一、AI企業的困局

21世紀以來，人工智能進入了加速發展的新階段，各國都在加大投入，力求在AI賽道上取得先機。截至2020年7月，全球已有38個國家制定了國家層面的人工智能戰略政策或產業規劃類文件。我國政府高度重視人工智能的技術進步與產業發展，已將人工智能上升爲國家戰略。早在2017年中國國務院印發《新一代人工智能發展規劃》就指出要在人工智能領域進行大幅投資，欲創建規模達萬億的國內人工智能產業，同時提出“到2030年，使中國成爲世界主要人工智能創新中心”，可見政府搶抓人工智能發展戰略機遇的決心。

行業的發展取決於其生態的建設。以我國電商行業爲例，2020年中國實物商品網絡零售額達9.76萬億元人民幣，佔社會消費品零售總額的比重近1/4，連續8年成爲全球第一大網絡零售市場。中國電商行業的成功可能不僅歸功於淘寶、京東等頭部電商企業的發展，也同樣歸功於終端的快遞物流公司，是那些穿梭於城市和鄉鎮間的快遞小哥們構建起了聯結消費者與商家的橋樑，高效、快捷和低成本的遞送服務進一步推動了中國電商生態體系的建立和完善。

同樣，人工智能行業的發展也取決於其AI生態的建設。AI行業的產業鏈可分爲上游基礎層、中游技術層及下游應用層三大環節。在基礎層，有從事開發芯片、傳感器、數據、雲計算的AI公司；在技術層，有從事開發計算機視覺、語音及自然語言處理、機器學習的AI公司；在技術層，有從事技術解決方案的AI公司。

目前，我國人工智能行業的明星企業們大多集中在基礎層和技術層，這裏就包括了人們現在已經耳熟能詳的，例如商湯、雲從等一批AI企業。他們以巨大的基礎科研投入取得了在某些領域的研究領先地位，獲得一大批專利，發表了一批世界頂級學術論文。當筆者去參觀這些公司的時候，就是會產生一種錯覺，即這似乎不是一家企業，而更像是一個研究院。因此不可避免的這些公司的商業收入並不令人感到滿意。因此，如何將這些基礎性的研究轉化成爲生產力，產生真正的社會效益似乎還路阻且長。相比之下，那些從事應用層面，包括從事某個具體商務領域AI應用落地的公司既沒有響亮的名氣，生存狀況更是步履維艱。

市場和資本是殘酷的，當前我國AI生態構建的狀況並不樂觀。從公司年報及擬上市招股書來看，盈利難、估值高、上市難是當前AI企業最大的難題。2018年，近90%的人工智能企業處於虧損狀態，而盈利的企業基本是技術提供商。科大訊飛在2021年一季度尚處於虧損階段，曠世科技在過去的四年中累計虧損達140多億元，依圖、雲從科技等也在不斷虧損。

至今，只有商湯科技一家AI企業艱難地在港股上市。數據顯示，我國在過去的十年內共發生融資事件一萬七千餘起，共披露融資金額達三萬一千多億人民幣。然而，絕大部分的融資停留在了天使輪和A輪。站在VC的角度，天使輪和A輪的融資是爲了爭搶先發的跑道，而絕大部分融資停留在天使輪和A輪，則說明多數企業沒有跑到最後。這可能是因爲它們的商業模式不成立，或者是企業的管理能力存在問題。目前市場的一個基本情況是：超過72%的已披露投融資事件集中在基礎層與技術層中的機器人/智能硬件、數據服務、計算機視覺三大賽道，而對於應用層面的投入則明顯薄弱。

對於應用層投入的缺乏，帶來了一系列的問題。

首先，是用戶端在對AI的認知方面存在脫節。根據Blue Fountain Media一項對於消費者如何評估當前生活中人工智能應用的調查顯示：約43%的受訪者表示，他們並不確定人工智能到底是什麼，也不確定目前人工智能的當前應用情況。約7%的受訪者表示不關心AI技術，而即使是那些對AI有所瞭解的受訪者也表示對其沒有特別的感覺。同時，研究也發現：如果市場工作人員向消費者介紹AI、對消極觀念進行簡單幹預、乃至使AI產品在應用界面上有所改變的話，能夠顯著提高消費者對AI的認可度。其次，缺乏對於應用層的投入也導致消費者對AI在接受程度上存在脫節。以AI教育爲例，許多消費者根深蒂固地認爲人工智能無法取代人的作用。一批AI教育類企業在融資的時候都宣稱自己是AI科技創新企業，但是面對消費者的時候卻不代表重點宣傳擁有清華北大的名師力量。可見，對於消費者而言，更願意相信人類名師的指導，而非AI規劃的學習路徑。

同樣，人們對機器出差錯的容忍度要遠低於對人類出差錯的容忍度。因此特斯拉、小鵬等汽車出現安全問題引發了公衆的廣泛擔憂，甚至有議論提出要禁止使用AI駕駛系統。然而，人們很少意識到在沒有AI輔助駕駛系統的時候，人類駕駛員出差錯的幾率反而更高。這可能涉及到某些心理學層面的問題，人們往往不接受“AI駕駛比人類駕駛更安全”的觀點。極端情況下，機器出差錯會導致致命的災難，例如波音737MAX型客機發生的事故是因爲機器操控了飛機。飛機的自動模式（起飛、飛行、降落），本質上也是基於一整套算法。中國的民航飛行員儘管在是否啓動自動降落程序的規定中，原則遵循着與國際通用的一致標準。但因爲過往曾經發生的先例說明自動落地飛機的計算模式比較死板，遵循相對固定的規律，冗餘度很小。一旦在極低高度發生錯誤，計算機無法及時、準確的應對，飛機易發生風險。因此在自動落地過程中，機組會絕對時刻監控飛機狀態，一旦出現偏差會隨時中斷自動過程，轉爲人工操作。概括起來說，中國的飛行員認可和接受自動落地，只是對於計算機的能力沒有賦予百分百的信任，由於安全的壓力，會更加關注自動落地過程中飛機的變化，隨時做好人工操縱的準備。那人們是需要“危險的平順”還是“安全的粗暴”？這是一個值得探討的問題。

在人工智能產業不斷發展的大背景中，爲什麼一方面AI應用場景不斷增多，但是另一方面大量的AI企業仍處於入不敷出的困境之中？這是一個典型的“腸梗阻”問題：技術端的AI企業採取的是“AI+”的模式，宣稱要用“技術引領”的方式實現“AI+行業”的結合。這些企業以科學家和工程師爲主導，以技術爲核心試圖顛覆、改造原有的產業。然而創造出來的產品卻沒有真正得到用戶端的認可，這一挑戰值得我們的深思。

二、“AI+”vs．“+AI”

從賦能的角度出發，應該讓更多的實際市場需求來主導AI技術的開發。隨着“AI+”模式的商業化落地陷於困境，更多的企業轉而思考如何在自身所處的行業中應用AI技術，並由此產生了“+AI”的模式。相比於“AI+”模式的企業嚴重依賴資本投入的商業模式，“+AI”模式的企業利用AI技術尋求落地並解決行業痛點，實現降本增效，不斷爲企業創造價值。以兩個案例爲例：

1．“自媒體+AI”模式：視覺中國AI實驗室“智能視覺服務”

網絡技術的進步造就了自媒體時代，也催生了許多自媒體工作者們的需求。針對這個細分行業，視覺中國迎合了廣大消費者（自媒體工作者）的需求，利用AI技術推出了高效精準的“智能視覺服務”，包括“自動標籤”、“文章智能配圖”、“圖像識別”等功能，大大提高了自媒體工作者的工作效率，同時爲企業的利潤打開了增長點，其2020年年報顯示營業收入達到5.7億元、淨利潤約1.4億元。

2．“重卡運輸+AI”模式：上汽洋山港區無人駕駛運輸

長期以來，東海大橋設計的通行能力已趨近飽和狀態，難以提高通行效率成爲了一大痛點。2019年，上汽紅巖智能重卡在上海洋山深水港路段順利完成了72公里的自動駕駛，實現了AI自動駕駛重卡項目的首次商業化應用。通過將重卡運輸場景+AI相結合的應用，使原先重卡之間的150米車距縮短到了50米，有效提高了運輸效率。

三、AI企業的破局

AI企業如何擺脫困局，歸根結底需要解決五個問題：轉變觀念、豐富產業鏈、人才培養、資金分配以及規範立法。

第一是轉變觀念，由市場需求引領技術的開發。筆者曾經作爲中國移動的顧問，參與了企業經營分析系統的建設。爲了在競爭趨於白熱化的電信行業保持領先地位，中國移動在完成業務支撐BOSS系統（Business & Operation Support System）的建設後，於2001年開始籌備建立經營分析系統，以實現精細化營銷。起初，項目由IT部門主管掛帥，同時95%的投入集中在了軟硬件的採購上。然而，做出來的經營分析系統卻並不能滿足一線人員的實際業務需求。在經過慎重討論後，中國移動高層對項目實施了大刀闊斧的調整：領導小組組長由IT部門主管更換爲市場經營部主管。

由此開始，經營分析系統不再是一個單純的IT項目，其預算也非全部落在軟硬件的採購上，而是適當地分配給了市場調研、分析。通過對各個省市的市場調研、分析，項目組找出了問題的癥結所在：就當時的移動而言，最迫切的需要是解決客戶流失的原因。於是中國移動開始從客戶細分、交叉銷售等領域着手建立整套經營分析系統，逐漸奠定了中國移動在行業中的領先地位。因此，觀念的轉變至關重要，企業應當以市場需求爲導向，將技術的創新落實到自身的發展中。

第二是豐富產業鏈，充分發揮行業專家作爲AI企業與用戶端橋樑的作用。以程序化廣告投放市場爲例：廣告公司會根據廣告主的需求設計適合的廣告，同時向技術公司提出相應的技術要求並交由其實現。因此，廣告公司在行業中起着行業專家的作用。從用戶端的市場需求到技術端的技術實現過程中，需要行業專家這一環節來挖掘市場需求、理解市場需求以及指導後續產品開發的過程，從而真正實現技術的創新與應用的落地。

上海交通大學安泰經濟與管理學院於2019年成立了AI與營銷研究中心，其目的是進行應用性問題的研究。AI產品在開發、生產、運營、營銷、使用等過程中有諸多值得深入研究的問題。未來的研究可以基於AI與人的相似性的角度出發，從“形”“智”“情”三方面考慮其對消費者心理的作用機理以及對消費者行爲的影響，最終實現應用的落地。

第三是人才培養，培養行業專家，挖掘行業痛點並實現應用落地。人工智能企業追求的不應僅僅是算法的優化，而應當是依靠行業專家發現市場的痛點，找到應用層面落地的方向。習慣了享受光環圍繞的AI明星企業們，唯有放下身段埋頭苦幹，專注在某一領域的積累並提高技術的應用水平，，爲企業打開利潤增長點。因此，AI企業需要培養一批既懂得一定的技術、又真正瞭解怎樣將技術落地的行業專家。第四是資金分配，增加應用層的資金投入支持。當前市場的投融資集中在基礎層與技術層，對於應用層面的投入明顯薄弱。未來AI企業需要持續加強在應用層面的投入，重塑商業模式並推動AI場景的落地，最終實現盈利。也只有如此AI技術應用的企業，包括金融、醫療、教育、政務管理等行業纔會更有興趣加大對AI的投入，在促進其本身行業發展的同時也推動AI行業的發展。第五是規範立法，解決AI技術發展與現有法律體系的矛盾。人工智能發展過程中出現的倫理道德、個人隱私、知識產權等問題日益凸顯。例如，2021年的“3·15”晚會曝光了一些企業通過AI探頭，未經許可採集了一些與個人隱私相關的數據。在無法完美解決倫理困境的情況下，方面希望解決公衆對於個人隱私的普遍擔憂，另一方面又要支持AI行業的健康發展。只有通過AI相關法律體系的不斷完善，逐步探索解決AI技術發展與當前法律體系之間的矛盾。

最後，用一句話來總結：AI企業需要放下“引領者”的身段，從市場的實際需求出發，以“+AI”模式爲企業賦能，爲各行各業解決實際問題，才能爲自身找到真正健康發展的有效途徑。

（作者呂巍爲上海交通大學安泰經濟與管理學院教授、AI與營銷研究中心主任）