摘要:目前能上量的AI产品只有Echo,其余全是Demo。

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

指导 | 凯文

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。

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

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,致力于实现“听你所言、知你所想”的愿景。当前主要聚焦于解决真实场景下的远场语音识别问题,主要产品是麦克风阵列和远场语音识别引擎,目前已经为360、小米等公司提供声学解决方案,量产应用于摄像头、机器人、智能音箱等智能产品,未来还将把软硬一体化解决方案用于智能汽车和智能医疗等领域。

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。

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

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

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

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

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

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

声智科技陈孝良:讲讲国内AI产业的真实现状 | 爱分析访谈-ifenxi

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。