裁员|裁员,降薪,大牛出走:AI大退却的始末缘由( 二 )


与历史上的“AI寒冬”不同 , 今天中国AI行业面对的更多是效益低下问题 , 部分人才和企业和资本逐渐失去了耐心 , 选择了退出这场烧钱竞赛 。 而历史上的AI寒冬 , 更多表现为对AI阶段性核心技术路线的彻底否定 , 以及新的技术机遇将AI排挤出主流视野 。 前者表现为1973年《莱特希尔报告》的发布 , 后者代表是PC淘汰了专家计算机路线 。
既然与真正意义上的“AI寒冬”有所不同 , 那么今天中国AI产业表现出的退却和不顺利 , 内核究竟是什么?
核心症结 , 在于算法经济的失效
既然今天的情况是 , 有的企业AI发展不顺 , 裁员降薪 , 有的发展还算顺利 , 依旧在持续进行产品技术升级;很多AI大牛选择及时止损 , 回归学界 , 但也有很多学界投身产业的人才发展顺利 , 并且依旧有人继续加入 。 那么就需要分析一下 , 究竟是什么造成了AI行业“进”与“退”的同步出现 。
仔细看看会发现 , 出现“水逆”的AI公司或者项目 , 大概分为三类:
1.以人脸识别、机器视觉、语音识别这类基础AI算法为业务核心的算法公司 , 在安防市场饱和、政府订单接近瓶颈时失去了商业活力 。
2.互联网公司的AI部门 , 本质是用AI能力服务自己的产品体系 , 顺便还想将AI变现 。 但缺乏B端的开拓性技术和能力 , 基本盘是想从算法公司那里抢生意 。

3.把AI当作噱头的一些公司 , 比如AI挖矿 , AI教育 , AI健身 。 这类公司也吸纳了不少AI人才 , 在AI无法引起资本兴趣后大概率草草收场 。
这三类企业的共同点 , 在于他们的商品和卖点都集中在AI算法 。 算法当然是AI的核心 , 但却不能是AI的全貌 。 基础的语音、语义与机器视觉算法种类并不多 , 能够解决的大体是比较基础的识别问题 。 这类AI算法确实可以满足C端和B端场景中的一些需求 , 比如城市安防与公共交通系统中的人脸识别 , 却无法满足企业对“智能”的差异化需求 。
当提供基础AI算法的企业越来越多 , 简单算法能够满足的市场不断饱和 , 这种算法经济也将快速枯竭 。 几年时间里 , AI算法调用从几毛钱一次下降到了几分钱 , 进一步变成了算法白送 , 支付流量费用就行 。 当算法变得越发廉价而充沛 , 不再是稀缺产品 , 依旧把产业重心放在算法上的企业也就陷入了困境 。
当然 , 我们可以看到每家AI企业在今天都绝不仅仅提供基础算法 , 而是有花样繁复的产品架构和技术思路 。 但让这些技术从PPT中走下来 , 变成真正的企业服务市场份额 , 期间需要跨过的门槛非常之多 。
当算法经济逐渐失效 , 企业又没有成本、决心和能力走向差异化、定制化 , 解决方案式交付的企业市场 , 当然就只能收缩AI业务 , 至少可以不再负担AI人才的高职与高薪 。

换句话说 , AI正在经历的后退 , 不是AI没用了 , 而是一大部分AI企业卖的东西太简单了 。 提到智慧城市永远都是安防 , 提到工业恒久不变的是质检 , 提到互联网就是美颜和语音助手、智能推荐 。 这些场景都缺乏发展纵深 , 已经出现供给饱和 , 难以形成进一步发展的动力 。 有人说AI行业是PPT天下无敌 , demo差强人意 , 走到市场赔光家底 。 如果不能把AI变成高溢价的软件产品与服务 , 那么确实很可能如此 。
这也是为什么 , 我们如今很少看到AI基础算法的更新 , 却依旧能看到AI产品层面的升级 。 大模型、开发框架、求解器、简单机器学习 , 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 。
AI问题 , 本质是成本问题