“點”成“線”并逐漸向“面”演進的速度。

  

如商湯科技領投了51VR這家聚焦全場景VR看房的場景應用領域初創公司，曠視科技戰略投資了國內AI制藥初創公司AccutarBio。這樣一出出獨角獸們紛紛把剛融到的錢又重新投給別人的咄咄怪事，形成了產業界以AI技術公司估值堰塞湖為中心的“漣漪效應”——其背后的邏輯是此前以投人和團隊為核心的AI領域融資浪潮，讓通用AI技術公司獲得了飽和的融資，不缺錢的獨角獸們為加速從“點”到“線”和“面”的演進，參與到了產業戰略投資之中。

估值的終驗

我們看到，當前這波AI領域融資紅利期目前基本結束，由于優秀科學家團隊的稀缺性，使得產業整體融資和估值出現了明顯的馬太效應，以至于在通用AI技術領域出現了估值的“堰塞湖”。對于湖水中紛紛拿到了巨額融資的獨角獸們而言，資本既是一劑貫穿筋脈的強心針，同時也是壓力和焦慮的源泉——尤其是對部分習慣于實驗室式研究以及在各類頂級會議上發paper的科學家創業公司，技術的商業化壓力變得前所未有的迫切。

而未來，技術和算法都難以成為AI產業的核心壁壘，純粹以“點”為根基的AI技術服務顯然會在不遠的將來被逐漸邊緣化。馬云曾多次說過，在未來計算是生產力，這句話背后的含義，至少對于阿里這樣的云計算服務提供商而言，在未來大部分阿里的AI技術都可以低成本甚至免費使用——只要使用阿里云異構計算平臺，類似還有百度的Apollo自動駕駛生態平臺，這無疑將進一步壓縮單點技術本身的意義和價值。

當然，對于部分尤其是中小AI公司而言，繼續選擇“點”和“線”作為自身產業定位是沒有問題的，產業同樣需要多樣性的生態，但對于估值動輒百億級別的獨角獸們，唯一的一條道路就是成為偉大的AI產品公司，向著全面產品化的“面”和“體”演進，否則，單純的技術服務和解決方案，基本上難以獲得匹配其估值的未來營業收入。

回到估值問題上，在目前優秀科學家團隊和項目、算法和技術都仍然屬于相對缺乏下，明星企業拿到了如此高估值是可以理解的，但真正的問題是，在不遠的未來，當上述因素都變得不再稀缺的情況下，誰還沒能夠游到全面產品化的岸上？