今年初，某篇文章寫了“AI獨(dú)角獸涼了，制造業(yè)是幕后最大推手”文中最后曾寫到：2020年突發(fā)的疫情，將AI推到了絕境——一些PPT玩家將黯然離場；另一些則匯入制造業(yè)的大海中，接受更大的考驗(yàn)。

轉(zhuǎn)眼一年即將過去，AI市場前景如何？又誕生了哪些新的獨(dú)角獸？一起來看看資本市場對(duì)AI的關(guān)注度。根據(jù)查閱CB Insights的數(shù)據(jù)，2020年以來，全球AI融資交易數(shù)量連續(xù)下降，從第一季度的506起，降到了第二季度的458起。而與之相比較，疫情襲來之前，2019年第三季度的交易數(shù)量是660起。

再來看數(shù)據(jù)服務(wù)商企名片的數(shù)據(jù)顯示，中國人工智能領(lǐng)域，2019年共計(jì)完成371筆融資交易，融資金額約為271.9億元人民幣，2020年截至目前，共完成305起融資，總金額約243.2億元。

無論是全球數(shù)據(jù)還是中國數(shù)據(jù)，都在顯示著AI熱度的下滑。

后浪推前浪，新AI獨(dú)角獸企業(yè)發(fā)力

小編檢索了一下近期國內(nèi)AI融資交易，其中與工業(yè)AI相關(guān)的企業(yè)融資案例并不多，但可以看到一批新的獨(dú)角獸企業(yè)正在接受市場的考驗(yàn)。

不知道大家是否發(fā)現(xiàn)，從技術(shù)應(yīng)用方面來看，多數(shù)工業(yè)AI企業(yè)都將目光聚焦在了視覺檢測市場。

傳統(tǒng)工業(yè)檢測采取人工檢查，但每個(gè)人與每個(gè)人在缺陷判別上存在個(gè)體與個(gè)體間的差異，而且長時(shí)間的檢測也會(huì)導(dǎo)致工作人員產(chǎn)生視力疲勞，很多產(chǎn)品的微小瑕疵就不能被高效識(shí)別。而且，隨著中國人口紅利的消失，很多人都不愿意從事質(zhì)檢工作，企業(yè)面臨招工難的問題。在這種情況下，用AI賦能的工業(yè)質(zhì)檢引起了廣泛關(guān)注。

機(jī)器視覺工具利用機(jī)器學(xué)習(xí)算法，經(jīng)過少量圖像樣本訓(xùn)練可以在精密產(chǎn)品上以遠(yuǎn)超人類視覺的分辨率發(fā)現(xiàn)微小缺陷。產(chǎn)品質(zhì)量提升還可以通過工藝優(yōu)化實(shí)現(xiàn)，人工智能對(duì)關(guān)鍵工藝步驟的數(shù)據(jù)進(jìn)行感知分析，并依此實(shí)施優(yōu)化提升良品率。這些應(yīng)用可以為那些生產(chǎn)昂貴產(chǎn)品、對(duì)產(chǎn)品質(zhì)量要求高的企業(yè)創(chuàng)造可觀的經(jīng)濟(jì)價(jià)值。

例如，某成都工廠采用了自動(dòng)化光學(xué)檢測系統(tǒng)來控制PCB板的缺陷。由于監(jiān)測標(biāo)準(zhǔn)嚴(yán)苛，設(shè)備查出的缺陷在人工復(fù)檢后發(fā)現(xiàn)80%是“假錯(cuò)”。而通過人工智能與邊緣計(jì)算組合的方式對(duì)“假錯(cuò)”進(jìn)行甄別，可以降低75%的人工復(fù)檢成本，同時(shí)可以實(shí)現(xiàn)“真錯(cuò)”的100%“0逃逸”。

AI項(xiàng)目實(shí)施未達(dá)預(yù)期

曾經(jīng)的AI，資本市場相當(dāng)活躍，誕生了眾多頂級(jí)玩家，但隨著市場進(jìn)入冷靜期，資本與社會(huì)更加理性，PPT玩家也只能是曇花一現(xiàn)，只有將AI項(xiàng)目真正落地才是持久發(fā)展之道。

從前文幾家投資案例來看，現(xiàn)在AI的投資市場不再講究概念和噱頭，而是真正的落地應(yīng)用，需要的是幫助產(chǎn)業(yè)迅速形成產(chǎn)品走向市場的應(yīng)用。

那么，如今的AI項(xiàng)目實(shí)施又是怎樣的呢？根據(jù)《造有道 智萬物——德勤人工智能制造業(yè)應(yīng)用調(diào)查》顯示，中國制造業(yè)企業(yè)人工智能項(xiàng)目實(shí)施不在少數(shù)，但是，不論從企業(yè)獲益角度還是預(yù)算和時(shí)間投入角度衡量，認(rèn)為項(xiàng)目達(dá)到80-100%預(yù)期的企業(yè)僅為9%。這意味著91%的人工智能項(xiàng)目未能達(dá)到企業(yè)預(yù)期。

現(xiàn)階段來說，中國制造業(yè)企業(yè)實(shí)施人工智能項(xiàng)目的不少，但其中91%的項(xiàng)目并達(dá)不到企業(yè)預(yù)期。原因主要是企業(yè)缺乏經(jīng)驗(yàn)及組織架構(gòu)、基礎(chǔ)設(shè)施的制約、數(shù)據(jù)采集方法及數(shù)據(jù)質(zhì)量欠佳、缺乏工程經(jīng)驗(yàn)，以及項(xiàng)目規(guī)模過于龐大和復(fù)雜。

盡管如此，大部分的企業(yè)依然認(rèn)為在不久的將來，人工智能會(huì)成為促進(jìn)企業(yè)生產(chǎn)的重要因素，5年內(nèi)就能帶來回報(bào)。

工業(yè)AI任重道遠(yuǎn)

人工智能的基礎(chǔ)是人的智慧，需要基于人的經(jīng)驗(yàn)、知識(shí)來實(shí)現(xiàn)的。它的應(yīng)用將能夠大幅實(shí)現(xiàn)效益的提升，但在工業(yè)領(lǐng)域運(yùn)用人工智能并不像在消費(fèi)領(lǐng)域那么容易。

首先，通過開放互聯(lián)才能帶來數(shù)據(jù)，有了這些數(shù)據(jù)，才能夠運(yùn)用人工智能來更好的服務(wù)于客戶。但這一切的前提是確保理解客戶的需求和意愿，例如客戶愿意開放哪些數(shù)據(jù)，但就目前而言，對(duì)于工業(yè)企業(yè)來說，客戶經(jīng)常會(huì)擔(dān)心開放數(shù)據(jù)會(huì)降低他們的競爭力。

其次，數(shù)據(jù)的使用還很有限，很多人不清楚如何分辨好數(shù)據(jù)、壞數(shù)據(jù)、有缺陷的數(shù)據(jù)和無效的數(shù)據(jù)，不能正確地給數(shù)據(jù)進(jìn)行標(biāo)記，也不能夠確定數(shù)據(jù)質(zhì)量的標(biāo)準(zhǔn)。而數(shù)據(jù)正是AI的基礎(chǔ)，只有擁有足夠豐富的數(shù)據(jù)后，AI才能發(fā)揮作用。

再者，很多企業(yè)都缺乏人工智能相關(guān)的知識(shí)，缺少專業(yè)技術(shù)人才，也就無法順利開展人工智能技術(shù)的應(yīng)用工作。他們認(rèn)為實(shí)施AI就必須成為數(shù)據(jù)科學(xué)、軟件技術(shù)的使用專家，而更多的顧慮還來自于應(yīng)用AI不僅復(fù)雜，還費(fèi)時(shí)、費(fèi)錢.

小編認(rèn)為，某些程度上，AI只是一種或者一系列技術(shù)。當(dāng)企業(yè)清楚自己想要解決的問題，清楚如何應(yīng)用人工智能解決問題，并把人工智能應(yīng)用在整個(gè)工作流程中，它才能真正發(fā)揮它的價(jià)值。

盡管AI在工業(yè)領(lǐng)域大規(guī)模落地值得期待，但是理想與現(xiàn)實(shí)之間仍存在很多問題待解決。風(fēng)口過去，AI行業(yè)大浪淘沙，一些企業(yè)或振翅欲飛，一些企業(yè)或黯然離場，但這一切并不是終局，而工業(yè)AI的落地也將是一場持久戰(zhàn)。