AI明星企业IPO前夕 那些离开的年轻人

小象的前同事也陆陆续续离职了。“我离职的时候是离职一群，很快就发展了二群，现在三群都快满了，正在开四群。我认识的人里面很多去了字节跳动，以及阿里巴巴、腾讯、华为等大厂，做游戏、做教育、做视频……都比原来要好。”小象说。

新冠肺炎疫情加速了AI的应用，让不同行业对AI的接受度提高，AI企业纷纷“赶考”首次公开募股（IPO），小象所在的企业也选择向科创板发起冲击。

不过，持续的亏损以及AI在传统行业落地面临的挑战，不断地刺破泡沫和大众美好的期待。

在本月初依图科技终止科创板IPO后，云从科技于7月20日IPO首发过会。

对此小象表示：“随着计算机运算能力的发展，AI确实是必然的趋势，只是现在的算力、市场和民众还没有准备好接受AI的到来。等到市场成熟，AI会重新火起来。”

对AI认知的改变

2016年，Google智能机器人Alpha GO完胜李世石事件如同一阵风，吹热了人工智能，也把一众创业企业的估值吹上了天。“AI四小龙”——商汤科技、旷视科技、依图科技和云从科技成为最受关注的明星企业。

早在2018年年底，根据BOSS直聘的数据，在所有招聘岗位中，人工智能和数据科学相关岗位收入居于第一位，平均月薪大约在3万元。

“那个时候AI非常火，觉得去AI企业的前景非常不错。”或许一开始的期望太高，随着参与越来越多的一线业务，小象的失望也不断累积，认为公司在盈利模式和运营上有不少问题。

张学友在全国各地举办的演唱会上，前后有数十名在逃人员落网，让大众感叹AI的先进性，但这背后可能是无数次的漏报和误报，而这些失误并未有机会呈现在大众面前。

以安防行业为例，小象告诉第一财经，曾配合基层民警向其领导展示了“非常完美”的数据和界面。“有一次上面有人要来视察工作，我们就在平台里找很漂亮的数据。系统可能一天要抓拍几千万张照片，比如我上传我自己的照片，搜出来的轨迹非常完美：几点几分在这里，几点几分在那里，也没有其他人的照片出现在我的轨迹里。人家一看，就会觉得这东西还挺厉害。如果上传你的照片，发现有一些跟你长得比较像的人被系统误认为是你，出现在你的轨迹里，那就不好了。”

通过调整数据的优先级，系统将准确率最高的数据置顶，借此展现“最完美”的数据。

“我们会把精心准备的数据，通过一些技术手段送到最开始的第一页。有点像粉丝在微博控评，什么‘哥哥好棒’、‘哥哥好帅’，给他冲到热搜榜第一名，然后更多真实的声音就被掩盖了。看人工智能的一些产品，你也不要看第一页、第二页，甚至前50页都不要看，往后翻到100页、200页，你会发现大家可能都会有各种各样的问题。”

不管5G、云计算还是AI，对于企业而言，运用新技术的最主要目标是降本增效。“有多少智能，就有多少人工”被人诟病，但也是AI现阶段无法摆脱的困境。例如，数据标注往往需要依赖大量人工，科技巨头和AI算法公司会选择外包。与此同时，在代码测试方面，也往往通过外包完成，而不是选择自动化。

“当时在业务高并发、高速增长的时期，依图的选择是堆人去做业务，业务撑不住了就找人继续往里加。”一位从依图离职的员工表示，“AI公司的产品大概率是一段代码，代码完成后需要测试，当时没有太多的技术大牛去做自动化，而是招了一大批的外包做测试开发。”

不管是商汤、旷世、依图还是云从，这些“第一梯队”的AI创业企业普遍拥有顶尖的技术水平和算法能力，并在国际计算机视觉与模式识别会议（CVPR）、全球人脸识别算法测试(FRVT)等国际比赛中斩获佳绩。

但在实际应用中，业务场景的复杂度远高于比赛。比赛有用，但比赛解决不了应用落地的问题。

中科智云科技有限公司CEO兼首席科学家魏宏峰在接受第一财经采访时表示，如何提高易用性、可维护性，以及低成本是AI落地非常关键的问题。

正是商业化面临挑战，AI泡沫逐渐破碎，吸金能力也有所下滑。

上海国有资本投资有限公司总裁戴敏敏在第四届人工智能大会的投融资论坛上表示，今年AI投融资市场整体热度依旧在提升，但全球新成立的AI企业数量已从2017年的5000家下降到了去年不到800家，市场更加聚焦在医疗、自动驾驶、教育、安防等应用领域。

究其原因，视觉垂直赛道正在面临着高度同质化的竞争态势。同时，原本处于下游产业链的客户纷纷以自研模式进入视觉赛道。

即使是头部AI企业，旷视科技、依图科技和云从科技持续亏损。刚过会的云从科技招股书显示，从2018年到2020年期间，该公司主营业务收入分别为4.83亿元、7.8亿元和7.51亿元。同期，该公司归母净利润分别为-1.8亿元、-17亿元和-6.9亿元。截至2020年末，该公司合并口径累计未分配利润为-14.35亿元。

旷视科技此前提交的招股书显示，截至2020年9月末，公司累计未弥补亏损为142.5亿元。截至2020年6月末，依图科技累计未弥补亏损72.2亿元。招股书披露的信息显示，三家企业亏损情况类似。主要是公司优先股以公允价值计量导致账面亏损；另一方面，则是持续的高投入研发。

大众对AI的看法也逐渐理性。魏宏峰介绍称：“有的客户会觉得AI什么都能做，有的客户发现什么都不能做。慢慢地，市场被教育了，大家越来越务实了，客户对AI的认知现在也越来越深刻了。”

宏大的目标难落地

“智慧社区”、“智慧工厂”、“智慧城市”……数字化、智能化变得越来越时髦。但如何在降本增效的同时，又降低一线工作人员的使用门槛，将决定AI落地的速度。

“现在基层的民警，他要用我们的系统，首先得理解很多的概念。但是在基层民警的概念里是没有AI安防这回事的，他想的就是我要抓小偷，要巡逻，派出所接到报警了；而不是算法公司告诉他，要补一万路摄像头，要怎么用这些摄像头的数据。”小象表示。

所谓的智能小区，往往是通过安装摄像头，监测小区的人员流动，判断周围是否有小偷，“最基础的功能，比如有一个逃犯溜进小区，那系统得报警。如果有一个非小区的人经常在小区外被抓拍到，那他可能是一个来踩点的小偷，通过各种各样的方式去得到我们最终想要的结果。”

但事实上，误报太多，导致一线员工很难一直持续盯着监控。

受限于摄像头前端识别算力，AI公司往往会将算法模型压缩，降低网络层数，导致算法精度受到影响。

为了解决这一问题，也为了适应国内“软件卖不出好价钱”的现状，AI算法公司也纷纷下场做芯片、服务器和摄像头，希望提供整体解决方案。

2019年5月，依图科技宣布推出其首款视觉推理AI芯片产品QuestCore（求索），以及基于该芯片构建的软硬件一体化系列产品和行业解决方案。依图员工告诉第一财经，在使用该芯片之后，算法精度的确提高不少，但由于出货量有限，成本依然太高。

不少AI企业并不甘心做一家被集成的算法企业，而是希望掌握主导权，做大平台、做总集成商，但随着企业规模不断扩张，实际的核心竞争力并未增强。

魏宏峰表示，目前主流的AI算法企业通过大量的样本训练，希望能够朝一个通用算法模型的方向走。不过，这需要非常大的投入，“因为它需要大量的样本做大规模的运算，如果企业要盈利，市场销售或者落地实施的压力就会非常大，投入产出的周期也比较长。”

与此同时，魏宏峰认为，真正解决AI落地应用的不是算法和算法精度本身，而是算法工程化的能力。在物联网时代，碎片化需求或小样本环境也很难通过通用模型快速大量复制。

要将算法工程化需要大量的行业知识。腾讯云副总裁、腾讯优图实验室总经理吴运声接受第一财经等媒体采访时以一个工业场景举例，传统上，在检测细微裂纹和粘料瑕疵时更多依靠质检人员经验。由于没有确定的规则，在实验室场景，这一缺陷不能很清晰地被定义。“因为在生产过程中，到底是1毫米的裂纹还是2毫米的裂纹，没有那么严格的规定。我们要通过很多个案，自己帮质检人员总结出行业和技术都能懂的规范化描述，总结出来还要找他反复确认。”

算法公司也很难成为行业决定性的力量。“算法要落地，一定要面临销售，会有各种业务渠道的问题。只要华为、海康威视这些公司把持住了销售渠道，算法公司很难竞争。”小象认为，AI算法公司最终的选择可能还是回归到以算法为主。

（应受访者要求，小象为化名）