AI这把牛刀，为什么总是用来杀鸡？(3)

印度的Engineer.ai公司便是典型例子，这家公司声称他们的AI能帮缺少工程师的公司或是不懂编程的人定制APP和网站，即不懂技术没关系，只要有想法，交给AI就行了。Engineer.ai描绘的图景很美好，成功吸引了包括软银旗下的人工智能专项基金DeepCore的投资，但去年被外媒曝出，Engineer.ai用的所谓“AI”并不存在，代码其实都是真人程序员写的。

事实上，用真人冒充AI的例子并不少见。

在新经济领域，每当有新概念出现总能吸引大量热钱，共享经济、VR/AR等概念火热的时候都出现过这样的情况。头部公司毕竟就几家，大量涌入的资本自然会流向一些没有硬实力、只靠讲故事圈钱的公司，泡沫由此而生。

热门领域有泡沫不是什么稀奇事，不少投资人也知道人工智能领域公司估值普遍偏高，但谁也不想因为谨慎错过下一个时代，但有意思的是，即使是AI领域的龙头公司，似乎也消化不了资本的热情。

由于融资过多，“AI公司VC化”成为人工智能领域的独特风景，像商汤科技、旷视科技这样的头部公司成立了自己的战投部门，直接下场投项目；思必驰、中科视拓、Aibee等则与传统VC、PE联合成立起产业基金。之所以要一边烧别人的钱，一边拿别人的钱去烧，本质是AI公司的实际业务撑不起估值。

AI技术从研发到落地需要长周期，许多公司会宣传自家AI技术在学术领域的突破，但技术要从实验室走向商业应用并非易事，研究论文中一些数值的突破能震动学界，但对产品的实际体验可能影响不大。此外，目前AI落地场景往往集中在某些具体的细分领域，应用场景较窄，无法快速获得高回报。

从商业模式的角度，头部AI公司以To B业务为主，To B是个慢生意，无法像共享单车这样的To C业务一样依靠资本把业务快速“喂大”。

落地慢、场景窄、商业化需要时间，拿了大额融资的AI公司要撑起估值，回应资本的期待，只能靠投资别的企业来完成。

由于人工智能的商业化落地困局难解，这两年资本逐渐变得谨慎，人工智能领域的投资逻辑也在迭代，投资人的关注重点从公司团队技术能力、论文数量转为“你的AI怎么落地？”，“AI落地”取代了“AI崇拜”。

戳破泡沫，前路何在？

从当前资本市场的情况来看，人工智能的大风依然强劲，但相比此前在舆论场的一呼百应，AI概念的严肃性已经在很大程度上被消解，关于“人工智障”、AI泡沫的论调频频出现。

AI泡沫论的出现，很大程度和厂商的浮夸营销有关。当各种产品的宣传物料上写的全是“AI”，却没几个让人真正感受到技术的作用，很难不让人觉得这是个伪风口。

回顾技术革命的历程，伪风口和泡沫论也曾出现在互联网技术上，但最终还是得到正名。要回归人工智能的价值，前两次技术革命（计算机软件技术、互联网技术）是有效参考。

在计算机软件时代，人们把以前的手工交给了计算机处理，即实现了工作和行为的“信息化”。信息化让数据得以被大量生产，相当于人类活动以数据的形式被记录下来。这一阶段，计算机软件提高了人类活动效率，兴起了微软、甲骨文等知名软件公司。

大量数据在计算机软件时代被生产出来后，互联网技术的出现让这些数据得以流通。随着互联网的商业化，数据在全球广泛流动，“流量经济”因此而起。无论是淘宝的电商还是QQ的社交，本质上都是建立于流动的数据之上的商业模式。随着互联网、通信技术的发展，数据量变得愈发庞大，“云计算”等新技术应运而生。

有了庞大的、流动的数据之后，如何开发这些数据的深层价值决定着时代能否进入下一阶段。人工智能技术的价值在于对海量数据进行分析、关联，进而形成能够指导决策的知识，这是解决行业痛点的关键。

各行业当下面临的痛点有所不同，如金融行业面临成本压力、产品服务单一、交易欺诈等；医疗与教育行业资源分配不均的问题突出；零售业难以把握顾客需求、广告投放效率等。对于产业来说，人工智能与场景的结合意味着降本增效、实现转型升级。

目前，政府和企业都在将人工智能技术与产业场景相结合。在政府层面，人工智能是“新基建”七大版块中的重要一项；在企业层面，巨头的AI布局也和产业联系紧密。

也就是说，人工智能需求广阔，其商业模式是渗透到各行各业，提高行业效率。这一进程需要时间和持续投入，但也是生产力迭代趋势。

人工智能的落地未必有你想的那么“性感”，但对生活的影响只增不减。忘掉浮夸的营销和钢铁侠的“贾维斯”吧，那些凭空创造的需求和给生活“做加法”的AI们，终将消失在时间的长河里。

（编辑：ASP站长网）