投资人逃离人工智能

“我的态度很简单，谁先领人过来，单子就是谁的，一切以最终见面为准。”

莫涛所供职的企业，以一家人脸识别技术的AI初创公司，创始团队由知名科学家组成，在2017和2018年连续获得A、B两轮亿元级别风险投资，还曾入选某三方服务机构评选出的《2018中国人工智能创新成长企业50强》榜单。

“他们的融资并不顺利”，一位曾帮助该企业找融资的投行人士刘维告诉融中财经。

“这家公司2018年实际营收是6000万，但实际到账只有2000多万，主营业务大部分都是政府项目，回款非常困难，但是估值却一点不便宜。”

“他们上一轮投前是估值21.5亿，这轮需要融3亿，投前26亿，投后29亿，这种价格今年没人会接”，刘维坦言。

“最近这种情况很普遍，前两年太多AI企业的估值虚高，泡沫快撑不住了。”

事实上，莫涛的表态也侧面印证了这种说法。

“现在我们的态度很开放，投资人觉得估值高不要紧，你可以先开价，具体怎么算都可以坐下来谈”，莫涛表示。

AI革命与“社会人”的逆袭

2016年曾被称为“人工智能元年”。

这一年的春天，一场AlphaGo与世界顶级围棋选手李世乭的世纪对战，让“人工智能”这一概念几乎一夜之间火遍全球。像科幻小说或电影描述得那样，吃瓜群众们第一次意识到被“天网”支配的恐惧已经距离自己如此之近；各大科技论坛之上，人们谈论的话题也变成了是“奇点已来”和机器人三定律。

然而人工智能这个走入大众视野的所谓“新概念”，诞生至今却早已经超过了50年。

早在上世纪50年代，就已经有研究人员开始尝试通过模拟人脑的方式，赋予计算机“智能”。

在他们看来，人脑识别物体并不是基于明确的规则，而是凭直觉判断。比如我们看到一只狗，我们很明确的知道这是一只狗，但却无法说清楚为什么会知道；事实上，相比于准确定义物体的特征，人脑识别更像是一种特征匹配，而这也是“神经网络学派”的最初思想。

到上世纪70年代，计算机科学家开始研究神经网络在推进人工智能上的可行性，但当时的主流学界普遍认为，神经网络在数学上有局限性，没有前途；因此神经网络学派一直到九十年代都视为边缘地带的“异类”，拿经费、发论文都很困难。

2010年，斯坦福大学一个叫李飞飞的华裔计算机科学家，组织了一个叫做ImageNet的机器学习图形识别比赛，从2010年开始每年举行一次。

这个比赛的有趣之处，在于它每年都为参赛者提供一百万张图片作为训练素材，其中每一张图都由人工标记了图中有什么物体。

比赛规则是选手用这一百万张训练图片练好自己的程序，然后让程序识别一些新的图片。每张新图片有一个事先设定的标准答案，而参赛的程序可以猜五个答案，只要其中有一个判断跟标准答案相符合，就算正确。

从2010到2011年的两年里，ImageNet比赛中最好成绩的判断错误率都在26%以上，但是到了2012年，错误率一下子下降到了16%，从此之后就是直线下降。

到2017年，机器识别的错误率已经降到了2.3%——这个水平已经超过了人类。

那么2012年到底发生过什么，让人工智能技术突然出现了一次质的飞跃？

答案是“卷积网络”被发明出来了。

那一年ImageNet大赛的冠军，是一个来自多伦多大学的研究组，他们创造性的在传统的“输入层”和“输出层”之间加入了几个逻辑层 —— 也就是所谓的“卷积层”。

这个研究团队让每一个卷积层只识别一种特定规模的图形模式，然后后面一层只需要在前面一层的基础上进行识别；这样做的好处是每一个神经元只需要处理一个很小区域的数据，且参数可以重复使用，这就大大减少了运算量。

在这个新模型中，那些只有一层卷积的结构被称为简单神经网络（左图）；而那些有多层卷积的，就叫做“深度学习”神经网络（右图）。

这个新算法是如此成功，以至于几乎是一夜之间，以深度学习为代表的神经网络派“咸鱼翻身，当家做主”，从边缘“社会人”一下成为了正统主流派——今天几乎所有人工智能企业的底层技术构架，全部是继承于神经网络派的衣钵。

总的来说，这是一个来自社会边缘的“革命者”砸烂旧世界的励志故事。

而“卷积网络”和“深度学习”的横空出世，也让新技术的曙光照进现实，人类文明似乎踏上一条全新的进化之路。

红利透支：没有进展的2018

如此巨大的“风口”，资本当然不可错过——以2012年为起点，各路投资人开始蜂拥涌入AI赛道。

首先进场的是互联网巨头。Google、Facebook等公司开始大举扫货，不惜重金购入深度学习领域的头部学者——比如那个来自多伦多大学的获奖团队很快注册了一家公司，2013年就被Google斥资5000万美金收购；半年之后Google 相册就有了搜索能力，紧接着Google就可以从自家拍摄的街景图像中识别每家每户的门牌号码了。

另一方面，VCPE们也不甘示弱，热钱汹涌之下，大批深度学习领域中的专家开始在风险资本的支持下自主创业，而这其中也不乏一些卓越的华人科学家。

2012 年，正在 MIT 实验室担任博士后研究员的朱珑，在UCLA 视觉识别与机器学习中心主任、导师Alan Yuille教授的支持下回国，并拉上自己的好友、ACM全球大学生程序设计竞赛冠军林晨曦，共同创办了依图科技。2年之后，在香港中文大学任教的汤晓鸥教授扔下教鞭，与自己的得意门生徐立一起成立了商汤科技。

同样是在那一年，自称“环顾四周，没看到一个对手”的格灵深瞳开始登上各大媒体的头版；据说其投资人徐小平和沈南鹏曾就格灵深瞳未来的市值应该是“1000亿美元还是5000亿美元”展开过激烈争论——最后双方“妥协在3000亿美元这个中间数上。”

据乌镇智库发布的《全球人工智能发展报告》显示，仅2012年到2016年，全球人工智能企业就新增5154家，融资规模达224亿美元，占2000到2016年累积融资规模的77.8%；其中，光2016一年的融资规模就达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。

在大批投资人看来，人工智能是继蒸汽机、内燃机和互联网之后的第四次生产力革命。

然而烈火烹油般的融资热潮，也让我们很容易忽略一个事实：

作为一项起初并不被广泛看好的技术，神经网络能够完美“逆袭”，其实非常偶然。

正如《浪潮之巅》作者、硅谷风险投资人吴军所言：“人工智能技术20年内恐怕很难再有重大突破，因为今天的人工智能已经用光了40年来所积累的技术红利。”

在吴军看来，通常20年后能产生巨大加速的事情，大都可以在当下的学术界预测出来——“但当下学术界所做的人工智能领域研究并没有太多新的课题”，“纵使科学家们比较努力，人数众多，大概也要20年才能积累出让人感觉非常兴奋、非常惊喜的理论基础。”

事实上，这个判断也绝非危言耸听。

以机器视觉为例，经过了5年发展，神经网络算法在这一领域的潜力基本已经被开发殆尽，而雷同的技术也让其渐成红海。

“现在每年这个领域的比赛很多很多，每家公司都是拿自己最好的一次成绩说事儿，但其实技术都是大同小异，很难形成差异化”，一位人工智能行业的从业者对融中财经表示。

“同样两家做机器视觉的企业，一家说自己的识别准确率是97%，另一家说自己是98%，你觉得在甲方眼里，他们的差距能有多少？”上述人士表示，“最后还是要拼价格、看关系。”

“目前机器视觉最大的应用场景是安防，主要是政府采购，这里面最大的问题就是回款”，莫涛告诉融中财经，“公司96%的订单来自于政府项目，遇到关键人员离职，或者领导改选换届，项目很容易就会烂尾，抗风险能力很差。”

然而初代人工智能企业们的最大危机还不在于此。

相比于大家在机器视觉与语音识别领域杀得刺刀见红，深度学习模型在新领域突破的举步维艰似乎才是真正的麻烦。

事实上，过去一年业界对人工智能有一个共同的评价：2018年，人工智能的进展就是没有进展。

经过了数年的发展，目前深度神经网络算法仍处于“黑箱阶段”，轻微扰动导致的严重的对抗识别的范例尚无法得到有效解释和解决。对此，图灵奖得主、清华大学姚期智院士曾公开表示称：深度神经网络能产生的“价值有限”，即使未来实现了算法的透明化，其结果也很可能“令人失望”；在他看来，与其对现有的神经网络模型小修小补，不如另起炉灶，“探索新路径，寻求突破。”

然而“探索新路径”这事儿过于看脸，毕竟砸下去的真金白银，并没有20年可以等。

一个残酷现实是，这其中大部分投资的前景并不乐观。

据IT桔子等数据源显示，2014年至2018年，中国人工智能领域共发生126起退出事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。

而另一个数据则显示，2018年全年有将近90%的人工智能公司处于亏损状态。

早在2017年9月，李开复就曾预言：“人工智能创业有泡沫，（融资热）是今年上半年开始的，融资差不多够18个月花，明年底估计有一批公司倒掉。”

阳光之下无新事，2010年前后，石墨烯的美好前景同样曾经迷住了大把投资人，至今七年过去了，全国能量产出三层以下高品质石墨烯的企业还几乎没有，无数热钱全部打了水漂。

前期用力过猛，后期落地太慢，一热一冷间，2019年的AI行业已如石墨烯一样，尽显疲态。

谁在赚钱？谁在接盘？

“我们今年基本已经不看AI技术了，”沪上一位投资人对融中财经表示，“算法其实现在头部公司已经出来了，没什么投资机会了。”

数据显示，2019年第二季度以来，国内人工智能投融资数量和金额都呈现下降趋势，仅完成30起融资，同比下降45.5%，融资总额达50亿元，不足去年同期的40%。

然而与之对应的，是“CV四小龙”商汤、旷视、依图和云从合计拿到其中200多亿，占总额的五分之一。

资本寒冬之下，不仅投资机构二八分化严重，人工智能企业也无可避免的呈现出二八分化，甚至是一九分化的局面。

一边是大批第二、第三梯队的AI企业融资艰难，而另一边则是“不差钱”的AI巨头则频频出手，投资布局产业应用端。

“AI公司VC化”已经成为人工智能行业一道独特的风景。

这其中既有商汤、旷视成立的战投部门，直接进场投项目，也有思必驰、中科视拓等与传统VC、PE等机构联合成立的产业基金，通过募集外部资金补充自己的资金池。

一边烧别人的钱，一边拿这些钱给别人烧。

“AI独角兽对外投资或收购，本质上是消化过多融资，实际业务场景太小、太少，支撑不了估值”，对此有业内人士表示，“有的公司是主动选择，有的则是为了撑起高估值，不得已而为之。”

2019年9月，“人工智能第一股”虹软科技在科创板上市，这家已经在机器视觉人工智能领域拥有126项发明专利和73项软件著作权的低调企业，被认为是目前“市场化落地最为成功的AI公司”。

据招股书显示，虹软科技所服务的客户涵盖华为、三星、OPPO、VIVO、小米、索尼、LG、传音等知名手机厂商；2016-2018年，其来自“智能手机视觉解决方案”的营收分别为1.7亿元、3.1亿元、4.3亿元，占总营收比重在2017年后逐年上升；到2018年，其来自智能手机视觉解决方案的营收占比已经高达96.57%，对应毛利率为94.29%。

反观近期刚刚在港交所递交了IPO申请的旷视科技，其营收占比最大的部分则是“城市物联网解决方案”；2017年、2018年以及2019年上半年，该项收入分别为1.68亿元、10.57亿元、6.95亿元，分别占同期总收入的53.6%、74.1%、73.2%，对应毛利率分别为31%、52.1%和65.2%。

而“为完善 AI+IoT战略布局”，巨资收购的物流机器人公司艾瑞思，在2018年与旷视并表后，其在招股书中的营收占比也只有约5%。

口号是响亮了的，但身体是诚实的。

种种迹象表明，政府订单仍是以旷视为代表的初代人工智能们的主要收入来源。

众所周知，科创板上市企业普遍存在较高的估值溢价，首批上市25家企业的平均市盈率约在53倍左右；截止目前，虹软科技的市值为250亿人民币，折合约35亿美元左右；而旷视在今年4月拿到了由中银集团、工商银行、科威特投资局、阿布扎卡投资局等巨头所投的5.9亿美金D轮融资之后，甚至还没走到Pro-IPO，估值就已经超过了40亿美元；被称为“融资机器”的商汤科技，9月份刚刚披露的估值更是超过了70亿美元，继续领跑“全球估值最高的AI独角兽”。

里面有没有泡沫，大家可以自行判断。

值得注意的是，据旷视招股书显示，联想之星（天使轮）、创新工场（A系列及B系列）、启明创投（B1系列）这几家早期机构投资人的最终持股数量远低于当年的投资数量，这意味着其中大部分（约90%）的股份可能已经被旷视回购了。

图：旷视科技9轮融资情况

资料来源：旷视科技招股说明书

图：截至2019年8月,旷视科技各股东持股情况

资料来源：旷视科技招股说明书，融资中国整理

事实上，如果按照最后一轮28.48美元每股的价格推算，创新工场在6年前以0.24美元每股对旷视的A轮投资，大概收获了120倍的回报，年化收益率接近220%；而B轮进入的启明创投也收获了16倍回报，年化约在180%左右；总体来说，仅旷视一个项目，就让“初代AI投资人们”赚的盆满钵满——而不同于平常的纸面富贵，这笔投资中的大部分恐怕已经通过提前回购落袋为安，是实实在在的真金白银。

金融大鳄索罗斯曾经说过：世界经济史是一部基于假象和谎言的连续剧。要获得财富，做法就是认清其假象，投入其中，然后在假象被公众认识之前退出游戏。

索罗斯是哲学家，说得文邹邹的。

如果通俗的翻译一下，那就是所谓概念、预期都是扯淡，要想赚钱，先要假装信，然后建仓，等不得不信的人抬轿，让真的信的人接盘。

你看，赤裸裸的，就很没有美感。