在经历近几年高歌猛进的发展后，人工智能似乎正在经历一波低谷。被称为“AI四小龙”的商汤科技、旷视科技、依图科技、云从科技遭遇市值暴跌或经营亏损。其中，实力最强、曾创下全球人工智能领域最大规模IPO的商汤科技，在6月底股价跌破发行价。也有不少人工智能企业目前仍处于亏损状态中。
亏损成常态、市值缩水、融资困难……人工智能是否正在经历市场泡沫的破裂？人工智能的“第三次寒冬”是否已经到来？日前，中国计算机学会青年计算机科技论坛(CCF YOCSEF)举行论坛，邀请人工智能领域的技术、投资等专业人士探讨“人工智能产业化路在何方”。
投资估值回归理性
人工智能是不是迎来了泡沫破裂？技术出身的投资人颇有发言权。
在这场研讨会上，将门创始合伙人兼首席技术官沈强直言：这并不意味着人工智能领域迎来投资寒冬，而是说明投资估值体系更加回归理性。“毕竟经历了十年时间的持续投资，产业界对于AI技术的期待不仅仅是在创造更多、更新的技术，而是要在实际的业务里创造价值。”
沈强曾在诺基亚、微软等科技企业工作，曾担任微软创投加速器首席技术官，也参与过对不少人工智能初创企业的投资与服务。他总结近十年来人工智能领域的投资情况后发现，2021年投资总额达到顶峰，但此时单笔融资的平均金额也在上升，这说明人工智能领域的投资已经发展到了中后期。“越来越多AI公司已经从高速增长期，转入到成熟发展的阶段。”
至于最近两年一些人工智能企业的融资或估值下调，沈强认为这并不能归因于投资界对人工智能的热情在衰减，而是因为疫情产生的一系列连锁反应：投资机构的资金供给减少，估值下降。而已经公开上市的明星AI公司的股价波动，会直接传导给一级市场(通常是未公开上市之前的股权融资市场——记者注)。
“如果(已经IPO上市的企业)它们都不行，是不是在一级市场上投的公司也会有隐忧，AI创业还要继续吗？”沈强说，在将门创投所维护的约两万人的AI技术创业者社区内，这是许多创业者、工程师都非常关心的问题。
作为创业者，北京一流科技有限公司创始人袁进辉也有“唇亡齿寒之感”：“二级市场不好，创业企业在一级市场融资也会变难。”他认为，前几年市场普遍对“人工智能产业化”期望过高，如今在未能满足期望的情况下会有些失望，但人工智能已经在越来越多的领域开始创造价值了，而且随着渗透率提升，机会不仅限于人脸识别、语音识别等表层应用，还有很多中下层、基础设施的机会开始涌现。
袁进辉博士毕业于清华大学，2017年开始带领创业团队研发深度学习框架OneFlow。这类框架被称为“人工智能操作系统”的基础设施软件，是人工智能芯片等底层硬件的软件入口，也是近年来被看好的投资热点。他创办的一流科技也获得了九合创投、高瓴创投等知名投资机构的近亿元风险投资。
作为从业者，袁进辉认为国内人工智能领域已经培养了大量工程师人才，有条件在更多和人工智能基础设施这样类似“丛林探险”的新兴领域领先和超越。“如果我们比别人思考得更深入一些，看得更远一些，是有这个机会的。”
“技术创造了多少价值”
在本次研讨会上，北京交通大学教授陶耀东讲了一个真实的案例：某家工业互联网企业准备向其他工业企业提供服务，具体做法是派出大数据工程师帮其进行节能改造，但仔细计算人员工资、时间成本后，发现这种模式无法长期复制。
“因为用AI的成本现在不低，一个普通的企业要用AI，怎么能有利润来覆盖这个成本？”陶耀东提醒，人工智能的长远发展仍需与产业紧密结合，让使用AI技术服务或产品的企业能降本增效，创造更多价值。
事实上，如何降低人工智能的使用门槛也是全球产业界面临的共同问题。加拿大蒙特利尔大学算法研究所(Mila)、商学院、计算机系副教授唐建认为，早期的人工智能创业公司的商业模式，大多是向传统产业提供由AI算法支撑的技术服务，但这类商业模式的局限性在于研发投入很高，利润很薄：需要建设数据中心和算法模型，相应的人员投入也非常大，但拿到的收入却不多，“造成很多企业基本不盈利，很多都是投资在后面支撑”。
此外，许多AI初创企业还要面临来自其他行业的挑战。唐建举例说，商汤科技等人工智能企业在进入安防摄像头领域时，往往会面临其他企业的竞争，这些企业的优势在于大量的数据、用户积累。随着人工智能技术的发展，这些企业也在吸纳相关人才，提升自身实力，甚至在一些细分领域会超过商汤科技等AI公司。
创客总部合伙人、北大校友创业联合会副会长陈荣根指出，像许多前沿技术一样，人工智能在产业化的过程中往往面临三大鸿沟：技术鸿沟，技术到底行不行；产品鸿沟，能不能做出产品；规模鸿沟，能不能做出规模。
“从产业化的角度来说，尽快跟客户见面，知道客户想要什么，最终要创造客户的价值，这也是一个挑战。”陈荣根认为，人工智能在近几年已经过了“技术行不行”“技术怎么落地”的阶段，现阶段要回答的问题是“技术怎么能为应用场景创造价值”。“现在不仅仅谈技术、性能，还要看你创造了多少价值。”
呼唤人才培养机制创新
人工智能为各行各业提供了价值，既懂技术又懂产业的跨学科、跨领域人才就显得至关重要。
清华大学智能产业研究院院长助理、战略发展与合作部主任张煜曾在微软公司工作过十多年。在他看来，人工智能属于应用型学科，目前还不是一级学科，需要跟实际应用紧密结合。因此，在人工智能的人才培养方面，交叉学科的建设就显得非常重要。
这也是华北电力大学教授张莹关注的问题。她注意到，目前高校对人工智能人才的考核，不论是理论研究方向还是产业落地方向，评价体系是一样的，高水平论文都是其中的一项重要内容。
“考核必然引导大家研究的方向，或着力点不同。”张莹认为，要想提高人工智能在各行业的落地成效，需要相关科研人员深入具体企业。“只有深入了解行业背景，才能产生更好的模型，适合在不同的行业。”因此，她建议借鉴国外经验，允许高校教师、科研人员利用一年或半年的学术年假，到一些企业中参与工作，深度理解行业需求。
“产业化的核心是人才培养。”中国科学技术大学教授何向南提到，工程硕士、工程博士等专业型人才的培养非常重要，我国已经培养大量专业硕士、博士，但对于人工智能与其他行业的交叉学科，如何评价一个专业硕士或专业博士是否合格则显得十分困难。“目前评价体系缺失，所以很多学校‘偷工减料’，就是用原来的体系去考核。”他认为，如何培养人工智能产业所适用的人才，是当下亟待解决的挑战。
本次论坛的主办方——中国计算机学会青年计算机科技论坛(CCF YOCSEF)，创建于1998年，总部位于北京，在全国有27个分论坛，通过举办论坛等活动讨论学术、公共政策等问题。