人工智能之火熱超出以往任何一個新興產業門類。2017年初，全國AI相關注冊企業數量還處于1.3萬家的水平，到2021年末，AI企業數量已經超過17萬家。五年間新增企業數量超過16萬家。在資本市場，近十年流入AI領域的投資超過2.5萬億元。除去企業注冊可能存在的水分，實實在在有數百家AI企業獲得了資本真金白銀的支持。紅杉資本、真格基金、IDG資本等投資機構在AI賽道的投資次數都達到百余次。
源于計算機 立于算法 成于技術
概念提出時間普遍認同的是在1956年美國Dartmouth會議上，主題是討論當時的計算機問題，但在為期兩個月的會議中并沒有解決計算機的任何具體問題。當時29歲的數學博士約翰麥卡錫（John McCarthy）首次提出了Artificial Intelligence這一概念，本意也是讓計算機像人類一樣思考，從而解決實際問題。但無意間卻將AI從計算機學科中分離出來，成為了一門獨立的科學。
隨后，人工智能自己成長的道路上，AI成了下棋明星。1962年IBM的算法贏得了跳棋比賽；1997年深藍戰勝了世界象棋大師；2016年AlphaGo以4:1大勝圍棋冠軍李世石。似乎下棋才是AI能力的體現。但市場卻不這樣想，既然程序算法能下棋，那也必須能幫助人類篩選數據、選擇路徑、優化方案。
在不確定性中尋找一些確定性，提升商業價值。于是，AI 2.0開啟了機器學習模式、AI 3.0演變為深度學習和大數據驅動模式。在互聯網領域，使用者的行
為數據構成了用戶畫像；在商業領域，個體的信用記錄為商業協議條款定制設計提供了依據；在生活領域，電子設備與人類智能交互，進一步捕捉人類的意圖。
如今，AI已經發展形成完整的生態體系，由基礎層提供芯片、傳感器、數據服務、云計算等核心能力；由技術層解決語音處理、自然語言處理、計算機視覺、機器學習等核心問題；由應用層提供機器人、無人機、可穿戴設備、智能家居等終端應用場景和智慧醫療、智慧教育、智能制造、智慧金融、智慧安防等行業解決方案。
智慧醫療
技術突破無疑是AI市場化的關鍵，也是行業成熟的標志。例如機器學習，在近十年間隨著計算能力的進步和海量樣本訓練的支持，深度學習支撐起圖像分析和語音識別等重點問題。但是不得不承認，圖片像素細微的變化也可能造成AI識別的障礙。以至于讓AI認識海量汽車的照片之后，對于下一張照片是否能識別出來還是一個成功幾率的問題。只要這個幾率是用戶能夠承受的，那便具備了市場化的條件。
智能識別
市場化的動力在于國際競合和投資驅動
當前AI仍處于快速發展期，中美都在積極布局。國際競爭與合作強化了各國發展AI的決心。
斯坦福大學HAI（Human-centered AI）發布的指數報告顯示：2021年全球AI投資規模達到1764.7億美元，相比2020年1195.4億美元增長了47.6%。中美合作的研究報告數量是美英合作的兩倍多。清華大學人工智能研究院發現中國在自然語言處理、芯片技術、機器學習、信息檢索與挖掘等 10 多個子領域的科研產出水平都緊隨美國之后，居于世界前列；在多媒體與物聯網領域的論文產出量超過美國，居于全球第一；而在人機交互、知識工程、機器人、計算機圖形、計算理論領域，中國還需努力追趕。
目前中國發展AI產業擁有廣泛而深入的應用領域，無論是終端應用還是行業解決方案，AI在社會經濟發展過程中的滲透創造出了無盡的想象空間。以市場化水平衡量行業發展成熟度而言，AI已經開啟了供需匹配、循環增長的發展通道。
政策引導資金、社會資本的價值在經濟循環中逐步實現，市場化的需求迫使AI企業加快客戶拓展，價值變現。在將來政策支持逐漸放手的時候，企業擁有獨立發展、面對外部競爭的能力。
現階段，AI投資模式也在悄然發生轉變，我國AI企業早期投融資次數自2019年起顯著下降，同期，中后期投資占比大幅提升，資金流向了更少的公司。而這些公司則被寄予了厚望。行業投資機構正在從“蒲公英”式的隨風投資，向“定向栽培”方向轉變。
作者|袁遠 首創高科產業研究院
