人工智能企业掉入“增长陷阱”，正是因为缺少应用场景和成熟的商业模式。相关企业要想抢占先机，必须将技术能力转化为商业能力，拿出真实的落地数据和商业化方案，让盈利能力匹配估值。
与在一级市场曾经备受追捧的经历不同，国内人工智能企业年初以来在上市道路上纷纷遭遇“滑铁卢”。人工智能“四小龙”中，依图科技撤回科创板上市申请，旷视科技登陆港交所失败后在科创板排队，商汤科技则迟迟没有披露上市计划。
事实上，人工智能企业之所以上市难，关键在于高研发投入一直伴随着高亏损，盈利成为众多人工智能企业始终绕不过去的一道坎。由于人工智能研发成本高昂，如果长期无法看到回报，那么投资人的资金就存在“打水漂”的风险。从更深层次来看，人工智能企业的盈利困局只是表象，背后反映出企业仍然难以推动人工智能技术走出实验室。企业还需做到人工智能与教育、金融、医疗、物流、能源等产业深度融合，切实解决生产生活中的痛点，体现技术价值，增强用户感知，从而真正赢得市场认可。
在互联网产业红利逐渐消退的当下，人工智能被看作是重新激活数字经济潜能的“金钥匙”，人工智能产业的主导权也成为全球主要国家争夺的焦点。从层次上划分，人工智能主要有基础层、技术层、应用层三层。和欧美相比，中国近年来在基础支撑、科技研发等方面表现突出。中国科学技术信息研究所发布的《2020全球人工智能创新指数报告》显示，中国人工智能创新指数在参评国家中排名第二，仅次于美国。
但技术研发的强大无法掩盖商业应用上的羸弱。人工智能企业掉入“增长陷阱”，正是因为缺少应用场景和成熟的商业模式。以人工智能“四小龙”为例，其创始团队大多为科学家出身，企业基因更倾向于技术研发，在商业化道路上走得磕磕绊绊。然而，产业持续发展需要源源不断的资金投入。产业发展早期可以依靠“输血”，但长期发展必须增强“造血”能力。赚到“真金白银”才是产业可持续发展的关键保障。
当前，人工智能产业已经从技术探索走向规模商用阶段，相关企业要想抢占先机，必须将技术能力转化为商业能力，拿出真实的落地数据和商业化方案，让盈利能力匹配自己的估值。从第三方统计数据来看，当前人工智能应用较多的领域包括安防、金融、教育、客服、交通、医疗等。未来，人工智能企业要想建立竞争优势，必须拥有在这些专业领域的数据积累以及场景化的落地能力。以医疗为例，短期来看，相关企业亟须提升人工智能产品的成熟度，包括CT影像识别、视网膜病变筛查等方面的应用，依靠不断的产品迭代来提升诊断的可靠性和稳定性。
此外，人工智能的广泛运用也引发了人们对于数据安全的担忧。今年央视3·15晚会上，部分商家安装人脸识别摄像头抓取个人信息的问题被曝光，反映出人工智能的崛起遇到了伦理道德、法律法规等问题。对此，企业必须要建立健全全流程数据安全管理制度，履行网络安全等级保护制度设置的相应义务，在法律、法规规定范围内收集和使用数据。同时，配套的法律法规和监管也须跟上人工智能的发展进度。（原载8月6日《经济日报》）
评论