人工智能大數據企業無疑是近兩年“獨角獸”陣營中的明星，就在剛剛過去的2018年，包括商湯科技、曠視科技等多個企業都從前幾年的低調佈局轉變爲高調發聲。
這一變化的背後是資本的青睞和驅動。2019年初，《艾媒報告|2018中國人工智能產業研究報告——商業應用篇》顯示，2018年行業融資熱度持續走高，iiMedia Research(艾媒諮詢)數據顯示，2018年中國人工智能領域共融資1311億元，同比增長超過100%，投資者看好人工智能行業的發展前景，資本將助力行業發展。
但是資本的涌動僅僅表示投資人對人工智能的預期比較高，並不代表當下人工智能的技術發展已經成熟。有投資人表示AI企業的估值正在回調，創新工場董事長李開復在2018年9月接受《每日經濟新聞》採訪時表示，在過去的三四個月AI公司估值已經下降了20%、30%。
資本青睞僅是表面繁榮
“AI的泡沫破滅不會太遠了。我認爲(2018)年底是估值合理化的一個時間點。過去這三四個月AI公司估值已經下降了20%、30%，再下降20%、30%，就是AI公司合理的估值了。”在2018年9月，創新工場董事長兼CEO李開復在《AI·未來》新書發佈會上向《每日經濟新聞》在內的記者表示，太多人用AI包裝項目，造成估值過高，未來將會得到調整。
可以看到，在過去的幾年時間裏，中國的人工智能企業數量快速增長。IT桔子統計的數據顯示，從2013年至今，AI領域共有1332家創業公司，2371起投資事件，投資總額爲2885億元。資本的瘋狂涌入催生了一大批人工智能企業，同時也導致了整個行業的企業估值都處在一個偏高的狀態。博將資本硅谷管理合夥人AlexRen曾對媒體表示，整體來看中國公司估值比美國高二到四倍。
但值得注意的是，資本的佈局催生了整個行業的繁榮，同時也意味着，在資本之風不再吹拂之後，有些企業難免會落在地上。騰訊研究院&IT桔子聯合發佈的《2017年中美人工智能創投現狀與趨勢研究報告》統計數據顯示，截至2017年6月，倒閉的中美人工智能企業數量已超過50家。
“資本介入、政府認可並不是行業真正的繁榮，整個行業的泡沫還很大。”艾媒諮詢CEO張毅對《每日經濟新聞》記者表示，2017年～2018年，資本對於人工智能大數據企業介入較多，整個行業呈現出一片繁榮的景象。但如果在未來兩年難以找到具體的應用場景，被用戶認可，估值的回落是一種必然。
此外，張毅也提到，隨着2018年人工智能大數據領域的獨角獸企業涌現，拿到大額融資的企業也會對競品企業產生一定擠出效應，整個行業進入洗牌期，得不到資本持續支持和業務訂單的企業很容易面臨危機。
儘管AI企業估值回落，但作爲投資人，星瀚資本創始人楊歌在接受《每日經濟新聞》記者採訪時表示，他並不懷疑人工智能的發展潛力。楊歌認爲，大家信心階段性回落的原因是過去幾年資金比較活躍，人們又過度預期了人工智能會產生的商業價值，當這些公司達不到他們的預期時，估值開始回落理所當然。“事實上AI企業估值回落已經不是第一次，類似的事情歷史上已經發生過四次了。”楊歌表示。
數據制約人工智能發展 大連渤海醫院電話 http://jbk.39.net/yiyuanfengcai/lx_dlbhyy/
“限制人工智能發展的重要因素之一仍是數據。”楊歌還表示，企業在收集數據的時候會遇到很多困難，比如數據噪音及數據同源性等問題，這些都會導致最後的分析結果有差異。
以“數據同源性”的影響爲例，如果數據同源性太高，無法形成有效的分析，最終呈現的結果就會是片面的甚至會是假象。楊歌打了一個很形象的比喻：“這就像明天要考歷史了，複習了一晚上的中國史，結果卻考了世界史。”很多公司沒有辦法找到更多元的數據，甚至有的公司不知道應該使用哪些數據應用到自己的數據模型上。
講到這裏，已經可以發現數據的重要性。作爲人工智能產業鏈的上游，借“AI熱”的東風，大數據企業的估值應該也不會低，但是事實上並非如此。楊歌分析指出，所有這些市場化的數據，同質化嚴重，溢價競爭力太低，導致大數據企業無法被高估值。相比之下，BAT等互聯網巨頭商業體量很大，有很多獲取數據的渠道，而這些渠道是中小AI企業無法接觸到的。
因此，對於AI企業來說，市場上的數據無法滿足它們的需要，但是自己採集數據的話又會遇到各種困難。瀋陽新鬆機器人自動化股份有限公司高級副總裁王宏玉此前在接受《每日經濟新聞》記者採訪時指出，人工智能在應用過程中常常涉及到很多隱私，包括個人隱私、企業隱私，現在新鬆機器人給用戶提供的智能化生產線涵蓋了這兩類用戶。
“目前我們提供的服務，理論上可以採集用戶的數據，但實際上包括機器人、產線都是斷網的，不讓我們採數據，因爲一旦這些數據被泄露以後，所有的生產工藝包括生產祕密都泄露了，這對企業來講是大問題。”王宏玉表示，現在人工智能不是哪兒都能用的，各種限制比較多，新鬆機器人也不能輕易去觸碰這些底線。
當然，數據只是影響人工智能發展的一個因素，並不是全部。當下，除了數據之外，硬件、算法、系統軟件等基礎層技術也都處在不成熟的階段，這導致很多人工智能產品無法成爲一個C端消費者能直接使用的產品。楊歌指出，今天的人工智能和1960年前後的計算機行業非常相似，仍處在大規模2B的階段。