每日最新頭條.有趣資訊

投資人逃離人工智能

作者 | 斐典

“這個月我已經見了30家投資機構,下個月至少還會再見30家”,2019年7月的一個下午,莫濤對融中財經表示。

莫濤是一家人工智能“千里馬”企業的董秘,這個月前剛剛上任,老闆招他來的目的也非常明確,那就是找融資。

“同一家投資機構,會有好幾個FA同時給我對接,有的推過來的是VP,有的是合夥人”,由於需要對接的FA實在太多,莫濤甚至記不清這些人的名字。

“我的態度很簡單,誰先領人過來,單子就是誰的,一切以最終見面為準。”

莫濤所供職的企業,以一家人臉識別技術的AI初創公司,創始團隊由知名科學家組成,在2017和2018年連續獲得A、B兩輪億元級別風險投資,還曾入選某三方服務機構評選出的《2018中國人工智能創新成長企業50強》榜單。

“他們的融資並不順利”,一位曾幫助該企業找融資的投行人士劉維告訴融中財經。

“這家公司2018年實際營收是6000萬,但實際到账只有2000多萬,主營業務大部分都是政府項目,回款非常困難,但是估值卻一點不便宜。”

“他們上一輪投前是估值21.5億,這輪需要融3億,投前26億,投後29億,這種價格今年沒人會接”,劉維坦言。

“最近這種情況很普遍,前兩年太多AI企業的估值虛高,泡沫快撐不住了。”

事實上,莫濤的表態也側面印證了這種說法。

“現在我們的態度很開放,投資人覺得估值高不要緊,你可以先開價,具體怎麽算都可以坐下來談”,莫濤表示。

AI革命與“社會人”的逆襲

2016年曾被稱為“人工智能元年”。

這一年的春天,一場AlphaGo與世界頂級圍棋選手李世乭的世紀對戰,讓“人工智能”這一概念幾乎一夜之間火遍全球。像科幻小說或電影描述得那樣,吃瓜群眾們第一次意識到被“天網”支配的恐懼已經距離自己如此之近;各大科技論壇之上,人們談論的話題也變成了是“奇點已來”和機器人三定律。

然而人工智能這個走入大眾視野的所謂“新概念”,誕生至今卻早已經超過了50年。

早在上世紀50年代,就已經有研究人員開始嘗試通過模擬人腦的方式,賦予計算機“智能”。

在他們看來,人腦識別物體並不是基於明確的規則,而是憑直覺判斷。比如我們看到一隻狗,我們很明確的知道這是一隻狗,但卻無法說清楚為什麽會知道;事實上,相比於準確定義物體的特徵,人腦識別更像是一種特徵匹配,而這也是“神經網絡學派”的最初思想。

到上世紀70年代,計算機科學家開始研究神經網絡在推進人工智能上的可行性,但當時的主流學界普遍認為,神經網絡在數學上有局限性,沒有前途;因此神經網絡學派一直到九十年代都視為邊緣地帶的“異類”,拿經費、發論文都很困難。

2010年,史丹佛大學一個叫李飛飛的華裔計算機科學家,組織了一個叫做ImageNet的機器學習圖形識別比賽,從2010年開始每年舉行一次。

這個比賽的有趣之處,在於它每年都為參賽者提供一百萬張圖片作為訓練素材,其中每一張圖都由人工標記了圖中有什麽物體。

比賽規則是選手用這一百萬張訓練圖片練好自己的程序,然後讓程序識別一些新的圖片。每張新圖片有一個事先設定的標準答案,而參賽的程序可以猜五個答案,只要其中有一個判斷跟標準答案相符合,就算正確。

從2010到2011年的兩年裡,ImageNet比賽中最好成績的判斷錯誤率都在26%以上,但是到了2012年,錯誤率一下子下降到了16%,從此之後就是直線下降。

到2017年,機器識別的錯誤率已經降到了2.3%——這個水準已經超過了人類。

那麽2012年到底發生過什麽,讓人工智能技術突然出現了一次質的飛躍?

答案是“卷積網絡”被發明出來了。

那一年ImageNet大賽的冠軍,是一個來自多倫多大學的研究組,他們創造性的在傳統的“輸入層”和“輸出層”之間加入了幾個邏輯層 —— 也就是所謂的“卷積層”。

這個研究團隊讓每一個卷積層隻識別一種特定規模的圖形模式,然後後面一層只需要在前面一層的基礎上進行識別;這樣做的好處是每一個神經元只需要處理一個很小區域的數據,且參數可以重複使用,這就大大減少了運算量。

在這個新模型中,那些只有一層卷積的結構被稱為簡單神經網絡(左圖);而那些有多層卷積的,就叫做“深度學習”神經網絡(右圖)。

這個新算法是如此成功,以至於幾乎是一夜之間,以深度學習為代表的神經網絡派“鹹魚翻身,當家做主”,從邊緣“社會人”一下成為了正統主流派——今天幾乎所有人工智能企業的底層技術構架,全部是繼承於神經網絡派的衣缽。

總的來說,這是一個來自社會邊緣的“革命者”砸爛舊世界的勵志故事。

而“卷積網絡”和“深度學習”的橫空出世,也讓新技術的曙光照進現實,人類文明似乎踏上一條全新的進化之路。

紅利透支:沒有進展的2018

如此巨大的“風口”,資本當然不可錯過——以2012年為起點,各路投資人開始蜂擁湧入AI賽道。

首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨,不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司,2013年就被Google斥資5000萬美金收購;半年之後Google 相冊就有了搜索能力,緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。

另一方面,VCPE們也不甘示弱,熱錢洶湧之下,大批深度學習領域中的專家開始在風險資本的支持下自主創業,而這其中也不乏一些卓越的華人科學家。

2012 年,正在 MIT 實驗室擔任博士後研究員的朱瓏,在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國,並拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦,共同創辦了依圖科技。2年之後,在香港中文大學任教的湯曉鷗教授扔下教鞭,與自己的得意門生徐立一起成立了商湯科技。

同樣是在那一年,自稱“環顧四周,沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版;據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最後雙方“妥協在3000億美元這個中間數上。”

據烏鎮智庫發布的《全球人工智能發展報告》顯示,僅2012年到2016年,全球人工智能企業就新增5154家,融資規模達224億美元,佔2000到2016年累積融資規模的77.8%;其中,光2016一年的融資規模就達到了92.2億美元,是2012年的近6倍,相當於2000年到2013年13年間總融資額之和。

在大批投資人看來,人工智能是繼蒸汽機、內燃機和互聯網之後的第四次生產力革命。

然而烈火烹油般的融資熱潮,也讓我們很容易忽略一個事實:

作為一項起初並不被廣泛看好的技術,神經網絡能夠完美“逆襲”,其實非常偶然。

正如《浪潮之巔》作者、矽谷風險投資人吳軍所言:“人工智能技術20年內恐怕很難再有重大突破,因為今天的人工智能已經用光了40年來所積累的技術紅利。”

在吳軍看來,通常20年後能產生巨大加速的事情,大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究並沒有太多新的課題”,“縱使科學家們比較努力,人數眾多,大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。”

事實上,這個判斷也絕非危言聳聽。

以機器視覺為例,經過了5年發展,神經網絡算法在這一領域的潛力基本已經被開發殆盡,而雷同的技術也讓其漸成紅海。

“現在每年這個領域的比賽很多很多,每家公司都是拿自己最好的一次成績說事兒,但其實技術都是大同小異,很難形成差異化”,一位人工智能行業的從業者對融中財經表示。

“同樣兩家做機器視覺的企業,一家說自己的識別準確率是97%,另一家說自己是98%,你覺得在甲方眼裡,他們的差距能有多少?”上述人士表示,“最後還是要拚價格、看關係。”

“目前機器視覺最大的應用場景是安防,主要是政府採購,這裡面最大的問題就是回款”,莫濤告訴融中財經,“公司96%的訂單來自於政府項目,遇到關鍵人員離職,或者領導改選換屆,項目很容易就會爛尾,抗風險能力很差。”

然而初代人工智能企業們的最大危機還不在於此。

相比於大家在機器視覺與語音識別領域殺得刺刀見紅,深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。

事實上,過去一年業界對人工智能有一個共同的評價:2018年,人工智能的進展就是沒有進展。

經過了數年的發展,目前深度神經網絡算法仍處於“黑箱階段”,輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。對此,圖靈獎得主、清華大學姚期智院士曾公開表示稱:深度神經網絡能產生的“價值有限”,即使未來實現了算法的透明化,其結果也很可能“令人失望”;在他看來,與其對現有的神經網絡模型小修小補,不如另起爐灶,“探索新路徑,尋求突破。”

然而“探索新路徑”這事兒過於看臉,畢竟砸下去的真金白銀,並沒有20年可以等。

一個殘酷現實是,這其中大部分投資的前景並不樂觀。

據IT桔子等數據源顯示,2014年至2018年,中國人工智能領域共發生126起退出事件,數量僅為同時期的投資事件的1/20。其中,IPO退出佔四成,回報僅為1.83倍。

而另一個數據則顯示,2018年全年有將近90%的人工智能公司處於虧損狀態。

早在2017年9月,李開複就曾預言:“人工智能創業有泡沫,(融資熱)是今年上半年開始的,融資差不多夠18個月花,明年底估計有一批公司倒掉。”

陽光之下無新事,2010年前後,石墨烯的美好前景同樣曾經迷住了大把投資人,至今七年過去了,全國能量產出三層以下高品質石墨烯的企業還幾乎沒有,無數熱錢全部打了水漂。

前期用力過猛,後期落地太慢,一熱一冷間,2019年的AI行業已如石墨烯一樣,盡顯疲態。

誰在賺錢?誰在接盤?

“我們今年基本已經不看AI技術了,”滬上一位投資人對融中財經表示,“算法其實現在頭部公司已經出來了,沒什麽投資機會了。”

數據顯示,2019年第二季度以來,國內人工智能投融資數量和金額都呈現下降趨勢,僅完成30起融資,同比下降45.5%,融資總額達50億元,不足去年同期的40%。

然而與之對應的,是“CV四小龍”商湯、曠視、依圖和雲從合計拿到其中200多億,佔總額的五分之一。

資本寒冬之下,不僅投資機構二八分化嚴重,人工智能企業也無可避免的呈現出二八分化,甚至是一九分化的局面。

一邊是大批第二、第三梯隊的AI企業融資艱難,而另一邊則是“不差錢”的AI巨頭則頻頻出手,投資布局產業應用端。

“AI公司VC化”已經成為人工智能行業一道獨特的風景。

這其中既有商湯、曠視成立的戰投部門,直接進場投項目,也有思必馳、中科視拓等與傳統VC、PE等機構聯合成立的產業基金,通過募集外部資金補充自己的資金池。

一邊燒別人的錢,一邊拿這些錢給別人燒。

“AI獨角獸對外投資或收購,本質上是消化過多融資,實際業務場景太小、太少,支撐不了估值”,對此有業內人士表示,“有的公司是主動選擇,有的則是為了撐起高估值,不得已而為之。”

2019年9月,“人工智能第一股”虹軟科技在科創板上市,這家已經在機器視覺人工智能領域擁有126項發明專利和73項軟體著作權的低調企業,被認為是目前“市場化落地最為成功的AI公司”。

據招股書顯示,虹軟科技所服務的客戶涵蓋華為、三星、OPPO、VIVO、小米、索尼、LG、傳音等知名手機廠商;2016-2018年,其來自“智能手機視覺解決方案”的營收分別為1.7億元、3.1億元、4.3億元,佔總營收比重在2017年後逐年上升;到2018年,其來自智能手機視覺解決方案的營收佔比已經高達96.57%,對應毛利率為94.29%。

反觀近期剛剛在港交所遞交了IPO申請的曠視科技,其營收佔比最大的部分則是“城市物聯網解決方案”;2017年、2018年以及2019年上半年,該項收入分別為1.68億元、10.57億元、6.95億元,分別佔同期總收入的53.6%、74.1%、73.2%,對應毛利率分別為31%、52.1%和65.2%。

而“為完善 AI+IoT戰略布局”,巨資收購的物流機器人公司艾瑞思,在2018年與曠視並表後,其在招股書中的營收佔比也只有約5%。

口號是響亮了的,但身體是誠實的。

種種跡象表明,政府訂單仍是以曠視為代表的初代人工智能們的主要收入來源。

眾所周知,科創板上市企業普遍存在較高的估值溢價,首批上市25家企業的平均市盈率約在53倍左右;截止目前,虹軟科技的市值為250億人民幣,折合約35億美元左右;而曠視在今年4月拿到了由中銀集團、工商銀行、科威特投資局、阿布扎卡投資局等巨頭所投的5.9億美金D輪融資之後,甚至還沒走到Pro-IPO,估值就已經超過了40億美元;被稱為“融資機器”的商湯科技,9月份剛剛披露的估值更是超過了70億美元,繼續領跑“全球估值最高的AI獨角獸”。

裡面有沒有泡沫,大家可以自行判斷。

值得注意的是,據曠視招股書顯示,聯想之星(天使輪)、創新工場(A系列及B系列)、啟明創投(B1系列)這幾家早期機構投資人的最終持股數量遠低於當年的投資數量,這意味著其中大部分(約90%)的股份可能已經被曠視回購了。

圖:曠視科技9輪融資情況

圖:截至2019年8月,曠視科技各股東持股情況

事實上,如果按照最後一輪28.48美元每股的價格推算,創新工場在6年前以0.24美元每股對曠視的A輪投資,大概收獲了120倍的回報,年化收益率接近220%;而B輪進入的啟明創投也收獲了16倍回報,年化約在180%左右;總體來說,僅曠視一個項目,就讓“初代AI投資人們”賺的盆滿缽滿——而不同於平常的紙面富貴,這筆投資中的大部分恐怕已經通過提前回購落袋為安,是實實在在的真金白銀。

金融大鱷索羅斯曾經說過:世界經濟史是一部基於假象和謊言的連續劇。要獲得財富,做法就是認清其假象,投入其中,然後在假象被公眾認識之前退出遊戲。

索羅斯是哲學家,說得文鄒鄒的。

如果通俗的翻譯一下,那就是所謂概念、預期都是扯淡,要想賺錢,先要假裝信,然後建倉,等不得不信的人抬轎,讓真的信的人接盤。

你看,赤裸裸的,就很沒有美感。

(應受訪對象要求,文中人物均為化名)

獲得更多的PTT最新消息
按讚加入粉絲團