行業難言之隱：巨額虧損，落地偏少

　　2020年，被譽為全球最有前途的AI企業之一，WaveComputing宣布破產。整體來看，WaveComputing的“悲劇”并非個例，國內的AI獨角獸們，日子也不好過。

　　從各企業揭露的招股書來看，表面上AI產業蓬勃發展，其實無一不是在做賠本買賣。“吞金”嚴重是常態，幾乎每家企業都在瘋狂燒錢。

　　一位北京VC投資人曾坦言，已經很長時間沒看到AI創業項目了。

　　縱觀AI產業發展史，國內的AI企業大多戴著光環誕生，前期融資金額以億為計算單位。只是隨著持續的虧損、高昂的研發投入、承壓的現金流等背后的真相被剝開，曾經風光一時的AI企業逐漸跌落神壇。

　　事實上，當業內認清“空有技術，少落地應用”的現實時，近些年有關AI產業前景的爭議越來越多。有學術界“頂不了天，落不了地”的批評;也有AI科學家“脫手”回歸學術界等諸多負面現象。

　　不少業內人士曾表示，AI要能夠真正解決社會的一些問題，需有看得見的數據統計證明業務成效，并且企業應做到安全可控，才算真正實現價值。

　　另外，規范標準作為AI現階段發展的關鍵詞之一，對應用場景豐富化和產業復雜度的提高有一定的制約影響，也就是對AI應用落地和保證整個行業的生態健康發展有影響。

　　而沉淀的技術水平和不斷攻克技術壁壘，探索可落地和拓展性良好的商業場景等因素則成為AI應用落地的關鍵。

　　整體來看，商業落地模式和變現能力弱是當下AI產業發展的主要瓶頸。而落地場景分散、產品標準化程度低、知識產權和倫理問題等均是造成行業發展遭遇瓶頸的重要原因。

　　疫情下的AI：賦能在左，應用領域擴大在右

　　目前，人工智能商業化場景中，應用比較廣泛的是計算機視覺、智能語音、自然語言處理等幾個主要技術方向。不得不提的是，這些AI技術都是經過了幾十年的發展才有如今的大規模商用。

　　得益于AI發展戰略和相關政策文件的推出，AI的發展速度持續加快、應用領域也不斷擴大。尤其是2020年突發疫情，倒逼整個社會數字化進程加快的同時也推動AI在教育、體育、文化、經濟等多領域的應用加速落地。

　　不可否認，疫情黑天鵝接踵而至，不少企業由此倒下，但伴隨壓力的同時還有機會。相關數據顯示，疫情很大程度加速了AI賦能部分行業的落地。

　　就教育行業來說，最直觀的表現是疫情期間，基于AI的在線教育滲透率僅用半年時間就走了過去十年的路。在醫療、自動駕駛領域，越來越多的人意識到AI的重要性，相關數據顯示，2020年前三個月籌到金額比上季度還高51%。

　　整體來看，疫情對AI落地是一個巨大推手，但疫情也僅是外部誘因，本質還需透過行業規律來看。

　　清華大學AI研究院院長、中國科學院院士張鈸教授提到，此前業界對AI過于樂觀，以致出現估值泡沫;現在最關鍵的是需對AI未來的發展有正確的評估。

　　很多AI企業也開始意識到，技術的“孤立者”并不能有長遠的發展，將AI與云計算、大數據、物聯網等技術融合，賦能各行各業才能更好地滿足行業需求。

　　不久前，曠視就曾在物流領域推出多款硬件產品，且反響較好。目前來看，這種模式的發展前景較之前會更廣闊，未來更多的AI企業或許不再強調自己是AI企業，但其背后仍有很多AI技術。

　　然而，當前的現實情況是，AI商業化落地仍高度集中且呈碎片化現象。公開資料顯示，AI只在安防和金融兩大領域實現市場份額較大的賦能，但在大多數行業還沒有實現深度融合和落地。

　　當下，AI產業還停留在相對淺顯的智能和自動化技術發展上，整個商業邏輯的迭代速度還沒有那么快。不少業內人士已經發現，除特殊的疫情期間外，近些年AI落地預期和速度明顯慢了很多，AI的風光褪去，資本也不再大刀闊斧。

　　總結

　　總之，AI不能脫離產業單獨發展，加快AI與實體經濟的深度融合，創造更多新模式、新業態、新產業等，才能發揮出更大的作用。AI與實體經濟的融合是新經濟發展的核心，也是實現保障、改善民生更好的方式。

　　AI項目是一項周期長、風險大的投資，落地不是短時間能實現的，而實現商業化盈利則更加艱巨，因此前期高昂的投入和技術成本不可避免。同時AI的發展也能推動更多行業變革，這對國內的全產業升級至關重要，某種程度來看，能否解決現存痛點，實現更多有意義的落地應用，是未來中國AI產業持續發展、躋身世界前列的關鍵。