每經記者：任飛 每經編輯：肖芮冬
在經歷過此前三年間的行業洗禮之後，機構投資者對於AI技術的態度開始由狂熱走向理性。據洪泰基金統計，2019年一季度，中國整體VC投資案例跌至1543例，同比之前兩年幾近腰斬，其中熱門的AI產業投資也逐漸開始強調技術轉化優先。
有分析人士指出，部分技術的“民主化”趨勢加快，資本更願意看到有清晰成果轉化的項目，僅強調技術的一紙BP在今天可能不太容易能夠拿到早期投資了。
VC慎對“黑科技”
過去三年，以“黑科技”自居的人工智能領域巨額融資層出不窮，押注AI賽道的投資機構視之是繼蒸汽技術革命、電力技術革命、計算機及信息技術革命後的第四次工業革命。不過這也導致了諸多AI公司估值高、盈利難，原先資本蜂擁而至的盲目熱潮在最近兩年開始“退燒”。
有一個現實的問題是，所謂“黑科技”的變現機遇到底有多大？
這個問題在三年前不論是創業者還是VC都很難給出答案。《每日經濟新聞》記者採訪發現，早期進軍AI產業的創業者往往身披高光學術背景光環，在國內乃至全球AI產業方興未艾之時，拿到一筆風投似乎不是什麽難事。有市場人士就坦言，“投，估值確實高，我們也擔心成了抬轎一方；可不投，早期成本尚如此，未來萬一爆發，切入的機會更小。”
可見，無論是技術一方還是產業端，或是資本在早期對待AI有種所謂“賭運”的心理存在。但值得注意的是，近一年來，創投界已經開始對所謂“AI黑科技”謹慎有加。
近日，記者從洪泰基金處了解到，他們的AI投資策略正在發生改變。洪泰基金執行董事金海燕坦言，放在三年前，掌握AI技術的科學家出來創業，即便沒有非常確定的產業應用路徑，也能很快拿到投資，甚至還沒有完整的團隊，都可以拿到。因為AI科學家是稀缺的，資本認為你拿了投資再組團隊、應用方向都來得及；而今天，隻強調技術先進性，而沒有產業落地路徑的早期項目，顯然沒有這樣的待遇了。
來源：洪泰基金根據市場融資信息總結
行業統計數據顯示，2019年一季度，國內VC共發生1543例融資，相較於2018年同期的3272起、2017年同期3322起來說，數量有了明顯下滑。她表示，“儘管人工智能賽道投資仍然活躍，但近一年內，VC投資已趨於冷靜，人工智能賽道上的投資，更開始強調人工智能技術在產業的應用落地與商用價值。”
記者發現，出現當前情形的背景是很多風險投資擁有的傳統經驗似乎已經式微。於投資方而言，考量項目的維度不再隻停留在技術本身，而是要聚焦技術“轉化”，特別是對於圖像識別、語音識別等領域，所謂技術創新或多或少成為機構人士眼中的“紅海IP”。
金海燕坦言，AI發展至今，其技術本身是沒有絕對壁壘的。以人臉識別為例，僅人工識別目前就已經能夠達到97.5%的準確率，而輔以人工智能的計算，準確率早已超過99.5%。“因此，判斷新技術、新產品、新行業的落地轉捩點，要看機器人的能力是否超過了行業裡面普通人的水準，或者行業平均從業者的水準。”
金海燕還表示，在資本方看來，技術本身是沒有絕對壁壘的，只有時間上的相對領先優勢，項目方要做的就是及時將這種技術的時間領先優勢轉化為市場優勢。比如人工智能人臉識別，以前還是一項“黑科技”，只有非常少數的科技團隊能掌握，而近幾年隨著深度學習算法的公開化、人臉訓練數據的豐富性，專業團隊已有不少，“包括高科技平台團隊、實驗室、創業頭部項目、小創業項目都已經能做到超過99.5%識別準確率，這個準確率高於普通人肉眼識別圖片97.5%的準確率。我們認為這項數據已經‘民主化’了”。在她看來，以人臉識別為主要技術應用方向的企業已不稀缺，項目的競爭進入產品化，以及渠道、產業進展更綜合的競爭。“產品能做得出來，賣得出去才是王道。”
AI落地可“軟硬兼施”
“立足行業痛點解決實際問題”是多數創業者的初衷，但如前述市場人士分析所言，當下創投生態日漸對AI行業的應用提出硬性要求，這也倒逼著創業者思考“痛點”在軟體和硬體領域落地實施的解決方案。
建築設計領域是當下房地產開發企業的工作重點之一，尤其在建築設計前期，開發商不僅需要對土地的貨值進行綜合評估，還要求在規定容積率範圍內發揮土地價值最大化的可執行方案。對傳統企業而言，利用CAD軟體進行人工繪圖測算，理論貨值極限往往難以在現有土地上根據人的經驗精準判斷，AI技術賦能在即。但現實困惑是，算法技術雖然可以通過深度學習不斷優化，但在建築設計領域，試錯成本較高，國內嘗試該項業務的企業並不多見，具備建築設計從業背景且懂算法設計的創始人更是鳳毛麟角。
《每日經濟新聞》記者注意到，目前資本較為關注的一家初創型企業“小庫科技”，此前經歷了三輪融資，洪泰資本、東方富海、中南荷多等機構在2016年~2018年紛紛向其拋出橄欖枝。據前OMA建築師、創始人、CEO何宛余介紹，通過小庫科技的智能設計雲平台，只需“在線圈地”或“上傳CAD基地文件”輸入容積率等基本條件、選擇樓型產品獲得智能推薦組合幾個步驟，就可以在百秒內生成上千個優質方案，同時給出9組推薦。何宛余表示，一個常規團隊完成前期多方案比選和匯報文本所需時間大概在20個小時，他們可以將效率提高600倍以上。
事實上，AI技術並非局限於軟體領域，在芯片硬體領域，AI也可以通過底層通用算法的涉獵來提高綜合運算能力。在這個細分上，行業已經經歷了從GPU芯片到FPGA及ASIC芯片的過渡，而時下的前沿探索之一是從前期數字專用芯片到模數混合芯片的過渡。
據了解，一家專注於模數混合神經網絡處理器芯片研發的九天睿芯科技有限公司（以下簡稱九天睿芯），其在2018年8月獲得了洪泰基金數千萬元人民幣的天使輪融資，其CEO兼聯合創始人劉洪傑告訴記者，AI芯片的算法也是基於不同的場景應運而生的，此前較為常見的架構是通過數字化編程控制實現，“但在信息的表達上不如連續的模擬信號表達的信息量大。如何通過模擬/混合信號的架構，最大程度發揮半導體技術的內在優勢來實現高能效的神經網絡推理及訓練，是我們探索的主要方向”。
但需指出的是，儘管純數字AI芯片算力有望進一步提升，但如果能耗偏高則會影響芯片的整體運行效率，因此九天睿芯致力於提高處理器能效，促進AI應用成為主流，用於支持主要神經網絡架構在傳感器節點的無縫整合。換句話說，這些模數混合電路構成的神經網絡單元好比是構建芯片整體功能的各個分支，他們的技術就是可以將這些神經元通過編程的方式進行更有效的排列組合，進而適應更多的場景應用，保持最低的功率消耗，能效可達到25Tops/W，每秒每瓦25兆次計算。劉洪傑表示，這比現在很多純數字的AI芯片能效至少高5~10倍。
據了解，目前應用場景包括人工智能視覺系統中高速度或者低功耗需求的應用，以及微瓦級別功率的聲音檢測和關鍵詞識別智能設備的喚醒和聲音控制領域的應用。
行業應用多樣化的場景應用需求，需要人工智能底層算法和算力技術不斷得到突破來支撐。金海燕告訴記者，人工智能賽道分成行業應用、大數據和底層算法等基礎設施層三個維度，芯片這個子賽道技術壁壘最高，必須是同時掌握非常頂級的原創技術和非常強芯工業技術的團隊才能跑出來。
每日經濟新聞
香港九龍灣馬來街興發大廈15樓D室