|
人類未來十年或者說二十年最賺錢的行業(yè)是移動互聯(lián)網(wǎng)，大數(shù)據(jù)和云計算，人工智能。 為什么ICT公司估值高，因為人們看的是預(yù)期，看的是未來。 全球市值最高的公司，前七位都已經(jīng)被ICT公司占據(jù)：蘋果，谷歌，微軟，亞馬遜，F(xiàn)acebook，騰訊和阿里。 全球七強(qiáng)里面，六家是做軟件和服務(wù)的，只有蘋果做硬件，實際上，蘋果也是軟件公司，軟件的價值已經(jīng)大大高于硬件的價值，這是一個趨勢。注意這不是說硬件不重要。 當(dāng)然問題來了，全球市值20強(qiáng)，第8-20位的13家公司都是干啥的呢？ 有7家是金融機(jī)構(gòu)（銀行，投行，VISA支付）， 另外還有1家能源公司愛克森美孚，1家零售沃爾瑪,1家醫(yī)療產(chǎn)業(yè)公司強(qiáng)生，1家日化產(chǎn)品公司寶潔。剩下的2家也是ICT公司，只不過是提供硬件服務(wù)的，三星+臺積電。 市值代表了對未來發(fā)展的預(yù)期，我們可以很清楚的看到，全球市值20強(qiáng)，除去金融和零售，單看科技公司的話，12家公司有9家是ICT產(chǎn)業(yè)公司。 移動互聯(lián)網(wǎng)我們已經(jīng)非常熟悉了，我們玩的手機(jī)在線游戲，直播，社交，移動支付，手機(jī)購物都是基于移動互聯(lián)網(wǎng)的業(yè)務(wù)。 大數(shù)據(jù)，云計算和人工智能三者有啥區(qū)別呢？ 據(jù)羿戓設(shè)計所了解，簡單的說，云計算一般用于數(shù)據(jù)中心，可以看成是基礎(chǔ)設(shè)施以及基于需求對設(shè)施資源分配，沒有云就沒有對大數(shù)據(jù)的匯總和存儲，所以云計算和大數(shù)據(jù)總是在一起。云計算可以對幾十萬臺甚至上百萬臺服務(wù)器的存儲和計算資源根據(jù)用戶需求進(jìn)行協(xié)調(diào)和調(diào)用。 百度，微軟，谷歌，亞馬遜，阿里的云計算中心，都有幾十萬臺甚至上百萬臺服務(wù)器，根據(jù)用戶不同的需求進(jìn)行資源調(diào)用和管理。 人工智能可以看成是算法。 我們可以用一個例子來說明， 你的大腦就是一個擁有數(shù)十億神經(jīng)觸突的云計算中心，能夠存儲和分配資源。 而你的意識就是人工智能，能夠聽懂語言說的是什么，能夠識別圖像是什么東西，比方說把你看到的圖像和你大腦存儲里的圖像比對，識別出這是一條狗，這就是人工智能。 但是你的意識并不會去決定幾十億個神經(jīng)觸突中哪些參與此次計算，那是你的大腦自主完成的。 當(dāng)然，這只是一個不恰當(dāng)?shù)谋扔鳎瑢嶋H上， 云計算和人工智能的邊界是模糊的，很難嚴(yán)格區(qū)分。 也可以這樣說，云計算必然會用到人工智能，但是人工智能卻不只是應(yīng)用于云計算。 人工智能將會廣泛的應(yīng)用于各行各業(yè)。 自動駕駛汽車，智能手機(jī)（比如人臉識別），機(jī)器人，甚至一個攝像頭都可以應(yīng)用人工智能。 2017年底在烏鎮(zhèn)舉行的世界互聯(lián)網(wǎng)大會，如果看嘉賓們的發(fā)言，會發(fā)現(xiàn)一個共同點：所有的公司大佬，所有的行業(yè)專家都在談?wù)撊斯ぶ悄堋?/font> 本文看看全球人工智能產(chǎn)業(yè)的發(fā)展情況，目前來說，這個產(chǎn)業(yè)還處于初期發(fā)展階段。 但是非常明顯的是，目前人工智能處于中美領(lǐng)跑世界的階段，處于遙遙領(lǐng)先的地位。 當(dāng)然這個領(lǐng)跑，主要是中國跟著美國跑，美國是領(lǐng)跑者，中國是跟跑者。 至于其他國家，大多處于重在參與的階段。
1：人工智能產(chǎn)業(yè)初創(chuàng)公司的數(shù)量 根據(jù)Venture Scanner 的數(shù)據(jù)，截至2017 年6 月底，全球?qū)I(yè)從事人工智能的 初創(chuàng)企業(yè)總數(shù)達(dá)到2542 家。中美兩國在這一新興產(chǎn)業(yè)中居于明顯的領(lǐng)先位置，占據(jù)全球人工智能初創(chuàng)企業(yè)總數(shù)的三分之二，遙遙領(lǐng)先于其他國家，構(gòu)成人工智能產(chǎn)業(yè)的第一集團(tuán)軍。 這個統(tǒng)計里面，美國大約1100家左右，中國大約600家左右，其他國家的總和大約800多家。
中國除了BAT三巨頭+華為在做人工智能， 另外有語音識別最為知名的科大訊飛， 從科大訊飛近10年營業(yè)收入來看，2016年的營業(yè)收入33.2億是2008年2.58億人民幣的近乎13倍，總體營收增長較快。 由于科大訊飛與BAT三巨頭巨大的體量差距，必然面臨三巨頭的強(qiáng)烈競爭，從數(shù)據(jù)來看，科大訊飛在孤注一擲的壯大自己，目前科大訊飛的體量只有阿里和騰訊的五十分之一，只有百度的二十分之一不到。 2017年科大訊飛前三季度管理費(fèi)用達(dá)到8.15億元，同比增長60.57%，超過2016年全年管理費(fèi)用的7.29億元。 什么是管理費(fèi)用呢，管理人員的工資，員工的社保支出，對客戶的業(yè)務(wù)招待費(fèi)，差旅費(fèi)用等，這說明科大訊飛在不斷加大業(yè)務(wù)拓展和市場開拓力度。 訊飛的研發(fā)投入2017年前三季度約為5.11億元，同比增長55.85%，占營業(yè)收入比例高達(dá)1%以上，研發(fā)投入高速增長保證企業(yè)的競爭力。 到2017年，科大訊飛營收增長由2016年前三季度27.90%上升到2017年前三季度的58.16%，三個季度總營收達(dá)到33.87億元，超過了2016年全年的33.2億元。 但是同時，由于研發(fā)投入，管理費(fèi)用，銷售費(fèi)用等的大幅上升， 2017年前三季度凈利潤由2016年同期約2.78億元降為1.69億元，降幅達(dá)39.45%。 科大訊飛最大的風(fēng)險就是遭到BAT的巨頭碾壓，其必須迅速的壯大自己的體量，當(dāng)然科大訊飛并不孤單，背后還有當(dāng)?shù)卣闹С趾脱a(bǔ)貼，爭分奪秒不計利潤的擴(kuò)大營收，才能在巨頭市場中生存。 像國內(nèi)AI最強(qiáng)的百度，2016年研發(fā)總費(fèi)用為101.5億人民幣，占總營收同樣高達(dá)14.3%，這個研發(fā)費(fèi)用就是科大訊飛營收的三倍了。 其他初創(chuàng)公司還有近幾年來涌現(xiàn)的中科寒武紀(jì)、格靈深瞳、依圖、智齒客服、深鑒科技、碳云智能、出門問問、商湯科技、達(dá)闥科技、地平線等一大批初創(chuàng)型人工智能企業(yè)， 在智能芯片、計算機(jī)視覺、語音識別、智能生活解決方案和醫(yī)療基因等領(lǐng)域形成了競爭優(yōu)勢，并在各自領(lǐng)域內(nèi)的技術(shù)領(lǐng)先度或市場占有率上領(lǐng)先。
據(jù)羿戓信息所了解，目前在中國人工智能創(chuàng)業(yè)公司中排名前三的領(lǐng)域為： 計算機(jī)視覺與圖像，有146家公司；智能機(jī)器人，有125 家公司；自然語言處理，有92 家公司。 請注意機(jī)器人排在第二位，以后機(jī)器人的發(fā)展趨勢會和手機(jī)一樣，手機(jī)硬件當(dāng)然會很賺錢，但是做手機(jī)軟件，例如微信，支付寶什么的，總的趨勢會比硬件還要賺錢。 請注意，中美以外，只有英國還算有點規(guī)模，實際上，在過去五年英國誕生了不少人工智能初創(chuàng)企業(yè)，但是由于英國缺乏巨頭科技公司，因此這類初創(chuàng)企業(yè)大量被美國科技巨頭收購。 我們再一次強(qiáng)調(diào)，一個國家必須要有巨頭公司，一個產(chǎn)業(yè)必須要有龍頭企業(yè)，都是些小而散的企業(yè)，產(chǎn)業(yè)肯定發(fā)展不起來，和國外巨頭競爭就是被碾壓的命運(yùn)，英國就是典型。
以英國的人工智能公司為例，紛紛被國外巨頭收購： 2011 年，惠普以104 億美元收購擅長語義處理的英國公司Autonomy。 2013 年，亞馬遜用2600萬美元收購英國語音搜索公司TrueKnowledge。 2014 年，谷歌以約4 億英鎊的價格收購把DarkBlue Labs、Vision Factory 兩家專精深度學(xué)習(xí)的英國公司收入麾下。 2017年初，微軟以2.5億美元價格收購英國企業(yè)SwiftKey。 2017年6 月份，Twitter 宣布以1.5 億美元收購倫敦的機(jī)器學(xué)習(xí)和視覺處理技術(shù)開發(fā)商MagicPony。 2017年底，三星公司投資人工智能芯片公司Graphcore。
除了人工智能公司以外，英國還有一些明星科技公司，例如我們熟知的ARM公司被日本軟銀收購，再比如蘋果公司移動GPU的芯片供應(yīng)商imagination公司2017年被中國資本收購。
除了Venture scanner的數(shù)據(jù)，我們再看看騰訊研究院進(jìn)行的統(tǒng)計，截止到2017年6月全球人工智能初創(chuàng)企業(yè)的數(shù)量分布，全球總共2617家，美國1078家，占全球41%， 中國592家，占全球23%，其他國家486家。 也就是說，中國人工智能初創(chuàng)公司的數(shù)量超過了除了美國以外的全世界總和。 2：人工智能企業(yè)融資情況 美國在人工智能領(lǐng)域領(lǐng)先優(yōu)勢明顯，既是目前全球人工智能企業(yè)數(shù)量最多的國家，也是 全球人工智能領(lǐng)域投融資最活躍的國家。過去一年在有記錄的創(chuàng)投記錄中，融資金額超過全 球其他所有國家的總和 其次，中國融資規(guī)模呈爆炸型劇增態(tài)勢，據(jù)IT 桔子數(shù)據(jù)顯示，截止至2017 年6 月，我國創(chuàng)業(yè)投資機(jī)構(gòu)共發(fā)生767 項針對人工智能的投資案例。 從投資金額來看，2014-2016 年，年均漲幅在80% 左右，呈現(xiàn)了瘋狂的漲幅， 其中不完全統(tǒng)計，2017 上半年產(chǎn)生的融資已經(jīng)超過150 億元，累積融資額攀升到635 億元，占據(jù)全球融資總額的33.18%。 如果我們看下從1999年-2017年上半年，數(shù)據(jù)來自騰訊研究院， 全球各國人工智能產(chǎn)業(yè)融資情況，注意是18年的累計融資金額，美國人工智能融資金額為978 億元人民幣，占據(jù)全球總?cè)谫Y50.10%；超過全球其他國家總和。 中國人工智能融資金額為635 億元，占據(jù)全球33.18%，超過除美國外其他國家總和。 其他國家合計301億人民幣，全球占15.73%。
從融資情況看，中國投資者在應(yīng)用層關(guān)注的更多。 中國人工智能企業(yè)中，融資占比排名前 三的領(lǐng)域為：計算機(jī)視覺與圖像，融資額為143 億元，占23%；自然語言處理，融資額為122 億元，占19%；自動駕駛/ 輔助駕駛，融資額為107 億元，占18%。 我們看到，中國的自動駕駛/ 輔助駕駛企業(yè)雖然數(shù)量不多（只有31 家），但融資額卻排名第三，表明中國投資者非常看好這一領(lǐng)域。 再一次強(qiáng)調(diào)，視覺和圖像識別，自然語言處理和自動駕駛?cè)椖壳白罨馃帷?/font> 另外一個現(xiàn)象非常明顯： 我國以前是資本短缺，人力富余，因此資本很貴，人力很便宜，當(dāng)年我國各個地方政府近乎跪舔式吸引外資，就是體現(xiàn)了資本的極度短缺，和對資本的渴望。 而今天，我國正在逐漸走向資本富余甚至過剩的年代，而隨著生育率的下降人力在逐漸走向短缺。資本富余表現(xiàn)也非常簡單， 大量的創(chuàng)業(yè)公司和初創(chuàng)公司都能獲得各種各樣的融資，國內(nèi)各種投資資本和投資人越來越多。 從長期看，涌入人工智能的投資額會越來越大。 而人力走向短缺，也非常簡單，你有沒有發(fā)現(xiàn)現(xiàn)在人工越來越貴了，比方說，你家里換個水管，你的門換個鎖，你找人安裝一個家具，收費(fèi)都不便宜。 我在深圳找人上門安個床，150元；找人上門安個衣柜，180元； 鑰匙忘帶了樓下找人開個鎖，50元…… 以后學(xué)會一門藍(lán)領(lǐng)手藝，也一樣可以獲得不錯的收入。 3：人工智能論文數(shù)量 日本經(jīng)濟(jì)新聞和學(xué)術(shù)出版巨頭愛思唯爾（Elsevier，位于荷蘭阿姆斯特丹）共同分析了全球有關(guān)人工智能（AI）的論文的動向，主要是各國研究機(jī)構(gòu)和大學(xué)關(guān)于人工智能的論文被引用的次數(shù)。 統(tǒng)計時間段為2012-2016年，在排名世界前100位的機(jī)構(gòu)， 美國有30家總數(shù)排名第一， 中國有15家排名第二， 日本只有東京大學(xué)1家入圍，排在世界第64位。 如果看全球前十的機(jī)構(gòu)，美國有5家，中國有2家，其中中科院排名世界第三。 法國，新加坡加拿大各有一家。 另外一個數(shù)據(jù)，日本文部科學(xué)省統(tǒng)計調(diào)查了AI研究領(lǐng)域有權(quán)威的3個國際會議。參加這些會議之前都有專家審查，獲得通過的還不到3成，只有水平高的成果能發(fā)表。以2010～2015年舉行的會議為對象，按照發(fā)表者、所屬機(jī)構(gòu)和國籍等進(jìn)行了分類。 從最具權(quán)威的美國人工智能學(xué)會的國際會議來看，最近3年來，美國和中國的發(fā)表成果出現(xiàn)激增。2015年美國的大學(xué)和企業(yè)的發(fā)表達(dá)到326項（48.4％），比例最高，其次中國為138項（20.5％）。兩國占整體的約7成。而日本排在第8位，僅為20項（3％） |
