Select Language

AI社区

数据要素产业

AI产业遇冷,大批科学家出走,基础科学研发的可持续模式在哪?

作者:刘远举

第一次人工智能热潮,出现在20世纪60年代,人工智能之父图灵,提出了著名的图灵测试,用于判断机器是否智能,引发热潮。

第二次是在20世纪80-90年代,以语音识别的阶段性突破为标志。还记得当时在windows 97上运行的一款IBM的语音识别软件,需要先对着麦克风朗读大概几百个字对软件进行训练,基本可用,但并不好用。

第三次人工智能热潮,就是当下以深度学习为基础的人工智能。

从2017到2018,人工智能这把火越烧越旺,如人脸识别技术,语音识别技术,大数据分析挖掘等等,以及集这些技术之大成的自动驾驶。这一次热潮中,出现了完成度较高的产品,AI技术正式进入产业化。比如,包括科大讯飞的翻译器、语音转文字、人脸识别、智能AI音箱,这些产品已经进入生活。

这个阶段的AI产业发展趋势,类似于邓宁-克鲁格曲线,短期内爆发到顶点,充满自信,行业泡沫产生,相关技术的创业公司涌现,不管是创业公司还是大厂,纷纷争抢头部AI人才,资本追捧。

投资高峰时期,AI明星公司,动辄融资过亿,估值更是一路高涨。据公开资料记载,2016年-2018年间,AI行业的投融资事件多达两千多起,融资金额也再创新高,多达2500亿元。

比如,商汤在2017年和2018年两年间就融资数十亿美元,其中仅2018年,融资总额就达到了22.2亿美元,估值也从2017年底的20亿美元猛增至了60亿美元。

不同于传统经济,“研发销售赚钱再次投入研发”这种缓慢的技术升级模式,互联网、特别是移动互联网带来了“风投融资上市”模式。这种模式对市场份额极端依赖。新技术获得风投,迅速把最基本的商业模式变为现实,然后,吸引流量与客户,随后再通过几轮融资扩大规模,最后上市。

这种模式之下,赢家通吃,依靠风投迅速扩张,获得市场份额变得至关重要,甚至是超越短时期的盈利。

技术创业公司,既然依靠风投推动,也大致离不开这个规律。不过,技术创业公司与O2O领域还不同,最重要的指标,不是用户数量、市场份额,因为技术还没有投入市场,没有用户也没有份额。这个时候,创业公司需要证明自己的技术,最直观的办法,就是拥有多少科学家。

而且,与O2O不同,AI技术创业公司专业程度更高,一般人投资人很难看懂,他们就需要一些外显的、易懂的指标。拥有一个科学家,就把他的技术、论文置入公司麾下,那么,公司对外展示实力、吸引风投,就多了几分胜算。

比如,当时最多的报道就是AI公司在顶级学术期刊和比赛的获奖消息,例如CVPR(国际计算机视觉与模式识别会议)是计算机视觉领域世界三大顶会之一,商汤、旷视等AI明星企业,不管是高管发言还是公司新闻报道,总是在提及在自己在CVPR上的论文数和具体比赛项目的排名。

另一方面,很多这个领域的科学家也希望进入行业。

当时行业的确是充满对未来的自信,相信AI即将改变世界,谁拥有更强的技术,谁就是可以独占鳌头。科学家也相信这一点。从默默无闻的算法专业,到红得发紫的人工智能,这个领域的科学家也会因为突然受到追捧而兴奋。

更重要的是,科学家不断的认识世界,不断将人类的知识推向新的边缘,最终目的就是改变世界。进入业界,就是一个改变世界的机会。

于是,在各方多种动机之下,创业公司给高薪,科学家要人给人,要钱给钱。当时卡耐基梅隆大学计算机科学院院长 Andrew Moore 教授曾公开表示:“一名 AI 专家对于企业的价值,至少为500-1000万美元”。

▲AI学术大牛马维英加盟字节跳动3年后,又辞职重返学术界(图/网络)

但是,时间进入2019年,随着AI公司并未立刻获得爆发性增长,技术相对停滞,而外部资本情况发生变化时,AI(人工智能)行业遭遇寒冬。作为行业遇冷的表现及后果,就是一些大型互联网公司或者AI明星的科学家开始“出走”。

据虎嗅不完全统计,国内知名AI科学家职位变动人数达十余位。而这与几年前,形成巨大的对比。

AI行业也从自信的高峰,立刻跌入低谷。

低谷中的创业公司,首要任务是活下来,无法用更长的探索周期来实现技术与产业的结合,而科学家的声誉也不能再带来融资。科学家再度出走,走入高校,或选择跳槽,或选择自己创业,就成为一个行业发展的必然现象。

行业泡沫是正常的,这本身是繁荣的一部分。不过,真正需要思考的是,基础科学的研发,依靠“风投融资上市”,是否可行?还是仍要依靠以前的,“研发销售赚钱再次投入研发”这样的长期的、可持续的模式?

▲近年来,AI融资交易量连续下降(图/网络)

个人觉得,AI技术的发展,不是互联网+,不是简单的把AI应用于传统场景就能改变世界的。某种程度上,互联网+,是把成熟的基础技术组合,比如LBS+无线通讯技术+摄像头技术。这些都是成熟的技术。

但AI技术本身,是一个底层的基础技术,这就决定了它还有很长的路要走,也就是说,还是需要回到“研发销售赚钱再次投入研发”的模式。这当然,需要企业做出长期的科研投入,而长期的科研投入,则需要建立对未来稳定的预期。

值得一提的是,科学家重回校园,也是一种可持续的长期循环,也即“研发投入社会社会效益税收研发”的政府大循环。而越是基础的科学,就越需要这种大循环。