最好的科技，是让你感受不到科技的存在。

作者 | 刘景丰

编辑 | 火柴Q

*实习记者徐文璞对此文也有贡献

7月9日，2020世界人工智能大会云端峰会在上海举办。

尽管线上举办，但今年的大会仍不失热闹：截至9日中午12点半，开幕式直播已有2000余万人次观看；云展览“3D AI家园”也有超过130万人次参观者，比往年还热闹；到9日晚，新浪微博上AI话题的阅读量已达5303.3万，足见话题关注度之高。

相比往届，本届大会的嘉宾数量也增加到550余位，还首次让“三马一李”——马云、马化腾、马斯克、李彦宏四位企业大咖以别开生面的方式“同台”出席，成为是日焦点。

与热闹的大会相比，现实中的AI商业化看起来却走向下坡路。

资本寒冬叠加疫情黑天鹅，AI行业融资更加艰难；业务落地进展缓慢，AI企业盈利艰难；技术红利消费殆尽，AI基础算法遭遇瓶颈。

AI正在下行吗？

“下行”是表象，“下沉”才是真实。

站在更大的视角看，如今的AI已走到一个节点——从技术向价值跳跃。

在AI经历过数次“寒冬”、“下行”后，一些现象表明，这一次的寒冬是“下蹲起跳”的前夜。

1.AI正下行？

多年后我们在教科书上回忆起AI商用的经典一幕，一定是2016年AlphaGo大败李世乭。在此之前，AI深居理论和实验中，大众知之甚少；在此之后，AI变成全民话题，进入人类生产生活。

潮水涌动之始，敏锐的投资人最先嗅到了气味。

2015年，资本已开始逐鹿AI。投中研究院的数据显示，2015年中国AI行业融资规模为458.27亿元，融资事件489起，比上年大幅增加；2016年融资规模为489.26亿元，融资事件607起；2017年融资规模上升至727.26亿元。

真格基金创始人徐小平甚至放出话来：如果说几年前是互联网+，那么未来五年一定是AI+。为此，他认为“投给AI的钱还不够多”。

根据企查查的数据，2015年国内涉及“人工智能”关键词的新注册企业有3942家，2016年新注册量则达到5070家，增长了28.6%。

其中，计算机视觉（CV）企业数量最多，并诞生出一批AI独角兽——商汤、旷视、云从、依图。

2017年，AI应用已经从机器视觉到深度学习全面开花：智能网联汽车、智能服务机器人、智能音箱以及智能家居产品纷纷诞生。

不久后，各互联网大小巨头也开始扎堆入场，行业潮水更加汹涌。

先是2017年6月腾讯对外开放计算机视觉、智能语音识别、自然语言处理等AI技术，这一下子拉低了行业的进入门槛；紧接着百度喊出“All in AI”，推出DuerOS和Apollo两个开放平台，意图占领AI操作系统和无人驾驶的高地；随后阿里也加入进来，宣布成立达摩院，投入巨资研究量子计算和机器学习等前沿技术。

在巨头的带动效应下，2018年AI进入声望和商业讨论的全盛期。

9月， 2018世界人工智能大会在上海举办，国家主席习近平亲自致信祝贺。

这场肩负着为人工智能贡献“世界方案”使命的大会，是此前中国AI产业两年高速发展成果的一次集中展现：AI+教育、AI+金融、AI+智造、AI+交通、AI+健康等七大“AI+”主题式体验，第一次全面地展示了AI将如何应用于生活。

自此，AI开始成为中国科技创新的一个新标签。

AI时代加速到来，无疑是振奋人心的。但热闹之下，危机和困境暗藏。

一个当时最常见的例子是：创业者随便拿一个跟AI沾边的项目PPT ，就可以找投资人拿融资；而已经拿到融资的项目则不断炒新概念做高估值，落地反而成了次要。鸡肋的应用、过热的资本，让快速成长的AI走向泡沫化。

2018年初，AI布道者、创新工场董事长李开复就在社交媒体抛出预言：AI泡沫（2018）年底要破，AI寒冬将至。

果然，年底李开复的预言应验了——AI寒冬来了。

首先是AI领域投融资变难。IT桔子数据显示，2019年AI行业融资金额为854亿元，比上年减少300多亿元；融资数量也由上年的800多起减少至527起。谨慎的资本涌向头部企业，其他成长期AI公司生存更难。投资人开始“逃离”AI赛道。

接着，一些AI公司开始停滞或倒下，其中不乏昔日明星。

在曾最受投资人追捧的计算机视觉领域，就连头部的“四小龙”也深陷商业化困扰，而规模更小的公司生存更难；在无人驾驶领域，2019年初估值4亿美金的无人驾驶初创公司Roadstar.ai因团队内讧匆匆倒闭，拉开了无人驾驶行业寒冬序幕，此后景驰纠纷、Drive.ai被收购、百度Apollo进展缓慢……无人驾驶开向“低谷”。

企查查数据显示，2019年国内注销/吊销的含“人工智能”关键词的企业为2565家，是上一年的5倍。

以至于一个段子开始流行：AI还没能让人类失业，搞AI的先失业了。

资本、人才集中涌入AI领域，为什么也会出现这种“一地鸡毛”情况？

一位AI创业者曾撰文揭开AI公司商业化困境的原因：一是强技术弱产品销售，离用户真正的需求有距离；二是算法立身易受上下游打压，很容易“为他人做嫁衣”；三是，AI技术本质是To B的属性，业务增长具有缓慢性。

而就无人驾驶领域看，除了技术瓶颈、团队矛盾外，市场也未做好准备，多起无人驾驶事故让人们对其心存顾虑，而自动驾驶公司与整车厂分离的现状，则让研发与量产隔着巨大的鸿沟。

从更广的社会层面看，AI也备受安全、伦理等问题困扰。

一方面，无人驾驶致死、AI诈骗、AI隐私泄露等事件接连发生，AI技术背后的“黑匣子”始终让人对其抱有恐惧感；另一方面， “还没赚到大钱”的AI已卷入了诸如美国大选操控门、Facebook间谍门、亚马逊招聘算法的种族歧视、Google研发AI技术用于军事打击等多重政治、社会事件。

对比风光时刻，如今AI却是技术红利消失、商业落地遇阻、安全伦理问题缠身。

“AI下行”成了行业新图景。

2.大机会，总是“一波三折”，九死一生

AI商用的速度和现状固然不如预期，但如果将时间拉长来看，人类每一代从“高精尖”走向普惠的科技革新都是“一波三折”，好事多磨。

押韵的历史中，从蒸汽时代到电力时代再到信息时代，技术落地的进程仿佛是同一个剧本：先捧、后杀，再发展。

以与AI时间最近的互联网浪潮为例，回到那段历史中，互联网发展的曲折一点儿不比现在的AI少。

它过早经历了备受追捧——在90年代的互联网泡沫顶峰，网景、雅虎、eBay、亚马逊、Google等一批互联网公司涌现。

这其中当然也有挺过泡沫，终成大器的公司，但是在当时来看，他们的实际情况与估值不符。

在2000年3月10日，纳斯达克指数达到了互联网泡沫中的最高峰：5048点。但此后40天内，纳指由高点一路狂泄跌到了3321点，跌幅达32%；一年后的2001年4月14日更是跌到1638点的历史最低点，与高峰相比跌去了68%。

另一个同样让人震惊的数字是，1999年~2001年间美国纽交所和纳斯达克共有899家科技公司IPO，但到2019年11月这批公司中股票仍存续的只有61只。

但泡沫也孕育着未来生机，这61个经历过泡沫的“幸存者”中，就有Google、亚马逊等如今美国互联网的中流砥柱；也有搜狐、网易等中概股的先驱。

泡沫之后，互联网行业也并没有死掉，而是在2003年之后逐步复苏，Facebook、阿里、腾讯等互联网巨头都在此后有长足发展。

为什么同样是互联网公司，有的倒下，有的却能真正走完技术到商业落地的闭环，甚至成为一方霸主？

其实不光是互联网，但凡有一定技术门槛的行业和这些行业中的公司，都容易出现一个问题——恃“技”傲物，过度重视技术本身而忽略了公司成功需要的其他要素。

一方面，有技术含量确实是大众和资本市场对科技赛道高看一眼、充满期待的原因。但另一方面，这也正是酝酿泡沫的温床。

因为每有一代新技术出现时，人们总容易被“黑科技”的光环晃着眼，而忽略了技术本身并不一定构成护城河，也不能直接满足商业需求。

此前互联网浪潮中，各赛道与公司的起落沉浮就能提供很好地借鉴。

在技术之上，第一道“坎儿”，首先是要把技术产品化。

奇绩创坛创始人陆奇在近期的演讲里提到：在2000年前后的众多搜索引擎中，只有Google做对了产品形态：“因为它把互联网的结构做在了里面，让人能找最需要的信息。”

下一道坎儿，是找到合适的商业模式，乃至进一步构建商业关系和商业生态的护城河。

互联网泡沫中最令人唏嘘的公司是网景，它曾提供了开辟互联网体验的浏览器产品，浏览器之于互联网就像图形界面操作系统之于PC；但这家在浏览器市场一度占80%份额的公司直到被收购都没弄明白“羊毛出在猪身上”的互联网赚钱方式，他们曾试图直接向用户收取软件使用费，这给以免费开拓市场，并与Windows生态绑定的IE 浏览器提供了可乘之机。

英国SPRU荣誉研究员洛塔·佩雷斯有言：“新兴技术向产业演化，是技术方案被不断选择和淘汰，技术可行性空间逐步收缩的过程。”

而以上的技术、产品、商业模式和生态都是为了服务于“价值”，也就是产业或消费者的最终需求。

技术是出发点，价值才是终点；这条路不好走，哪怕“天才”都有可能“中道崩殂”。也许很多人不知道，发明了飞机的怀特兄弟也是开辟商业航空领域的创业者，但在商业化这件事上，他们没干过同时代稍晚开始起步的众多竞争对手，最终被另一家商业航空公司收购。

如今，AI也像历代技术“先辈”那样走到了一个从技术向价值跳跃的节点。而且一些现象表明，这一次，AI真的到了起跳前夜。

这不是冬天，是倒春寒。

3.不是下行是下沉

一个可能超出很多人预期的数字是，2018年到2019年，AI企业新增数还在爆发式增长：据企查查数据，18年的新增AI企业比17年翻了一倍多，达到18768家；19年则有31932家，比18年增长了70.1%；今年上半年，新增AI公司数更是突破了5.6万家，已达到去年全年的177.5%。这似乎和行业普遍感受到的“不景气”和下行趋势背道而驰。

这背后，AI确实不是在“下行”，而是在“下沉”——沉到各行各业，成为传统生产力的一部分。

为什么AI公司数量还在爆炸？正是因为今天大量的AI公司其实不是受投资人追捧、有华丽背景团队的典型的技术范儿AI公司，他们更多是在各行各业里运用AI技术的公司，甚至可能是有些人眼中的“伪AI”公司——他们可能不掌握核心技术，重点是做服务、搞商业。

但“伪AI”公司的涌现，正说明在一些方面，AI技术的门槛已在降低，技术基础已建设到了一定程度；“旧时王谢堂前燕”的AI已成为了标签、元素，进入了各种“寻常百姓家”。

而除了公司数量的爆发，AI“下沉”还表现在实打实的应用上。

首先是应用得更广了。

2018年马云在第一届世界人工智能大会上提出，未来三十年，智能技术将深入到社会方方面面，从传统制造业、服务业，到教育、医疗等行业，甚至人们生活也将被计算、数据改变。

但仅3年后，这一现象就开始出现了：工业机器人代替人类磨刀、鞋底涂胶以及服装制版；智能无人车代替人类搬运、堆卸货物；无人机深入田间进行无人播种，无人撒药；AI算法帮助科学家参与疫苗研发；AI设备与医生一起为病人看病；AI机器人进入银行、餐厅上岗“服务员”；甚至AI还能创作诗歌、音乐……

其次是应用得更深了。

这其中，一方面AI正提升行业效率、效益。如今年2月，百度AI算法LinearFold被用于新冠病毒RNA二级结构预测分析，将分析时间从55分钟缩短到27秒，提速120倍；在招聘领域，AI通过更精准匹配求职信息和职位描述，将招人效率提升了4倍；在农业中，AI算法实时调整温度帮温室种植番茄的农户每亩增收数千元。

另一方面AI在传统行业中渗透率不断上升。比如在招聘领域，截至今年上半年AI技术的渗透率已经达到9.9%，是历年来最高值；在汽车领域，国家工业信息安全发展研究中心的数据显示，2020年搭载AI技术的智能网联汽车渗透率将达到51.6%，较2016年增长了8倍；而在疫情之下，智能体温测量和人脸识别门禁已经从个别应用成为一些小区和公共场所的标配。

最后AI已成为地方产业增长新动力。

以三届世界人工智能大会的举办地上海为例，2018世界人工智能大会上，上海确立了建设人工智能高地的目标。两年后，这座城市已初步形成了以半导体、云计算等为支撑，以自动驾驶等为重点应用的AI创新生态：

AI重点企业已达到1116家，2019年规模企业产值约1477亿元，比2018年增长10.7%；浦东张江、徐汇西岸等智能新地标，成为AI企业落户首选；腾讯长三角AI超算中心、人工智能研发中心、北杨人工智能小镇、滴滴自动驾驶落地嘉定等新项目完成签约，智能成为城市的一部分。

AI不是没有进展，而是进展变得“不那么显眼”了——2016年的AlphaGo就像一场暴雨的开端，AI的雨水将旱地淋湿，变化卓著；而现在，水开始往深层渗透了，更不易观察，重要性却不减。

现在的行业调整，是对一场更长远壮游的准备。

而也是从第一届世界人工智能大会举行的2018年起，中国的AI产业还遇到了一个既是挑战但也可能刺激长期发展的因素：以科技遏制为核心目的的中美贸易摩擦。

自2018年4月以来，已有中兴、华为、科大讯飞、海康威视、云从、旷视、商汤等公司中招，登上美国“实体清单”。其中，科大讯飞、云从、旷视、商汤等都是AI公司。

但这一形势也激发了中国AI的自强发展。

不少公司已准备了一些应对之策。以语音、NLP领域的科大讯飞为例，被列入“清单后”其公告称，公司所有跟人工智能相关的核心技术，“每一行代码都是我们的工程师自己写出来的”，不存在核心技术被人卡脖子的情况。

再看计算机视觉领域的云从，他们已在安防之外，开辟了银行及民用枢纽机场两大落地方向，且目前AI技术市占率已达到第一；非银机构，泛安防，零售，交通，医保等行业也都有云从AI的身影。

在单点的视觉技术外，云从还在进一步以视觉为核心研发人机协同平台。今年5月，云从建设的国内首个定位于AI基础设施的人机协同开放平台在广州市落地服务，它能打通感知数据与行业数据，复制行业专家的能力实现模型化，解决行业专家稀缺的问题。比如疫情期间，人机协同技术就在将把疗专家的知识技能模型化、自动化，并自动判断过滤90%以上诊疗信息，使医疗专家可集中处理10%的关键性问题，把医疗专家的服务能力扩大了10倍。