在人工智能大火的今天，很多AI项目都有很高的估值。随着时间演进，高估值的项目如何发展和退出？这是很核心的问题。星河互联人工智能事业部总经理、合伙人刘玮玮认为，在IPO提速以及高估值的双重作用下， 2017年将会出现第一拨AI公司的倒闭潮。
4月13日，星河融快在北京上地创新大厦举办了一场闭门路演活动，此次活动共有8家人工智能领域的创企和数家投资机构参与。在活动中，刘玮玮在开场时做了题为“2017，回归创业规律的人工智能”的深度行业剖析，以下为演讲精选：
大家下午好。
去年10月份的时候，我们跟人工智能学会做了一个线下活动，在会场我也做了分享，那时候的主题叫“资本寒冬下的人工智能的春天”。现在AI还是处在比较火爆的状态，但也有了一些改变，我们今天一起讨论一下。
1 中国AI发展比美国慢半年到一年
2016年，无论是从标志性的事件、巨头的布局以及投资的数据等，都可以看出人工智能发展迅猛，但其整体还是处于初期的。
这是目前人工智能领域的基本架构。底层是基础设施，包括数据、训练模型；中间是技术层，有算法以及各种框架；上层有在不同细分领域应用的解决方案。这个组合构成了目前人工智能的产业链。
从这张地理分布图以及全球AI项目成立的时间，我们推断，中国比美国整体的AI发展，应该慢半年到一年的时间。大部分欧美的AI的项目，成立在2013年、2014年。中国在2014年、2015年的时候，也有一批AI的天使期项目创建起来，但是那时候都还不叫人工智能项目。
2 智能机器人未来发展潜力巨大
AI和各个领域的结合基本涉及了我们看到的科技领域以及传统行业的方方面面，比如医疗、营销、商业智能、安全、金融、IOT等等。AI的前景是很广阔的，但目前技术相对成熟的，是医疗、金融、垂直领域的智能客服、语音、安防等几个领域。
医疗有个典型特点，它的场景和应用比较封闭，数据偏结构化，它的数据是很容易拿到训练模型的，这是它的天然属性。还有一些开放的领域，进展就稍微慢一些。
从分布的象限来看，人工智能大部分领域刚刚开始发展。
语音是现在是最有希望全面落地的领域。从安静环境下测试集的准确率来看，基本上可以达到95%，但是在非安静环境下的应用并不好。还有一个问题是对语意的理解，特别是对中文语意的理解，现在还很不成熟。
还有一些有潜质的领域，比如智能机器人。从存在的项目数来讲，智能机器人应该是AI里最大的一个细分领域。
从成熟度曲线来看，语音更靠前一点，然后是计算机视觉。像安防领域这样的封闭的场景，有孤岛化分布的大量数据可以用于训练，在这些领域它是有先发优势的。
3 AI领域融资数目增幅向后期轮次移动
在AI比较火热的同时，从2016下半年到现在我们也看到了很多变化。这是我们基于人工智能行业的演进和大环境分析，看到的一些行业变化。
第一个变化就是IPO提速。这个变化对前沿科技领域会有很大影响。很多新三板项目纷纷摘牌，如果你的整个项目基本面比较好，连续三年盈利，那它可能就去IPO排队了。证监会的消息说，未来每周将会有十家IPO通过审核的项目，按照这样的速率，一年就有500多个项目。
第二个变化是国内成长期基金募集量最大。在A轮左右、商业模式得到验证的项目今年会特别受到投资人追捧。实际上资本市场的关注点有向后移的趋势，这是我们从数据以及平时的业务过程中感受到的。
第三个变化是在这样一个资本的驱动力下，AI项目慢慢也会从早期的天使期过渡到A轮左右的趋势，大家可以看到早期项目融资数目有所降低。
4 2017年会出现第一波AI公司倒闭潮
现在有很多AI的项目估值很高，甚至说整个人工智能领域去年都有比较大的泡沫。随着IPO的提速、项目不断随着时间演进，高估值的项目后面如何发展和退出？我们可以以A股人工智能概念上的项目为尺子，看一下它的营收、商业模式以及PE、PS。你会看到，人工智能现在离全面商用还是很远的，也还远没有到全面盈利的阶段。
我们通过这个尺子去量现在的头部项目，发现有些项目还是比较危险的，那么高的估值后边怎么办？谁愿意接盘？退出路径怎么样？
以科大讯飞为例，截止到2016年Q3，全年科大讯飞营收在33亿左右，净利是4.9亿。我们把科大迅飞作为一个行业缩影来看，那么跟科大迅飞类似的某些语音公司主营业务还没有盈利，整体还是在烧钱的状态。这么高的估值，要以一个什么样的倍数或者期望去退出？这是很核心的问题。
所以我们判断，在IPO提速以及高估值的双重作用下， 2017年第一拨的AI公司会有倒闭的风险。商业模式长时间未被验证，估值又很高，后面可能就会遭遇无人接盘、无法退出的危险。
5 人工智能在C端落地还需5-10年
下面分享几个星河对于这个行业的整体观点，这些观点是我们通过不断看项目、对各个重点领域的项目进行梳理后总结出来的。
第一，算法壁垒降低
去年，如果你有一个比较好的科学家和比较好的算法分析团队，可能很容易拿到天使轮甚至是A轮以前的融资。随着行业演进，关注度越来越高、做得人越来越多，不断有科学家进入这个领域，算法和壁垒一定会慢慢降低，这是规律。
第二，纵深能力提升
除了算法之外，创业团队需要有行业纵深能力、市场实践能力，如果没有这些能力，项目落地起来非常困难，非常单薄，可能会面临许多危机。
第三，解决需求更重要
在落地的应用场景中，解决需求比起算法创新来说更为重要，需要的能力也更为全面，创造的价值也更容易实现。所以核心的问题是，创业项目的产品，能够解决什么样的需求。
第四，整体解决方案更有价值
软硬件的整体解决方案比单独算法更具价值。硬件项目比软件项目壁垒高一点，这是我们观察到的一个现象。所以说整体解决方案是极其重要的。
比如说，在行业初期，给机器人提供核心的部件，只有算法或硬件是不够的。只提供软件，客户还要找硬件，只提供硬件，客户还要找软件，最好的能力是提供整套的软硬件解决方案。
第五，数据资源更稀缺
垂直领域的数据资源比单独的算法更稀缺，能不能拿到别人拿不到的带标记的数据训练集，比如在医疗领域，对于早期训练模型极其重要。
第六，To C落地还需5-10年
人工智能将在To B领域先落地，C端还很遥远。只有在B端相对成熟，能够为C端低成本解决需求的时候，C端才有落地的机会。
第七，机会还有很多
在这个领域，还有很多创新机会，星河互联也在进行积极地创建和投资。
6 投资人评判AI项目一定要用商业尺子
对于投资人而言，应该如何看待这样的变化？
我们对技术创新的项目，依然有很宽的容忍度，但是我们在评判项目的时候，无论是早期阶段还是中期阶段还是后期阶段，都要用商业尺子去衡量。
此外，明天的机会永远比今天还多，不用因为没投上一个项目而懊恼。多在一线去调研，发现AI的某些应用场景。
7 AI创业公司不要一味追求高估值、不要以烧钱为荣
对于AI创业公司来说，首先要考虑的问题是如何活下去，下面是5种生存方式：
寻找被并购机会
卖老股，产生现金流
多与合作伙伴一起整合解决方案，形成高壁垒
管控现金流，高效运营
能拿钱就拿钱，不要一味追求高估值。
总结来讲，行业很光明、道路很曲折。2017年，如果我们用创业的尺子衡量现在的领域，可能会挤出一些泡沫，也会有一些真正有商业感觉的创业者涌出，这是我们乐意看到的。
好，今天就分享这么多，谢谢大家。
