刘星、李开帝：现阶段人工智能企业股权投资总体估值回落明显。自2018年起，全球范围内的股权投资纷纷进入估值修正期，人工智能领域尤其突出。

作者：刘星、李开帝  来源：FT中文网

近五到十年，人工智能技术取得飞速发展，随着硬件发展节奏放缓和技术渐趋成熟，产业重心由技术开发逐渐转向垂直应用。从人工智能产业布局来看，美国全面领先于中国，尤其是在基础芯片、算法架构和数据处理上。科技巨头基于前期占据的基础设施优势，构建了技术壁垒。新进入创业企业更倾向于选择巨头难以覆盖的细分行业领域探寻机会。

中国人工智能创业现状与挑战

中国人工智能借助全球的开源基础，利用中国市场垂直应用行业规模可观的用户群体产生的大量数据，寻求自身的创新乃至突破；加之地方性、行业特定领域的扶持政策，以及各高校科研机构的探索性尝试，中国人工智能行业应用不断涌现具有单点突破能力的创业团队，形成了中国人工智能在各领域全面开花的发展局面。

从2014-2018年中国人工智能领域新成立的创业团队分布来看（参见图1），初创企业倾向于选择数据量需求大、相关技术成熟度处于中等水平的细分领域，如金融、营销、医疗等行业应用。

图1. 近五年内人工智能各领域各层次创业企业分布与技术就绪度

来源：IT桔子，信通院，清华电子系王生进教授报告，清华PE研究院整理

就医疗领域而言，尽管创业热度较高，但是，人工智能技术仍有很大提升空间，特别是在满足疾病的复杂性要求的医学图像识别算法，可穿戴医疗设备传感器性能，医疗大数据标注的可靠性，以及医疗数据隐私保护的技术手段等方面，均面临不同程度的挑战。

相比之下，自动驾驶和工业生产领域，所需算力高，技术就绪度偏低，创业企业更倾向选择在行业应用层切入市场。具体而言，自动驾驶领域的人工智能技术面临的主要挑战包括传感器智能化程度尚不达要求，自动驾驶的鲁棒性未得到证明，激光雷达等传感器成本居高不下，以及尚无明确的法律法规和事故责任判定。在以智能制造为代表的工业生产领域，则面临着信息技术的集成化应用有待深入，芯片、视觉、定位等深度学习技术有待突破等技术瓶颈。

此外，尽管智能家居领域的技术就绪度相对较高，但是，各产品间的信息和数据整合不足，操作系统繁杂、不实用，用户体验差，市场缺乏统一标准，品牌不兼容，信息安全存在漏洞，以上方面均有很大提升空间。

中国人工智能股权投资与退出情况

综合IT桔子和私募通等数据源，2014年至2018年，中国人工智能领域共发生2800-2900起股权投资事件，涉及近700家企业，总投资金额超过1500亿元人民币。2015年是中国人工智能股权投资快速增长的腾飞之年，投资总额和投资案例数均呈现高速增长；2015年后至今，人工智能股权投资金额一直保持增长，但投资案例数趋于平缓。

企业服务、汽车交通、文化娱乐、医疗健康、教育、金融等是人工智能股权投资热门领域。其中，自动驾驶和AI医疗领域股权投资数量增速迅猛，复合年增长率（CAGR）分别超过200%和100%。

2014年至2018年，中国人工智能领域共发生126起退出事件，数量仅为同时期的投资事件的1/20。其中，IPO退出占四成，回报仅为1.83倍。相比之下，并购退出的回报倍数则较为乐观，达到5.59。这一组退出数据也初步反映出二级市场对于人工智能的近期发展仍存疑，人工智能在中国尚需要更长的产业孵化周期。

中国人工智能股权投资进入冷静期

（一）产业落地难，资金端收紧，AI企业估值回落明显

一方面，人工智能产业在经历了新一轮的政策和资本助推之后，产业进一步落地难的现象已经逐渐显现出来。清华大学微电子研究所所长魏少军教授曾点评：“车载自驾系统的爆发时间太长，安防行业巨头系统生态绑太紧，医疗系统壁垒不易突破，军警系统水很深，工商业应用碎片化须要长期抗战。”

另一方面，2018年国内资金端收紧，进入2019年，中美贸易争端引发美元基金先扬后抑，股权投资机构募资受挫，出手更加慎重，对投资标的的筛选变得更为谨慎甚至挑剔。

两方面因素叠加，致使现阶段人工智能企业股权投资总体估值回落明显。自2018年起，全球范围内的股权投资纷纷进入估值修正期，人工智能领域尤其突出。有的AI创业企业由于在关键业绩指标上没有达到既定目标，进而触发了保护性投资条款，或者是在新一轮融资谈判中，估值直接打六折、五折，无论那种情形，对于创业企业和已经“进场”的投资机构而言，都难免会出现“双输”的局面。当然，从长期来看，估计逐步走向合理区间，还是有利于行业的良性、健康发展。

（二）加强场景认知，打造系统型能力，利用成熟的AI技术寻求产业落地

股权投资机构在筛选人工智能领域的投资标的时，更加注重企业具备全站式、系统型能力，基于场景的认知优化。例如对于做AI医疗的创业项目，核心创始团队成员里，是否有人对医疗应用场景有足够深入的理解，已经成为投资机构筛选项目标的的重要考量指标。对于场景的认知，不仅包括对现有行业痛点的深刻理解，也包括对完善和建设中的行业标准的跟踪。否则，对于众多处于人工智能应用层的初创公司，仅仅利用时间差，在数据层面建立优势或难持续。

人工智能领域的大型公司往往是研发、开发和应用紧密结合。对于初创型公司，一方面可使用相对成熟的人工智能技术（如语音识别和图像识别），利用中国市场的数据和算力优势，积极需求产业落地。另一方面，更要时刻关注/参与基础研究的进展和技术迭代。

（三）理解To G - To B - To C的产业落地梯次

有业内人士认为，初创型人工智能企业在寻求产业落地方面，可以参考To G 到To大B到To小B 再到To C的梯次。例如，世纪晟的人脸识别技术支持不同人种识别，获得广东省公安厅的认可，打入安防领域。格林深瞳将对工程师的考核指标从参加学术竞赛和发表学术文章，转到积极备战公安部举办的竞赛，从而获得银行安防领域仅次于海康的大额订单，在2018年实现了全年盈利。当然，这并非说人工智能企业加强在学术前沿的研究和曝光率是无效的。此前提到的赛灵思收购深鉴科技，恰恰看重的是深鉴科技团队在算法方面的创新能力。因此，创业企业要结合自身的资源禀赋，制定有效的产业落地梯次。

中国人工智能股权投资进入深水区

（一）算法突破性研究壁垒高

现阶段，基于深度神经网络（DNN）的算法尚处于黑箱阶段，轻微扰动导致的严重的对抗识别的范例尚无法得到有效解释和解决。DNN算法的本质导致的可靠性问题，限制了其在工业场景的深入应用。图灵奖得主、清华大学姚期智院士认为，随着深度学习算法研究的持续开展，算法透明化和可解释性有望取得突破，但结果可能“令人失望”，因为深度神经网络能产生的价值有限。姚院士呼吁，与其陷入对现有算法模型的修补，中国更应加大人工智能的基础研究，在强化学习、进化算法以及交叉学科多技术协作等方面探索新路径，寻求突破。

然而，人工智能算法的开拓性研究有极高的壁垒，需要系统的科研配套、大量的资金支持和持续的产业孵化。例如，优步人工智能实验室（Uber AI Lab）近期在深度进化算法方面的研究成果，消耗了相当多的计算资源——论文中的实验是在720-3000 个CPU组成的大规模高性能计算集群上运行的。这种量级的计算能力要求，是领域内多数的研究者、创业企业无法企及的。因此，优步人工智能实验室随后开源了一组进化算法代码，其特点是可以高速、廉价地进行进化策略研究，从而使更多的研究人员能够着手研究。使用这些算法代码训练深度神经网络玩Atari游戏，只需在一台现代台式电脑花费4小时，原来则需要在720个CPU组成的集群上花费1小时（来源：Accelerating Deep Neuroevolution: Train Atari in Hours on a Single Personal Computer, Uber Engineering）。训练速度的提升，不仅有研究人员在算法方面的改进，也因其设计了谷歌架构平台TensorFlow的定制应用程序。

对于处于应用层的众多中国厂商而言，人工智能基础研究的突破，将产生颠覆性的影响。因此，中小型人工智能企业即使不能参与到最前沿的算法研究，也要密切注视研究工作的进展，及时地将新技术应用到自己的产品中。

（二）针对行业痛点，应对数据、算力方面的挑战

人工智能的进一步发展，在数据、算力等基本要素方面均面临着不同程度的挑战。只有有效应对/解决行业痛点的企业，才能获得投资机构的青睐。

在数据方面，中国市场的纵深为人工智能提供了丰富充足的应用场景生成的数据信息，推进的重点是如何把海量数据转换成有价值、可分析的数据，用以智能推理和预测。例如，多源数据结构化和联通；满足不同应用领域的智能终端的升级换代、性能提升并降低成本；行业标准的建立，符合行业规范和专业性要求的数据标注，以及数据信息安全。

在算力方面，各地政府的政策扶持、引导基金、财政补贴等，为提供强大算力建设大批高性能计算设备提供了较好的资源保障，阶段性发展重点包括：（1）满足算力的物理硬件基础（如处理器、可编程逻辑设备、存储器等）的国产化替代，产品性能/功能提升的节奏，稳定批量生产，新建产能的投资回收周期等；（2）配置算力软件的模块化，以提供对计算、存储、网络等基础资源的管理和调用的高效、易操作的解决方案；（3）基于底层框架平台结合行业应用属性的深化和优化；（4）应对计算功耗和时延性的从云到边的迁移，等等。

（三）借力产业投资机构的技术基础和生态资源

人工智能领域的技术发展，对股权投资机构提出了更高的要求。投资机构纷纷引入具有深厚产业背景的中层管理者加入。尽管如此，由于人工智能所涉及的交叉学科和细分领域的深化，不乏股权投资机构在与创业者就技术进行深度交流时表示“看不懂”。相比之下，具有产业背景的投资机构（如企业战略投资者CVC），可以通过调动内部技术团队，来评估拟投资标的的技术水平，提高投资成功率。

因此，在全球范围内，人工智能股权投资经常出现独立投资机构（IVC）和战略投资机构（CVC）联合开展股权投资的案例。例如，2019年，诺基亚成长伙伴基金和高通风险投资参与投资美国人工智能企业Zinier；2018年，英特尔投资领投以色列人工智能初创企业Habana。

根据清科私募通数据资料，我们发现，CVC在机器人、教育、文化娱乐和云服务领域的人工智能布局，均比IVC更为活跃。进一步梳理人工智能领域活跃的战略投资机构，我们总结出如下几类：以百度、腾讯、阿里、京东为代表的互联网巨头；文娱传媒类上市/明星公司，如奥飞娱乐、今日头条、分众传媒、快手等；新兴人工智能企业，例如科大讯飞、TalkingData、旷视科技等；智能制造类大型企业，如富士康、九阳股份等；以小米为代表的运用平台优势聚合创新力量的企业；部分从事战略投资业务的金融集团，如复星；以及其他如教育、新能源行业的大型公司。

从CVC的角度来看，以股权投资的方式，获取持续、创新的研发力量，建立新兴领域的话语权和影响力，或者是对现有客群流量的进一步变现，也成为一种日渐兴起的发展策略。

对于创业企业而言，引入产业背景的投资机构作为投资人，意味着加入了产业投资机构的产业生态，典型的如产业链供应商资源、用户流量资源、技术架构平台资源、数据资源、客户渠道资源等等。为此，创业企业愿意接受更低的估值，这也有助于人工智能企业锻造更加持续的生命力。