盈利难依旧是人工智能无法掩盖之痛。

8月29日晚间，今年5月登陆科创板的云从科技披露了上市以来首份半年报。公司上半年实现营业收入3.91亿元，净利润亏损3.25亿元。

另一家AI龙头商汤科技上半年亏损净额为32.1亿元，在盈利遥遥无期下，商汤上半年营收5年来首次下跌，实现营收14.2亿元，同比降14.3%。

体量更轻盈的格灵深瞳在上半年实现营业收入1.17亿元；归母净亏1256万。

划重点，即使已经上市的AI企业，目前都无一盈利。

从2016年阿尔法狗战胜人类棋手柯洁，AI真正进入公众视野已经有6年多了。

如今，曾经困扰AI行业发展的数据、算力、算法、应用场景等因素，随着ABC（AI、Big Data和Cloud）的融合已经完全解决，AI产业进入到一个空前的大发展机遇期：无论是分析、感知智能，还是运力、劳动力智能，AI技术已陆续落地，去解决大量实际问题了。

与之相伴的，是资本市场对AI这个赛道、对赛道中创业企业（特别是头部企业）的关注焦点的迁移：技术创新已不再是资本押注的唯一地带。相较于此，他们还开始看重AI技术商业价值的释放。

那么问题来了，在前期建设成本极高的AI行业中，现阶段便对企业进行盈利方面的考量是否合理？商汤科技、旷视科技等头部AI企业，目前的技术商用主要集中在哪些方向？

01 上市有门，盈利无期

过去，资本圈在选择投资标的时，并不那么在意商业模式，甚至也无所谓被投项目何时实现盈利，他们更关心一件事是如何能够借助资本的力量，快速砸出一个品牌、一个品类甚至一个风口，进而实现上市并“套利”退出，之后再去复刻下一个品牌。

资本到位，砸出一个新品牌并非什么难事。因为融来的钱大多只用来营销：线上、线下海投广告，找顶流明星做代言；还有就是“烧钱”获客，大搞首次免费、拉新免费、现金返利、买一送N等等。

至于那些被投的企业是否真的能够活到商业模式显现的那一天，其实并不重要。因为热钱在意的是估值、是上市、是变现，毕竟上市才能创造出更大的“收割”空间。

尽管这样的投资逻辑过去大多应用于C端赛道当中，但经过几年的沉淀，市场对于那些技术创新和落地应用周期较长、投资回报较慢的一些B端赛道。如AI企业，他们同样会被赋予这样的认知：上市有门，盈利无期。

“AI四小龙”的旷视科技、商汤科技、依图科技、云从科技四家企业的资本现状，很好地说明了这一点。

商汤已于2021年底在港股上市；云从科技在今年5月27日正式登陆科创板；依图科技几经折腾后，目前已撤回上市申请；旷视科技于去年9月获上市委会议通过，不过到了今年3月，又因上市文件中财务资料有效期问题被中止，5月16日晚，上交所网站披露，恢复旷视科技发行注册程序。如果此次流程顺畅，旷视有望成为第二家A股上市的“AI四小龙”。

但无论“AI四小龙”是否已经成功上市，他们都面临着一个共同的难题：公司营收增长的同时，盈利情况仍遥遥无期。

兽姐就此与一些AI行业从业人士进行了沟通，他们普遍认为，如果市场现阶段就用盈利能力去衡量一家AI公司、甚至是这个行业的前景，这显然是不现实也是不客观的。在他们看来，有这样三个现实问题影响着AI企业的盈利。

首先，市场需求的产生与AI技术研发落地存在较大时间差。

“不同领域中的客户对AI的需求各有不同，这使得AI技术的落地场景过于碎片化，从业企业无法通过某个单项需求快速打入市场，一般只能是做完一个项目再做下一个项目。”一位资深从业人士告诉《独角兽挖掘机》：“无法标准化是造成相关企业亏损一个难以避免的原因。”

该人士进一步指出：“AI企业看似营收每年都在增长，但需要投入进来的研发费用一般也在逐年增加，加上从提出需求到技术研发落地，至少需要半年的时间，以及技术商用推广期产生的营销费用，这些都会拉扯硬科技企业公司的盈利能力。”

其次，是推送AI企业算法、算力不断完善的数据层面的原因。

有人认为，AI浪潮的兴起本质上就是深度学习技术的进步，而深度学习本身就是一种基于对数据进行表征学习的方法，再高深的软件算法、功能再强大的硬件设备，一旦没有数据积累，也就如同无米的巧妇，难有什么太大的作为。

众人皆知AI是大势所趋，但在技术与商业充分融合之前，AI需要解决的问题还有不少，其中第一大瓶颈在于大规模、高质量数据并不十分充足，特别是如何在巨量信息当中甄别和提取那些真实有效的数据，成为突围的关键。

最后，适用于AI行业的新型人才相对匮乏。

AI行业中的人才结构尚未跟上行业发展的速度。上述行业人士讲到，“懂理论、懂算法的，对不同产业痛点、既有规则的了解程度比较有限，如果让他们下沉到工厂、供应链条中去深入学习又不太现实。因此有些痛点即使通过技术有所改善，但根治程度可能并不深。”

02 AI技术开始广泛应用

尽管在AI企业在商业化道路上还有很长一段路要走，但这并不意味着他们的技术价值没有得到市场的认可。

我们可以先来看国外一个名为Shape的AI企业案例。Shape的主攻方向在于网络安全，一个极为典型的功能是通过AI技术去判断账户登录行为的发生，到底是来源于客户本人，还是来源于其他或是欺诈操作。

这个判别过程绝非想象中容易。

随着技术的进步，欺诈手段同样也变得越来越智能，因此有人将这个欺诈-反欺诈的过程定义为“让AI打败AI”。某种角度上，这和杀毒软件的存在有点儿类似，但Shape解决的这个问题目前杀毒软件不太能解决的。

作为美国本土网络安防细分领域排名靠前的AI企业，Shape就是用AI来直接解决程序攻击的问题。这也是为什么Shape的客户几乎都是美国本土非常顶级的企业，银行、航司，还有星巴克这样的连锁咖啡品牌。

如今，无论是中国市场、还是海外市场，小到刷脸支付、大到智慧城市，AI技术已渗透到社会生活之中的方方面面，特别是在各国不断出台的政策的扶植下，越来越多技术创新型企业跑步进入到这个新兴行业之中。

如果要将目前市面中不同类别的AI公司进行分类，业内人士给出了两种分类方式。

一、从技术角度可以分成三类：

最底层就是做基础架构的，包括了云计算企业、芯片企业等等，国内比较典型的就是阿里云、腾讯云、华为云、百度云、联想等硬科技企业；国外IBM、亚马逊等等。

中间层更偏重通用技术的研发，比如一直深耕语音识别领域的科大讯飞；国外的Siri近年来同样也在发力通用型AI语言助手，但要达到人们对智能的预期还需要一段时间。

再上一层是垂直行业应用，比如上市不久、注于医疗影像的鹰瞳科技，以及辅助金融机构获客、客服等金融科技企业。

二、如果从业务模式可以分成两类：

其一是直接用AI来解决问题的。除了上面提到的Shape，其他比较典型的代表就是无人驾驶（路、车、人之间的协同）、智能物流（仓储、运配、重劳动力的解决）、智慧城市（城市安防）等应用。

还有一个比较有意思的应用叫做智慧社区。这项应用主要针对独居老人这个客群，比如当一个老人几天内没有进出过自家屋门，社区物业就会收到系统提示前去查看，这样可以在很大程度上提高独居老人的居家安全问题。据了解，这项技术已在国内少数小区进行试点。

其二是数据积累后的智能化，或者说是互联网公司发展到后期自然会走向AI化。像国外的LinkedIn、Facebook，国内的淘宝天猫、抖音、小红书等等，他们在积累了大量数据后，可以基于这些数据做智能推送、关联好友推送等等。

数据算法训练下，这些互联网企业的一些产品功能和服务会变得越来越精准和智能，这也是为什么不少业内人士提出“未来，很多互联网公司都会自然而然地进化为AI公司”这种说法背后的原因所在。

03 中美AI技术和应用的两极

说到全球AI行业的发展，中美两个国家可以说已站在了整个产业的最前端。但对比两国AI发展的特征，业内人士认为主要有这样三点比较显性的差异。

第一点体现在人才建设方面。“美国AI起步较早，且很多本土大型公司都会与高校进行合作，花很大资金成本投入到人才培养方面”，上述行业人士指出，“中国的人才优势相对弱一些，但可喜的是，近年来处于快速增长阶段。”

“与此同时，很多国内的AI企业愿意花大价钱邀请海外优秀技术人才进来，将国外一些已有的市场经验对接到中国市场当中。当然，这些海外人才在进入中国企业之后，还可以结合中国市场的需求，进行一些本土化创新，这可能会孕育出更大的商业机会。”

第二点体现在国家战略方面。相较于美国市场自由创新的态度，中国已在多年前就将AI、云计算等上升到了一个国家层面，各地都在主推企业的数智化转型进程，这一点是美国AI创业公司不具备的优势。

一个国家一旦从政策层面想要促成某个事情，一般速度都会比较快、成效也会比较大。这种政策支持不仅会作用于AI创业企业，同时引起资本圈、普通投资人对行业的看好，这是对AI创业生态的利好。就这一点而言，中国AI创业的营商环境更优越。

第三点体现在门槛较高行业中的AI应用上。在中国市场当中，能源、安防、农业、金融等领域的专业门槛相对较高，产业资源普遍也更聚集一些，这些行业的产业结构非常成熟但不乏固化，因此想要依靠自身力量实现转型并不容易。

中信证券曾在2019年3月发表的一份研报中做出了这样的判断：中国AI市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，to G（对政府）和to B（对企业）将成为主要的营收来源。

大势所趋下，国内这类产业更愿意借助外部力量，帮助自己更好地实现转型，这自然给很多科技创新企业带来了更多商业机会。

AI四小龙之所以能率先进入到上市阶段，或在一定程度上基于先发优势，拿到不少政府合作项目，在扩大营收的同时打响品牌知名度。

克劳塞维茨在《战争论》中曾写过这样一句话：“要取得相对优势，就必须准确地选定决定性地点，并使自己的军队从一开始就有正确的方向，必须有决心为了主要的东西不惜牺牲次要的东西。”

这句话同样也适用于今天的AI企业，一个正站在从纯技术研发向技术商用过渡的新兴领域。风很大、浪也很急，AI企业想要在市场中脱颖而出，要拼比的战场已变得越来越多了。