左手拿着钱，右手又撒钱，AI技术公司为啥喜欢这么玩？
他们左手拿完亿元融资，转身就去投资几家公司，好像在玩 “击鼓传花” 式的游戏？
本文来自合作媒体：IT桔子（ID：itjuzi521），作者：吴梅梅。猎云网经授权发布。
根据 IT 桔子数据，目前人工智能技术领域拿钱最多的是估值 60 亿美元的独角兽商汤科技，截止到 7 月初，其融资总额达 193.75 亿元。另外，中国当前还有 6 家头部 AI 技术公司拿到的钱超过了 30 亿元。
有没有发现，无论是像科大讯飞这样已上市的，还是商汤、思必驰这样未上市的人工智能公司，他们左手拿完亿元融资，转身就去投资几家公司，好像在玩 “击鼓传花” 式的游戏？
来分析一下他们投资的独特性吧。
我们知道， CVC 投资（企业投资模式）一般是企业发展到成熟期才衍生出来的需求，很多传统企业、上市公司都寄希望于通过投资并购给企业带来二次增长；PC 互联网时代崛起的科技公司走的也是融资、自我造血、发展壮大，然后投资赋能的道路。
腾讯是在 2005 年（成立 7 年）才有了第一笔投资（一家网游公司），而投资部门正式成立是在 2008 年；百度到 2007 年（成立 7 年）参与投资了一家公司；阿里巴巴则更晚，在 2008 年才公布了对百世物流的投资，距离其成立已过去了 9 年。
原因自然是，企业家对企业的发展的设定是倾向于 “自我增长” 的，只有当企业的 “内驱力” 和快速规模化发展的需求、愿望产生矛盾时，才会考虑借助投资这个“外力”。
但是，我们也发现，现代科技公司对投资业务的介入有提早提前的趋势，对人工智能技术公司来说，尤其如此——就好像投资已经变成了公司主业的一部分，他们成立一两年甚至诞生几个月就开始对外投资。
以商汤为例，商汤科技由香港中文大学工程学院团队创立于 2014 年底，自成立起就设立了投资部，2015 年底就并购了 1 家公司 LinkFace。
IT 桔子统计到，仅公开的项目来看，商汤科技在 6 年内投资了 11 家公司，并购了 Linkface、新舟锐视、深网视界这 3 家专注计算机视觉与图像领域的创业公司。商汤并购标的与主业高度重合，也因此奠定了商汤在机器视觉领域的领导地位。其中 2017 年 5 月商汤对深网视界的并购案尤其值得关注。
深网视界致力于公安行业智能视频监控分析，人群分析，人群密度，混乱程度，安全等级，滞留预警，人体跟踪，人脸识别等，提高安防系数，总之公安系统是其强项。2017 年底，商汤表示已实现全年整体盈利，收入来源主要有三大块：智能视频(安防)、金融、手机移动互联网。虽然具体收入金额未透露，但安防占其营收结构的一大半，不难得出这笔并购直接为商汤带来了可观的营收。
其他投资标的同样有涉及到各个具体应用领域的服务商，例如特斯联是专注智慧城市、物联网领域的解决方案服务商；智元汇是基于人工智能的智慧乘运解决方案提供方，专注于城市公共交通领域；禾连健康专注医疗健康领域，提供医院物联网应用解决方案。
投资并非儿戏，商汤频繁投资目的何在？
商汤科技联合创始人、主管战略投资部的徐冰表示：“因为目的不同，我们跟红杉、IDG 资本等这样的专业机构在投资逻辑、项目收益和风险评估上，会有些差异。”这个目的在当前阶段我们可以简单理解为战略目的，旨在考虑业务协同、能够产生和放大商业价值的，与风险投资机构注重财务回报不同。
那么，实现战略投资的目的有什么样的途径呢？
往大了说，CVC 投资形式通常可以分为两种：一种是内部成立投资部门直投项目，适合自有资金充足的上市公司，这样的 AI 公司也有商汤、旷视；另一种则是与传统 VC、PE 等机构联合成立产业基金，便于募集到外部资金，像商汤、思必驰、中科视拓就采用了这种方式。
商科科技既做自家的战略投资，也运营商汤产业基金，这种做法可能是想兼顾到两者的优点——第一个直投在决策上相对更灵活些，主要考虑企业需求；第二个类似合投，需要多方共同决策，但投资范围更广泛，适合走小米的生态链合作企业模式，商汤多次公开表示希望用资本杠杆撬动更大的人工智能生态。
2、AI 技术公司的痛点促使其走上投资之路投资人追捧、独角兽、高精尖——头部 AI 技术公司常常顶着这样的 “光环”。他们创始团队的背景、资历也很出彩：“清北复交” 名校毕业、博士学历，工作单位 “百度”、“中科院” 打底，学术研究和专业实力过硬，在顶级学术期刊发表论文，各种拿奖不稀奇。
这样的企业看着已经很厉害了，不投资行不行？
或者说 AI 技术公司热衷于投资的动力到底是什么，本质上还是要回到公司内部管理和商业化的痛点上来。至少，在这些方面，他们有着诸多不适和困扰。
痛点一：商业化难度大。AI 技术的特性非常美好，也具有极大的想象空间，但放在市场上去检验它、衡量其价值的标尺就是商业化。只有 AI 技术真正落地到具体应用场景中，才能真正发挥商业价值。
所以对 AI 技术公司来说，首要的挑战是商业化，像人脸识别已经在安防领域有成熟的应用场景和产品方案，变现容易；而其他的深度学习等技术公司变现难度就更大了，没有应用场景就没有客户，也就没有收入。
痛点二：市场培育期长，落地难。当前人工智能领域的技术革新日新月异，但对传统产业的改造和落地太少了。
首先，市场本身会滞后于技术的发展，这是自然规律，尤其面对人工智能这样复杂的技术，不管是企业的接受度、使用成本上，还是服务人员所需的知识技能上都有很大的限制，导致市场培育期漫长，而且很慢。
其次，在团队人员结构上，AI 技术公司重技术研发，轻商业服务。
商汤是重技术的，商汤科技联合创始人徐冰在公开演讲中谈到，现在，如何批量地生产针对不同物体和场景的模型，已经成为驱动 AI 增长、下一代技术演进的关键问题。
去年商汤大概有四千名员工，其中有 2500 多人是算法和产品研发人员，超过员工总数的一半。在商业化团队方面，尽管商汤联合创始人杨帆在计算机视觉算法产品化、项目管理、研发管理和团队管理等方面拥有十余年工作经验，但只有将，“没有强悍的兵”，商汤科技在商业化落地应用上也是挑战重重。
痛点三：高估值、高亏损、低营收。高估值是存在泡沫的。
对持续亏损的的 2C 互联网公司而言，亿级用户量是其高估值的基石，那么，对于 AI 技术公司而言，没有足够多的客户、业务场景支撑，仅凭技术本身很难长期支撑起高估值。因此，去投资一些解决方案服务型公司，丰富可能的应用场景是补救的一个办法。
高亏损的原因是公司收入低，但成本高。
AI 技术公司的成本就是人力成本，公司以高薪养着几千的研发人员，但他们不产生任何收入，固定的研发成本占了大头，营收增长赶不上开支，亏损是必然。
以寒武纪为例，2017 年 - 2019 年，寒武纪营收分别为 784.33 万元、1.17 亿元和 4.44 亿；同期亏损金额分别为 3.81 亿元、4104.65 万元、11.79 亿元，三年亏损总额超 16 亿元。
低营收的本质是 AI 创业公司没有承接超大项目的服务能力和大规模交付能力。
以智慧城市场景为例，AI 的落地方式是对整个城市大范围的改造，小范围落地带来的改变和收效甚微。那么对于 to B、to G 这种大订单、大项目模式的产业链环节是比较长的，需要上下游配合，需要部署，很难说一家公司可以大包大揽，这十分考验创业公司协调外部资源和协作的能力。
痛点四：资本极度追捧 AI，但又缺乏足够的耐心，迫切希望获得回报。目前头部 AI 技术公司大都走过了 5 年的时间，接受过知名风投的大笔投资，但现阶段想要走到上市还很困难，仅有寒武纪这一家近期将于科创板上市。
正是在这种种的痛点之下，为加速 AI 技术的落地进程，商汤科技提出了 “1+1+X” 的商业战略模型：第一个 1 代表研发，第二个 1 代表技术产业化，而 X 则代表着“赋能百业合作伙伴”。
在宣布对影谱科技的投资时，商汤表示，围绕其原创底层深度算法平台与计算机视觉技术，“商汤逐步通过对外投资等方式，吸引更多与商汤存在业务协同和互补性的公司加入人工智能生态中，用资本策略放大商汤的技术影响力。商汤通过领先的技术形成时间窗口，并快速布局行业，倾力打造与合作伙伴共赢的人工智能生态。”
3、这些公司也需要 AI 技术赋能投资是你情我愿，这些公司接受商汤的投资也是有原因的。
从投资案例中，我们发现以下几类公司比较愿意：
一是具备了一定的行业认知和客户资源，但技术不够强的初创科技公司。通过投资他们拿到的不止是资金，还有技术合作、品牌背书。
二是在传统行业已深耕多年，积累了大量的客户资源、销售渠道，占据一定市场份额但受某种局限一直 “长不大” 的传统公司；他们甚至可以成为商汤 AI 技术的推广方、项目实施方。
三是在某个细分领域已建立起行业场景、占据一定地位的行业 AI 公司，如影谱科技、禾连健康。商汤的投资可以为他们带来行业影响力，为后续的再融资、进一步壮大提供便利。
可见，商汤投资对他们而言主要是技术赋能、品牌赋能。
投资以外，AI 技术落地的另一个趋势，就是算法与硬件的结合。比如大家熟悉的手机拍照。手机镜头受限于空间，大幅提升像素不容易，而亿级别像素手机的出现实际上就是软件 + 算法 + 多镜头的结合。商汤作为 “AI 工厂” 输出算法，帮助手机厂商实现 60 倍变焦、暗光拍摄这样的功能。商汤因此与美图手机厂商有了深度的合作。
对于诞生于近 10 年的人工智能科技公司而言，他们较早地认识和接受了风险机构的投资，同时也更早地介入企业投资，目的主要有二：一是并购同技术方向的同类公司，迅速扩大规模，以占据市场主导地位；二是投资上下游的企业，形成合力和互助生态。而促使他们投资的原动力是资本催化下人工智能技术公司走向大规模商业化和落地的需求。
商汤科技正是这个行业的缩影。
网站栏目：左手拿着钱，右手又撒钱，AI技术公司为啥喜欢这么玩？
当前URL：http://shouzuofang.com/article/chedhj.html