小象的前同事也陸陸續續離職瞭。“我離職的時候是離職一群,很快就發展瞭二群,現在三群都快滿瞭,正在開四群。我認識的人裡面很多去瞭字節跳動,以及阿裡巴巴、騰訊、華為等大廠,做遊戲、做教育、做視頻……都比原來要好。”小象說。
新冠肺炎疫情加速瞭AI的應用,讓不同行業對AI的接受度提高,AI企業紛紛“趕考”首次公開募股(IPO),小象所在的企業也選擇向科創板發起沖擊。
不過,持續的虧損以及AI在傳統行業落地面臨的挑戰,不斷地刺破泡沫和大眾美好的期待。
在本月初依圖科技終止科創板IPO後,雲從科技於7月20日IPO首發過會。
對此小象表示:“隨著計算機運算能力的發展,AI確實是必然的趨勢,隻是現在的算力、市場和民眾還沒有準備好接受AI的到來。等到市場成熟,AI會重新火起來。”
對AI認知的改變
2016年,Google智能機器人Alpha GO完勝李世石事件如同一陣風,吹熱瞭人工智能,也把一眾創業企業的估值吹上瞭天。“AI四小龍”——商湯科技、曠視科技、依圖科技和雲從科技成為最受關註的明星企業。
早在2018年年底,根據BOSS直聘的數據,在所有招聘崗位中,人工智能和數據科學相關崗位收入居於第一位,平均月薪大約在3萬元。
“那個時候AI非常火,覺得去AI企業的前景非常不錯。”或許一開始的期望太高,隨著參與越來越多的一線業務,小象的失望也不斷累積,認為公司在盈利模式和運營上有不少問題。
張學友在全國各地舉辦的演唱會上,前後有數十名在逃人員落網,讓大眾感嘆AI的先進性,但這背後可能是無數次的漏報和誤報,而這些失誤並未有機會呈現在大眾面前。
以安防行業為例,小象告訴第一財經,曾配合基層民警向其領導展示瞭“非常完美”的數據和界面。“有一次上面有人要來視察工作,我們就在平臺裡找很漂亮的數據。系統可能一天要抓拍幾千萬張照片,比如我上傳我自己的照片,搜出來的軌跡非常完美:幾點幾分在這裡,幾點幾分在那裡,也沒有其他人的照片出現在我的軌跡裡。人傢一看,就會覺得這東西還挺厲害。如果上傳你的照片,發現有一些跟你長得比較像的人被系統誤認為是你,出現在你的軌跡裡,那就不好瞭。”
通過調整數據的優先級,系統將準確率最高的數據置頂,借此展現“最完美”的數據。
“我們會把精心準備的數據,通過一些技術手段送到最開始的第一頁。有點像粉絲在微博控評,什麼‘哥哥好棒’、‘哥哥好帥’,給他沖到熱搜榜第一名,然後更多真實的聲音就被掩蓋瞭。看人工智能的一些產品,你也不要看第一頁、第二頁,甚至前50頁都不要看,往後翻到100頁、200頁,你會發現大傢可能都會有各種各樣的問題。”
不管5G、雲計算還是AI,對於企業而言,運用新技術的最主要目標是降本增效。“有多少智能,就有多少人工”被人詬病,但也是AI現階段無法擺脫的困境。例如,數據標註往往需要依賴大量人工,科技巨頭和AI算法公司會選擇外包。與此同時,在代碼測試方面,也往往通過外包完成,而不是選擇自動化。
“當時在業務高並發、高速增長的時期,依圖的選擇是堆人去做業務,業務撐不住瞭就找人繼續往裡加。”一位從依圖離職的員工表示,“AI公司的產品大概率是一段代碼,代碼完成後需要測試,當時沒有太多的技術大牛去做自動化,而是招瞭一大批的外包做測試開發。”
不管是商湯、曠世、依圖還是雲從,這些“第一梯隊”的AI創業企業普遍擁有頂尖的技術水平和算法能力,並在國際計算機視覺與模式識別會議(CVPR)、全球人臉識別算法測試(FRVT)等國際比賽中斬獲佳績。
但在實際應用中,業務場景的復雜度遠高於比賽。比賽有用,但比賽解決不瞭應用落地的問題。
中科智雲科技有限公司CEO兼首席科學傢魏宏峰在接受第一財經采訪時表示,如何提高易用性、可維護性,以及低成本是AI落地非常關鍵的問題。
正是商業化面臨挑戰,AI泡沫逐漸破碎,吸金能力也有所下滑。
上海國有資本投資有限公司總裁戴敏敏在第四屆人工智能大會的投融資論壇上表示,今年AI投融資市場整體熱度依舊在提升,但全球新成立的AI企業數量已從2017年的5000傢下降到瞭去年不到800傢,市場更加聚焦在醫療、自動駕駛、教育、安防等應用領域。
究其原因,視覺垂直賽道正在面臨著高度同質化的競爭態勢。同時,原本處於下遊產業鏈的客戶紛紛以自研模式進入視覺賽道。
即使是頭部AI企業,曠視科技、依圖科技和雲從科技持續虧損。剛過會的雲從科技招股書顯示,從2018年到2020年期間,該公司主營業務收入分別為4.83億元、7.8億元和7.51億元。同期,該公司歸母凈利潤分別為-1.8億元、-17億元和-6.9億元。截至2020年末,該公司合並口徑累計未分配利潤為-14.35億元。
曠視科技此前提交的招股書顯示,截至2020年9月末,公司累計未彌補虧損為142.5億元。截至2020年6月末,依圖科技累計未彌補虧損72.2億元。招股書披露的信息顯示,三傢企業虧損情況類似。主要是公司優先股以公允價值計量導致賬面虧損;另一方面,則是持續的高投入研發。
大眾對AI的看法也逐漸理性。魏宏峰介紹稱:“有的客戶會覺得AI什麼都能做,有的客戶發現什麼都不能做。慢慢地,市場被教育瞭,大傢越來越務實瞭,客戶對AI的認知現在也越來越深刻瞭。”
宏大的目標難落地
“智慧社區”、“智慧工廠”、“智慧城市”……數字化、智能化變得越來越時髦。但如何在降本增效的同時,又降低一線工作人員的使用門檻,將決定AI落地的速度。
“現在基層的民警,他要用我們的系統,首先得理解很多的概念。但是在基層民警的概念裡是沒有AI安防這回事的,他想的就是我要抓小偷,要巡邏,派出所接到報警瞭;而不是算法公司告訴他,要補一萬路攝像頭,要怎麼用這些攝像頭的數據。”小象表示。
所謂的智能小區,往往是通過安裝攝像頭,監測小區的人員流動,判斷周圍是否有小偷,“最基礎的功能,比如有一個逃犯溜進小區,那系統得報警。如果有一個非小區的人經常在小區外被抓拍到,那他可能是一個來踩點的小偷,通過各種各樣的方式去得到我們最終想要的結果。”
但事實上,誤報太多,導致一線員工很難一直持續盯著監控。
受限於攝像頭前端識別算力,AI公司往往會將算法模型壓縮,降低網絡層數,導致算法精度受到影響。
為瞭解決這一問題,也為瞭適應國內“軟件賣不出好價錢”的現狀,AI算法公司也紛紛下場做芯片、服務器和攝像頭,希望提供整體解決方案。
2019年5月,依圖科技宣佈推出其首款視覺推理AI芯片產品QuestCore(求索),以及基於該芯片構建的軟硬件一體化系列產品和行業解決方案。依圖員工告訴第一財經,在使用該芯片之後,算法精度的確提高不少,但由於出貨量有限,成本依然太高。
不少AI企業並不甘心做一傢被集成的算法企業,而是希望掌握主導權,做大平臺、做總集成商,但隨著企業規模不斷擴張,實際的核心競爭力並未增強。
魏宏峰表示,目前主流的AI算法企業通過大量的樣本訓練,希望能夠朝一個通用算法模型的方向走。不過,這需要非常大的投入,“因為它需要大量的樣本做大規模的運算,如果企業要盈利,市場銷售或者落地實施的壓力就會非常大,投入產出的周期也比較長。”
與此同時,魏宏峰認為,真正解決AI落地應用的不是算法和算法精度本身,而是算法工程化的能力。在物聯網時代,碎片化需求或小樣本環境也很難通過通用模型快速大量復制。
要將算法工程化需要大量的行業知識。騰訊雲副總裁、騰訊優圖實驗室總經理吳運聲接受第一財經等媒體采訪時以一個工業場景舉例,傳統上,在檢測細微裂紋和粘料瑕疵時更多依靠質檢人員經驗。由於沒有確定的規則,在實驗室場景,這一缺陷不能很清晰地被定義。“因為在生產過程中,到底是1毫米的裂紋還是2毫米的裂紋,沒有那麼嚴格的規定。我們要通過很多個案,自己幫質檢人員總結出行業和技術都能懂的規范化描述,總結出來還要找他反復確認。”
算法公司也很難成為行業決定性的力量。“算法要落地,一定要面臨銷售,會有各種業務渠道的問題。隻要華為、海康威視這些公司把持住瞭銷售渠道,算法公司很難競爭。”小象認為,AI算法公司最終的選擇可能還是回歸到以算法為主。
(應受訪者要求,小象為化名)