“這個月我已經見了30家投資機構，下個月至少還會再見30家”，2019年7月的一個下午，莫濤對融中財經表示。

莫濤是一家人工智能“千里馬”企業的董秘，這個月前剛剛上任，老板招他來的目的也非常明確，那就是找融資。

“同一家投資機構，會有好幾個FA同時給我對接，有的推過來的是VP，有的是合伙人”，由于需要對接的FA實在太多，莫濤甚至記不清這些人的名字。

“我的態度很簡單，誰先領人過來，單子就是誰的，一切以最終見面為準。”

莫濤所供職的企業，以一家人臉識別技術的AI初創公司，創始團隊由知名科學家組成，在2017和2018年連續獲得A、B兩輪億元級別風險投資，還曾入選某三方服務機構評選出的《2018中國人工智能創新成長企業50強》榜單。

“他們的融資并不順利”，一位曾幫助該企業找融資的投行人士劉維告訴融中財經。

“這家公司2018年實際營收是6000萬，但實際到賬只有2000多萬，主營業務大部分都是政府項目，回款非常困難，但是估值卻一點不便宜。”

“他們上一輪投前是估值21.5億，這輪需要融3億，投前26億，投后29億，這種價格今年沒人會接”，劉維坦言。

“最近這種情況很普遍，前兩年太多AI企業的估值虛高，泡沫快撐不住了。”

事實上，莫濤的表態也側面印證了這種說法。

“現在我們的態度很開放，投資人覺得估值高不要緊，你可以先開價，具體怎么算都可以坐下來談”，莫濤表示。

AI革命與“社會人”的逆襲

2016年曾被稱為“人工智能元年”。

這一年的春天，一場AlphaGo與世界頂級圍棋選手李世乭的世紀對戰，讓“人工智能”這一概念幾乎一夜之間火遍全球。像科幻小說或電影描述得那樣，吃瓜群眾們第一次意識到被“天網”支配的恐懼已經距離自己如此之近；各大科技論壇之上，人們談論的話題也變成了是“奇點已來”和機器人三定律。

然而人工智能這個走入大眾視野的所謂“新概念”，誕生至今卻早已經超過了50年。

早在上世紀50年代，就已經有研究人員開始嘗試通過模擬人腦的方式，賦予計算機“智能”。

在他們看來，人腦識別物體并不是基于明確的規則，而是憑直覺判斷。比如我們看到一只狗，我們很明確的知道這是一只狗，但卻無法說清楚為什么會知道；事實上，相比于準確定義物體的特征，人腦識別更像是一種特征匹配，而這也是“神經網絡學派”的最初思想。

到上世紀70年代，計算機科學家開始研究神經網絡在推進人工智能上的可行性，但當時的主流學界普遍認為，神經網絡在數學上有局限性，沒有前途；因此神經網絡學派一直到九十年代都視為邊緣地帶的“異類”，拿經費、發論文都很困難。

2010年，斯坦福大學一個叫李飛飛的華裔計算機科學家，組織了一個叫做ImageNet的機器學習圖形識別比賽，從2010年開始每年舉行一次。

這個比賽的有趣之處，在于它每年都為參賽者提供一百萬張圖片作為訓練素材，其中每一張圖都由人工標記了圖中有什么物體。

比賽規則是選手用這一百萬張訓練圖片練好自己的程序，然后讓程序識別一些新的圖片。每張新圖片有一個事先設定的標準答案，而參賽的程序可以猜五個答案，只要其中有一個判斷跟標準答案相符合，就算正確。

從2010到2011年的兩年里，ImageNet比賽中最好成績的判斷錯誤率都在26%以上，但是到了2012年，錯誤率一下子下降到了16%，從此之后就是直線下降。

到2017年，機器識別的錯誤率已經降到了2.3%——這個水平已經超過了人類。

那么2012年到底發生過什么，讓人工智能技術突然出現了一次質的飛躍？

答案是“卷積網絡”被發明出來了。

那一年ImageNet大賽的冠軍，是一個來自多倫多大學的研究組，他們創造性的在傳統的“輸入層”和“輸出層”之間加入了幾個邏輯層 —— 也就是所謂的“卷積層”。

這個研究團隊讓每一個卷積層只識別一種特定規模的圖形模式，然后后面一層只需要在前面一層的基礎上進行識別；這樣做的好處是每一個神經元只需要處理一個很小區域的數據，且參數可以重復使用，這就大大減少了運算量。

在這個新模型中，那些只有一層卷積的結構被稱為簡單神經網絡（左圖）；而那些有多層卷積的，就叫做“深度學習”神經網絡（右圖）。

這個新算法是如此成功，以至于幾乎是一夜之間，以深度學習為代表的神經網絡派“咸魚翻身，當家做主”，從邊緣“社會人”一下成為了正統主流派——今天幾乎所有人工智能企業的底層技術構架，全部是繼承于神經網絡派的衣缽。

總的來說，這是一個來自社會邊緣的“革命者”砸爛舊世界的勵志故事。

而“卷積網絡”和“深度學習”的橫空出世，也讓新技術的曙光照進現實，人類文明似乎踏上一條全新的進化之路。

紅利透支：沒有進展的2018

如此巨大的“風口”，資本當然不可錯過——以2012年為起點，各路投資人開始蜂擁涌入AI賽道。

首先進場的是互聯網巨頭。Google、Facebook等公司開始大舉掃貨，不惜重金購入深度學習領域的頭部學者——比如那個來自多倫多大學的獲獎團隊很快注冊了一家公司，2013年就被Google斥資5000萬美金收購；半年之后Google 相冊就有了搜索能力，緊接著Google就可以從自家拍攝的街景圖像中識別每家每戶的門牌號碼了。

另一方面，VCPE們也不甘示弱，熱錢洶涌之下，大批深度學習領域中的專家開始在風險資本的支持下自主創業，而這其中也不乏一些卓越的華人科學家。

2012 年，正在 MIT 實驗室擔任博士后研究員的朱瓏，在UCLA 視覺識別與機器學習中心主任、導師Alan Yuille教授的支持下回國，并拉上自己的好友、ACM全球大學生程序設計競賽冠軍林晨曦，共同創辦了依圖科技。2年之后，在香港中文大學任教的湯曉鷗教授扔下教鞭，與自己的得意門生徐立一起成立了商湯科技。

同樣是在那一年，自稱“環顧四周，沒看到一個對手”的格靈深瞳開始登上各大媒體的頭版；據說其投資人徐小平和沈南鵬曾就格靈深瞳未來的市值應該是“1000億美元還是5000億美元”展開過激烈爭論——最后雙方“妥協在3000億美元這個中間數上。”

據烏鎮智庫發布的《全球人工智能發展報告》顯示，僅2012年到2016年，全球人工智能企業就新增5154家，融資規模達224億美元，占2000到2016年累積融資規模的77.8%；其中，光2016一年的融資規模就達到了92.2億美元，是2012年的近6倍，相當于2000年到2013年13年間總融資額之和。

在大批投資人看來，人工智能是繼蒸汽機、內燃機和互聯網之后的第四次生產力革命。

然而烈火烹油般的融資熱潮，也讓我們很容易忽略一個事實：

作為一項起初并不被廣泛看好的技術，神經網絡能夠完美“逆襲”，其實非常偶然。

正如《浪潮之巔》作者、硅谷風險投資人吳軍所言：“人工智能技術20年內恐怕很難再有重大突破，因為今天的人工智能已經用光了40年來所積累的技術紅利。”

在吳軍看來，通常20年后能產生巨大加速的事情，大都可以在當下的學術界預測出來——“但當下學術界所做的人工智能領域研究并沒有太多新的課題”，“縱使科學家們比較努力，人數眾多，大概也要20年才能積累出讓人感覺非常興奮、非常驚喜的理論基礎。”

事實上，這個判斷也絕非危言聳聽。

以機器視覺為例，經過了5年發展，神經網絡算法在這一領域的潛力基本已經被開發殆盡，而雷同的技術也讓其漸成紅海。

“現在每年這個領域的比賽很多很多，每家公司都是拿自己最好的一次成績說事兒，但其實技術都是大同小異，很難形成差異化”，一位人工智能行業的從業者對融中財經表示。

“同樣兩家做機器視覺的企業，一家說自己的識別準確率是97%，另一家說自己是98%，你覺得在甲方眼里，他們的差距能有多少？”上述人士表示，“最后還是要拼價格、看關系。”

“目前機器視覺最大的應用場景是安防，主要是政府采購，這里面最大的問題就是回款”，莫濤告訴融中財經，“公司96%的訂單來自于政府項目，遇到關鍵人員離職，或者領導改選換屆，項目很容易就會爛尾，抗風險能力很差。”

然而初代人工智能企業們的最大危機還不在于此。

相比于大家在機器視覺與語音識別領域殺得刺刀見紅，深度學習模型在新領域突破的舉步維艱似乎才是真正的麻煩。

事實上，過去一年業界對人工智能有一個共同的評價：2018年，人工智能的進展就是沒有進展。

經過了數年的發展，目前深度神經網絡算法仍處于“黑箱階段”，輕微擾動導致的嚴重的對抗識別的范例尚無法得到有效解釋和解決。對此，圖靈獎得主、清華大學姚期智院士曾公開表示稱：深度神經網絡能產生的“價值有限”，即使未來實現了算法的透明化，其結果也很可能“令人失望”；在他看來，與其對現有的神經網絡模型小修小補，不如另起爐灶，“探索新路徑，尋求突破。”

然而“探索新路徑”這事兒過于看臉，畢竟砸下去的真金白銀，并沒有20年可以等。

一個殘酷現實是，這其中大部分投資的前景并不樂觀。

據IT桔子等數據源顯示，2014年至2018年，中國人工智能領域共發生126起退出事件，數量僅為同時期的投資事件的1/20。其中，IPO退出占四成，回報僅為1.83倍。

而另一個數據則顯示，2018年全年有將近90%的人工智能公司處于虧損狀態。

早在2017年9月，李開復就曾預言：“人工智能創業有泡沫，（融資熱）是今年上半年開始的，融資差不多夠18個月花，明年底估計有一批公司倒掉。”

陽光之下無新事，2010年前后，石墨烯的美好前景同樣曾經迷住了大把投資人，至今七年過去了，全國能量產出三層以下高品質石墨烯的企業還幾乎沒有，無數熱錢全部打了水漂。

前期用力過猛，后期落地太慢，一熱一冷間，2019年的AI行業已如石墨烯一樣，盡顯疲態。

誰在賺錢？誰在接盤？

“我們今年基本已經不看AI技術了，”滬上一位投資人對融中財經表示，“算法其實現在頭部公司已經出來了，沒什么投資機會了。”

數據顯示，2019年第二季度以來，國內人工智能投融資數量和金額都呈現下降趨勢，僅完成30起融資，同比下降45.5%，融資總額達50億元，不足去年同期的40%。

然而與之對應的，是“CV四小龍”商湯、曠視、依圖和云從合計拿到其中200多億，占總額的五分之一。

資本寒冬之下，不僅投資機構二八分化嚴重，人工智能企業也無可避免的呈現出二八分化，甚至是一九分化的局面。

一邊是大批第二、第三梯隊的AI企業融資艱難，而另一邊則是“不差錢”的AI巨頭則頻頻出手，投資布局產業應用端。

“AI公司VC化”已經成為人工智能行業一道獨特的風景。

這其中既有商湯、曠視成立的戰投部門，直接進場投項目，也有思必馳、中科視拓等與傳統VC、PE等機構聯合成立的產業基金，通過募集外部資金補充自己的資金池。

一邊燒別人的錢，一邊拿這些錢給別人燒。

“AI獨角獸對外投資或收購，本質上是消化過多融資，實際業務場景太小、太少，支撐不了估值”，對此有業內人士表示，“有的公司是主動選擇，有的則是為了撐起高估值，不得已而為之。”

2019年9月，“人工智能第一股”虹軟科技在科創板上市，這家已經在機器視覺人工智能領域擁有126項發明專利和73項軟件著作權的低調企業，被認為是目前“市場化落地最為成功的AI公司”。

據招股書顯示，虹軟科技所服務的客戶涵蓋華為、三星、OPPO、VIVO、小米、索尼、LG、傳音等知名手機廠商；2016-2018年，其來自“智能手機視覺解決方案”的營收分別為1.7億元、3.1億元、4.3億元，占總營收比重在2017年后逐年上升；到2018年，其來自智能手機視覺解決方案的營收占比已經高達96.57%，對應毛利率為94.29%。

反觀近期剛剛在港交所遞交了IPO申請的曠視科技，其營收占比最大的部分則是“城市物聯網解決方案”；2017年、2018年以及2019年上半年，該項收入分別為1.68億元、10.57億元、6.95億元，分別占同期總收入的53.6%、74.1%、73.2%，對應毛利率分別為31%、52.1%和65.2%。

而“為完善 AI+IoT戰略布局”，巨資收購的物流機器人公司艾瑞思，在2018年與曠視并表后，其在招股書中的營收占比也只有約5%。

口號是響亮了的，但身體是誠實的。

種種跡象表明，政府訂單仍是以曠視為代表的初代人工智能們的主要收入來源。

眾所周知，科創板上市企業普遍存在較高的估值溢價，首批上市25家企業的平均市盈率約在53倍左右；截止目前，虹軟科技的市值為250億人民幣，折合約35億美元左右；而曠視在今年4月拿到了由中銀集團、工商銀行、科威特投資局、阿布扎卡投資局等巨頭所投的5.9億美金D輪融資之后，甚至還沒走到Pro-IPO，估值就已經超過了40億美元；被稱為“融資機器”的商湯科技，9月份剛剛披露的估值更是超過了70億美元，繼續領跑“全球估值最高的AI獨角獸”。

里面有沒有泡沫，大家可以自行判斷。

值得注意的是，據曠視招股書顯示，聯想之星（天使輪）、創新工場（A系列及B系列）、啟明創投（B1系列）這幾家早期機構投資人的最終持股數量遠低于當年的投資數量，這意味著其中大部分（約90%）的股份可能已經被曠視回購了。

圖：曠視科技9輪融資情況

資料來源：曠視科技招股說明書

圖：截至2019年8月，曠視科技各股東持股情況

資料來源：曠視科技招股說明書，融資中國整理

事實上，如果按照最后一輪28.48美元每股的價格推算，創新工場在6年前以0.24美元每股對曠視的A輪投資，大概收獲了120倍的回報，年化收益率接近220%；而B輪進入的啟明創投也收獲了16倍回報，年化約在180%左右；總體來說，僅曠視一個項目，就讓“初代AI投資人們”賺的盆滿缽滿——而不同于平常的紙面富貴，這筆投資中的大部分恐怕已經通過提前回購落袋為安，是實實在在的真金白銀。

金融大鱷索羅斯曾經說過：世界經濟史是一部基于假象和謊言的連續劇。要獲得財富，做法就是認清其假象，投入其中，然后在假象被公眾認識之前退出游戲。

索羅斯是哲學家，說得文鄒鄒的。

如果通俗的翻譯一下，那就是所謂概念、預期都是扯淡，要想賺錢，先要假裝信，然后建倉，等不得不信的人抬轎，讓真的信的人接盤。

你看，赤裸裸的，就很沒有美感。