聲智科技陳孝良：講講國內AI產業的真實現狀 | 愛分析訪談

一方面，AI被寫入政府工作報告，產業發展得到國家層面支持，另一方面，大公司加快布局，創業公司穩步前行，新興公司不斷湧現，AI技術在今年頗有大規模爆發態勢。

不過，在看到產業發展機遇的同時，也不應忽視問題。

當前的AI仍然屬於有多少人工，才有多少智能；創業者大談技術如何改變行業和生活，卻很少有人願意提及營收狀況；C端產品賣不出去，B端技術推不出來，全球範圍內唯一銷售火爆的消費級產品似乎只有大洋彼岸的亞馬遜Echo；技術人才價格居高不下的當前，沒有資源或明確商業模式的AI公司舉步維艱…

那麼，這一波AI到底存不存在泡沫？技術能否迅速爆發？當前AI產業發展存在哪些問題？AI技術公司應該構建什麼樣的壁壘？

近日，愛分析在對聲智科技創始人兼CEO陳孝良進行調研訪談時，探討了國內AI產業的現狀和問題。

陳孝良認為，當前AI產業不存在泡沫，但AI被過分熱炒，深度學習和AI技術還存在諸多問題，大眾不宜期望過高；演算法本身無法形成門檻，只有通過學科融合、軟硬一體、數據和場景才能構建壁壘，因此資源和BD能力也很重要；國內底層技術缺失，AI公司只有不斷追求卓越技術，才有可能扭轉尷尬局面。

聲智科技是一家專註聲學前沿技術和人工智慧交互的高科技公司，致力於實現「聽你所言、知你所想」的願景。當前主要聚焦於解決真實場景下的遠場語音識別問題，主要產品是麥克風陣列和遠場語音識別引擎，目前已經為360、小米等公司提供聲學解決方案，量產應用於攝像頭、機器人、智能音箱等智能產品，未來還將把軟硬一體化解決方案用於智能汽車和智能醫療等領域。（詳見愛分析文章《什麼？遠場識別成熟還要再等三五年？| 愛分析調研》）

現將部分精選內容與您分享。

AI產業沒有泡沫，公司估值過高並不明智

愛分析：您認為當前AI產業存在泡沫嗎？

陳孝良：AI領域其實沒有太大泡沫，因為AI公司都是做技術出身，不像O2O、共享經濟，要燒很多錢。AI公司總的來說沒有投多少錢，大家融資額也沒多少，因為公司和行業發展是需要周期的，給太多錢一方面不知道怎麼花，另一方面也容易導致公司自我膨脹，所以大家融資都是不希望犧牲太多股份，也不希望融太多錢。

另外技術公司很難像模式公司那樣快速膨脹，無論是訊飛還是BAT，做AI都是賠錢的，所以創業公司也很難拿很多錢，因為對投資人來說，也還是有很多風險的，比如機器人，現在大部分都還停留在幾千台的水平。

真正我覺得有泡沫的地方應該是PPT泡沫，AI學界、業界的人以及媒體過分抬高了深度學習的作用以及現有的AI技術水平。

深度學習其實存在很多問題，它本身並不能代表人工智慧，只是其中的一個工具，但是當前從事這個領域的很多人喜歡通過PR誇大其作用。比如現在有很多人工智慧的學術或者產業會議，而這些會議基本上都把論文誇大成了產業進步，實際上從論文提出想法到落地產業是個非常漫長的過程，況且很多論文提出的思路未必是正確的。

其實普通媒體沒必要參與太多學術會議，因為學術會議基本都是交流討論研究領域的思路和方法，很少會涉及商業問題。反而媒體的過多參與容易誇大某些點的技術水平，抬高公眾對技術的期望，這其實對技術和產業發展不利。

另外，語音、圖像、語義等技術現在其實也都不成熟。這個時候過分強調機器人的智能水平，其實是不明智的，因為很明顯機器人達不到人的水平，而公眾預期一旦抬高，就容易覺得現實產品的體驗不好，這對整個人工智慧產業其實都是不利的。

在這方面亞馬遜和蘋果就很聰明，音箱和耳機都不是新品類，在原有品類上加上AI交互功能，用戶就會覺得體驗很好，物有所值。即便是掃地機器人也要首先滿足掃地功能，然後再加上一些智能化的功能，用戶就比較容易買賬。

愛分析：如何看待部分AI公司的高估值？

陳孝良：有些公司公布的融資額比較高，但其中真正風投的錢可能沒有那麼多，裡面還會有一些戰投和政府的資金。另外一些成立比較早的公司估值會高一些，但是一方面他們已經跑出了一些收益，另一方面再加上一些媒體宣傳的成分，所以估值比較高。

其實AI公司估值做得太高是有問題的，因為大家現在營收都不高，如果業績支撐不了那麼高的估值，上市和被收購都是非常困難的事情。所以創業公司PE在20倍左右應該是個正常範圍，很多國外大公司PE大概是10倍，這其實對整個產業都是比較合理的值。

深度學習存在兩大缺陷，貝葉斯學習填補空白

愛分析：深度學習存在哪些問題？目前有哪些方法可以解決這些問題？

陳孝良：我之前提過小樣本學習，其理論基礎就是貝葉斯概率，它和深度學習是相對的。深度學習相當于歸納，給出足夠數據，通過分析可以得出一些結論；小樣本學習相當於演繹，給出先驗概率，直接推斷可以得出一些結論。

大數據一直存在，我們確實能從裡面總結出一些規律來，但是我們人類不是僅靠這種方法學習的。小孩子學習新事物靠的是類似於小樣本學習這種方法，比如看到貓，你告訴他什麼樣的是貓，它下次看到同樣的東西就知道是貓，而不是需要看很多隻貓才知道是貓。另外對於人類來說，更有意思的是即便沒有數據積累，沒有相應的專業知識，實際上人類也能「照貓畫虎」。

可以把深度學習類比與知識經驗，知識經驗事實上就有兩面性，有好有壞，偶爾就會造成嚴重的錯誤，因此人類需要不定期遺忘一些知識數據。但是深度學習當前還做不到自動篩選數據，這也是其中的弊端——我們無法保證數據訓練出的模型是絕對正確的，因為它本身就是一個黑盒子，而且我們還無法保證所有數據都是正確的，若想做到這點就會形成一個悖論。

另外深度學習強烈依賴於數據，不僅需要保證數據的完整性和精確性，而且所有的數據當前還都需要準確標註，標註又需要耗費大量人工成本，所以它並不是一個很完美的方法。

愛分析：貝葉斯學習現在成熟度如何？在業界有哪些應用？

陳孝良：貝葉斯學習其實一直停留在科研界，尤其用在軍工領域，雷達、聲納、遙感等都是大量使用貝葉斯模型進行工作。其實貝葉斯學習已經很成熟了，只是沒有大規模拿到民用領域來用，當然業界也有一些應用，比如垃圾郵件的處理等，只是在PR方面沒有聲音。另外我們聲智科技主要是把貝葉斯學習應用在前端數據收集，實現半自動化的數據標註，以降低數據標註的工作量並且保證其標註質量。

演算法難成門檻，數據和場景壁壘更重要

愛分析：AI領域演算法是否存在門檻？

陳孝良：深度學習本身是個工具，演算法只是一些體現技術思路的代碼，這些代碼不可能形成壁壘，但是有相當高的技術門檻，這也是人工智慧公司基本都以博士為主的原因。

由於演算法很難直接形成有商業價值的專利和標準，所以發展到一定階段就會開源，開源的結果就是訓練一段時間，大家都可以訓練一個還可以用的模型出來，核心問題只是怎麼把這個模型優化得更好，更能落地到實際產業之中。

愛分析：對於AI技術公司來說，哪些東西可以形成壁壘？

陳孝良：演算法本身不可能形成壁壘，所以技術公司要把演算法做到場景裡面，場景是可以形成壁壘的。比如你醫療領域做到No.1，肯定就比通用的有優勢，這裡面不管你是通過資源支持，還是BD，都是你的優勢。

另外場景和數據密切相關，因為收集數據是需要周期的，處理數據是需要投入巨資的，所以在特定場景下積累到一定規模的數據也是可以形成壁壘的。

最後知識產權也是可以形成壁壘的，但是只有一些涉及到物理形態的技術才能更好的獲得知識產權保護，所以軟體技術公司很難通過知識產權構建核心壁壘，硬體技術相對會更容易一些，比如晶元、激光雷達、麥克風陣列等等。事實上，標準是最重要的，但是創業公司顯然無法推動標準，這是國家和整個大產業需要聯合做的事情，特別是面對國外競爭的時候。

一些起步較早的AI公司其實都不是技術驅動型公司，而是在數據上領先，數據積累到一定程度，還是要靠人工去搞定客戶。所以越往前端走，技術壁壘越高，越往後端走，內容壁壘越高，中間層其實不存在太高的技術或數據門檻。AI公司很怕架在中間，難以落地，所以很多通用技術公司都開始做軟硬一體解決方案，解決方案就是要搞定客戶，要拼BD能力。

愛分析：您認為AI技術公司在垂直領域市場集中度高還是分散？

陳孝良：其實現在同質化還是比較嚴重，所以最後大家的出路，要麼被收購，要麼上市。上市現在看來難度比較大，因為需要連續營收和盈利。雖然現在各家技術差距可能沒那麼大，但是在每個領域還是會出現壟斷，當然還是要看公司在產業鏈裡面的定位。

愛分析：既然技術難成壁壘，那AI創業公司是否更應重視BD和商業化落地，而不是提升技術？

陳孝良：不是的，現在很多AI技術都不成熟，這還是一個慢慢積累的過程。一旦時機成熟，商業化會順其自然。如果過早商業化、強調BD，技術上就會容易跟不上，因為BD部門和技術部門的人才架構和圈子語言完全不同，很容易影響團隊重心，公司一旦戰略核心變了，就很難轉過來了。

當然大家現在營收都很不起色，C端不起量，B端也難收費，除了一些B2G的AI公司活得比較好以外，B2B的都活得很痛苦，所以就需要資本和市場對我們這些公司有一點耐心。

國內底層技術缺失，AI公司賺了錢要投技術

愛分析：如何看待AI時代國內外科技公司的角色和市場地位？

陳孝良：我們從過去來看，無論是PC時代，還是互聯網時代，國內一直都沒有誕生比較大的底層技術公司。PC時代，聯想是做組裝起家，晶元是英特爾的，主板是台灣的，操作系統是微軟的；移動時代的典型代表是小米，晶元用的是高通、MTK，操作系統用的是安卓，我們的進步是可以自己改界面了。

到了AI時代，巨頭公司包括聯想、小米都在嘗試轉型，百度是人工智慧領域積累最好的，但是由於之前做了很久的O2O和醫療，人工智慧的商業化也沒有起來。

國外亞馬遜和蘋果又都是各自玩自家產業，Alexa到目前還不支持中文，AirPods也很難被山寨。所以從整個產業鏈條來看，國內還不具備做出爆款級人工智慧新產品的條件。

我們知道，現在半導體電子產品全線漲價，漲價幅度也非常大，這也側面印證了我們國內半導體產業的供給現狀，核心器件和晶元我們還是依賴於國外供應。

國內一直以來都是模式創新，哪怕是技術起家的公司，到最後也很少繼續投資技術，而是去做一些短平快的事情，比如傳統行業公司賺了錢去做房地產，互聯網公司賺了錢去做金融，哪怕像華為這樣的公司，也沒有去投資一些顛覆性的技術，我們的核心技術基本上是靠國家投入。

相比之下，美國除了模式還很重視科技，哪怕從模式起家的公司後來也都轉成了科技類，最有錢的幾家巨頭現在都是科技公司。

所以當Alexa成熟之後，我們如果繼續進行模式創新，跟美國的差距就會越來越大。現在蘋果、谷歌每天都在AI領域申請大量專利，未來我們不管做什麼都要給他們付錢，就像國內的消費晶元行業不管怎麼樣都要給ARM交錢，基帶不管怎麼樣都要給高通交錢。如果在AI時代，我們還繼續做模式創新的話還是會避免不了這個尷尬現狀。

愛分析：這一波AI技術公司能否扭轉這一局面？

陳孝良：如果這波AI技術公司賺了錢之後能去投資技術，帶動整個產業發展，是會從一定程度上改變這個局面的。因為我們現在真的到了一個難得同步創新的機會。AI領域語言天生就是個障礙，亞馬遜做這個事情會很麻煩，所以這也是我們的機會所在。

當然別人走過的坑，我們同樣還要一個一個邁過去，不可能一步跳過。但是這一步如果不走，當別人不帶我們玩的時候，我們就玩不起來，就會跟別人差很多年，到時候再去趕超是很難的。

所以我們這一波AI技術公司起來之後，是不是能夠把資金持續投在技術上，是很重要的，否則這個局面會一直持續下去。堅持技術投入需要創始人有長遠的戰略眼光，因為公司一旦走上燒錢模式的路，就很難再扭轉過來了。

愛分析是一家專註於創新企業研究和評價的互聯網投研平台。愛分析以企業價值為研究內核，以獨特的產品形態，對創新領域和標杆企業長期跟蹤調研，服務於企業決策者、從業者及投資者用戶群體。關注愛分析公眾號ifenxicom，及時獲取重要信息。

添加愛分析群小秘微信（ID：ifenxi502）即刻加入愛分析行業討論群。

推薦閱讀：