風向2018 | 當區塊鏈成為新風口，AI初創公司融資會開啟Hard模式嗎？

問：2017年AI行業最大的進展是什麼。

答：創業公司的估值。

這個行業玩笑背後，正是2017年中國AI領域投融資“繁榮”。

不過2018年，這樣的表象繁榮，或將很難複現。AI創投正迎來理性迴歸。而更多的AI創業公司可能會迎來融資的Hard模式。

（註：資料來自鯨准，投資熱度主要基於投資人在鯨准上的行為產生，可以反應投資人對項目、賽道的關注度）

2017年12月的最後一周，一級市場創投平台鯨准上，人工智慧賽道的投資熱度開始出現折線式的下滑，投資熱度資料由92下跌至73。在經曆了快速增長、平穩提升之後，大幅回落。

這個現象或許並不在普通讀者的意料之內。畢竟，從旁觀的角度，2017年全年，尤其是剛剛結束的第四季度，AI領域的投融資格外熱鬧，賽道不僅吸睛而且吸金。

2017年10月AI教育公司乂學天使輪融資高達2.7億元，這筆錢很可能能投資ofo的B輪；AI晶片廠商寒武紀A輪即成為獨角獸，之前達到這一成績的中國公司是阿里體育、瓜子二手車，這些公司往往當時已有大平台資源注入；人形機器人公司優必選外界傳言的估值達到40億美元，電腦視覺公司商湯科技被傳以30億美元的估值融資，兩家公司在使用者資料、財務資料方面可能並不突出，而之前快手達到30億美元估值時月活已經達到1.5億。

但拆解這樣的繁榮表象，AI投資降溫趨冷，資金、資源聚焦第一梯隊，都在2017年呈現出明顯的先兆。

一、AI投資降溫，迴歸理性

（註：資料來自鯨准，2017年資料為2017年1-11月資料）

（註：資料來自鯨准，2017年資料為2017年1-11月資料）

2017年1-11月，中國人工智慧領域一級市場投融資交易金額達到189.4億元，佔一級市場投融資交易總額的2.38%；交易數量達到219筆，佔全部交易時間的4.892%，較之2016年高點略有下滑。

（註：資料來自鯨准，2017年資料為2017年1-11月資料）

從平均融資金額來看，2017年基本與2016年持平，單筆融資均在8650萬元左右，並未呈現出於交易金額、交易數量接近的下滑趨勢。

二、資金、資源聚焦大市場、第一梯隊

實際趨冷，但表象狂熱，與資金、資源聚焦第一梯隊有關。馬太效應，使得第一梯隊獲得了大量的外部關注。

我們統計了2017年人工智慧領域金額最高的5筆融資，5筆融資的交易額已超80億元，佔到人工智慧領域全融資金額的45%左右。事實上，即使是在前5名內，差距也十分明顯，Top1曠視科技的C輪融資金額是Top3 出門問問D輪融資金額的3倍多。2017年，曠視科技、商湯科技兩家各完成了一輪4億美元以上的融資，佔到了全部人工智慧領域投資的30%左右。

這種馬太效應在2017年格外明顯。以曠視科技、商湯科技所在的電腦視覺領域的Face Service方向為例，賽道上的公司多達100多家，但2017年，曠視科技、商湯科技兩家融資超過8.7億美元，佔到了賽道融資額的65%。36氪瞭解到，2017年7月商湯完成4.1億美元B輪融資，這筆融資披露之後的一段時間，投資人對這個賽道上在融資的非第一梯隊的公司態度明顯審慎，下半年該賽道上A輪融資寥寥無幾。此消彼長，商湯科技的這一輪融資，共有20家左右機構參與，這些投資人則有可能帶來相關的客戶資源。

在智能語音方向，在目前競爭最為激烈的語音辨識方向，因為百度、微軟、科大訊飛等大公司強勢參與，另有較早創業的出門問問、思必馳等已經形成先發優勢，直接競品公司獲得融資的機率低，獲得融資的公司多是從上下遊切入，如上遊的聲學器件、麥克風陣列，下遊的自然語言處理、行業應用。

之所以出現這一現象，我們認為與AI方向創業的特性有關。國AI創業是資料資源、人才技術驅動。新科技創業現階段還主要從技術切入，應用市場以To G 、To B 為主，往往要與巨體的情境、業務結合。直接業務資料是重要的競爭壁壘之一，成功的客戶案例則是擴大業務的重要推力。因此馬太效應會明顯。

另一方面，第一梯隊公司主動戰略站隊又加強了馬太效應。與很多領域排斥站隊不同，AI初創公司更傾向於早期“抱大腿”，加速實際落地，率先獲得行業資料及經驗。在《AI時代的戰略投資：從為財務投資接盤，到被財務投資接盤》一文我們已經提到，2017年戰略投資數量增加，且戰略投資階段更早，甚至有財務投資人開始把公司獲得過戰略投資作為投資的標準之一。

事實上，不少公司都是主動站隊，有意拉攏戰略投資人及國家隊投資人。如在AI晶片賽道，幾乎知名公司背後都有半導體大廠、互連網大公司的身影。深鑒科技的CEO姚頌曾在接受36氪採訪時表示，為了爭取螞蟻金服的投資， 在估值上做出了讓步。而曠視科技的C輪融資，官方的新聞宣傳中也主動強調了投資人的國家隊身份。

資金除了聚焦第一梯隊，也在逐漸聚焦大市場。2017年，業界對於人工智慧的看法逐漸統一，人工智慧是提升行業效率的工具，工具需要與情境、業務結合。

理論上來講，人工智慧可以替代或者部分替代重複性、機械性強的工作。但AI公司能否從中獲得經濟收益，取決於對方的付費能力；AI公司能從中持續獲得多少收益，則取決於行業的規模。因此，能將技術應用於高客單價高毛利的大市場的公司，更受青睞。獲得融資，尤其是大額融資或者估值較高的AI公司，基本都以安防、汽車、金融、物聯網為主要服務物件。

三、初創公司或要迎接融資Hard模式

當資金、資源向第一梯隊公司聚焦，對於非第一、 二梯隊的初創公司來說，或將迎來融資Hard模式。

雖說早期投資是承認低成功率，博高收益項目，但當前AI領域好項目越來越難找，越來越貴，成功率就重要起來了。這種心態之下，第一梯隊有可能獲得更高溢價。

從2016年下半年開始，估值過高有泡沫質疑一直圍繞這個行業。截至目前，人工智慧領域鮮有有盈利的A輪後公司，知名公司很可能最早在2018年才有可能實現當年盈虧平衡。

是否有泡沫的爭論背後，潛台詞往往是認可行業及市場，但不能接受這樣的價格。不過，短期來看，人才稀缺，人力成本高，估值降低並不現實。人工智慧領域的創業是技術驅動、人才驅動。但在一定的時間段內，人才與技術往往是穩定供給。國內AI人才主要來自中美歐科研院所、互連網大公司，過去兩年國內AI創業公司基本消耗了其中的絕大多數人才。並在向更低齡的年輕人及歐美以外的地區，比如商湯開始在高中爭搶優秀人才，依圖在新加坡成立了辦公室。

（註：上圖為某獵頭公布的薪資水平，圖片來自新智元）

此外，當前國內人工智慧領域人才薪資高企，初創公司的運營成本相對較高。根據市場反饋，“ 碩士畢業 3 年的機器學習演算法專家薪資算上股票收入普遍可以達到年 60-80 萬，而碩士畢業 8 年/博士畢業 5 年如果發展到演算法總監的崗位，薪資普遍在 150萬以上”。短期內來看，行業平均薪資或很難降低。

此外，過去因為AI項目估值過高，往往初創公司的背後都已經聚集了多家投資機構，不少知名初創公司的創始團隊所持有的股份已經被稀釋或者即將被稀釋到50%以下，要同時讓多家機構接受低估值，協調工作或許會相對複雜。

基於此，我們認為，短期內大部分初創公司降低估值的可能性並不大。因此，2018年資本或會重新評估市面上已有標的，各領域第一二梯隊公司獲得融資的機率會增加，但非頭部公司獲得頭部機構的難度都會持續增大，甚至獲得融資的難度也會提升。另外，值得關注的是，一般初創企業在遇到低穀時，往往會產生人才流失，這反向又會影響到投資人對公司的認可。

後期項目太貴，公司又沒有在市場搶佔足夠的份額，很可能會使得新創業項目獲得資本青睞。早期項目溢價，或會重新吸引優秀人才創業。但過去幾年已經消耗掉了學界、大公司優質人才，市面上優質新項目太少，很可能會使得早期投資機構攢創業團隊。新創業者很有可能會是來自發展中的創業公司。考慮到新技術公司落地難，創業方向很可能會與原公司相同、類似或者接近。

因此，資金向頭部及新公司傾斜，或會成為2018年常態，也是早期初創公司需要應對的難題。

四、資金或流向其他領域

與批判這個行業有泡沫相比，更值得擔心的或許是開始沒有人關心這個行業還有沒有泡沫。

在《升維打擊的年代，新科技的冰與火之歌》一文裡，我們統計了各領域的平均單筆融資額。2017年1-11月，人工智慧領域平均單筆融資金額達到8650萬元左右，僅為全領域的平均融資額（1.7億元左右）的一半左右。在統計了全領域的創投資料後，我們發現，物流、電商、醫學、教育等領域的平均單筆融資額，2017年增幅均超過300%，風口正在轉變。

國內不少投資機構內部，人工智慧都是隸屬於高科技方向，很可能包括了機器人、無人機、物聯網、半導體、區塊鏈、AR、VR、製藥、醫學器械、3D列印、新能源、新材料、商業航天等諸多細分賽道。而從目前各家機構已經流出的分享內容及36氪的私下瞭解來看，不少機構也在看區塊鏈、製藥等新方向。而從目前的輿論熱度來看，區塊鏈已經成為毫無疑問的新技術風口。

對於AI初創公司來說，這顯然不是一個特別好的訊息。更早融到更多的錢，或許才是最優解。