AI产业遇冷，大批科学家出走，基础科学研发的可持续模式在哪？_风闻

撰文 | 刘远举

1 AI技术产业化

第一次人工智能热潮，出现在20世纪60年代，人工智能之父图灵，提出了著名的图灵测试，用于判断机器是否智能，引发热潮。

第二次是在20世纪80-90年代，以语音识别的阶段性突破为标志。还记得当时在windows 97上运行的一款IBM的语音识别软件，需要先对着麦克风朗读大概几百个字对软件进行训练，基本可用，但并不好用。

第三次人工智能热潮，就是当下以深度学习为基础的人工智能。

从2017到2018，人工智能这把火越烧越旺，如人脸识别技术，语音识别技术，大数据分析挖掘等等，以及集这些技术之大成的自动驾驶。这一次热潮中，出现了完成度较高的产品，AI技术正式进入产业化。比如，包括科大讯飞的翻译器、语音转文字、人脸识别、智能AI音箱，这些产品已经进入生活。

这个阶段的AI产业发展趋势，类似于邓宁-克鲁格曲线，短期内爆发到顶点，充满自信，行业泡沫产生，相关技术的创业公司涌现，不管是创业公司还是大厂，纷纷争抢头部AI人才，资本追捧。

投资高峰时期，AI明星公司，动辄融资过亿，估值更是一路高涨。据公开资料记载，2016年-2018年间，AI行业的投融资事件多达两千多起，融资金额也再创新高，多达2500亿元。

比如，商汤在2017年和2018年两年间就融资数十亿美元，其中仅2018年，融资总额就达到了22.2亿美元，估值也从2017年底的20亿美元猛增至了60亿美元。

2 AI科学家的吸纳与出走

不同于传统经济，“研发—销售—赚钱—再次投入研发”这种缓慢的技术升级模式，互联网、特别是移动互联网带来了“风投融资—上市”模式。这种模式对市场份额极端依赖。新技术获得风投，迅速把最基本的商业模式变为现实，然后，吸引流量与客户，随后再通过几轮融资扩大规模，最后上市。

这种模式之下，赢家通吃，依靠风投迅速扩张，获得市场份额变得至关重要，甚至是超越短时期的盈利。

技术创业公司，既然依靠风投推动，也大致离不开这个规律。不过，技术创业公司与O2O领域还不同，最重要的指标，不是用户数量、市场份额，因为技术还没有投入市场，没有用户也没有份额。这个时候，创业公司需要证明自己的技术，最直观的办法，就是拥有多少科学家。

而且，与O2O不同，AI技术创业公司专业程度更高，一般人投资人很难看懂，他们就需要一些外显的、易懂的指标。拥有一个科学家，就把他的技术、论文置入公司麾下，那么，公司对外展示实力、吸引风投，就多了几分胜算。

比如，当时最多的报道就是AI公司在顶级学术期刊和比赛的获奖消息，例如CVPR（国际计算机视觉与模式识别会议）是计算机视觉领域世界三大顶会之一，商汤、旷视等AI明星企业，不管是高管发言还是公司新闻报道，总是在提及在自己在CVPR上的论文数和具体比赛项目的排名。

另一方面，很多这个领域的科学家也希望进入行业。

当时行业的确是充满对未来的自信，相信AI即将改变世界，谁拥有更强的技术，谁就是可以独占鳌头。科学家也相信这一点。从默默无闻的算法专业，到红得发紫的人工智能，这个领域的科学家也会因为突然受到追捧而兴奋。

更重要的是，科学家不断的认识世界，不断将人类的知识推向新的边缘，最终目的就是改变世界。进入业界，就是一个改变世界的机会。

于是，在各方多种动机之下，创业公司给高薪，科学家要人给人，要钱给钱。当时卡耐基梅隆大学计算机科学院院长 Andrew Moore 教授曾公开表示：“一名 AI 专家对于企业的价值，至少为500-1000万美元”。

AI学术大牛马维英加盟字节跳动3年后，又辞职重返学术界（图/网络）

但是，时间进入2019年，随着AI公司并未立刻获得爆发性增长，技术相对停滞，而外部资本情况发生变化时，AI（人工智能）行业遭遇寒冬。作为行业遇冷的表现及后果，就是一些大型互联网公司或者AI明星的科学家开始“出走”。

据虎嗅不完全统计，国内知名AI科学家职位变动人数达十余位。而这与几年前，形成巨大的对比。

AI行业也从自信的高峰，立刻跌入低谷。

3 基础科学研发的可持续模式

低谷中的创业公司，首要任务是活下来，无法用更长的探索周期来实现技术与产业的结合，而科学家的声誉也不能再带来融资。科学家再度出走，走入高校，或选择跳槽，或选择自己创业，就成为一个行业发展的必然现象。

行业泡沫是正常的，这本身是繁荣的一部分。不过，真正需要思考的是，基础科学的研发，依靠“风投—融资—上市”，是否可行？还是仍要依靠以前的，“研发—销售—赚钱—再次投入研发”这样的长期的、可持续的模式？

近年来，AI融资交易量连续下降（图/网络）

个人觉得，AI技术的发展，不是互联网+，不是简单的把AI应用于传统场景就能改变世界的。某种程度上，互联网+，是把成熟的基础技术组合，比如LBS+无线通讯技术+摄像头技术。这些都是成熟的技术。

但AI技术本身，是一个底层的基础技术，这就决定了它还有很长的路要走，也就是说，还是需要回到“研发—销售—赚钱—再次投入研发”的模式。这当然，需要企业做出长期的科研投入，而长期的科研投入，则需要建立对未来稳定的预期。

值得一提的是，科学家重回校园，也是一种可持续的长期循环，也即“研发—投入社会—社会效益—税收—研发”的政府大循环。而越是基础的科学，就越需要这种大循环。

本文经授权转载自微信公众号“科思”。