图片来源@Unsplash
自从2016年AlphaGo战胜围棋手李世石，人工智能就给创业者和投资人带来了诸多想象。这被视作颠覆力量的技术，从实验室的模型中跑出来，经历了艰难的“AI+产业”落地，却在面临二级市场的考验时突遇疾风。
头部公司IPO不算顺遂，中小AI企业更是在经历寒冬。
IT桔子数据显示，截至11月25日，2019年人工智能公司融资笔数共400笔，相对2018年全年的739笔融资，降幅接近46%；从融资额度而言，2019年总融资额度也出现回落，从2018年的1240亿元降至2019年的797亿元，降幅达到36%。而且，投资在越来越向头部公司集中。
人工智能投融资趋势图（来源IT桔子）
AI行业的窘迫与创投大环境密不可分。“如果说2017到2018年上半年算是顶峰，那么从2018年下半年大家已经开始出现晃悠的状态。”洪泰基金执行董事宋楠对钛媒体表示，从前他一周看20个项目很正常，而现在每周有10个项目都会觉得有些惊讶。
洪泰基金由俞敏洪和盛希泰先生于2014年共同创立，基金管理规模超过300亿元，聚焦人工智能、大数据、智能制造、消费、医疗大健康和新文化等领域。
宋楠深耕AI赛道的投资，已投出了三角兽、澎思科技等多个AI公司。2016年阿法狗的一战成名让宋楠找到了投资新机遇，三年过去，他却发现AI行业的寒冬已经成为“新常态”。
作为行业亲历者，洪泰基金执行董事宋楠接受了钛媒体的独家专访。就AI企业上市潮，AI公司商业化问题以及如何寻求下一个优质标的展开讨论。
AI现上市潮，只因处于“绝杀时刻”
2019年一些AI头部公司已经摩拳擦掌准备上市，“CV四小龙”中的商汤、依图、云从与旷视均有过上市传闻。其中，旷视科技8月向港交所递交招股书，成为第一家“吃螃蟹”的企业。与此同时，云知声已经与中金公司签订上市辅导协议，拟在科创板上市。
上市意味着财务公开。以旷视科技为例，其招股书中披露，2019年上半年，旷视收入为9.49亿元，而亏损则是达到了52亿元人民币。巨额亏损已经让资本方忧心AI公司的赚钱能力。
11月22日晚间，外媒援引多位知情人士的消息称，旷视科技并未通过港交所的上市聆讯。由于被美国列入“实体清单”，上市委员会也在担心旷视此时寻求IPO是否适当。这一说法之后经过了旷视科技的否定。
为什么AI公司开始着急上市问题？
宋楠认为，AI行业正处于“绝杀时刻”中。这一概念来源于90年代的足球比赛，足球场上90分钟后的加时赛采用的规则是“谁先进球谁就赢”，而这正是当前AI企业普遍面临的困境。
“大家都已经筋疲力竭，该用的招数都使完了，在这场加时赛中，真正能活下来的应该是那种有自我救赎决心的公司。”
“当前AI行业最大的利空可能就是旷视科技还没能成功上市。从传闻上市至今已经有大半年，如果最终没能IPO会给AI行业带来不小的打击，核心问题在于如果旷视折戟，还有谁能相信后继者能够上市成功。”
当前AI的几大分支领域，包括以“CV四小龙”为代表的计算机视觉公司，以寒武纪为代表的芯片公司，以及以优必选为代表的机器人公司等都遇到了或多或少的困境。
而随着马太效应的出现，当资本与注意力都集中在大公司上，中小AI公司的生存只会更加艰难，甚至迎来大批量的倒闭潮。
宋楠认为这会是一个必然过程。“因为国内开发者原创的技术框架很少，如果大家都拿国外的开源框架修修改改，市面上为什么还要存在这么多团队？倒闭是必然的。”
盛名之下，其实难副
在上市潮背后，AI企业为何会面临困境？
一方面是因为创投行业的投资热已经退潮，另一方面是因为AI公司始终没能找到完整的落地的商业闭环。
“当前九成的机构都没有钱，无论是创业者还是投资人，不要再指望市场环境会有大的变化。”自2018年下半年创投行业讨论的话题就变成了“无风口时代”如何投出独角兽，宋楠认为，无风时代“独角兽”已经不再是机构追求的目标，相应的，机构会更加关注基本面，也就是三个指标：已实现收入、商业落地情况与估值。
投资环境的变化，也改变了投资人看项目的标准。宋楠认为目前的投资环境对AI企业的要求变得越来越高。
“现在不再是有技术、有应用场景就可以获得支持，更多的是要在产品上有独特的想法，而且技术和想法必须能够匹配，漏斗形的商业模式才有价值。”更重要的是，当前AI公司都未挣到足够多的钱来反哺公司的运营，即便是在落地场景最明确、最容易整合的大安防领域。
据他分析，做大安防的CV公司亏钱的主要原因并不是巨大的研发投入。安防领域的收入分为几种，做人脸识别摄像头的毛利润很高，但这些订单中也有很多毛利润较低的做集成的单子。但是，做集成的单子是把营收提上去的必然选择。
另外，大型政府项目通常涉及到企业先行垫资，这有可能影响公司现金流。因此大安防与政府合作在某种程度上来说是“甜蜜的毒药”。
机会恰似“牛顿头顶的苹果”
宋楠曾直言2019年会是AI公司直面商业化的一年。而商业化的最大的难点在于能否为技术找到匹配的场景。“这种匹配是做产品的思路，它既好做又难做，创业者需要的是牛顿头顶上那个苹果。”
“好做”是因为“灵光乍现”的思路对所有人是公平的，它不同于技术，如果不是从MIT、斯坦福等最顶尖机构出来的人掌握不了最尖端的技术。但是“难做”在于这种场景并不好找。
何为技术与场景相匹配？宋楠以医院场景为例解释：医生与机器同时给病人看片子，如果二者判断结果相反，这时选择相信谁？一般人会更加相信医生的诊断，即便机器是有容错率的，但会让病人很难再次建立对机器的信任感。
但是如果换种场景，当“AI+医疗”被用于早期预防而非后期诊断时，当AI检测结果显示的是“你的肺部可能出现了一些异常，建议你去医院做进一步检查”时，这样的诊断就会更加容易被人接受。
宋楠认为，上一代的人工智能做to B的生意并没有起来，而下一波AI的变革可能会集中在to C领域。但无论是B端还是C端，能被苹果砸中还能有所启发的创业者都是可贵的。
（本文首发钛媒体，作者/芦依）
