91%人工智能项目未达到预期，市场进入冷静期

今年初，我们写了一篇文章“AI独角兽凉了，制造业是幕后最大推手”文中最后曾写到：2020年突发的疫情，将AI推到了绝境——一些PPT玩家将黯然离场；另一些则汇入制造业的大海中，接受更大的考验。

转眼一年即将过去，AI市场前景如何？又诞生了哪些新的独角兽？一起来看看资本市场对AI的关注度。根据查阅CB Insights的数据，2020年以来，全球AI融资交易数量连续下降，从第一季度的506起，降到了第二季度的458起。而与之相比较，疫情袭来之前，2019年第三季度的交易数量是660起。

再来看数据服务商企名片的数据显示，中国人工智能领域，2019年共计完成371笔融资交易，融资金额约为271.9亿元人民币，2020年截至目前，共完成305起融资，总金额约243.2亿元。

无论是全球数据还是中国数据，都在显示着AI热度的下滑。

后浪推前浪，新AI独角兽企业发力

小编检索了一下近期国内AI融资交易，其中与工业AI相关的企业融资案例并不多，但可以看到一批新的独角兽企业正在接受市场的考验。

思谋科技宣布已完成A轮融资，此次融资金额超1亿美元，晋级为业内最年轻的“准独角兽”AI企业。思谋科技提出以新一代视觉AI技术体系架构为引领，针对复杂各异的应用场景，打造出SMore ViMo智能制造和SMore Media超高清视频解决方案。

创新奇智宣布完成C轮融资，正式跻身人工智能独角兽企业阵营。依托计算机视觉和机器学习技术，创新奇智打造ManuVision工业视觉平台、MatrixVision视频智能平台、Orion自动化机器学习平台等三大技术平台。

深视科技近期完成数千万元人民币Pre-A融资，融资资金一方面将用于其工业AI视觉产品的研发升级，另一方面进行项目团队扩充，为工业客户提供更卓越的产品及服务质量，加快推进深视科技在行业内AI产品方案复制化应用。

工业AI视觉平台服务商阿丘科技宣布完成2000万美元B轮融资。本轮融资将主要用于加大核心产品研发、扩充交付及销售团队，为国内工业AI视觉市场客户提供更好的产品及服务。

工业AI公司聚时科技宣布完成1.1亿人民币A轮融资。本轮融资将用于加速公司在工业AI的产品研发和生态布局。聚时科技基于深度学习，致力于研发复杂机器视觉和工业机器人AI系统产品，公司定位于用尖端AI技术赋能高端制造，提供场景化的工业AI产品。

工业AI重点聚焦于视觉市场

不知道大家是否发现，从技术应用方面来看，多数工业AI企业都将目光聚焦在了视觉检测市场。

传统工业检测采取人工检查，但每个人与每个人在缺陷判别上存在个体与个体间的差异，而且长时间的检测也会导致工作人员产生视力疲劳，很多产品的微小瑕疵就不能被高效识别。而且，随着中国人口红利的消失，很多人都不愿意从事质检工作，企业面临招工难的问题。在这种情况下，用AI赋能的工业质检引起了广泛关注。

机器视觉工具利用机器学习算法，经过少量图像样本训练可以在精密产品上以远超人类视觉的分辨率发现微小缺陷。产品质量提升还可以通过工艺优化实现，人工智能对关键工艺步骤的数据进行感知分析，并依此实施优化提升良品率。这些应用可以为那些生产昂贵产品、对产品质量要求高的企业创造可观的经济价值。

例如，西门子成都工厂采用了自动化光学检测系统来控制PCB板的缺陷。由于监测标准严苛，设备查出的缺陷在人工复检后发现80%是“假错”。而通过人工智能与边缘计算组合的方式对“假错”进行甄别，可以降低75%的人工复检成本，同时可以实现“真错”的100%“0逃逸”。

AI项目实施未达预期

曾经的AI，资本市场相当活跃，诞生了众多顶级玩家，但随着市场进入冷静期，资本与社会更加理性，PPT玩家也只能是昙花一现，只有将AI项目真正落地才是持久发展之道。

从前文几家投资案例来看，现在AI的投资市场不再讲究概念和噱头，而是真正的落地应用，需要的是帮助产业迅速形成产品走向市场的应用。

那么，如今的AI项目实施又是怎样的呢？根据《造有道 智万物——德勤人工智能制造业应用调查》显示，中国制造业企业人工智能项目实施不在少数，但是，不论从企业获益角度还是预算和时间投入角度衡量，认为项目达到80-100%预期的企业仅为9%。这意味着91%的人工智能项目未能达到企业预期。

现阶段来说，中国制造业企业实施人工智能项目的不少，但其中91%的项目并达不到企业预期。原因主要是企业缺乏经验及组织架构、基础设施的制约、数据采集方法及数据质量欠佳、缺乏工程经验，以及项目规模过于庞大和复杂。

尽管如此，大部分的企业依然认为在不久的将来，人工智能会成为促进企业生产的重要因素，5年内就能带来回报。

工业AI任重道远

人工智能的基础是人的智慧，需要基于人的经验、知识来实现的。它的应用将能够大幅实现效益的提升，但在工业领域运用人工智能并不像在消费领域那么容易。

首先，通过开放互联才能带来数据，有了这些数据，才能够运用人工智能来更好的服务于客户。但这一切的前提是确保理解客户的需求和意愿，例如客户愿意开放哪些数据，但就目前而言，对于工业企业来说，客户经常会担心开放数据会降低他们的竞争力。

其次，数据的使用还很有限，很多人不清楚如何分辨好数据、坏数据、有缺陷的数据和无效的数据，不能正确地给数据进行标记，也不能够确定数据质量的标准。而数据正是AI的基础，只有拥有足够丰富的数据后，AI才能发挥作用。

再者，很多企业都缺乏人工智能相关的知识，缺少专业技术人才，也就无法顺利开展人工智能技术的应用工作。他们认为实施AI就必须成为数据科学、软件技术的使用专家，而更多的顾虑还来自于应用AI不仅复杂，还费时、费钱.

小编认为，某些程度上，AI只是一种或者一系列技术。当企业清楚自己想要解决的问题，清楚如何应用人工智能解决问题，并把人工智能应用在整个工作流程中，它才能真正发挥它的价值。

尽管AI在工业领域大规模落地值得期待，但是理想与现实之间仍存在很多问题待解决。风口过去，AI行业大浪淘沙，一些企业或振翅欲飞，一些企业或黯然离场，但这一切并不是终局，而工业AI的落地也将是一场持久战。