第四范式也向港股發(fā)起了沖刺。

IPO招股書披露的一連串?dāng)?shù)據(jù)中,話題性最強(qiáng)的依然是虧損情況。2018年到2020年期間,第四范式分別虧損3．72億元、7．18億元、7．5億元,2021年上半年的虧損則進(jìn)一步擴(kuò)大為11．87億元。過(guò)去三年半的時(shí)間里,第四范式已經(jīng)燒掉30．72億元。

這樣一組數(shù)據(jù)似乎并不讓人感到詫異。曠視、云知聲、依圖、云從科技等幾乎所有想要走向二級(jí)資本市場(chǎng)的AI獨(dú)角獸,都交出了一份虧損數(shù)十億元的成績(jī)單,而盈利就像是一個(gè)“魔咒”被施加在所有玩家身上。

當(dāng)虧損成為所有人工智能企業(yè)的“通病”,曾經(jīng)的明星創(chuàng)業(yè)者逐漸失寵,第四范式們是否還有破局的機(jī)會(huì)?

01 拿步槍打蒼蠅

海康威視總裁胡揚(yáng)忠曾在媒體采訪中,這般形容安防領(lǐng)域的野蠻人:“以通訊行業(yè)為例,其運(yùn)營(yíng)和銷售成本比安防高很多,所以用高成本的人力去跑安防,就像拿步槍打蒼蠅一樣,投入與產(chǎn)出是非常不匹配的�！�

看似是對(duì)科技巨頭插足安防市場(chǎng)的“怒懟”,可“拿步槍打蒼蠅”的比喻巧妙的道出了人工智能企業(yè)虧損的根源。

正如兩年前被無(wú)數(shù)人鼓吹的AI人才短缺,掀起了一場(chǎng)轟轟烈烈的搶人大戰(zhàn)。為了掌握前沿技術(shù)的主動(dòng)權(quán),科技巨頭和創(chuàng)業(yè)公司都在組建自己的科學(xué)家團(tuán)隊(duì),博士人才的年薪迅速被炒高的百萬(wàn)級(jí)別。商湯科技的創(chuàng)始人徐立就曾在公開場(chǎng)合透露,公司成立之初就將大約一半的資金用在了人才招聘上。

算法和人才也隨即成為資本下注的主要因素,“投人工智能要先投科學(xué)家”成了創(chuàng)投圈的隱性共識(shí),以至于出現(xiàn)了頂級(jí)AI科學(xué)家在不同創(chuàng)業(yè)公司間來(lái)回轉(zhuǎn)場(chǎng)的一幕�；蛟S硬科技的天然特征就是燒錢研發(fā),由于研發(fā)難度大技術(shù)鏈條長(zhǎng),短期內(nèi)無(wú)法盈利甚至持續(xù)虧損都是行業(yè)的普遍現(xiàn)象。

但技術(shù)實(shí)力不等于變現(xiàn)能力,在年薪百萬(wàn)的博士工程師跑到工廠寫代碼的那一刻,就注定了人工智能的悲情角色。

大多數(shù)人工智能企業(yè)的人才結(jié)構(gòu)都有些畸形,懂算法、懂理論的博士,卻不懂產(chǎn)業(yè)痛點(diǎn)和既有規(guī)則,讓他們下沉到工廠這樣的場(chǎng)景里解決問(wèn)題,性價(jià)比自然比不上�？低�視等企業(yè)用一群本科生塑造的鐵軍。在人力成本嚴(yán)重不對(duì)等的局面下,即便可以創(chuàng)造營(yíng)收,也難以產(chǎn)生可觀的利潤(rùn)。

何況當(dāng)前AI落地的場(chǎng)景過(guò)于碎片化,不同用戶有著不同的需求,定制化的比例遠(yuǎn)高于標(biāo)準(zhǔn)化的方案。結(jié)果就是,人工智能企業(yè)無(wú)法通過(guò)單點(diǎn)突破迅速收割市場(chǎng),只能做完一個(gè)項(xiàng)目再做下一個(gè)項(xiàng)目,在定制化、成本高、利潤(rùn)低等不利因素的制約下,虧損也就成了一種難以避免的常態(tài):看起來(lái)營(yíng)收在逐年增長(zhǎng),需要的研發(fā)投入也在逐年增加,最終還是沒(méi)有等來(lái)營(yíng)收平衡的臨界點(diǎn)。

艾媒咨詢CEO張毅的觀點(diǎn)可謂相當(dāng)有針對(duì)性:“目前人工智能企業(yè)在不斷地開拓新業(yè)務(wù)試圖拉高營(yíng)收數(shù)據(jù),但營(yíng)收增長(zhǎng)的同時(shí),利潤(rùn)卻沒(méi)有得到同步增長(zhǎng),也就意味著營(yíng)收帶有一定的泡沫。營(yíng)業(yè)成本居高不下,營(yíng)收回血跟不上燒錢速度,直接導(dǎo)致很多企業(yè)的現(xiàn)金流數(shù)據(jù)不容樂(lè)觀�！�

這大抵也是AI獨(dú)角獸們頻頻沖刺IPO的誘因。早期的資本對(duì)研發(fā)上的高投入還比較寬容,可持續(xù)的虧損正在消磨資本的意志,在一級(jí)市場(chǎng)態(tài)度冷漠的局面下,抓住行業(yè)最后的窗口期上市,可以說(shuō)是為數(shù)不多活下去的機(jī)會(huì)。

02 盈利暫時(shí)無(wú)解

麥吉洛咨詢資深分析師司馬秋曾表示,“從營(yíng)收的角度來(lái)看,AI是個(gè)超級(jí)賽道,擁有巨大的市場(chǎng)前景。但是從AI四小龍的財(cái)務(wù)數(shù)據(jù)來(lái)看,AI應(yīng)用落地仍然存在一定難度,營(yíng)收不如預(yù)期,持續(xù)虧損�！�

至于營(yíng)收不如預(yù)期的原因,或許可以找到兩種解釋:

一是外部大環(huán)境的制約,像自動(dòng)駕駛這樣能夠低成本復(fù)制的標(biāo)準(zhǔn)化產(chǎn)業(yè),短期內(nèi)很難規(guī)�；�落地,而金融、安防、醫(yī)療等商業(yè)化比較成熟的領(lǐng)域,目前還沒(méi)有哪家AI獨(dú)角獸走出虧損的死胡同。

二是商業(yè)化變現(xiàn)的浮躁,很多技術(shù)創(chuàng)業(yè)公司會(huì)陷入閉門造車的困境,個(gè)中原因離不開創(chuàng)業(yè)者的“需求臆想癥”,即習(xí)慣性思考技術(shù)可以做出什么樣的產(chǎn)品,而非目標(biāo)市場(chǎng)到底需要什么樣的產(chǎn)品。

一個(gè)直接的例子,曾經(jīng)有一家制造業(yè)工廠尋求人工智能企業(yè)合作,但找了很多家都遭遇了碰壁,要么以需要硬件研發(fā)為由拒絕,要么坦陳對(duì)方的體量太小。也就折射了一個(gè)深層次的問(wèn)題,盡管很多人工智能企業(yè)在積極尋找商業(yè)化變現(xiàn)的路徑,可聚焦到一線的銷售或商務(wù)身上,仍然苛求接大單。

其實(shí)這一現(xiàn)象并不難理解。算法、算力和數(shù)據(jù)是人工智能三個(gè)核心要素,但目前的普遍現(xiàn)狀在于,客戶的需求都是非標(biāo)準(zhǔn)化的,哪怕是最基礎(chǔ)的產(chǎn)品瑕疵檢測(cè),也需要足夠的樣本數(shù)據(jù)進(jìn)行算法模型訓(xùn)練,而小樣本學(xué)習(xí)技術(shù)又面臨數(shù)據(jù)孤島、數(shù)據(jù)隱私保護(hù)等問(wèn)題,落地的潛在成本可想而知。

為了解決類似的命題,一種流行的思路是像IBM那樣控制“中間件”,比如將算法、芯片等占據(jù)核心地位且毛利高的產(chǎn)品掌握在自己手中,幫助其他企業(yè)牽線搭橋,嘗試將落地的環(huán)節(jié)交給上下游的合作伙伴。

商湯、曠視等獨(dú)角獸很早就成立了投資部門,思必馳、中科視拓等也和VC機(jī)構(gòu)聯(lián)合成立了產(chǎn)業(yè)基金。目的正是通過(guò)投資上下游企業(yè),打通商業(yè)化落地的閉環(huán),那些被投的企業(yè)可以在場(chǎng)景落地、政府資源等方面彌補(bǔ)人工智能企業(yè)的不足。

秉持同樣理念的還有百度智能云,在2020年末推出了“云智生態(tài)計(jì)劃”,計(jì)劃在三年內(nèi)扶植1萬(wàn)家合作伙伴,并與其中200家建立重點(diǎn)扶持關(guān)系。意圖也是與合作伙伴相互集成,進(jìn)而加速人工智能在各行各業(yè)的落地。

有些遺憾的是,諸如計(jì)算機(jī)視覺(jué)、智能語(yǔ)音等領(lǐng)域并沒(méi)有太大的技術(shù)壁壘,呈現(xiàn)出的態(tài)勢(shì)是技術(shù)的趨同,沒(méi)有哪家的技術(shù)絕對(duì)領(lǐng)先,即使是一些小的創(chuàng)業(yè)公司也能拿出和獨(dú)角獸們相似的解決方案,所謂的市場(chǎng)統(tǒng)治力也就無(wú)從談起。

IBM、甲骨文、SAP等企業(yè)的高分答卷,還人工智能賽道上還無(wú)法復(fù)制。

03 幾個(gè)可能方向

現(xiàn)代管理之父彼得?德魯克說(shuō)過(guò):“動(dòng)蕩時(shí)代最大的危險(xiǎn)不是動(dòng)蕩本身,而是仍然用過(guò)去的邏輯做事。”

同樣的道理儼然適用于人工智能,巨額虧損的原因無(wú)外乎兩點(diǎn):一是自身的成本太高,包括研發(fā)、人力、營(yíng)銷、渠道,以及項(xiàng)目落地過(guò)程中的隱形成本;二是盈利跟不上,按照固有的模式輸出技術(shù)的路線,早已被證實(shí)缺少想象力。

想要走出當(dāng)下的盈利困局,抑或說(shuō)為企業(yè)找到新的增長(zhǎng)空間和故事腳本,還需要繼續(xù)尋找可行的軌跡。目前市面上也出現(xiàn)了幾種流行方向:

比如對(duì)深度學(xué)習(xí)框架的角逐。作為人工智能時(shí)代的操作系統(tǒng),開源深度學(xué)習(xí)框架的價(jià)值不言而喻。切換到商業(yè)化的視角上,開源深度學(xué)習(xí)框架無(wú)疑是不可或缺的生產(chǎn)力平臺(tái),也是連接各行各業(yè)開發(fā)者的理想方式。一旦可以在上游解決算法門檻,人工智能的落地剩下的就只是時(shí)間問(wèn)題。

然而目前國(guó)內(nèi)過(guò)半的開發(fā)者還扎堆在TensorFlow和PyTorch,開發(fā)者生態(tài)比較成熟的僅有百度飛槳,華為MindSpore、曠視天元、一流科技的OneFlow等才剛剛起步。或許意味著這個(gè)市場(chǎng)還存在很大的機(jī)會(huì)空間,同時(shí)也預(yù)示著國(guó)內(nèi)開源生態(tài)的成熟還需要長(zhǎng)時(shí)間的市場(chǎng)教育,短期內(nèi)無(wú)法改變?nèi)斯ぶ悄芷髽I(yè)的盈虧。

再比如降低AI應(yīng)用的成本。人工智能的最大問(wèn)題并不是缺少應(yīng)用場(chǎng)景,而是人工智能帶來(lái)的效率提升遠(yuǎn)低于成本投入。很多企業(yè)找到了人工智能的場(chǎng)景,獲得了技術(shù)落地的價(jià)值提升,但沒(méi)有到達(dá)產(chǎn)出高于投入的臨界點(diǎn)。

除了寄希望于市場(chǎng)的逐漸成熟,一個(gè)重要的賽點(diǎn)在于降低技術(shù)的邊際成本,當(dāng)邊際成本足夠低的時(shí)候,所有的問(wèn)題都將迎刃而解。開源深度學(xué)習(xí)框架是一種可行路徑,SaaS服務(wù)可能是另一種可行路徑,即將算法模型以可復(fù)用的SaaS進(jìn)行訂閱。

雖然輕量化的SaaS服務(wù)無(wú)法滿足客單價(jià)高的重型解決方案,卻也不失為一種創(chuàng)收手段。畢竟B端業(yè)務(wù)依舊是人工智能行業(yè)的營(yíng)收大頭,可動(dòng)輒半年以上的付款周期,嚴(yán)重限制了人工智能企業(yè)的資金流動(dòng),乃至成了人工智能規(guī)�；�落地的另類桎梏,付費(fèi)訂閱則巧妙地化解了里面的種種問(wèn)題。

不管怎樣,從談概念、講技術(shù)到拼場(chǎng)景、搶落地,人工智能已經(jīng)進(jìn)入到了新的時(shí)間周期,繼續(xù)沿用舊有的套路和范式,恐怕很難再讓資本市場(chǎng)買單,一起起IPO失敗的慘烈案例,何嘗不是最直接的教訓(xùn)。

同時(shí)需要明白的是,倘若人工智能的商業(yè)化由陰轉(zhuǎn)晴,大概率預(yù)示著進(jìn)入門檻已經(jīng)足夠低,勢(shì)必會(huì)吸引越來(lái)越多的玩家來(lái)?yè)屖呈袌?chǎng),戰(zhàn)況將前所未有的復(fù)雜,彼時(shí)等待人工智能企業(yè)應(yīng)對(duì)的麻煩將只多不少。

04 寫在最后

人工智能曾經(jīng)是下一個(gè)商業(yè)時(shí)代的觸點(diǎn),引誘了一眾創(chuàng)業(yè)者和投資人,可最終也沒(méi)能跳出行業(yè)興衰的節(jié)奏。

答案或許就藏在第四范式創(chuàng)始人戴文淵的一句實(shí)話里:“現(xiàn)在幾乎沒(méi)有企業(yè)不用到AI的技術(shù),但是如果說(shuō)哪個(gè)企業(yè)把AI拿掉后活不下去,這樣的企業(yè)也很少。這是我們認(rèn)為人工智能最大的挑戰(zhàn),雖然有用,但是沒(méi)有特別大的用處。”

所有泡沫都有碎裂的時(shí)候,人工智能的浪潮也沒(méi)有例外,卻也讓人們?cè)絹?lái)越理性思考人工智能的技術(shù)價(jià)值和商業(yè)價(jià)值。