人工智能企业估值回落数据质量不佳制约行业发

　　人工智能大数据企业无疑是近两年“独角兽”阵营中的明星，就在刚刚过去的2018年，包括商汤科技、旷视科技等多个企业都从前几年的低调布局转变为高调发声。

　　这一变化的背后是资本的青睐和驱动。2019年初，《艾媒报告|2018中国人工智能产业研究报告——商业应用篇》显示，2018年行业融资热度持续走高，iiMedia Research(艾媒咨询)数据显示，2018年中国人工智能领域共融资1311亿元，同比增长超过100%，投资者看好人工智能行业的发展前景，资本将助力行业发展。

　　但是资本的涌动仅仅表示投资人对人工智能的预期比较高，并不代表当下人工智能的技术发展已经成熟。有投资人表示AI企业的估值正在回调，创新工场董事长李开复在2018年9月接受采访时表示，在过去的三四个月AI公司估值已经下降了20%、30%。

　　资本青睐仅是表面繁荣

　　“AI的泡沫破灭不会太远了。我认为(2018)年底是估值合理化的一个时间点。过去这三四个月AI公司估值已经下降了20%、30%，再下降20%、30%，就是AI公司合理的估值了。”在2018年9月，创新工场董事长兼CEO李开复在《AI·未来》新书发布会上向在场记者表示，太多人用AI包装项目，造成估值过高，未来将会得到调整。

　　可以看到，在过去的几年时间里，中国的人工智能企业数量快速增长。IT桔子统计的数据显示，从2013年至今，AI领域共有1332家创业公司，2371起投资事件，投资总额为2885亿元。资本的疯狂涌入催生了一大批人工智能企业，同时也导致了整个行业的企业估值都处在一个偏高的状态。博将资本硅谷管理合伙人AlexRen曾对媒体表示，整体来看中国公司估值比美国高二到四倍。

　　但值得注意的是，资本的布局催生了整个行业的繁荣，同时也意味着，在资本之风不再吹拂之后，有些企业难免会落在地上。腾讯研究院&IT桔子联合发布的《2017年中美人工智能创投现状与趋势研究报告》统计数据显示，截至2017年6月，倒闭的中美人工智能企业数量已超过50家。

　　“资本介入、政府认可并不是行业真正的繁荣，整个行业的泡沫还很大。”艾媒咨询CEO张毅表示，2017年～2018年，资本对于人工智能大数据企业介入较多，整个行业呈现出一片繁荣的景象。但如果在未来两年难以找到具体的应用场景，被用户认可，估值的回落是一种必然。

　　此外，张毅也提到，随着2018年人工智能大数据领域的独角兽企业涌现，拿到大额融资的企业也会对竞品企业产生一定挤出效应，整个行业进入洗牌期，得不到资本持续支持和业务订单的企业很容易面临危机。

　　尽管AI企业估值回落，但作为投资人，星瀚资本创始人杨歌表示，他并不怀疑人工智能的发展潜力。杨歌认为，大家信心阶段性回落的原因是过去几年资金比较活跃，人们又过度预期了人工智能会产生的商业价值，当这些公司达不到他们的预期时，估值开始回落理所当然。“事实上AI企业估值回落已经不是第一次，类似的事情历史上已经发生过四次了。”杨歌表示。

　　数据制约人工智能发展

　　“限制人工智能发展的重要因素之一仍是数据。”杨歌还表示，企业在收集数据的时候会遇到很多困难，比如数据噪音及数据同源性等问题，这些都会导致最后的分析结果有差异。

　　以“数据同源性”的影响为例，如果数据同源性太高，无法形成有效的分析，最终呈现的结果就会是片面的甚至会是假象。杨歌打了一个很形象的比喻：“这就像明天要考历史了，复习了一晚上的中国史，结果却考了世界史。”很多公司没有办法找到更多元的数据，甚至有的公司不知道应该使用哪些数据应用到自己的数据模型上。

　　讲到这里，已经可以发现数据的重要性。作为人工智能产业链的上游，借“AI热”的东风，大数据企业的估值应该也不会低，但是事实上并非如此。杨歌分析指出，所有这些市场化的数据，同质化严重，溢价竞争力太低，导致大数据企业无法被高估值。相比之下，BAT等互联网巨头商业体量很大，有很多获取数据的渠道，而这些渠道是中小AI企业无法接触到的。

　　因此，对于AI企业来说，市场上的数据无法满足它们的需要，但是自己采集数据的话又会遇到各种困难。沈阳新松机器人自动化股份有限公司高级副总裁王宏玉此前在接受采访时指出，人工智能在应用过程中常常涉及到很多隐私，包括个人隐私、企业隐私，现在新松机器人给用户提供的智能化生产线涵盖了这两类用户。

　　“目前我们提供的服务，理论上可以采集用户的数据，但实际上包括机器人、产线都是断网的，不让我们采数据，因为一旦这些数据被泄露以后，所有的生产工艺包括生产秘密都泄露了，这对企业来讲是大问题。”王宏玉表示，现在人工智能不是哪儿都能用的，各种限制比较多，新松机器人也不能轻易去触碰这些底线。

　　当然，数据只是影响人工智能发展的一个因素，并不是全部。当下，除了数据之外，硬件、算法、系统软件等基础层技术也都处在不成熟的阶段，这导致很多人工智能产品无法成为一个C端消费者能直接使用的产品。杨歌指出，今天的人工智能和1960年前后的计算机行业非常相似，仍处在大规模2B的阶段。