撰文 | 蘇 舒
(資料圖片)
編輯 |?楊博丞
題圖 | IC Photo
曠視很難再激起太大的水花，除了上市。
即便是在脈脈上，曠視被曝出裁員的消息也沒能激起千層浪，甚至外界還沒來得及驗證真偽，就已經消失在一片寂靜之中。
“沉寂”，并不是曠視一家的狀態，而是整個人工智能賽道未能成功上市，甚至是已經成功上市獨角獸們的共同境況。
五年前，人工智能賽道有多火熱，現在就有多“沉寂”，資本退潮，媒體的聚光燈散去，這群AI獨角獸們，最終還是跌落神壇。
AI獨角獸們何至于此。有人曾如此解釋道，“AI改善人類生活方式并不是那么有市場效益，也并不像移動支付那樣，是一次顛覆式的改變。”
01.
等待上市的救贖獨角獸們
還有相當大一批AI獨角獸們等待二級市場的救贖，曠視不是唯一，但極具代表性。
2010年之后，一大批有著“高學歷”、“大背景”的技術人才涌入人工智能賽道。擁有名校光環或是大廠背景創始團隊在剛剛決心創業之初，就贏得了不少資本的青睞。
2015年，Google旗下AI創業公司DeepMind發布了人工智能圍棋機器人AlphaGo，當年，AlphaGo約戰世界圍棋冠軍并以4：1的成績擊敗職業九段棋手李世石而一舉成名。也正是因此，讓資本、創業者們更加堅信了人工智能的未來。
資本的潮水涌來，這群還在襁褓期的獨角獸們被推上了潮水的正中央。
曠視即是如此。從成立開始，曠視幾乎每年都可以拿到一筆融資，融資的數額也隨著人工智能的熱度水漲船高，到2019年D輪時，曠視直接拿到了7.5億美元融資。不過這樣的大手筆融資，在AI賽道上已是常態。
時間來到了2019年8月，曠視向港交所遞交招股書，也正式打響了AI創業公司上市的第一槍。但可惜的是，三年時間已過，曠視依舊未能成功上市。
這期間，也歷經了不少曲折。六個月后，曠視在港交所招股書失效。沒多久，曠視就向科創板發起上市申請，并于2021年9月成功過會。本以為一帆風順的IPO之路，卻在之后面臨了一輪又一輪的問詢，直到現在，曠視依舊等待著IPO注冊批文的到來。
和曠視一樣，上市之路多舛的還有依圖科技、云天勵飛、第四范式等。除了上市之路受阻之外，這些企業招股書中都呈現出一個問題，自我造血能力有限，虧損不斷擴大。
此前有不少分析師談到，人工智能企業上市的窗口期出現在2021年前后，未能在窗口期成功上市的企業，除了要面臨資金的壓力，還有面對來自早期投資機構退出的壓力。即便是在窗口期成功上市的企業，估值倒掛，股價下跌的現象也屢見不鮮。
如此境況之下，這些獨角獸們也不得不選擇各種方式來降低成本，畢竟活下去才能看到新生的機會。也正是這一段時間，AI企業裁員的消息開始滿天飛。隔一段時間就會出現一次，云從、依圖、曠視、格靈深瞳等企業都或多或少有裁員消息傳出，甚至裁員幅度達到20%-30%。
這一次在脈脈上傳出曠視裁員的消息，也并沒讓外界感到驚訝。不過，曠視官方并沒有對此次爆料有所回應，只是最初曝出曠視裁員的脈脈發文，已被刪除。
除了裁員之外，高管離職、降薪也成為了這些獨角獸們縮減人力成本，優化股權結構的手段之一。
另外，這些獨角獸們也開始想盡辦法自我救贖，提高自我造血能力，比如投資。近日，第四范式就被曝出開啟了投資新業務。
市場消息稱，由第四范式連同紅杉等其它資本方一同參與的北京范式人工智能股權投資基金（有限合伙）（以下簡稱“范式基金”）已于近期完成首次關賬，一期期望規模為5億元，目前二關也正在進行中。據悉，第四范式作為范式基金的基石投資人而存在。
從2022年1月至今，已有4家創業公司成為范式基金投資標的，投資輪次均為涵蓋天使輪、種子輪、B輪等早期輪次。從投資標的來看，第四范式進軍風險投資的意圖，除了直接的投資收益之外，更多的還是在于圍繞AI進行產業布局，大有打造AI生態之勢。
此前，曠視也曾曝出開啟了投資行動。天眼查顯示，曠視科技目前共有14起投資事件，涉及零售、視覺、大數據、物聯網等領域。此外，曠視科技還入股了蕪湖曠沄人工智能產業投資基金（有限合伙）和北京城市大腦管理咨詢合伙企業（有限合伙）兩家公司，其中第四范式曾出資500萬入股北京城市大腦管理咨詢合伙企業（有限合伙）。
不過，相比于此，上市依舊是現在能夠救贖這些獨角獸們的關鍵所在。
02.
尋找迷失的“價值”
回到最根本的問題，這些企業“流血”上市背后的問題，還是在于看不清落地場景，或者說是難以找到極具商業價值的場景。
其實這都是老生常談的問題，更殘酷一點說，這應該是AI創業公司成立之初就看到了的問題。只是在資本的催熟下，這些企業開始拿錢造場景，讓前幾年所有人都陷入AI應用期已至的錯覺中。
獨角獸們對AI落地場景最自信的時候，出現在2019年。那個時候，獨角獸們對外的宣傳充斥著“AI+行業”一說，安防、金融、物流、醫療、汽車、消費電子、商業等場景越分越細，據當時統計，AI四小龍具體切入的場景都不少于5個，甚至更多。
最熱鬧的時候，企業每涉獵一個細分場景，都會喊出“顛覆XX”的口號。但2020年之后，隨著技術落地瓶頸顯現，資本回歸冷靜后，泡沫消散，外界這才發現，原來技術落地并不容易，深度算法遲遲未曾突破，落地場景碎片化，產品標準化程度低等類似問題并不少。
也是從那個時候開始，這些AI獨角獸們很少去談一個細分的場景，而是將其歸納為智慧城市、智慧汽車等。在商湯的招股書中，其主營業務分類為智慧商業、智慧城市、智慧生活和智慧汽車。云從這邊則提到智慧金融、智慧治理、智慧出行、智慧商業四個領域。格靈深瞳、曠視均是如此。
探索的場景越來越多，但類別卻越說越少，也很少有企業再打出顛覆行業的宣傳標語。究其原因，還是在于，這些企業從最開始的“AI+行業”，回歸到最初的“行業+AI”之上。
在AI還未能到達產品標準化，賦能一切的時候，在看得見需求的場景下，依托人工智能快速高效處理數據的能力，提升行業服務能力、改變服務模式，發揮技術的價值，才能實現技術的商業化，這也就是所說的“行業+AI”。
在這之中，究其根本還是因為目前深度學習算法的局限性。此前，復旦大學科學技術學院教授邱錫鵬曾在接受《財新》采訪時表示，目前AI仍屬于所謂“弱人工智能”，特點是以具體任務為導向，依賴特定場景，而研究層面要突破這個局限性還有較大距離。
另外，深度學習算法匱乏也間接導致了解決方案定制化以及成本拉高。曠視研究院周而進研究員也曾表示，當前，大量算法生產過程還是非標準化的，因為非標準化，所以算法生產過程充滿不確定性。
此外，在看得見的成熟場景之下，這些創業公司們還面臨著百度、阿里、騰訊這樣的大廠玩家、?？低曔@樣的傳統硬件廠商等眾多對手，相當于這群獨角獸們需要在同一塊并不大的蛋糕上，和資源比他們多、資金他們雄厚的對手正面相對。
即便是這群獨角獸們在特定領域擁有核心競爭力，但這群獨角獸們普遍利潤率偏低甚至虧損，面對互聯網巨頭的擠壓和日漸提升的人力成本，燒錢模式難以長久為繼。
這些現實不得不將迷失在AI賦能行業中的獨角獸們拉回現實，也讓投資人們趨于理性。如果說前些年，衡量這群獨角獸們價值的點還是在于技術，但2020年之后，這個點已經換成了商業價值。
所以，即便是最初投資人們押注的是這群獨角獸們技術的潛力值，并不在意當期的業績，但2020年后，曾經被看好的技術為能帶來相應的商業價值之時，退出的壓力開始傳遞到這些企業之上。
在這樣的背景下，在2020年曠視的溝通會上，才有了印奇的一番穿越“死亡之谷”的言論。死亡之谷一說，來源于Gartner曲線。在Gartner曲線上，技術成熟需要歷經技術萌芽期、期望膨脹期、泡沫破裂低谷期、穩步爬升恢復期和生產成熟期五個階段。
而現階段的AI企業都在歷經低谷期，甚至正走入“死亡之谷”——泡沫破碎、企業出局。當時印奇給出的谷底周期在18-24個月，現在已至24個月，行業依舊未能迎來曙光。
03.
AI潤物細無聲
說到這里，不得不拋出一個問題——AI的價值何在？
雖然現在機構、外界甚至企業自身在叩問企業的價值何在，但不可否認的是，這群獨角獸們一路走來，的確對人們生活做出了改善。
像文章開頭說道一樣，AI對人類生活方式的改善更多的是“潤物細無聲”的狀態，這個改善并不是那么具有市場效益，也并不是所謂顛覆式的改變。
比如說智慧城市下的城市治理，占道經營、沿街晾掛、積存垃圾渣土、機動車亂停亂放等問題，在AI技術介入之前，這些場景更多的是通過人力去改善，而現在在AI助力下，提高了相關單位和人的工作效率。
再比如智慧教育，通過圖像識別技術，人工智能可以提高教師批改作業和閱卷工作的效率；
語音識別和語義分析技術，可以輔助教師進行英語口試測評；而人機交互技術，可以協助教師為學生在線答疑解惑。
另外，人工智能還能將教學變為大數據分析以及人工智能輔助的以學生為中心的個性化學習，為每個學生提供個性化、定制化的學習內容、方法。
除此之外，包括在醫療、安全、金融、汽車等多個領域，人工智能的確在幫助人們提高效率，改善生活方式。
麥肯錫公司全球資深董事、麥肯錫全球研究院院長華強森曾在一次演講中表示，AI和大數據、互聯網可以提供幫助?，F在電腦識圖錯誤率只有3%，AI在變得越來越聰明和智慧，這可以根本上改變城市化的質量。AI的革命與過去IT的技術，還有蒸汽機的技術相比，它對經濟增長的驅動力量是3-4倍的量級增長。包括交通運輸行業、健康、教育行業，促進作用是過去幾次革命的3-4倍，使得人們生活水平不斷上升。AI可以使我們的健康、環境質量、生活質量改善至少10%-30%，成百上千的生命可以被挽救，而且影響到我們日常出行的方式，現在看到有一些AI的自動駕駛汽車，自動駕駛汽車不斷地發展。
人工智能技術的確正在潤物細無聲地改變著人類生活，這些AI企業的出現也一定程度上加速了技術改變生活的進程。
但對于企業來說，商業價值的評判是企業生存發展的必然。在顛覆生活方式和商業價值爆發之前，這群獨角獸們更需要做的是，找到商業價值努力活下去。
關鍵詞： AI企業上市困局AI價值≠商業價值 人工智能 ai企業
