AI企业上市困局：秀肌肉时代已远去，还是没有新故事(7)

AI算法工程师杨阔试着从日常工作的角度向「子弹财观」解释AI企业难以商业化的原因，“AI是一套底层技术体系，和许多独立且具象化的领域不同，AI需要与应用场景相结合才能体现出价值，其单独存在的意义其实并不大。也就是说，AI的商业化落地离不开定制服务。”

图/ 摄图网，基于VRF协议

AI企业的发展逻辑是先有技术，然后再进入某个垂直领域取得突破，进而扩散至其他领域，其优势是可以连接各行各业，天花板极高，而劣势则是高度定制化、研发成本居高不下，并且难以实现规模化发展。

“每个细分领域都有不同的规则，开拓一个新细分领域需要的时间周期基本是按年计算，比如AI企业根据客户甲的需求研发了一套算法，这套算法大概率无法再直接卖给客户乙，即便是客户甲和客户乙身处同一领域，但需求不可能完全一致， 因此还需要针对特定场景或需求重新训练模型，持续投入人力和时间，在无形之中拉高了成本，商业化难以落地也就成为了现阶段AI企业难以避免的常态。” 杨阔进一步解释。

定制化打开了AI企业商业化的想象空间，但同时也限制了其商业化落地的进程。

目前，由于计算机视觉技术具备通用性，因此已经与诸多应用场景实现了有效结合，并且从金融和安防两大领域逐步扩展到交通、医疗、机器人、物联网、自动驾驶和风控等领域。

据 「子弹财观」 了解，相较于计算机视觉赛道，思必驰所在的语音语义赛道与其有着很大差异。