AI资本寒冬下，融资额缩水近八成，英特尔凭什么三年打造千亿产值？

　　从2015年开始，随着互联网红利正在消退，横空出世的AlphaGo让市场看到了人工智能(AI)正在成为下一个风口。大量资金开始涌入以技术为导向的AI行业。AI受到了整个投资圈的追捧。

　　2017年，科大讯飞董事长刘庆峰曾公开表示：“未来将会有一大批的AI创业公司倒闭，但整体上，AI会大规模发展，就像当年看互联网泡沫一样。”创新工场董事长李开复也曾如此看待。

　　历经几年的实践后，AI技术落地难、商业化项目周期长、收益慢等问题逐渐暴露。他们曾经的预言已被证实。

　　2016-2020年(截至12.14)国内AI融资趋势图

　　数据来源：睿兽分析

　　睿兽分析数据也显示，国内2018年AI投资事件和投资规模到达顶峰，此后连续两年的融资金额仅为2018年的两成左右。

　　凯文·凯利曾在《失控》中写道：最深刻的技术是那些看不见的技术，他们将自己编织进日常生活的细枝末节之中，直到成为生活的一部分。

　　高大上的AI技术只有真正融入到日常生活之中，行业才能真正的成长起来。这也就要求创业公司应该向更加细分、垂直的领域落地。

　　联想创投董事总经理王光熙表示，要想真正要把AI用好，关键的是需要找到比较强的行业痛点。接下来会更多的投资能够真正把AI在产业里深度落地的团队。信中利资本合伙人汪栩也提到，现在会更加关注公司对行业理解程度有多深。

　　芯片巨头英特尔也似乎看到了这一点，正在以“生态孵化”的打法，推出了AI百佳创新激励计划(以下简称AI百佳计划)，试图在三年内在各个细分领域加速100家AI创业公司，并创造千亿产值。

　　那么，英特尔这么做的底气在哪里?到底哪些AI细分领域还有机会?AI资本寒冬下，创业公司应该如何应对?

　　AI+垂直行业的机会

　　科百公司是一家农业领域的公司，看似与英特尔无关，但却因AI而结缘，用AI“种地”是他们正在做的事情。

　　刘宗波的科百公司是国内比较早从事农业环境传感器和数据采集的公司。随着数据采集成本的降低，农业企业可以越来越容易地获取到植物的生理、土壤环境、气象环境以及作物生长的微环境等数据。

　　随着数据的增长，这些数据之间会存在明显的关联，农业企业就可以通过这些数据来管理设施设备，指导农业生产。

　　科百的设备每天都会在农田拍摄大量图像，对作物的生长状态、病虫害发生进行精准识别。例如，在光照强度大的情况下，植物的嫩芽和花芽很有可能被灼伤，如果没有及时发现就很难恢复。

　　但如果能够提前从图像识别中捕捉到叶片从茂盛变成凋萎的趋势，就可以预判出灼伤的前兆，自动启动雾化进行降温，从而避免不可挽回的损失。

　　但在这个过程中，刘宗波也越来越发现，“对我们来说，植株的形态、动物行为变化和环境之间的关系需要有一套模型来处理，这个模型的处理速度、图像识别的准确度，我们自己的研发人员很难搞定。”

　　加入“AI百佳计划”后，刘宗波深刻的感受到AI对于农业带来的变化。科百的数据处理系统与英特尔的AI系统结合之后，可以对作物的生长进行全方位的及时处理。

　　这样不仅可以实时识别出有效图像，帮助农户、农业企业快速做出决策，也降低了科百公司的研发成本，让研发资源更加专注在作物的生理、病理和营养方面的研究。

　　刘宗波激动地说道，“我们之前被称为最懂物联网的农业公司、最懂农业的物联网公司，而现在我们是最懂AI的农业物联网公司了。”

　　英特尔中国战略合作与创新业务部董事总经理、英特尔创新加速器总负责人李德胜对创业邦说，现在AI落地往往有两种方式，一种是“AI+产业”，科技公司将AI技术落地到垂直行业中去。另一种就是“产业+AI”，例如科百公司，本身拥有物联网的技术，也深知农业领域的痛点和需求，再加上AI就可以直接解决产业应用中的实际问题。

　　张伟奇所在的富数科技也同样参与到了“AI百佳计划”之中。

　　最近几年，政府工作报告和国家相关部委一直在倡导数据要成为生产要素，必须实现开放和流通。但伴随出现的是数据安全不可控的问题，这也让富数科技创始人张伟奇看到了机会。

　　2017年，张伟奇开始投入多方安全计算和联邦学习技术的研发，试图解决数据开放过程当中的数据保护问题。但与此同时，他面临的是，虽然数据加密之后，保证了不可流失，但系统性能、运算效率会急剧下降，甚至达到上百倍、上千倍的下降。

　　其实早在上世纪80年代，就有专家提出类似的技术设想，但一直没有得以应用的原因就在于算力不足。如今，虽然BAT、Google、Facebook以及张伟奇的公司都对加密算法进行了大量优化工作，但仍然难以克服算力难题。

　　张伟奇在和英特尔接触的过程中发现，其SGX芯片就很适合TEE(可信执行环境)的构建。TEE能够提供一个基于硬件的可信隔离区域，在这里进行数据计算，性能可以大幅度提升。

　　这样一来，富数科技的联邦学习和多方安全计算的数据及算法逻辑也可以得到有效保护。所以，无论是安全性还是性能上都得到了很好的保证。

　　这让张伟奇如获至宝。

　　“其实不只是技术，借助这样一个平台我们也结识了非常多优秀的创业者，在这其中也有很多的上下游合作的机会”，他说。

　　据介绍，英特尔会把几十家不同行业的AI公司聚合在一起，推动跨公司间的交流，碰撞出更多生态合作的机会。例如，科百和动物养殖业的公司，富数科技和金融行业的公司就可以产生一些合作。

　　英特尔AI生态的野心

　　全力转向以数据为中心的英特尔，正在加速人工智能的落地。从PC赛道拓展至数据赛道的过程中，英特尔强调的是自身的云、边、端全栈优势和“XPU”的能力。

　　在人工智能的赛场上，“全栈”也成为了英特尔、华为等巨头的着力点，大家的野心都很大。

　　去年8月，华为公司轮值董事长徐直军表示，昇腾910、MindSpore的推出，标志着华为已完成全栈全场景AI解决方案的构建。面向未来，针对不同的场景，包括边缘计算、自动驾驶车载计算、训练等场景，华为还将推出更多的AI处理器。

　　据悉，目前AI服务器芯片领域的核心玩家除了华为和英特尔外，还包括了英伟达、谷歌、微软等科技公司，AI芯片的玩家也越来越多。除了大公司，目前全球AI领域的创新公司已经达到了1100多家。

　　如今，AI计算不再是一个通用的解决方案，而是涉及算法、芯片和系统等多个要素。

　　英特尔此前曾表示，XPU理念的提出为的是应对丰富的应用种类，英特尔的目标是不用一种架构或者一种处理器产品来实现多种多样的应用，而是用一系列的架构和不同型号的产品去解决它。

　　实际上，英特尔在几年前就已经开始布局AI专用芯片。

　　早在2015年，英特尔宣布167亿美元收购美国FPGA厂商Altera。在此后的几年，具有低功耗、小尺寸、高性价比的FPGA在AI应用上越来越展现出其优势。AMD在今年以350亿美元收购赛灵思也足以说明FPGA的重要性。

　　2016年8月，为了进入深度学习训练芯片市场，英特尔以大约3.5亿美元收购了Nervana。Nervana的深度学习芯片有着10倍于GPU的速度。

　　2017年，英特尔斥资153亿美元收购以色列自动驾驶技术公司Mobileye。这家公司曾是特斯拉昔日神队友，后与宝马、英特尔组队自动驾驶三巨头。

　　之后英特尔再次凭借一起收购引发关注，以20亿美元收购以色列AI芯片制造商HabanaLabs。

　　从CPU、GPU、FPGA到ASIC的AI芯片，全面的产品线也使英特尔具备了差异化优势。

　　基于产品之上，英特尔更加关注的是AI的产业生态。如何能够让AI和产业更快、更好地结合，如何与高校、企业培养更多的人才，都是英特尔在生态方面的布局。

　　“AI百佳计划”也体现了英特尔在AI生态上的野心。

　　日前，英特尔公布了“AI百佳计划”第四期16家团队名单，本期总估值达到190亿。加上前三期目前共计62支队伍，已在20多个AI应用领域，50多个AI项目得到了实际落地。

　　在英特尔内部，“AI百佳计划”更多的是一种机制创新，由战略合作部牵头，集合不同的产品事业部，把工程师的力量、产品的力量、市场的力量、生态的力量结合在一起，根据每个项目的需求再与英特尔的相应部门对接。

　　实际上，这种“One Intel”在英特尔内部已经成为一种非常重要的文化，尤其像AI这样的技术会涉及到跨部门的协同，譬如数据中心事业部、物联网事业部等等。

　　英特尔资本作为英特尔的CVC(企业战略投资)，也会进行内部协同。“AI百佳计划”中的企业，不少也是英特尔资本所感兴趣的，通过双方的对接也在看是否有合作的可能。另一方面，英特尔资本也会推荐他们的被投企业参与到AI百佳计划中。

　　“仅仅靠英特尔资本一家，毕竟能投的企业有限。”李德胜说。

　　因此，在“AI百佳计划”中，投资机构是其重要的合作伙伴。目前国内头部的投资机构基本上都和英特尔建立了合作，通过创新大赛或者路演的形式，英特尔也会将优秀的项目开放给投资机构。

　　通过这种协同，英特尔不仅帮助入选企业在营收、规模、市值上都有了显著的增长，也使其产品的推理能力平均提升了6倍以上。

　　人工智能的“长期主义”

　　IDC数据显示，2020年全球人工智能市场行业规模超过1500亿美元，未来四年预计将以17.1%的年复合增长率快速发展，并在2024年超过3000亿美元。

　　虽然人工智能整个市场规模在迅速增长，但据睿兽分析数据显示，国内自从2018年投资事件和投资规模到达顶峰后，2019年以来出现遇冷的趋势，2019年、2020年融资金融不足2018年的1/5，融资事件也大幅下降。显然，投资机构对于AI的投资更趋于理性和谨慎。

　　“所有AI企业已经步入死亡之谷。”旷视科技创始人兼CEO印奇此前在接受媒体采访时称。创新工场AI研究院院长王咏刚也表示，AI现在处于从浅滩到深海的关键阶段，这个过程中会有一批企业落伍淘汰。

　　似乎AI行业正在遭遇资本寒冬。

　　李德胜对创业邦表示，投资机构前几年在AI赛道投资了大量项目，这两年会更加严谨一些，这也是基于他们对产业的判断。但同时，近两年，越来越多的互联网、消费赛道的投资机构开始转型和更多地关注到硬科技领域。

　　消费领域可以依托资本在短时间内完成横向的扩展，甚至可以在三个月开100家店。但硬科技则不同，往往更需要企业在深度和时间上的积累，要从产业发展的客观规律来看待。

　　例如，AI算法模型是需要反复不断地训练优化，芯片设计也有周期的客观规律，从设计、流片再到客户验证、不断迭代。所以，硬科技的发展时间并不是单纯依靠资本就可以无限制缩短的。

　　在他看来，过去三年，AI无论是在全球还是中国，其发展速度都已经远超预期。如果说三年前AI还处于婴儿期，那么现在AI就是一个大学毕业生。

　　张伟奇也认为，AI第一年是概念，第二年是科学，第三年是案例，第四年是收入。AI现在正在进入2.0时期，会有更多的应用场景，更多的行业细分领域会出现龙头。

　　人工智能的技术发展是一个迭代向上的过程，需要应用场景、数据和商业尝试对其不断反哺，当前的人工智能算法某种程度上已然是开源技术。

　　在资本持续萎缩的过程中，对于创业者而言，如何结合具体的行业和场景，满足降本增效等需求，实现商业化价值，正在成为投资机构关注的重点。

　　“在AI领域，我们最关注的是如何把科技真正帮助用户实现价值，而资本只是一种工具和手段。”李德胜说。如果这个企业真的有价值，不仅可以从终端用户得到回报，同时资本也会帮助企业快速成长，这才是一个比较健康的方法和模式。而不是简简单单为了快速融资而创业。

　　刘宗波对创业邦表示，投资机构在和我们谈的时候，并不只是关注我们在AI方面的技术，而是要看AI是如何应用在农业系统上，对这些数据、图像是如何处理的，具体解决了哪些农业问题(自然灾害、生物灾害等)，与传统农业模式对比产生了多少效益，投资人更关注的是一整套解决方案。

　　例如，AI在处理昆虫图像的时候，系统可以直接智能地执行喷雾或者环境的调控，从而让作物尽量少打农药或者不打农药。“我们在找投资机构的时候不再像以前那么难了，AI和农业这样的垂直行业的融合会越来越多”，刘宗波说。

　　据创业邦了解，英特尔给科百、富数科技提供的服务都是免费的。在李德胜看来，英特尔一直是一家做生态的公司。

　　“AI百佳计划”对于英特尔来说是一个长期的战略，看中的并不是通过短期服务赚了多少钱，而是希望真正挖掘出具有潜力、创新性的AI企业。