[[204973]]

前言：本月，騰訊研究院與IT桔子聯(lián)合發(fā)布了《2017年中美人工智能創(chuàng)投現(xiàn)狀與趨勢研究報告》，針對國內(nèi)外1000多家人工智能企業(yè)進行了深入分析，并在報告中給出了眾多富有洞察的結(jié)論。但遺憾的是，此份報告針對國內(nèi)人工智能初創(chuàng)公司雖然作出了一定的宏觀分析，但可能限于篇幅問題，在更多的細分數(shù)據(jù)維度，比如企業(yè)平均融資輪次、各路資金在整體AI產(chǎn)業(yè)鏈上投資布局等方向尚未進行深入的數(shù)據(jù)分析，這是比較可惜的地方。因此，本文產(chǎn)生了從IT桔子爬取國內(nèi)所有人工智能初創(chuàng)企業(yè)數(shù)據(jù)，繼續(xù)挖掘其中更深入的產(chǎn)業(yè)特征的想法。本文基于從IT桔子爬取的國內(nèi)人工智能初創(chuàng)企業(yè)數(shù)據(jù)，在AI初創(chuàng)公司產(chǎn)業(yè)鏈分布、融投資事件、投資機構(gòu)風格與產(chǎn)業(yè)鏈布局等維度進行深入分析。

基礎(chǔ)數(shù)據(jù)源

本文使用到的數(shù)據(jù)，來自于通過爬蟲獲取的IT桔子截止到2017年9月國內(nèi)所有人工智能領(lǐng)域的初創(chuàng)公司基本信息與投資事件數(shù)據(jù)，包括公司信息、獲投時間、輪次、投資金額和投資方等等，需要說明的是，本文數(shù)據(jù)中剔除了阿里、百度、騰訊等互聯(lián)網(wǎng)巨頭，以及帶有人工智能概念的上市公司，以免他們對整體數(shù)據(jù)的分布產(chǎn)生影響，本文研究范圍主要圍繞國內(nèi)591家AI初創(chuàng)企業(yè)開展。

研究目的

通過分析目前國內(nèi)所有AI產(chǎn)業(yè)初創(chuàng)公司的產(chǎn)業(yè)鏈分布，了解當前的AI產(chǎn)業(yè)結(jié)構(gòu)，并鳥瞰其中的融投資熱點。同時再以投資方視角，分析各家投資機構(gòu)在AI產(chǎn)業(yè)鏈的布局和風格，并統(tǒng)計一下從Google、微軟亞洲研究院、BAT等巨頭出來的科學家們所創(chuàng)辦的AI公司當前情況，從數(shù)據(jù)角度形成對整體AI產(chǎn)業(yè)的新認知。

AI產(chǎn)業(yè)鏈模型

由于產(chǎn)業(yè)鏈模型涉及到了如何對這591家國內(nèi)人工智能企業(yè)進行領(lǐng)域分類，需要重視對待。而本文并未完全采用《2017年中美人工智能創(chuàng)投現(xiàn)狀與趨勢研究報告》中對人工智能企業(yè)的分類方法，因為該分類可能會存在一點小問題。本文特意提出以下人工智能產(chǎn)業(yè)鏈模型，對這591家企業(yè)進行領(lǐng)域分類：

整個AI產(chǎn)業(yè)鏈通過三個層級將從業(yè)的公司分為了20個子類，簡要說明如下：

基礎(chǔ)層為整體產(chǎn)業(yè)提供算力，其中硬件部分包括芯片、傳感器與中間件。芯片領(lǐng)域典型公司如寒武紀、深鑒科技，從事包括GPU、FPGA及ASIC等各類AI芯片的研發(fā)設(shè)計，由于技術(shù)門檻過高、投資周期長，目前國內(nèi)僅有極少部分具備足夠技術(shù)積累的初創(chuàng)企業(yè)參與其中。而計算能力平臺以云計算為整個AI產(chǎn)業(yè)鏈提供算力，除了3A(AWS、Azure、阿里云)外，國內(nèi)典型的初創(chuàng)公司有如七牛云、青云，由于深度學習的持續(xù)火爆讓全球AI產(chǎn)業(yè)普遍面臨算力瓶頸，未來預(yù)期將有更多參與者進入計算能力平臺這一領(lǐng)域。

技術(shù)層主要為整體產(chǎn)業(yè)鏈提供通用AI技術(shù)能力。其中感知層包括計算機視覺和語言識別兩項重要的機器感知任務(wù)，由于這兩項技術(shù)由于相對成熟，目前有大量的初創(chuàng)公司選擇了這兩個領(lǐng)域，如計算機視覺云集了商湯科技、曠視科技、云從科技等大量獨角獸;而認知層定位為“機器大腦”，包括知識圖譜/語義分析，以及智能問答/虛擬助手兩個核心領(lǐng)域，頂部的平臺層則以通用技術(shù)應(yīng)用平臺的形式提供深度學習、模式識別等技術(shù)應(yīng)用服務(wù)，對接應(yīng)用層。

應(yīng)用層按照對象不同，可分為消費級終端應(yīng)用以及行業(yè)場景應(yīng)用兩部分。消費級終端包括智能機器人、智能無人機以及智能硬件三個方向，其中智能硬件領(lǐng)域從業(yè)公司包括如Rokid等智能音箱玩家，致力于消費級硬件的智能化。場景應(yīng)用部分對接各類外部行業(yè)的AI應(yīng)用場景，比如智慧醫(yī)療、智慧金融等。

***需要說明的是，深耕AI行業(yè)應(yīng)用場景的公司往往也具備了技術(shù)層的一些核心技術(shù)能力，比如雅森科技等醫(yī)學影像公司使用計算機視覺技術(shù)對心臟、肺、腎等醫(yī)療影像進行模式分析，幫助提高重要疾病診斷的正確性。這類公司顯然定位是“技術(shù)的行業(yè)探索者”，因此我們不能認為它們是計算機視覺技術(shù)公司，而需要歸類到智慧醫(yī)療領(lǐng)域之中。因此這里涉及到一家公司產(chǎn)業(yè)鏈定位分類的多義性，本文的原則是，凡是深耕行業(yè)場景應(yīng)用的公司，都傾向于歸類到對應(yīng)的應(yīng)用層領(lǐng)域之中。

AI產(chǎn)業(yè)鏈初創(chuàng)公司分布

本文對爬取自IT桔子的1158家AI初創(chuàng)公司數(shù)據(jù)進行清洗、篩選及轉(zhuǎn)換后，對最終剩下的591家公司根據(jù)上述的AI產(chǎn)業(yè)鏈分類標準，進行了領(lǐng)域分類。不得不說在復現(xiàn)這項關(guān)鍵統(tǒng)計的過程中，需要花費了不少精力去對每家公司的業(yè)務(wù)進行觀察判斷，但整個過程結(jié)束后，會對整體國內(nèi)AI產(chǎn)業(yè)現(xiàn)狀產(chǎn)生更深刻的理解，最終統(tǒng)計結(jié)果如下圖所示。目前智能機器人是AI產(chǎn)業(yè)中最為熱門的領(lǐng)域，初創(chuàng)公司數(shù)量達到了105家，隨后是通用計算機視覺技術(shù)(70家)，包括了各類人臉識別、圖像處理以及視頻監(jiān)控等技術(shù)領(lǐng)域細類。與智能機器人類似，目前國內(nèi)有45家初創(chuàng)公司扎堆在智能無人機的創(chuàng)業(yè)大潮中，而在自動駕駛/ADAS方面，目前有超過30家公司進入了這一領(lǐng)域，而目前百度已經(jīng)逐步開放其Apollo自動駕駛平臺(目前已開放到1.5版本)，類似平臺的開放將大大降低初創(chuàng)公司在自動駕駛方面的研發(fā)難度，預(yù)期以后或許有更多的初創(chuàng)團隊進入自動駕駛的風口上。

由于智能投顧、大數(shù)據(jù)風控、生物識別等技術(shù)在金融領(lǐng)域持續(xù)發(fā)酵，目前涌現(xiàn)了一批專注智能投顧和金融風控等智慧金融應(yīng)用的初創(chuàng)企業(yè)。如在今年8月，專注于海外市場智能投顧的海鯨金融獲得了1100萬美元的A輪融資;4月由前百度 “七劍客”之一郭眈創(chuàng)辦的智能投研平臺鼎復數(shù)據(jù)也獲得了超過8000萬人民幣A輪融資。

在行業(yè)場景應(yīng)用領(lǐng)域，智慧醫(yī)療是另外一個主要戰(zhàn)場。得益于CNN的深度學習技術(shù)在計算機視覺領(lǐng)域帶來的革命，產(chǎn)生了一批專注于醫(yī)學影像AI分析的初創(chuàng)公司(據(jù)不完全統(tǒng)計，約為25家)，但不同于人臉識別等其他計算機視覺應(yīng)用，醫(yī)學影像臨床分析是實證性很強的領(lǐng)域，AI醫(yī)學影像分析距離實際的落地應(yīng)用恐怕還有很長一段的臨床驗證過程。另外高質(zhì)量的醫(yī)學影像標注數(shù)據(jù)同樣也是一項考驗，這個領(lǐng)域往后的發(fā)展還有待觀察。

與上述聚焦AI熱點不同的是，目前還有一批低調(diào)深耕知識圖譜/語義分析技術(shù)的初創(chuàng)公司，其中知名度較高公司的是被羅永浩在去年錘子發(fā)布會上致謝的三角獸科技，其為Smartisan OS 3.0提供了語義分析技術(shù)。語義分析技術(shù)在自然語言理解(NLU)層面將語言轉(zhuǎn)變?yōu)闄C器能理解并推理的數(shù)據(jù)，而知識圖譜粗略來說，則是更泛化地試圖將各行業(yè)存量的結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)槟茏寵C器理解的知識，成為AI應(yīng)用的堅實基礎(chǔ)。比如在金融領(lǐng)域，通過知識圖譜技術(shù)將上市公司年報轉(zhuǎn)變?yōu)闄C器可讀的數(shù)據(jù)，從而實現(xiàn)年報自動摘要、財報數(shù)據(jù)自動審計等應(yīng)用。又如阿里建立了淘寶海量商品的知識圖譜，使用知識圖譜推理引擎技術(shù)自動識別各類商品的侵權(quán)、假貨行為。深耕知識圖譜的AI初創(chuàng)公司典型如文因互聯(lián)、明略數(shù)據(jù)等。

平均融資情況分析

在591家國內(nèi)AI初創(chuàng)公司中，有75%比例(436家)目前處于B輪融資及之前，其中有236家目前獲得A輪融資，其次是天使輪，目前有92家AI初創(chuàng)公司處于天使輪階段。在獲投時間上，2014、2015、2016、2017四年間每年AI領(lǐng)域融資事件數(shù)量分別為113起、241起、262起以及163起(截止到2017年9月)，而從天使輪上看，2017年截止到9月僅有26起天使輪融資(相比15、16兩年數(shù)據(jù)為89起、69起)，可見AI領(lǐng)域融資事件在2017年逐漸回落，這個趨勢在天使輪融資上尤其明顯。這一方面反映了目前優(yōu)質(zhì)的AI項目已經(jīng)逐漸變得稀缺，另一方面在經(jīng)歷了15、16兩年融資狂熱后，整體市場慢慢回歸理性。

從產(chǎn)業(yè)鏈各領(lǐng)域的實際融資金額上看，截止到2017年9月目前自動駕駛/ADAS領(lǐng)域AI初創(chuàng)公司獲得了最多的累計融資，融資總額高達162億元人民幣;云計算等計算能力平臺領(lǐng)域位居第二，獲得了累計128億人民幣的融資，雖然在公司數(shù)量上，計算機視覺領(lǐng)域的初創(chuàng)公司不如智能機器人(分為為70家和105家)，但領(lǐng)域總?cè)谫Y額方面，計算機視覺略多于智能機器人(主要得益于商湯科技的4.1億美元B輪)。自動駕駛、計算能力平臺、計算機視覺及智能機器人這四個領(lǐng)域的初創(chuàng)公司幾乎瓜分了大半的AI行業(yè)融資。比較意外的是雖然智能無人機的初創(chuàng)公司數(shù)量很多，但總體融資份額卻不高，這和大疆一家獨大的產(chǎn)業(yè)格局有關(guān)，其他無人機領(lǐng)域的初創(chuàng)公司僅能在某些細分市場上謀求差異化經(jīng)營。

2016~2017人工智能領(lǐng)域10大融資事件——本文統(tǒng)計了2016年至今AI領(lǐng)域的所有融資事件中，單輪融資金額***的10大融資事件。排首位的是去年獲得6億美元戰(zhàn)略投資的智車優(yōu)行，今年獲得4.1億美元B輪融資的商湯科技排在次席，出門問問的1.8億美元D輪融資位列第三。4~10位分別由3家智能機器人獨角獸、兩家云平臺、阿里系Face++以及為華為麒麟970提供了深度學習芯片IP的寒武紀科技所瓜分。 

(注：金額相同者按總?cè)谫Y額排序)

AI產(chǎn)業(yè)投資方分析

在這場AI創(chuàng)投的浪潮中，我們看到了各路資本近三年紛紛小步快跑進入。真格基金位居AI產(chǎn)業(yè)風投的榜首，共計在各家AI初創(chuàng)公司投資的37輪。而IDG資本和創(chuàng)新工場位列第二和第三，人工智能產(chǎn)業(yè)投資方Top 10情況如下表所示。在這10家Top 10的投資機構(gòu)中，有88.5%的投資輪次為領(lǐng)投，反映了其在這輪AI浪潮中核心資金推動者的角色。 

在其余前30位的AI產(chǎn)業(yè)投資方，我們了聯(lián)想、高通和京東的身影，All in人工智能的聯(lián)想在AI產(chǎn)業(yè)創(chuàng)投中不乏大動作，相繼投了寒武紀、Face++、蔚來汽車、水滴科技等AI公司，旗下聯(lián)想之星累計在AI領(lǐng)域投資了11輪。京東的AI產(chǎn)業(yè)投資組合也非常聚焦，除了ChinaScope數(shù)庫這家金融大數(shù)據(jù)公司外，其余均是智能汽車/智能硬件相關(guān)。包括蔚來汽車、智行者科技及樂駕科技3家智能汽車/ADAS公司，以及智造未來機器人等硬件領(lǐng)域公司。另外，與Top 10機構(gòu)不同的是，在Top 30榜單中其余機構(gòu)中跟投的比例非常高，與Top 10機構(gòu)形成了鮮明的對比。

***，在AI產(chǎn)業(yè)投資方統(tǒng)計過程中，我們發(fā)現(xiàn)也不乏個人投資者的身影，于是對參與了AI初創(chuàng)公司股權(quán)投資的個人投資者做了簡單的統(tǒng)計。排行***的是現(xiàn)熊貓資本合伙人毛圣博，另外兩位投資人鄺子平和茹海波分別投了4家AI初創(chuàng)公司，其余個人投資人的投資公司數(shù)量均在2家或以下。當然這些投資人均以跟投的方式參與到各家AI初創(chuàng)公司的投資輪次之中，因此累計的投資金額僅能作一個參考。

產(chǎn)業(yè)鏈投資布局

本節(jié)，我們來看看上述人工智能產(chǎn)業(yè)投資Top 10榜單中的十家機構(gòu)，在整體AI產(chǎn)業(yè)鏈的布局情況。為了便于展示，本文選擇包括智能機器人、計算機視覺、智能無人機、自動駕駛/ADAS、問答/客服/虛擬助手、應(yīng)用平臺、智慧金融、計算能力平臺、語言分析/知識圖譜、語音識別技術(shù)以及智慧醫(yī)療等上述10家機構(gòu)中任一家實現(xiàn)了布局的17個領(lǐng)域，制作了以下可視化圖表去展示這十家機構(gòu)的AI產(chǎn)業(yè)鏈布局。

通過這張圖表我們可以粗略看到，真格基金、IDG資本等前5位的機構(gòu)大體上覆蓋了大部分AI產(chǎn)業(yè)鏈環(huán)節(jié)，但每家機構(gòu)略有自己的投資偏好。如真格基金和IDG資本分別投了最多的無人機和智能機器人標的，在整體AI產(chǎn)業(yè)鏈上投資組合最為平均的是創(chuàng)新工場和紅杉資本中國?？v向來看，計算機視覺幾乎成為了每家機構(gòu)的比選項，這點得益于CNN等深度學習技術(shù)為計算機視覺帶來了革命，幫助CV在眾多場景的識別率都上了一個新的臺階，也是多數(shù)創(chuàng)業(yè)團隊最常選擇的項目領(lǐng)域。但技術(shù)成熟度和商業(yè)應(yīng)用場景歸根到底還是有一層窗戶，接下來這些獲得了重金投入的計算機視覺初創(chuàng)公司何去何從，關(guān)鍵還是要看怎樣切入更多的商業(yè)化應(yīng)用場景之中，并非都扎堆人臉識別之中引發(fā)了踩踏，或者智能修圖等天花板較低的應(yīng)用。

接下來我們看看來自于BAT、 Google以及微軟5家巨頭的AI創(chuàng)業(yè)團隊目前發(fā)展情況。首先作為***的兩所人工智能領(lǐng)域“黃埔軍校”，Google和百度均有大量的杰出科學家離開創(chuàng)辦了自己的AI公司，如前Google明星科學家李飛飛創(chuàng)辦了獨角獸公司出門問問，百度方面除吳恩達以外，三位百度深度學習實驗室核心人物余凱、黃暢及余鐵男離開創(chuàng)辦了地平線機器人;百度無人駕駛事業(yè)部總經(jīng)理王勁與***科學家韓旭創(chuàng)辦了景馳科技。 

在各系團隊獲投金額方面，得益于出門問問、品友互動等獨角獸的估值，Google系列***;百度系隨著陸奇對于百度AI方向的調(diào)整與資源整合，相繼流失了大量的優(yōu)秀科學家與技術(shù)大牛，這些人絕大多數(shù)在這次AI創(chuàng)投浪潮中創(chuàng)辦了自己的AI公司，這些百度系公司相繼獲得了超過30億元人民幣的融資。來自于微軟及微軟亞洲研究院科學家團隊的初創(chuàng)公司位列第三，但融資金額不足百度系的一半，領(lǐng)軍公司為小魚在家、億航智能和自動駕駛公司Momenta;阿里系憑借兩家領(lǐng)軍公司Face++依圖科技及Rokid的估值排在第四，排在***的是騰訊系。

結(jié)論

通過對爬取至IT桔子的國內(nèi)AI初創(chuàng)公司的數(shù)據(jù)分析，我們可以看到年整體AI領(lǐng)域的融資節(jié)奏已經(jīng)逐漸降溫，2017年AI領(lǐng)域的融資事件相比去年同期下滑明顯，也反映了目前優(yōu)質(zhì)的AI項目已經(jīng)逐漸變得稀缺。同時，自從2015年開始隨著AI熱潮的興起，一大批來自于Google、微軟亞洲研究院、百度等AI弄潮兒的優(yōu)秀科學家離開他們崗位，紛紛創(chuàng)辦了自己的AI初創(chuàng)公司。這些優(yōu)秀科學家憑借自身多年的技術(shù)積累優(yōu)勢，大多投身于通用AI技術(shù)的創(chuàng)業(yè)之中，所創(chuàng)辦的公司幾乎占領(lǐng)了整個AI產(chǎn)業(yè)鏈技術(shù)層的各個細分領(lǐng)域，其中計算機視覺領(lǐng)域顯得尤其擁擠。因此，未來新的初創(chuàng)團隊要進入純粹的AI通用技術(shù)層領(lǐng)域，難度將會越來越大，尤其優(yōu)秀科學家這項資源本身就是極其稀缺的。

因此，通過數(shù)據(jù)我們也看到了一個接近紡錘體的產(chǎn)業(yè)形態(tài)，大多數(shù)AI初創(chuàng)企業(yè)集中于通用AI技術(shù)以及成為了投資熱點的消費級終端(智能機器人、無人機、智能硬件)上。行業(yè)場景應(yīng)用方面雖然公司的絕對數(shù)量不少但過度集中于自動駕駛、智慧醫(yī)療和智慧金融上面，三者占了場景應(yīng)用層65%的企業(yè)數(shù)量，融資金額更是占絕對多數(shù)。這反映了當前AI產(chǎn)業(yè)所面臨的一個事實——在本輪AI創(chuàng)業(yè)浪潮之中，優(yōu)秀資源(科學家、資金)集中在通用AI技術(shù)上，當然扎根技術(shù)在AI產(chǎn)業(yè)尚未成熟的今天是無可厚非的事情，但風險點在于通用AI技術(shù)的成果是否能轉(zhuǎn)化為商業(yè)應(yīng)用場景，而非實驗室式科研成果，這對于每一家拿到了大融資的通用AI技術(shù)初創(chuàng)公司均是逃離不了的考驗。

目前這波AI浪潮的興起，其本質(zhì)原因是孜孜不倦積累30多年的深度神經(jīng)網(wǎng)絡(luò)技術(shù)的集中爆發(fā)，而深度學習的這波勢能當前基本已經(jīng)消耗殆盡。連深度學習之父Geoffrey Hinton最近也公開號召摒棄現(xiàn)有深度學習(主要是BP、CNN)范式，重新奮力向前尋找全新的道路，也許Hinton的表態(tài)預(yù)示著AI產(chǎn)業(yè)將會進入一段調(diào)整期。

而今后隨著AI技術(shù)應(yīng)用平臺的成熟(比如百度Apollo自動駕駛平臺)，以及異構(gòu)計算云服務(wù)的興起，場景應(yīng)用端的進入門檻將會越來越低。比如在自動駕駛領(lǐng)域，過去需要長時間數(shù)億美元研究才能達到的成果，今后使用Apollo等無人駕駛解決方案開發(fā)平臺在短時間內(nèi)就能達到類似的水平。未來AI新一輪的爆發(fā)將會集中在場景應(yīng)用上，畢竟場景應(yīng)用是AI走向商業(yè)化的最重要窗口，屆時技術(shù)、算法都不會成為核心壁壘，目前單靠技術(shù)就能夠拿到不菲融資的情況恐怕以后再也不會出現(xiàn)了。單純的AI技術(shù)服務(wù)商在未來難以有大作為。目前聚焦通用AI技術(shù)的初創(chuàng)公司，未來均需要向場景的運營方轉(zhuǎn)變，找到厚實的落地點并圍繞場景數(shù)據(jù)、服務(wù)價值開展深耕。