7月9日，2021世界人工智能大会投融资论坛隆重举行。本次论坛由中金公司承办、上海人工智能产业投资基金、临港科创投资共同协办，以“AI，驱动新经济、新生活”为主题，邀请了投资界、产业界、科技界专家畅谈人工智能投融资现状与趋势，探讨AI投资如何赋能数字化转型。

　　上海国有资本投资有限公司总裁，上海AI基金执委会主任、投决会主任戴敏敏受邀就“AI领域投资的思考和展望”发表主题演讲。戴敏敏从全球和国内AI领域投融资出发，AI产业基础日趋坚实、产业生态日趋完善、全球合作日趋深化。同时，戴敏敏从“AI与数据”、”AI即服务”、 “AI+服务”三个方面分析了AI投融资趋势。AI正在逐步成为数字化生态的超级节点，帮助AI企业自身和所服务的行业更高质量发展，形成全球竞争力。

　　以下为戴敏敏演讲稿全文

　　非常感谢大会组委会和中金公司邀请，今天很荣幸代表上海人工智能基金分享AI投融资方面的一些感想和体会。

　　上海人工智能产业投资基金是上海市政府决策部署的市级产业基金，也是世界人工智能大会的重要成果，经历了2018年第一届大会上发起倡议，2019年启动筹备，2020年基金成立。基金正式启动投资以来10个月，我们直投了18个项目，其中5个项目已经启动了IPO；8个子基金的项目，覆盖投资额260亿，撬动倍数60倍；投招联动，服务了很多企业，其中20家企业落户上海。

　　在投资人工智能的过程中我们也有一些体会和思考。首先看全球的AI投融资市场现状，总体来看，近三年来，全球AI投融资市场趋于冷静、成熟和应用导向，我们概括为：“一降”、“两升”、“聚焦”。“一降”，是全球新成立AI企业数量明显下降，从2017年的峰值5000家，下降到了去年不到800家。

　　“两升”，第一个升是AI投融资市场整体热度持续提升，2018年依赖保持年增速25%，去年达到680亿美元左右。其中美国占比56%排名第一，中国排名第二，占比24%左右。第二个升是行业整合并购有明显提升，从2019年的85亿增加到2020年的189亿美元，翻了一倍，占全阶段投资的28%。

　　“聚焦”，是我们明显的感受到了AI投融资更聚焦新兴的应用领域，去年生物医药领域的AI企业获得了138亿美元融资，上年度只有30亿左右；其次是自动驾驶、教育、安防、金融、消费等应用领域。新兴应用领域获得了资本更多的投入。

　　中国的AI投融资市场现状总体趋势与全球基本一致，从2016年至今大致经历了三个阶段，第一阶段是“兴起”，投融资市场关注的主要是技术和标准；2017-2018年随着人工智能上升为国家战略，全国各地的企业、高校、政府高度关注人工智能，出现了一波高潮；2019-2020年进入到第三阶段，投融资市场开始更加注重AI技术与应用场景、传统产业的深度融合。

　　从数据来看，中国AI投融资持续向好，投资规模比较稳定，而且单笔投资金额显著上涨，成长期的AI企业较为活跃，更加受到关注。AI企业的重点从早期的技术逐渐向“产品”转变，AI从“显性”因素转化为“隐性”因素，从“概念”开始成为真正的通用技术。

　　从全球AI投融资外部环境来看，截至去年年底，全球有39个国家地区颁布了战略政策和产业规划文件，而且发布了技术标准和伦理规范，龙头企业开始进行全产业链布局，科研机构加强前瞻性技术研发。总体来看，近几年AI的产业基础日趋坚实，产业生态日趋完善，全球合作日趋深化。在这样一个市场环境下，我们初步思考、总结有这几个趋势：

　　第一个趋势是“AI和数据”。前几年投资机构比较关注AI企业的技术，往往一个技术大咖的加盟可以使AI企业获得很高估值。而近几年，AI企业的数据能力则获得了更多重视。为什么说是“数据能力”？因为数据是AI生态环境的核心。下面这张图是中国通信协会统计的全球各国/地区对AI生态环境几个重要指标的重视程度的变化，颜色越深表示重视的趋势越明显。

　　从图中我们可以看到，近三年来，公共数据集、行业资源库等的数据要素得到了更多发达国家的高度重视。开放共享的公共数据集，市场化、数字化的行业资源，高等院校与龙头企业主导的学习框架，包括开放平台，构成了整个AI生态环境的核心要素。

　　这里举一个公共数据集的例子。我们在接触大量AI企业的过程中发现，数据是AI技术迭代的原料，也是AI技术应用的产品，所以在衡量一个AI企业的商业价值时，主要衡量指标之一就是考察AI企业能否获得充足、稳定、优质、安全的数据，能否深刻理解行业的数据，能否成功地改造利用数据。而数据发布有各种渠道，不同的发布方会发布不同的数据集，每个数据集不仅应用涵盖范围非常广，涵盖领域的更新周期、安全性、规范性、数据质量等都不一样，所以公司团队中只有技术大咖是不够的，必须拥有强有力的团队来获取数据、理解数据。

　　第二个趋势是“AI即服务”（AI as a Service）。近几年从技术角度来看，深度学习算法和算力体系没有太大的突破，但高效率、可迁移、高性价比的AI模型获得了更多研发和资本的投入。比如，通过对预训练的大型模型GPT-3进行微调，可以更快地在特定的具体任务中获得更好性能；算力方面，针对AI并行计算进行优化的低功耗设计成为重点。以图像识别模型为例，2017年需要2000美元完成的训练，2020年成本已下降到7.4美元。算法设计的进步和云计算成本的下降是整个AI模型训练成本下降的主要驱动力。

　　同时我们看到，云计算厂商开始提供平台性、模块化、可调用的AI工具，AI能力可以转化为一种“服务”，向更多行业解决方案服务商、甚至传统企业输出。相对标准化的AI模块帮助各垂直领域创新应用成本快速下降，这是近几年比较明显、突出的趋势。所以我们判断，AI+领域应用将开始真正进入商业实战的阶段。

　　第三个趋势是“AI+服务”。平台公司“AI即服务”解决的是AI应用领域中相对标准化的部分，但其实大家都知道，AI应用里还有很多非标准化的部分。投资机构往往更偏好“SaaS”这样轻量化、可复制的业务模式，这类企业的毛利往往高达80%以上；但市场上还有很多项目制的软件公司，模式比较重，毛利率可能只有30-50%。目前我们看到多数AI企业的毛利率在两者之间，从事的是我们所谓的“边缘端创新”。

　　边缘端创新就是针对AI商业领域当中相对非标的那部分，主要有三种形态。第一种是克服长尾困境、降低长尾服务成本的模式。因为AI数据积累和模型调参里会碰到长尾困境，类别较少、频次较高的“头部”数据可以识别，但在低频的“尾部”信息无法有效识别，或识别尾部信息会增加大量的成本和技术难度。很多AI企业在尝试通过 “定义场景”、“数据聚类”等方法来突破这一难题，用类似于“去噪”的方式，把数据参数严格界定。这种方法在智能客服、医疗诊断等领域已开始应用。

　　第二种是AI技术供应商和客户联合创新。通过深度定制行业解决方案，联合创新模式中的AI技术提供商获得了定制化行业的大量数据积累和深刻认知，形成了较高的、可靠的行业壁垒。这个模式在企业IT流程改造、自动驾驶芯片等领域开始成为主流。

　　第三种模式更加深度融合，是AI企业拥抱服务。AI企业提供服务商从技术服务切入到生产运营，来改变整个行业生态格局，目前智能财税服务、无人公交、智能港口码头等领域开始初具雏形。

　　无论是哪一种模式，最重要的始终是以恰当的方式运用AI的只能决策能力，通过效率提升和需求创造，帮助AI企业自身和所服务的行业形成全球竞争力。

　　AI投融资的第四个趋势，我们从企业价值来看。当一家企业连接AI技术和应用场景，形成商业落地的时候，我们称为单点技术应用，这类企业一般为十亿级的规模；当一家企业连接AI及多元技术，形成行业解决方案，我们成为技术赋能产业，将会形成百亿级规模；但只有通过技术重构产业，让AI的智能决策能力真正成为连接虚拟与物理世界的超级节点，才有机会成为千亿级的企业。从产品到产业的转化过程中，技术对于经济的带动和影响将较前一阶段更为显著，但同时也需要更多的资本投入、基础建设投入，和与新旧产业转换相适应的社会体系调整。反应到AI企业的估值上，“AI”概念溢价逐步回归理性，但AI技术的价值具象为“技术的合理使用”，带动的高成长性为应用AI的企业提供更可持续的价值支撑。

　　最后我们回到上海的AI产业，我们很荣幸在上海从事AI的事业。我们看到，上海的AI企业占全国数量的10%，位居第二，且基础层、技术层、应用层产业布局均衡，分别占比57%、35%、8.5%。上海拥有丰富的应用场景资源，是国内AI商业应用的排头兵。

　　作为上海人工智能产业投资基金，我们不仅能够为有意在上海发展的AI企业提供资本支持，还有来自市区两级政府的支持、自贸区临港新片区的政策，和上海各产业集团丰富的应用场景。也感谢上交所在人工智能产业基金设立了科创板AI工作站。希望通过我们的努力，助力上海AI产业腾飞，与广大优秀的AI企业共同成长！
 

（第一财经）