持续发酵的AI大退却概率很高。它的真正核心是什么？

自2019年下半年以来，似乎每隔一段时间就能听到一家人工智能公司或一些大型互联网制造商人工智能部门的坏消息。接下来，大型互联网制造商的人工智能项目也受到了影响，行业普遍的高薪神话开始破灭。随着人工智能项目收入低、人工智能上升前景渺茫等争议，许多大型互联网制造商开始收缩人工智能项目，裁员人工智能部门。

自2019年下半年以来，似乎每隔一段时间就能听到一家人工智能公司或一些大型互联网制造商人工智能部门的坏消息。降薪、严重加班、上市困难、牛离开等。2021年下半年，主要人工智能公司开始频繁裁员和人工智能部门。与几年前互联网公司裁员相比，人工智能疯狂地吸引人才，让人们不禁叹息。

是人工智能泡沫破裂，价值回归，还是历史上人工智能卷土重来？

中国科技市场正在上演，持续发酵的AI大退却概率很高。它的真正核心是什么？

寒冬真的来了吗？

自1951年达特茅斯会议以来，B3F-4100人工智能的发展历史上经历了两个著名的寒冬。这两起事件对人工智能行业的影响甚至是毁灭性的。所以当人工智能技术再次出现问题时，人们的第一反应是寒冷的冬天又来了吗？

从过去两年国内人工智能产业的发展来看，火烹饪油的发展势头确实遇到了许多水逆转。首先，我们可以看到所有从学术界加入行业的人工智能神，并开始重新思考发展计划。

2019年，腾讯AILab主任张彤辞职加入创新工厂，担任香港科技大学与创新工场联合实验室主任，兼任科研合作伙伴。2020年7月，南京研究院创始院长魏秀参离职。随后，字节跳动副总裁、AILab主任马维英辞职，加入清华大学智能产业研究院。

到2021年，行业人工智能专家和技术领袖加快了重返学术界或致力于创业的步伐。2021年8月，字节跳动AILab总监李磊辞职，加入加州大学圣巴拉分校。11月，前蚂蚁金服副总裁兼首席数据科学家漆远加入复旦大学，担任复旦人工智能创新与产业研究所所长。

随着学术人才的回归，曾经受到资本欢迎的人工智能公司也遇到了麻烦。首先，松鼠人工智能、比特大陆等有争议的人工智能公司出现了问题，揭示了各种裁员和降薪的瓜。像人工智能四小龙这样的公司也在资本和效益的漩涡中挣扎。加班、降薪、上市困难、上市后频繁询问等问题不断出现。外界对这些公司持续增加的研发投资和困难的商业市场充满怀疑。

接下来，大型互联网制造商的人工智能项目也受到了影响，行业普遍的高薪神话开始破灭。随着人工智能项目收入低、人工智能上升前景渺茫等争议，许多大型互联网制造商开始收缩人工智能项目，裁员人工智能部门。

然而，随着坏消息的出现，国内人工智能市场的框架竞争和大型竞争纷纷浮出水面。人工智能与垂直产业相结合的方法逐渐丰富，全视觉自动驾驶、生物计算等新兴人工智能机遇开始受到关注。

与历史上的人工智能冬季不同，今天中国的人工智能行业面临着更低的效率问题。一些人才、企业和资本逐渐失去耐心，选择退出这场烧钱比赛。历史上的人工智能冬季更多地表现为对人工智能阶段性核心技术路线的彻底否定，以及将人工智能排除在主流视野之外的新技术机遇。前者表现为1973年《莱特希尔报告》的发布，后者表示PC淘汰了专家计算机路线。

既然不同于真正意义上的AI寒冬，那么今天中国AI行业的退却和失败是什么呢？

算法经济失败的核心症结。

由于今天的情况是，一些企业人工智能发展不顺利，裁员降薪，一些企业发展顺利，产品技术升级仍在继续；许多人工智能牛选择及时止损，回到学术界，但许多学术界参与行业人才发展顺利，仍有人继续加入。因此，我们需要分析是什么导致了人工智能行业的进步和撤退。

仔细看会发现，出现水逆的AI公司或项目，大概分为三类：

1.以人脸识别、机器视觉、语音识别等基本人工智能算法为业务核心的算法公司，在安全市场饱和、政府订单接近瓶颈时失去了商业活力。

2.互联网公司人工智能部门的本质是利用人工智能能力为自己的产品系统服务，顺便说一句，他们也想实现人工智能。然而，由于缺乏B端的开拓性技术和能力，基本磁盘是从算法公司抢占业务。

3.一些以人工智能为噱头的公司，如人工智能挖掘、人工智能教育和人工智能健身。这些公司也吸引了大量的人工智能人才，在人工智能不能引起资本兴趣后很可能会匆忙结束。

这三类企业的共同点是，他们的商品和卖点都集中在人工智能算法上。算法当然是人工智能的核心，但它不能是人工智能的全貌。基本的语音、语义和机器视觉算法并不多，一般可以解决更基本的识别问题。这种人工智能算法确实可以满足C端和B端场景中的一些需求，如城市安全和公共交通系统中的人脸识别，但不能满足企业对智能的差异化需求。

当越来越多的企业提供基本的人工智能算法时，简单算法可以满足市场的持续饱和，这种算法经济将迅速耗尽。在过去的几年里，人工智能算法调用从几美分下降到几美分，进一步成为算法免费，支付流量成本。当算法变得越来越便宜和丰富，不再是稀缺产品时，仍然专注于算法的企业就陷入了困境。

当然，我们可以看到，今天的每个人工智能企业不仅提供基本算法，而且还提供复杂的产品结构和技术理念。但让这些技术从PPT走下来，成为真正的企业服务市场份额，有很多门槛需要跨越。

当算法经济逐渐失败，企业没有成本，决心和能力差异化、定制、解决方案交付的企业市场，当然，只能缩小人工智能业务，至少不能再承担人工智能人才的高职和高薪。

换句话说，人工智能正在经历的退却并不是说人工智能是无用的，而是说大多数人工智能企业销售的东西太简单了。提到智慧城市总是安全的，提到工业不变的是质量检查，提到互联网是美容和语音助手，智能推荐。这些场景缺乏深度发展，供应饱和，难以形成进一步发展的动力。有些人说，人工智能产业是PPT世界不可战胜的，演示不令人满意，去市场失去家庭背景。如果人工智能不能成为高溢价的软件产品和服务，那么它很可能是真的。

这就是为什么我们现在很少看到人工智能基本算法的更新，但我们仍然可以看到人工智能产品水平的升级。这些平台都指向一个方向：逃离算法经济，走向标准化的高溢价软件。

人工智能问题的本质是成本问题

有人可能会说，我们可以看到人工智能企业与各个行业的结合。有这么多精彩的案例。我们怎么能说人工智能公司一直在销售算法？

事实上，如果你只看新闻发布会和PPT，人工智能和行业与企业市场的融合是丰富多彩的。如果将每个案例带来的价值放在全国或全球行业的市场股票中，它是相当大的市场份额。

但问题是，人工智能企业完成这些案例的成本是多少？它们真的可复制吗？

这是目前人工智能最大的问题。当技术服务提供商脱离简单低价的算法经济，拥抱高溢价的行业市场时，他们将面临巨大的综合成本。

首先，人工智能的最大成本仍然是人才成本。目前，许多溢价相对较高的人工智能项目需要技术提供商动员大量专家进行现场支持甚至长期停留。许多简单的参数调整都需要博士人才来完成。这些人才首先薪水很高，本质上更像是学者而不是一线工程师。他们来到这个行业有巨大的沟通成本。如果案例成功长期依赖于高水平人才的积累，那么人工智能就无法大规模复制。

另一方面，定制的人工智能模型也需要更复杂的培训环境和更长的培训周期。这涉及到高昂的人工智能硬件成本。目前，培训一个相对复杂的机器视觉模型通常需要大量的GPU进行数月甚至一年的培训。硬件租赁成本可能达到数百万甚至数千万美元。技术服务提供商和最终用户都难以承担这些硬件成本。

人工智能的另一个成本压力来自于效益回报的模糊性。大多数人工智能企业和业务部门都以技术为主，缺乏企业市场服务经验。因此，很难判断哪个行业和产品能带来准确的城市。