人工智能之火热超出以往任何一个新兴产业门类。2017年初，全国AI相关注册企业数量还处于1.3万家的水平，到2021年末，AI企业数量已经超过17万家。五年间新增企业数量超过16万家。在资本市场，近十年流入AI领域的投资超过2.5万亿元。除去企业注册可能存在的水分，实实在在有数百家AI企业获得了资本真金白银的支持。红杉资本、真格基金、IDG资本等投资机构在AI赛道的投资次数都达到百余次。

　　源于计算机 立于算法 成于技术

　　概念提出时间普遍认同的是在1956年美国Dartmouth会议上，主题是讨论当时的计算机问题，但在为期两个月的会议中并没有解决计算机的任何具体问题。当时29岁的数学博士约翰麦卡锡（John McCarthy）首次提出了Artificial Intelligence这一概念，本意也是让计算机像人类一样思考，从而解决实际问题。但无意间却将AI从计算机学科中分离出来，成为了一门独立的科学。

　　随后，人工智能自己成长的道路上，AI成了下棋明星。1962年IBM的算法赢得了跳棋比赛；1997年深蓝战胜了世界象棋大师；2016年AlphaGo以4:1大胜围棋冠军李世石。似乎下棋才是AI能力的体现。但市场却不这样想，既然程序算法能下棋，那也必须能帮助人类筛选数据、选择路径、优化方案。

　　在不确定性中寻找一些确定性，提升商业价值。于是，AI 2.0开启了机器学习模式、AI 3.0演变为深度学习和大数据驱动模式。在互联网领域，使用者的行为数据构成了用户画像；在商业领域，个体的信用记录为商业协议条款定制设计提供了依据；在生活领域，电子设备与人类智能交互，进一步捕捉人类的意图。

　　如今，AI已经发展形成完整的生态体系，由基础层提供芯片、传感器、数据服务、云计算等核心能力；由技术层解决语音处理、自然语言处理、计算机视觉、机器学习等核心问题；由应用层提供机器人、无人机、可穿戴设备、智能家居等终端应用场景和智慧医疗、智慧教育、智能制造、智慧金融、智慧安防等行业解决方案。

　　智慧医疗

　　技术突破无疑是AI市场化的关键，也是行业成熟的标志。例如机器学习，在近十年间随着计算能力的进步和海量样本训练的支持，深度学习支撑起图像分析和语音识别等重点问题。但是不得不承认，图片像素细微的变化也可能造成AI识别的障碍。以至于让AI认识海量汽车的照片之后，对于下一张照片是否能识别出来还是一个成功几率的问题。只要这个几率是用户能够承受的，那便具备了市场化的条件。

　　智能识别

　　市场化的动力在于国际竞合和投资驱动

　　当前AI仍处于快速发展期，中美都在积极布局。国际竞争与合作强化了各国发展AI的决心。

　　斯坦福大学HAI（Human-centered AI）发布的指数报告显示：2021年全球AI投资规模达到1764.7亿美元，相比2020年1195.4亿美元增长了47.6%。中美合作的研究报告数量是美英合作的两倍多。清华大学人工智能研究院发现中国在自然语言处理、芯片技术、机器学习、信息检索与挖掘等 10 多个子领域的科研产出水平都紧随美国之后，居于世界前列；在多媒体与物联网领域的论文产出量超过美国，居于全球第一；而在人机交互、知识工程、机器人、计算机图形、计算理论领域，中国还需努力追赶。

　　目前中国发展AI产业拥有广泛而深入的应用领域，无论是终端应用还是行业解决方案，AI在社会经济发展过程中的渗透创造出了无尽的想象空间。以市场化水平衡量行业发展成熟度而言，AI已经开启了供需匹配、循环增长的发展通道。

　　政策引导资金、社会资本的价值在经济循环中逐步实现，市场化的需求迫使AI企业加快客户拓展，价值变现。在将来政策支持逐渐放手的时候，企业拥有独立发展、面对外部竞争的能力。

　　现阶段，AI投资模式也在悄然发生转变，我国AI企业早期投融资次数自2019年起显着下降，同期，中后期投资占比大幅提升，资金流向了更少的公司。而这些公司则被寄予了厚望。行业投资机构正在从“蒲公英”式的随风投资，向“定向栽培”方向转变。

　　作者|袁远  首创高科产业研究院