【创业者说】声智科技陈孝良：讲讲国内AI产业的真实现状

编者按：本文来自微信公众号“爱分析ifenxi”（ID：ifenxicom），调研 凯文、京京；撰写 京京。

最近人工智能峰会异常密集，势头不减去年。

一方面，AI被写入政府工作报告，产业发展得到国家层面支持，另一方面，大公司加快布局，创业公司稳步前行，新兴公司不断涌现，AI技术在今年颇有大规模爆发态势。

不过，在看到产业发展机遇的同时，也不应忽视问题。

当前的AI仍然属于有多少人工，才有多少智能；创业者大谈技术如何改变行业和生活，却很少有人愿意提及营收状况；C端产品卖不出去，B端技术推不出来，全球范围内唯一销售火爆的消费级产品似乎只有大洋彼岸的亚马逊Echo；技术人才价格居高不下的当前，没有资源或明确商业模式的AI公司举步维艰…

那么，这一波AI到底存不存在泡沫？技术能否迅速爆发？当前AI产业发展存在哪些问题？AI技术公司应该构建什么样的壁垒？

近日，爱分析在对声智科技创始人兼CEO陈孝良进行调研访谈时，探讨了国内AI产业的现状和问题。

陈孝良认为，当前AI产业不存在泡沫，但AI被过分热炒，深度学习和AI技术还存在诸多问题，大众不宜期望过高；算法本身无法形成门槛，只有通过学科融合、软硬一体、数据和场景才能构建壁垒，因此资源和BD能力也很重要；国内底层技术缺失，AI公司只有不断追求卓越技术，才有可能扭转尴尬局面。

声智科技是一家专注声学前沿技术和人工智能交互的高科技公司，当前主要聚焦于解决真实场景下的远场语音识别问题。

现将部分精选内容与您分享。

AI产业没有泡沫，公司估值过高并不明智 

爱分析：您认为当前AI产业存在泡沫吗？

陈孝良：AI领域其实没有太大泡沫，因为AI公司都是做技术出身，不像O2O、共享经济，要烧很多钱。AI公司总的来说没有投多少钱，大家融资额也没多少，因为公司和行业发展是需要周期的，给太多钱一方面不知道怎么花，另一方面也容易导致公司自我膨胀，所以大家融资都是不希望牺牲太多股份，也不希望融太多钱。

另外技术公司很难像模式公司那样快速膨胀，无论是讯飞还是BAT，做AI都是赔钱的，所以创业公司也很难拿很多钱，因为对投资人来说，也还是有很多风险的，比如机器人，现在大部分都还停留在几千台的水平。

真正我觉得有泡沫的地方应该是PPT泡沫，AI学界、业界的人以及媒体过分抬高了深度学习的作用以及现有的AI技术水平。

深度学习其实存在很多问题，它本身并不能代表人工智能，只是其中的一个工具，但是当前从事这个领域的很多人喜欢通过PR夸大其作用。比如现在有很多人工智能的学术或者产业会议，而这些会议基本上都把论文夸大成了产业进步，实际上从论文提出想法到落地产业是个非常漫长的过程，况且很多论文提出的思路未必是正确的。

其实普通媒体没必要参与太多学术会议，因为学术会议基本都是交流讨论研究领域的思路和方法，很少会涉及商业问题。反而媒体的过多参与容易夸大某些点的技术水平，抬高公众对技术的期望，这其实对技术和产业发展不利。

另外，语音、图像、语义等技术现在其实也都不成熟。这个时候过分强调机器人的智能水平，其实是不明智的，因为很明显机器人达不到人的水平，而公众预期一旦抬高，就容易觉得现实产品的体验不好，这对整个人工智能产业其实都是不利的。

在这方面亚马逊和苹果就很聪明，音箱和耳机都不是新品类，在原有品类上加上AI交互功能，用户就会觉得体验很好，物有所值。即便是扫地机器人也要首先满足扫地功能，然后再加上一些智能化的功能，用户就比较容易买账。

爱分析：如何看待部分AI公司的高估值？

陈孝良：有些公司公布的融资额比较高，但其中真正风投的钱可能没有那么多，里面还会有一些战投和政府的资金。另外一些成立比较早的公司估值会高一些，但是一方面他们已经跑出了一些收益，另一方面再加上一些媒体宣传的成分，所以估值比较高。

其实AI公司估值做得太高是有问题的，因为大家现在营收都不高，如果业绩支撑不了那么高的估值，上市和被收购都是非常困难的事情。所以创业公司PE在20倍左右应该是个正常范围，很多国外大公司PE大概是10倍，这其实对整个产业都是比较合理的值。

深度学习存在两大缺陷，贝叶斯学习填补空白 

爱分析：深度学习存在哪些问题？目前有哪些方法可以解决这些问题？

陈孝良：我之前提过小样本学习，其理论基础就是贝叶斯概率，它和深度学习是相对的。深度学习相当于归纳，给出足够数据，通过分析可以得出一些结论；小样本学习相当于演绎，给出先验概率，直接推断可以得出一些结论。

大数据一直存在，我们确实能从里面总结出一些规律来，但是我们人类不是仅靠这种方法学习的。小孩子学习新事物靠的是类似于小样本学习这种方法，比如看到猫，你告诉他什么样的是猫，它下次看到同样的东西就知道是猫，而不是需要看很多只猫才知道是猫。另外对于人类来说，更有意思的是即便没有数据积累，没有相应的专业知识，实际上人类也能“照猫画虎”。

可以把深度学习类比与知识经验，知识经验事实上就有两面性，有好有坏，偶尔就会造成严重的错误，因此人类需要不定期遗忘一些知识数据。但是深度学习当前还做不到自动筛选数据，这也是其中的弊端——我们无法保证数据训练出的模型是绝对正确的，因为它本身就是一个黑盒子，而且我们还无法保证所有数据都是正确的，若想做到这点就会形成一个悖论。

另外深度学习强烈依赖于数据，不仅需要保证数据的完整性和精确性，而且所有的数据当前还都需要准确标注，标注又需要耗费大量人工成本，所以它并不是一个很完美的方法。

爱分析：贝叶斯学习现在成熟度如何？在业界有哪些应用？

陈孝良：贝叶斯学习其实一直停留在科研界，尤其用在军工领域，雷达、声纳、遥感等都是大量使用贝叶斯模型进行工作。其实贝叶斯学习已经很成熟了，只是没有大规模拿到民用领域来用，当然业界也有一些应用，比如垃圾邮件的处理等，只是在PR方面没有声音。另外我们声智科技主要是把贝叶斯学习应用在前端数据收集，实现半自动化的数据标注，以降低数据标注的工作量并且保证其标注质量。

算法难成门槛，数据和场景壁垒更重要 

爱分析：AI领域算法是否存在门槛？

陈孝良：深度学习本身是个工具，算法只是一些体现技术思路的代码，这些代码不可能形成壁垒，但是有相当高的技术门槛，这也是人工智能公司基本都以博士为主的原因。

由于算法很难直接形成有商业价值的专利和标准，所以发展到一定阶段就会开源，开源的结果就是训练一段时间，大家都可以训练一个还可以用的模型出来，核心问题只是怎么把这个模型优化得更好，更能落地到实际产业之中。

爱分析：对于AI技术公司来说，哪些东西可以形成壁垒？

陈孝良：算法本身不可能形成壁垒，所以技术公司要把算法做到场景里面，场景是可以形成壁垒的。比如你医疗领域做到No.1，肯定就比通用的有优势，这里面不管你是通过资源支持，还是BD，都是你的优势。

另外场景和数据密切相关，因为收集数据是需要周期的，处理数据是需要投入巨资的，所以在特定场景下积累到一定规模的数据也是可以形成壁垒的。

最后知识产权也是可以形成壁垒的，但是只有一些涉及到物理形态的技术才能更好的获得知识产权保护，所以软件技术公司很难通过知识产权构建核心壁垒，硬件技术相对会更容易一些，比如芯片、激光雷达、麦克风阵列等等。事实上，标准是最重要的，但是创业公司显然无法推动标准，这是国家和整个大产业需要联合做的事情，特别是面对国外竞争的时候。

一些起步较早的AI公司其实都不是技术驱动型公司，而是在数据上领先，数据积累到一定程度，还是要靠人工去搞定客户。所以越往前端走，技术壁垒越高，越往后端走，内容壁垒越高，中间层其实不存在太高的技术或数据门槛。AI公司很怕架在中间，难以落地，所以很多通用技术公司都开始做软硬一体解决方案，解决方案就是要搞定客户，要拼BD能力。

爱分析：您认为AI技术公司在垂直领域市场集中度高还是分散？

陈孝良：其实现在同质化还是比较严重，所以最后大家的出路，要么被收购，要么上市。上市现在看来难度比较大，因为需要连续营收和盈利。虽然现在各家技术差距可能没那么大，但是在每个领域还是会出现垄断，当然还是要看公司在产业链里面的定位。

爱分析：既然技术难成壁垒，那AI创业公司是否更应重视BD和商业化落地，而不是提升技术？

陈孝良：不是的，现在很多AI技术都不成熟，这还是一个慢慢积累的过程。一旦时机成熟，商业化会顺其自然。如果过早商业化、强调BD，技术上就会容易跟不上，因为BD部门和技术部门的人才架构和圈子语言完全不同，很容易影响团队重心，公司一旦战略核心变了，就很难转过来了。

当然大家现在营收都很不起色，C端不起量，B端也难收费，除了一些B2G的AI公司活得比较好以外，B2B的都活得很痛苦，所以就需要资本和市场对我们这些公司有一点耐心。

国内底层技术缺失，AI公司赚了钱要投技术 

爱分析：如何看待AI时代国内外科技公司的角色和市场地位？

陈孝良：我们从过去来看，无论是PC时代，还是互联网时代，国内一直都没有诞生比较大的底层技术公司。PC时代，联想是做组装起家，芯片是英特尔的，主板是台湾的，操作系统是微软的；移动时代的典型代表是小米，芯片用的是高通、MTK，操作系统用的是安卓，我们的进步是可以自己改界面了。

到了AI时代，巨头公司包括联想、小米都在尝试转型，百度是人工智能领域积累最好的，但是由于之前做了很久的O2O和医疗，人工智能的商业化也没有起来。

国外亚马逊和苹果又都是各自玩自家产业，Alexa到目前还不支持中文，AirPods也很难被山寨。所以从整个产业链条来看，国内还不具备做出爆款级人工智能新产品的条件。

我们知道，现在半导体电子产品全线涨价，涨价幅度也非常大，这也侧面印证了我们国内半导体产业的供给现状，核心器件和芯片我们还是依赖于国外供应。

国内一直以来都是模式创新，哪怕是技术起家的公司，到最后也很少继续投资技术，而是去做一些短平快的事情，比如传统行业公司赚了钱去做房地产，互联网公司赚了钱去做金融，哪怕像华为这样的公司，也没有去投资一些颠覆性的技术，我们的核心技术基本上是靠国家投入。

相比之下，美国除了模式还很重视科技，哪怕从模式起家的公司后来也都转成了科技类，最有钱的几家巨头现在都是科技公司。

所以当Alexa成熟之后，我们如果继续进行模式创新，跟美国的差距就会越来越大。现在苹果、谷歌每天都在AI领域申请大量专利，未来我们不管做什么都要给他们付钱，就像国内的消费芯片行业不管怎么样都要给ARM交钱，基带不管怎么样都要给高通交钱。如果在AI时代，我们还继续做模式创新的话还是会避免不了这个尴尬现状。

爱分析：这一波AI技术公司能否扭转这一局面？

陈孝良：如果这波AI技术公司赚了钱之后能去投资技术，带动整个产业发展，是会从一定程度上改变这个局面的。因为我们现在真的到了一个难得同步创新的机会。AI领域语言天生就是个障碍，亚马逊做这个事情会很麻烦，所以这也是我们的机会所在。

当然别人走过的坑，我们同样还要一个一个迈过去，不可能一步跳过。但是这一步如果不走，当别人不带我们玩的时候，我们就玩不起来，就会跟别人差很多年，到时候再去赶超是很难的。

所以我们这一波AI技术公司起来之后，是不是能够把资金持续投在技术上，是很重要的，否则这个局面会一直持续下去。坚持技术投入需要创始人有长远的战略眼光，因为公司一旦走上烧钱模式的路，就很难再扭转过来了。

爱分析是一家专注于创新企业研究和评价的互联网投研平台。爱分析以企业价值为研究内核，以独特的产品形态，对创新领域和标杆企业长期跟踪调研，服务于企业决策者、从业者及投资者用户群体