AI产品正逐渐走向成熟，行业竞争已经出现两极分化

随着人工智能技术的逐步落地，AI产品正在走向一个成熟的阶段，诸如安防、金融、智能家居、汽车零售等行业都推出了种类多样的、成熟的AI应用和产品。同时，在投资领域，无论是美元属性基金还是人民币属性基金，对AI赛道的热度都有了进一步提升。

不过，AI产品在大规模应用的过程中，还存在着不少尚待解决的问题。

据普华永道关于最新的AI研究中有过一个统计，现在AI产品落地的主要障碍有几点，第一个就是难获得领导层的支持；第二个是AI的实施和组织适配比较困难；第三个是很难将AI从计划落实到生产上，也就是规模化存在困难；第四个是无法衡量AI的投资回报率量；第五个则是AI的系统运营困难。

在6月9日钛媒体联合CTIS共同打造的“AI·创新数字生活主题论坛”上，新眸主理人桑明强、思岚科技的CTO黄珏珅、大搜车CTO张帆、光源资本执行董事许银川就相关话题展开了讨论。

如何看待如今的AI创业大环境？

人工智能技术行业从研发到落地应用已经辗转走过了很长一段时间了，那么该如何看待如今的AI创业大环境呢？

思岚科技CTO黄珏珅表示，现在AI大环境还是非常好，AI产品正在走向一个成熟的阶段，也慢慢走入到人们的生活当中。比如住酒店也能经常见到，有一些酒店的机器人能为大家去提供服务——送外卖或者送酒店用品之类的。

同时，在大搜车CTO张帆看来，AI创业环境是越来越好的，这里面有两个环节。

一方面，AI本身已经慢慢往成熟方向去走了，越来越多公司都有一个AI部门，这是一个技术成熟的过程。同时，现有的技术已经远远超过能给它应用的水平，所以技术储备也已经够了。

另一方面，是大环境发生了变化。2020年的疫情让传统公司来越来越有动力去加速数字化、加速AI化。

作为光源资本的执行董事，许银川则主要从资本层面阐述了自己的观点。

许银川表示，无论是美元属性基金还是人民币属性基金，对人工智能赛道的热度在进一步提升。尤其在新的环境下，投资机构总体可投的赛道在减少，但疫情之后的总体美元和人民币供给量在增加，所以这个赛道整体资金是在提升的。

同时，许银川还表示，创业公司内部的竞争也在变激烈。“行业已经发展了两三年，创业的门槛在提高，头部公司拿钱更容易，估值更高。”

行业在向前发展，必然就会碰到越来越多需要解决的问题。那么，在当前AI发展的过程中，最大痛点是什么？

“AI从技术上已经成熟了，我们的单点应用也已经冒出来了，下一步AI发展的动力就是怎么样能够把不同的AI技术整合到一起。”黄珏珅表示，比如思岚科技是做导航定位的，就需要将机器视觉技术整合在一起，给企业或者个人，带来更多的价值。这是AI进一步发展的最重要的一个方向，也是个结合点。

许银川则认为，现在AI产品在供给侧已经发展得差不多了，但甲方总体还是比创业公司要保守一点点。新的东西在甲方要先形成势能，加以扩散，这需要有一定的过程。比如作为一个采购方，不会完全从技术角度或者IP价值角度简单地去接受，更多是从实际的使用效果。

“今天，一个很大的问题是有些公司的产品会被宣传成一个神话，好像这个产品砸人脑袋上一下就成超人了，但现实是做不到的。”大搜车CTO张帆表示，所以甲方需要有自己的AI团队，理解内部的场景。这样，双方需求能够被拉平，或者有对标了，（技术落地）这个事情就变得更容易了。

除此之外，本次大会还有个关键词：对于AI突破的方向，究竟是从技术变得更加精准了，还是从场景、从业务层面的突破？

“突破就是，当你这个技术到了什么样的程度，这个是现在AI行业来说最核心的一个问题。”

黄珏珅举例称，基于纯粹的激光雷达实现的导航定位系统，可以在一个客流密集度非常高的餐厅里面，连续工作一年多没有任何问题，这是一个很重要的指标。它让一个机器人产品不再依赖于工程师，不再依赖于运营团队，就能在客户的场景里面为客户带来价值，这是现在突破最重要的一个点。

“所以，所有产品一定是跟着市场需求走的，根据应用场景走的。”黄珏珅表示，对于机器人这个特定的行业来说，接下来的方向也非常简单，用户有什么样的需要，结合我们这样的能力来满足用户特定的需要。

从一级市场的角度，许银川则认为，现在AI相关的创业者，由技术和解决方案延伸到的AI应用的领域是个全面的突破。之前比如自动驾驶、NLP比较单点的一些技术，随着这个技术的成熟，家可以渗透到很多传统的行业。

“所以我看到这个突破就是由一些早期的单点领域、个别领域，向全面领域的一个爆发。可以说这个触角已经伸展到我们身边各个细分行业，深刻影响着我们生活了。”许银川表示。

另外，大搜车CTO张帆则表示，真正的突破不是技术的突破，现在的技术某种程度上进入了深度学习的时代。技术门槛不是拉高了，是变低了。

“比如十年前做AI的时候，有各种各样的模型，你每个都得选，每个都得调参，也没有那么标准的这些应用。”大搜车CTO张帆表示，今天基本已经比较傻瓜化了，把东西往模型里一丢，算出来自动调参给结果，门槛变得越来越低。也就是说，技术已经够用了，未来几年最重大的突破是在应用端的突破。