盈利难、上市难、遭遇隐私壁垒，AI公司如何破局？ | 甲子光年
「甲子光年」曾在《世界人工智能大会第三年：AI在下行？不，它在下沉》中梳理，经过初创公司扎堆出现、巨头入场、投资热潮、资本寒冬和美国封锁后，国内的AI企业已经发生蜕变，从一心钻研技术转为浸入各行各业赋能。
然而眼下质疑仍相当普遍：AI公司还好吗？首先AI公司商业化落地仍是难题，其次龙头公司IPO进展不如预期，疫情期间技术应用出现安全伦理问题，目前数据合规政策也是AI公司进一步发展要面对和解决的问题。
好消息是AI在各个场景中的落地正在加速。疫情催生了AI应用的新场景，新基建进程使社会对AI投入的预算大大增加。
实际上，已经有AI公司实现盈利。在友好的大环境下，行业和公司都在努力寻找合适的商业模式和落地场景，努力牵引自己走出微笑曲线底部、走向上扬。
对于数据合规，不少企业认为它对行业发展是长期利好，数据应用的边界更清晰，意味着人们可以放心交出自己的数据做更合理的应用。
2021年4月27日「甲子引力X」大湾区科技创新高峰论坛上，「甲子光年」邀请到了Speakln创始人兼CEO 陈昊亮、极视角科技联合创始人刘若水、码隆科技董事长兼CEO黄鼎隆、光鉴科技创始人兼CEO朱力、追一科技联合创始人兼产品负责人汶林丁对AI产业的发展和走向进行了讨论，甲子光年投行服务部副总裁宫悦担任主持。
以下是此次对话中的部分精彩观点：
黄鼎隆 码隆科技董事长兼CEO：
AI产业正处于微笑曲线谷底往上爬的阶段。这个过程中，对商业和市场场景的选择尤其重要。以前很多领域的客户带着各种有趣的问题找我们，我们都想试着解决，但现在我们首先要看这里面的商业潜力怎么样，尤其要看客户的预算怎么样。
刘若水 极视角科技联合创始人：
数据这方面做加密，做再多的安全措施都不为过。AI是一个投入成本挺大的事业，在这个过程当中做额外的成本投入，这个事情本身就有价值，用户也会为此买单。所以不存在做了额外的投入，会影响盈利或利润空间等问题。
朱力 光鉴科技创始人兼CEO：
中国人同样值得拥有更多的隐私，国内隐私保护概念很快会赶上来，安全和加密是关键的环节。我们有两个预判正在变成现实：首先源头做数据加密成为趋势；其次源头就有防伪和防攻破识别也会成为趋势。
陈昊亮 Speakln创始人兼CEO ：
最早大家普遍认为AI只是一个效率工具，可以在各个产业的某个环节降本提效。然而这两年我们跟很多产业的消费品结合时，这些公司充分认识到对于产品来说，AI一样可以通过智能化的应用，来提高平均附加值或产业附加值。
汶林丁 追一科技联合创始人兼产品负责人：
AI能解决什么问题？说大一点，其实是解决中国未来社会人力资源短缺的问题，做的是部分人力替代的工作。在一些人的场景上，做的是人机协同，让人的效率更高。甚至在这些数据沉淀之后，我们可以做智能分析的事情。
1.AI现阶段：微笑曲线从谷底往上爬
宫悦：经历过去几年人工智能迅速发展的阶段，当下人工智能到了什么阶段，以及疫情对人工智能的发展是否有影响？
黄鼎隆：当下人工智能的情况，我觉得可以用微笑曲线来描述。人工智能企业过去几年主要在研发方面大量投入，进行技术积累和突破，但多数没有找到太好的赚钱模式。有些公司已经有收入了，但有利润的AI公司不多。如何找到合适的商业模式、落地场景来赚取利润，是眼前这个行业最重要的问题。
目前来说，这个问题的答案开始慢慢浮现，越来越多AI公司的盈利水平在提升，越来越多的场景有比较清晰的盈利模式。现在微笑曲线抵达谷底，正是往上爬的阶段。这个过程中，对商业和市场场景的选择尤其重要。以前很多领域的客户带着各种有趣的问题找我们，我们都想试着解决，但现在我们首先要看这里面的商业潜力怎么样，尤其是要看客户的预算怎么样。
另外，在技术层面要把很多成本降下去。比如码隆非常关注开发多模态人工智能，通过多种传感器使整体识别率达到比较好的水平，通过弱监督学习把数据训练成本大幅降下来，实现商业上的效率变现。
（观看更多嘉宾精彩视频，请移步甲子光年视频号）
对我们来讲，疫情既有正面也有负面的影响。
我们之前服务海外的客户比较多，尤其是服务欧美的客户比较多，疫情之后首先不能出差，需要现场实施和落地的工作很难进行。现在这种国际局势包括一些层面的脱钩、欧美国家对中国AI公司的过滤等等，这都是阻力。
正面影响，我们也看到疫情后催生很多新的场景。比如在深圳，今年就有一些场景，居民不带身份证在药房可以刷脸买药；遥感测温在疫情中不知不觉普及了。
人工智能作为新基建七大领域之一，蕴含的商业场景也非常多，大家平时可能没有关注到。我们看到的情形是，各种新的场景正在呈现出来。前几年大家一想起视觉AI，只能想起人脸识别、安防，现在基于新基建，社会运作的各个场景，诞生出许多带有明确预算的需求，这个对于AI公司来说是一个好事情，这也是我认为AI公司即将走出微笑曲线底谷的原因。
陈昊亮：我们看到的情况比较相似。其实许多AI公司已经有盈利能力，但依旧会追求更多边界的扩展。
我觉得人工智能公司或者行业的现状可以分成两个角度来看：一个是行业角度。2013年到2015年期间，有大量AI公司冒出来。那时候AI为什么会比较热？其中一个重要原因是AI人才比较短缺。但经过这几年的发展，AI公司也好，行业也好，大量供给或转化培养了能够为不同产业做智能化提升的高端知识劳动力（AI人才）。
现阶段，对AI企业来说， 人才没有2015、2016年那么贵了，企业自我培养、产业资金投入等社会力量多方面培养和发展了AI人才团队。目前AI人才的成本普遍下降，这对于行业发展是有利的。
另一方面，AI企业最早参与行业、终端产品、消费产品时，大家普遍认为它只是一个效率工具，比如在某个环节可以降本提效。但事实上这两年我们跟很多行业的消费品结合时，被赋能、被智能化的公司充分理解到对于他的产品来说，一样可以通过智能化的提升、AI的赋能，来提高最终产品的平均附加值或产业附加值。
疫情后随着智能数字化时代的到来，企业和社会大众对于软件的付费意愿意识也在不断增强。
2.AI公司终会盈利，但怎样更快？
宫悦：AI如何跟细分场景相结合进行智能化？怎样借此提高收入和盈利水平？
汶林丁：追一最开始做的是认知智能，简单来说就是它能理解一句话的意图是什么，这是NLP（自然语言处理）的核心目的。分阶段去看，之前的语音、CV（计算机视觉）都是感知智能的模块，感知智能、认知智能是并行甚至是一起发展的。到目前多模态融合是越来越强的方向。
我们公司的发展路径和这个过程是强结合的，刚开始是文本，我们做对话交互。慢慢的需要做更有温度的服务，结合语音会上一个层级，所以语音融合进来了。到现在是“数字人”，我们从2018年开始做多模态数字人，在银行、运营商落地。运营商想打造更有温度、体验最佳的服务，像之前的IVR（Interactive Voice Response，交互式语音应答），拨打号码会直接跳出“数字人”跟他进行交互。比如银行的App上就做了一些核心转账的场景，老人直接对着机器说“转账”，整个流程都可以送到他的面前，只需要说话就可以完成转账。
在商业模式的选择上，估计每家都有自己的路径，从市场规模、客户痛点、自身优势、切入难易度，产品的匹配程度等方面都要找到。切入路径找到后，从服务到智能运营再到营销其实都是有路径的。
想想AI能解决什么问题？说大一点，其实是解决中国未来社会人力资源短缺的问题，做的是部分人力替代的工作。在一些人的场景上，做的是人机协同，让人的效率更高。甚至在这些数据沉淀之后，我们可以做智能分析的事情。
在信息化和数字化的基础上，运营效率会越来越高。大致的路径和方法论基本是这样，具体每家企业可能不太一样。我们选择金融、运营商和政务市场，因为金融是经过验证的，AI基于已有的信息化基础会更顺当一些，政务则周期更长。
刘若水：按我们的理解，AI公司更多还是技术提供方，不可能深入到某一个行业，比这个行业里的玩家更了解他的需求，所以我们其实做的是一个横切面的事情，能够保证让算法更快速、更便捷甚至更低成本地开发出来。但这些需求的来源、场景的定义，更多还是来自前端真实行业用户以及服务这些行业的方案商，他们更清楚这个行业究竟需要什么。
不管是金融、新基建、医疗、安防，还是在一些新兴行业领域，之前大部分的AI算法都用在智能生产这方面。现在看到很多趋势，包括我们平台上收集到的更多算法需求，发生了从生产到生活端的转变。比如我们看到的社区需求、养老行业，甚至是文化、娱乐这种产业，都慢慢随着AI技术的普及需要更多的算法。
我们作为一个技术提供方，需要更理解用户的行业，帮助他把行业诉求转变为一个算法的语言，再让我们后端15万的开发者，通过他们的能力和我们底层平台的支持，提升整个算法的开发效率。这个过程是现在AI产业化当中更重要的环节，不仅仅提升前沿科技，还需要考虑怎么在真实场景中满足低成本、高效率的交付，这是现在对于产业落地来讲比较重要的。
陈昊亮：提高毛利率有两方面。一方面，为什么AI公司普遍要埋头做事？因为要积累行业美誉度。无论我们在哪个行业，新基建也好，银行也好，AIoT也好，都要积累行业的美誉度，这是一个有周期的事，也是目前比较关键的事。刚刚讲了人才平均成本的下降，或者说有了更多的供给，现在AI公司普遍也在做转化，我们可以把一些统计学或计算机中低级的AI人才转化成更高阶的AI人才，这也是我们在做的事情，所以是两方面结合。
提高产品平均的毛利，一方面可以靠行业美誉度来实现；另一方面就要靠控制成本。所以我相信，AI企业终有一天都会盈利的。目前的盈利挑战，更多是窗口期导致的。大家觉得时间有限，规模要做大、赶紧上市，募集更多的钱，做更深的发展。
第二点，我觉得中美竞争是长期性的，美国有很好的学术土壤，是我们能持续获得先进理念和方法的地方。但是从商业化的角度来说，此前很多数据源是在特定时期、特定窗口下获得的。出了民法典以后，公民对于隐私数据，以及对于企业如何利用自己数据的关注都在增加，所以像之前开放的数据，以后不一定会开放了，这会成为AI公司接下来重要的商业壁垒。
3.数据合规长期是利好，但要怎么做？
宫悦：如何解决数据安全问题？
朱力：我们把AI当成产品的基础能力，一个很重要的工作，就是从数学上保证这个信息对所有人都是不可见的。我们是行业里第一个把数字加密签名做进摄像头的公司，从摄像头发出去的数据都经加密处理，除非拿到密钥，不然没办法攻破。
我们公司2018年刚成立的时候，看到海外机器视觉涉及到隐私问题，很难做。而当时在中国这个问题还没有被关注到，所以我们能够很快落地。中国人同样值得拥有更多的隐私，国内隐私保护概念很快会赶上来，安全和加密是很关键的环节。
国家也在关注AI人脸相关应用，上礼拜关于人脸识别方面的国家标准意见征求稿已经出来了，这印证了我们的几个预判。首先源头做数据加密成为趋势；其次源头就有防伪和防攻破识别也会成为趋势，这必然要用到3D技术。能让一个新技术体现出它的价值是挺利好的事情，当然对基于传统数据的AI公司和产品来说会带来一些挑战。
（观看更多嘉宾精彩视频，请移步甲子光年视频号）
刘若水：其实数据这个问题，一直以来是AI公司绕不开的话题，尤其像我们做算法商城，经常被人问到，你这么多数据哪来的？怎么做这个商城的？坦诚地说，这些数据确实都是客户给的。
我并不认为现在对数据的保密，或者大家对数据安全的重视会影响到数据的开放。相反，大家对数据的重视反而会促进大家把一定的数据开放出来，这才能促进这个技术的发展和应用。关键在于你要怎么用、怎么开放。
我们从2018年开始做数据相关的不同尝试，包括最早跟微众银行一起做联邦学习在计算机视觉的应用，虽然还没有完全投入生产，但我觉得也是一个比较好的尝试。我们也在看怎样利用好数据的同时，又能保护客户的数据隐私。包括小样本学习的推动，不需要那么多的数据，也能实现一定的算法开发。
去年开始我们服务了更多的政务客户，我们甚至采取了一些方式，把整个AI开发平台和生产力的工具直接部署到客户现场，让他的数据不流到外面，就可以实现整个算法的开发。其实方案有很多，只是怎么使用，最大、最好、最安全发挥数据的价值。
宫悦：数字成为生产要素，合规性变高的情况下，给业务带来了多大影响？比如会抬高成本吗？
陈昊亮：现在我们基本会跟客户签署数据共享以及安全保护的协议。本质来说数据作为资产，在这个场景里是双方共有的。对于AI公司来说，可以给它的用途明确边界，这是法规之内的事情。长期来说肯定是有好处的，大家对于数据安全和数据边界有更清晰的认知和意识。在一个可执行的范围内利用数据，长期来看对数据驱动的AI公司和业务都是利好。
汶林丁：大家都知道数据要合规。不管是银行、保险、券商，都很注重隐私。在金融行业、运营商行业，基本都是专有云的部署模式，但也有一些股份制和比较领先的企业，在数据脱敏、用户隐私信息过滤之后，会尝试混合云的模式。
比如我们的“数字人”，涉及到GPU集群渲染、运算的部分可以在公有云；数据部分包括ChatBot（聊天机器人）、知识库基本是在专有云里。混合云的方式比以前专有云进了一大步，一旦有创新企业带头做这个事情，这个最佳实践会有助于大家建立安全信心。
当然，保密协议也是一方面。但你要从真正的落地上保证它是绝对安全的，讲清楚这个逻辑，这个事情才能长期发展。
刘若水：我觉得盈利跟数据没有直接的关系。数据做加密，做再多的安全措施都不为过。本身AI就是一个投入成本挺大的事业，在这个过程当中做额外的成本投入，这个事情是有价值的，你的用户也会为此买单，所以并不存在做了额外的投入，会影响盈利或利润空间等问题。
另外，我们本身的模式就相对特殊，用开发者生态解决算法问题。除了在底层平台上，一边利用人多的优势，另一边也保障数据安全，其实我们也在看有没有更多的产学研合作模式，推动我们保障数据，同时加速研发的进程。也有很多合作的商业模式可以基于这个平台探讨。
4.AI的未来：更智能、更普及、更易得
宫悦：最后请各位用简短的一两句话分享对未来几年人工智能发展最期待的事情。
朱力：我期待的其实是从应用层面往上推，未来连入网络的节点数比现在的密度提升10-100倍，这就意味着我们可以无时无刻地感知真实的环境，让AI在此基础上提供更大的价值。
汶林丁：我希望多模态人工智能能达到能听、能看、会说的程度，达到真人的程度，打造高级用户体验的目标能够越来越近。
黄鼎隆：我相信再过几年会看到人工智能融入到社会运作的方方面面，会大幅度提升产业和整个社会运作的效率。
刘若水：最近比较关心教育领域，这周也看到清华跟北大联合推出的通用人工智能班，其实我觉得对未来最期待的突破，是人工智能产业和技术人才，尤其是我国的技术人才，能够有一个比较大的涨幅，彻底解决不管是AI企业还是传统行业对AI技术供应端的需求。
陈昊亮：我从偏学术的角度来讲。现在的人工智能企业，无论是自动驾驶、视觉、听觉，还是交互，一定程度是大爆发下的小革新。大爆发是深度神经网络，小革新是各个领域尝试着用，所以我很期待有下一次的大爆发。我们从学术上预测，下一次的大爆发按中国来讲就是“大力出奇迹”，一定是超大规模的数据和算力所能产生的效应，GPT-3（OpenAI发布的通用语言模型）就是典型的代表，所以我的期待是下一个大爆发。
*观看更多嘉宾精彩视频，请移步甲子光年视频号。