从震惊棋坛的阿法狗，才艺双绝的微软小冰，到疫情期间智能送餐机器人，及如今各地加紧上路的自动驾驶，在今天，AI几乎无处不在。
9月15日，上海证监局官网公示了Yitu Limited(以下简称“依图科技”)辅导备案公示文件。文件显示，AI“独角兽”依图科技与国泰君安证券签署辅导协议，拟以公开发行中国存托凭证（CDR）的方式在A股上市。
又一家AI“独角兽”要上市了。
2019年8月旷视科技向港交所递交了招股说明书；今年8月，云从科技启动A股上市辅导。至此，多次被传言上市的AI“四小龙”商汤、旷视、依图和云从，除商汤外，其余三家均已正式启动了IPO计划。
在计算机视觉应用领域，被称为“四小龙”的商汤、旷视、云从、依图，已经抢占了超过60%的市场份额，估值都已过百亿。AI“独角兽”企业排队IPO，属于AI公司的时代到来了吗？
还远没有。
根据Gartner预测，2022年全球AI芯片的市场规模将从2018年的42.7亿美元上升到2023年的323亿美元，2019-2023年平均增速约为50%。但翻过硬币的另一面却又是另一番残酷的市场现状。亿欧报告显示，2018年全年，近90%的人工智能公司处于亏损状态，另外10％则是给传统行业巨头打辅助，扮演着技术提供商的角色，勉强维持温饱。AI公司前景虽美，但AI公司的落地场景、商业化、行业竞争力等方面都需要打一个问号。
一、前景很美好，商业化落地难
人工智能，本质上还是一种技术工具，人工智能进入一个行业将会激活传统行业的市场，帮助传统行业获得更高的生产效率，但是，如果这种生产效率没能获得更高的收益，AI公司赋能的商业价值也就很难体现出来。
在AI公司“必争之地”安防行业，海康、大华等巨头抢占了大部分市场，客户更换设备的成本非常高，涉及到同步更新服务器、平台，迁移历史数据等问题。如果没有大幅度的技术优势，客户更换设备的动力非常小。
算法是AI公司切入安防行业的利器，不过，在安防领域，传统巨头也在组建自研团队，机器视觉的识别成功率能够达到95％，AI公司的算法即便更先进，能够达到97％的识别率，但是对于大多数客户而言95％已经足够满足需求，更精准的识别率与所付出的成本不成正比。因此，大多数客户并不会为了这不易感知的提升而付出更多预算。
旷视科技安防事业部技术总经理那正平曾有过这样的预判“安防这个行业内的玩家基本已经固定了，其他的创业者们再想入局也难度极大。”
对于医疗行业而言，理论上只要给AI“喂”足够丰富的数据，便可以极大提高医学数据的测定和分析过程的自动化程度，从而大大提高工作的速度，减轻医生的工作强度和减少主观随意性。
比如在医学影像领域，AI公司可以通过建立模型，对数据大量训练从而对各病种进行筛查，减少医生的工作量，但是问题恰恰处在数据上，使得实际应用有些尴尬。
中国科学院院士、上海交通大学Bio-X中心主任贺林表示，国内医院现有业务产出的医疗数据质量普遍不高，特别是病历数据，不同医院写法不同，详略质量参差不齐，同一个病人在不同医院就诊的数据无法链接、整合、形成队列，碎片化程度高。
在2020全球人工智能产品应用博览会上，李兰娟院士也提出过同样的担忧“大数据与AI的平台一定要开放共享。数据据平台如果不开放、不共享，这些数据都是没有价值的。”
除了数据“孤岛”问题，AI诊断对数据标注的专业性也提出非常高的要求。对影像数据而言，图片质量标准化程度低，带专业标注的影像图片更需要大量专业医师额外制作，这些都给进一步优化现有人工智能产品带来了阻碍。
并且，贺林院士也指出，医疗是强监管的行业，尤其对于临床辅助产品，需经过药监局认证才可以推向市场。目前国内尚且没有企业拿到新一代医疗AI产品的医疗器械注册证。“智能相对论”发现，更多的AI公司还是以科研、合作的名义游走在监管边缘。
在智能语音行业，2017年2月，韩国首尔世宗大学举行了一场人类对抗AI翻译比赛。参赛选手包括从业经验在5～20年的4位专业翻译员、谷歌翻译、韩国NAVER翻译程序Papago、自动翻译国际企业SYSTRAN。最终结果显示，在满分为60分的比赛中，AI翻译平均得分为20分，而人类译员平均得分49分，远超人工智能。
国内人工智能语音技术几大巨头如科大讯飞、搜狗、腾讯等公司对外宣传技术准确率已达到97％以上，但在实际应用中，如非常重要的传译场景下准确率流畅度均不如人意。在2018年创新与新兴产业发展国际会议中，科大讯飞曾被实锤为利用人工传译内容冒充AI机器翻译。
2018年博鳌论坛采用了腾讯AI同传服务，同样出现许多翻译不准确，词汇重复、短语误用情况，甚至将“Yes,please.”这样的小学生日常对话用语，翻译成了“是的，求你了”，也一度成为了翻译权的新笑料。
二、护城河较浅，跨行竞争大
在一个应用场景下，AI公司所能占据的市场不仅要防着同行竞争，BAT以及海康、华为等大头的各类科技公司都有机会抢夺。
这是由人工智能产业链所决定的。人工智能产业链大致分为三层。最底层是基础层，硬件、云计算、数据资源；中间层是技术层，如学习框架、算法模型；在网上应用层即行业赛道，具体的解决方案，通常是传统行业巨头占据。
其中，基础层门槛非常高，芯片、开源框架和云计算有英伟达、高通、英特尔、谷歌、亚马逊、微软、华为、阿里巴巴等巨头把持。AI创业公司无法突破。
AI公司主要集中在技术层，这一层也是串联上下两层的关键要塞，是当下巨头打造生态的必争之地，AI公司以从语音识别、图像识别等算法切入市场，如今随着各家算法逐渐成熟，门槛逐步降低，在算法没有足够差异化的情况下，拼的就是数据量了。
AI公司既没有非常底层的核心技术，又没有足够强大的数据获取能力，巨头跨界打劫只是时间问题。
非常典型的一个案例是在语音识别领域。称之为“中国人工智能第一股”科大讯飞，声称掌握了语音识别核心技术，在业内有着近20年的积累。而在2015年，百度开始布局语音技术领域，仅两年后，2017年百度便宣布语音技术全系列接口永久免费开放，且提供语音识别、语音合成、语音唤醒多平台SDK（软件开发工具包），全方位支持开发者和合作伙伴，顺利与华为达成合作。
而后不久，阿里也宣布自研了语音技术，并在淘宝、支付宝等app上应用；而二线互联网公司搜狗曾是科大讯飞的合作伙伴，在几年的研发投入后，语音识别率和科大讯飞不相上下。
互联网公司拥有强大的研发实力，海量用户数据天然优势，及更贴近用户使用场景，科大讯飞20年的技术沉淀就这样被互联网巨头在数年间轻易追赶上了。
同样的事情也出现在知名AI公司寒武纪身上。
2017年，寒武纪与华为麒麟达成合作，在华为Mate 10手机的麒麟970芯片上集成寒武纪1A处理器（16nm制程）作为其核心人工智能处理单元。但华为也仅仅将寒武纪的IP当做是一个过渡方案，仅一年后，华为达芬奇架构发布，采用更先进的7nm工艺制程，随之与寒武纪分手。
可以这么说，在终端项目上，华为与寒武纪既是竞争又是合作关系，后者曾以AI算法领先，华为选择寒武纪可以节省成本和研发时间。然而，如今算法已经成为行业的通用技术能力，重要性不言而喻，并且自研芯片和算法更有利于内部调试优化，于是华为转投自研了“达芬奇架构”，性能还略胜寒武纪。华为是全生态的，具备上游芯片设计开发能力以及手机、服务器等终端应用优势，很显然，在实际应用上，寒武纪这类AI公司非常被动。AI赛道是残酷了，兴也技术败也技术，一旦技术落后就很容易被坑杀。
三、技术“冲锋战”转变为资本“堡垒战”
曾经的“人工智能第一股”科大讯飞上市多年以来业绩大头仍旧靠地方政府的教学软件、政法软件采购上位，与AI并无直接关系。更可笑的是在2018年时曾被央视曝光以 “AI” 为名在各地储备地皮，兴建科技园区赚取高昂利润，令这家人工智能企业落下了“不务正业”的笑柄。
被华为“抛弃”的寒武纪，为保住200亿高估值快速上市，更是不惜以集成商的身份承担西安和珠海的政府项目及建造数据中心，成为政府信息化项目的“包工
