整理 | 郑丽媛
出品 | CSDN(ID:CSDNnews)
近日,全球知名市场数据分析机构 CB Insights 最新公布了 年度 AI 100 榜单——自 年起,CB Insights 每年都会发布 AI 100 榜单(在全球范围内评选出 100 家最具潜力和前景的人工智能初创公司),今年已是第六届。
从过往五届曾上榜 AI 100 的企业发展情况来看,CB Insights 的这份榜单可谓是逐渐成为了人工智能领域的风向标:自 年以来(截至 年 5月 10 日),上榜企业已从 650 个投资者手中筹集了 120 多亿美元,共进行了 300 多笔股权交易。具体可以去年的 AI 100 榜单为例:
自 年 4 月以来,这 100 家上榜企业共获得了超过 60 亿美元的股权融资,涵盖 70 多笔交易;
20 多轮融资(交易值超过 1 亿美元),其中还包括对 AI 芯片开发商的 6 亿美元融资;
部分公司被 Meta 和 Nvidia 等技术领导者收购;
6 家企业成为估值超 10 亿美元的独角兽公司;
与 Geico,Cisco 和 Snowflake 等行业领导者建立了许多合作关系。
在此瞩目成绩下,今年参与该评选的企业数量再创新高:据了解,今年上榜的 100 家 AI 企业是 CB Insights 研究团队从全球超过 7000 家公司中挑选出来的,主要评选依据包括研发质量、市场潜力、业务关系、投资者概况、竞争前景、团队实力、技术新颖性等因素,并结合 CB Insights 专有的 Mosaic 评分体系。
接下来,就让我们一起来看看今年的 AI 100 榜单有何不同之处?
AI 开发工具崛起
近年来,在 5G、大数据、云计算等新兴技术的赋能下,AI 已逐渐从最初的概念发展至如今的技术创新和应用落地,越来越多企业开始对 AI 技术的需求进行研究。正所谓“工欲善其事,必先利其器”,AI 迅速发展的背后,伴随着的是 AI 开发工具的迭代——而关于这一点,在今年 AI 100 榜单的企业类别中有所体现。
与去年“行业应用”、“跨行业应用”和“计算、数据处理和 AI 部署”的分类不同,今年 CB Insights 将 AI 100 企业分成以下三类:“行业特定应用”、“跨行业应用”,以及新晋的“AI 开发工具”。
行业特定应用:有 43 名家公司聚焦于将 AI 应用于特定行业,如游戏,医疗和建筑等,其中投注在医疗领域的企业最多(10 家),其次是金融和保险(7 家);
跨行业应用:27 家企业主要开发可用于多个行业的解决方案,如支持各行各业的销售、工程设计、网络安全和其他功能的应用;
AI 开发工具:还有近三分之一(30 家)的企业正在开发机器学习(ML)平台等工具,以支持 AI 生命周期各个阶段的管理,包括从数据注释、模型训练及模型监控等。
对于 AI 开发工具的崛起,OneFlow 创始人袁进辉认为原因有两个:首先是内在原因,即人们越来越认识到 AI 本质上可以作为一种通用能力;其次是外在原因,即用户需求——降低 AI 算法开发的门槛,让拥有数据和场景的客户自己完成 AI 模型的开发和使用,实现通用算法和特定领域知识的完美结合。
据 CB Insights 统计分析,目前 AI 除了在医疗、农业等领域具有较大研究力度,今年还有许多上榜企业在开发 AI 的小众应用。例如,前苹果 AirPods 硬件工程师所在的 Whisper 公司,正在开发声音分离技术以提高助听器性能;Canvas Construction 公司在研究 AI 驱动的机器人技术,可用于建筑行业的干墙修整;Agility Robotics 公司正在开发用于仓库和物流的人形机器人等等。
对此,复星人工智能(AI)业务负责人邵浩博士也补充道,AI 除了在传统垂直领域的发展,下一个竞争力领域就是元宇宙、Web3.0,在元宇宙中,各种要素都需通过 AI 来制作、生成。因此,可以关注内容创作领域(如 3D 引擎、AI 设计、内容生成等),人机交互领域(对话系统、机器翻译等)、视频交互平台(实时交互系统等)。
四家上榜的中国 AI 企业
除此之外,在今年的 AI 100 名单中,共有 16 家估值超过 10 亿美元的独角兽公司。
而从地域分布上来看,今年 AI 100 全球榜单中的上榜企业分布在十个国家,其中美国企业依旧占大头,共有 73 家公司,其次便是 8 家英国公司、5 家加拿大公司和 4 家中国公司,还有个别来自印度、瑞典、、瑞士、以色列和德国的 AI 企业也成功上榜。
在这之中,来自中国的四家 AI 企业分别是:AI 制药公司 Insilico Medicine 英矽智能,AI 内容生产系统开发商 Surreal 诗云科技,数据软件公司 Cosmose 和 AI 企业服务公司 Recurrent AI 循环智能。
AI 制药公司 Insilico Medicine 英矽智能
年 1 月成立的英矽智能,是一家 AI 药物研发公司,其在 年 2 月首次利用 AI 发现新机制特发性肺纤维化药物。从疾病假设到临床前候选药物,在整个药物发现过程中英矽智能利用 AI,只用了不到 18 个月、花费约 200 万美元的经费。
相比传统药物发现过程(平均需花费 26 亿美元,以及长达 10 年的研发时间),英矽智能在速度和成本上都优化了几个数量级,为 AI 制药时代的开启提供了可能性。凭借这一成就,,英矽智能在 年 6 月宣布完成 2.55 亿美元 C 轮融资。
AI 内容生产系统开发商 Surreal 诗云科技
诗云科技成立于 年 12 月,其主要产品是内容生成引擎 Surreal Engine,核心技术为深度学习和图形学,包括自然语言理解、3D 建模、神经辐射场/渲染、生成对抗网络等。
在 年 3 月,诗云科技将广告和电商行业作为首个落地场景,通过其内容生成技术帮助用户生产图片和视频,后于同年 8 月完成由 IDG 资本领投、红杉中国种子基金和真格基金跟投的数百万美元 Pre-A 轮融资。
零售科技公司 Cosmose
成立于 年的 Cosmose,是一家 AI 驱动的软件公司,旨在帮助线下零售商增加线下导流并促成销售,擅长利用 AI 理解、预测并影响人们的线下购物方式,其线下行为数据技术可帮助品牌和营销人员预测并影响消费者的选择。
基于此,Cosmose 发明了用于现实世界的 cookie——OMNIcookie,可了解消费者的线下行为,为零售商/品牌带来重新定位的力量。之后在 年 9 月,Cosmose 获得了 1500万美元的 A 轮融资。
AI 企业服务公司 Recurrent AI 循环智能
值得一提的是,创立于 年的循环智能也上榜了去年的 AI 100,是本次榜单中唯一一家连续两年入榜的中国企业。总体来说,循环智能是一家专注于销售科技(SalesTech)领域的企业服务公司,主产品是一个融合了 AI + 自然语言处理技术、基于对话数据的 AI 销售中台。
目前,循环智能的主要业务场景在银行、保险、房产和汽车等领域,每日分析处理的对话超过一亿次,还联合华为云打造了首个千亿中文大模型“盘古 NLP”,斩获 世界人工智能大会 SAIL 之星奖。除此之外,循环智能已获得包括博裕投资、红杉资本、真格基金、金沙江创投、万物资本等累计超 4 亿元融资。
中美 AI 水平尚有差距,国内创作者需迎难而上
针对这份榜单,复星人工智能(AI)业务负责人邵浩博士和OneFlow 创始人袁进辉还从 AI 发展的现状与难点、应用领域的变化与预测、国内 AI 企业的优劣等多个层面,对 年度 AI 100 榜单进行了深度分析。
1. 针对这份榜单,从去年的重点领域划分到今年的重点领域改变,去年 6 家上榜企业成为估值超 10 亿美元的独角兽公司。您认为,AI 在过去一年中经历了怎样的变化,目前处于一个什么样的阶段?
邵浩: 年,元宇宙概念兴起,进一步带动了 AI 的热度。通过各种工具,用户或开发者可通过各种 AI 引擎创造虚拟环境、虚拟数字人、数字藏品等各种物品。
以下可整体来看 年 AI 的发展。
在核心技术层面,多模态能力进一步得到了提升;
大模型逐步走向实用化,生成式人工智能进一步发展;
AI 在相关细分领域不断深耕,如制药、军事、Web3.0 的内容创作、数字时尚、设计与创意、自动驾驶等都取得了重要进展;
疫情之下,结合 AI 技术的各类机器人产品、运营及预测类产品也得到了进一步发展;
低代码工具和平台,进一步降低了用户使用 AI 的门槛。
但必须认识到的是,目前人工智能还是处于感知智能的阶段,离认知智能还是有相当长的距离。
袁进辉:从应用、算法、软硬件系统等方面都发生了很多事情。
AI for science 是 AI 应用方面最值得注意的变化,Alphafold 开了头之后,深度学习在生物医药、材料、物理仿真等方面都取得了引人瞩目的成就;
在算法方面,Transformer 呈现了统一深度学习算法的苗头,以 Transformer 算法和自监督学习为核心的大模型如日中天;
大模型的崛起,继续推动更强大的分布式深度学习框架和 AI 加速器的发展。
如果说前几年,应用、算法、系统、硬件等各个层次都存在很多争论,那么最近一年则是处在共识逐渐形成的阶段,很多未决的问题都快要尘埃落定了。
2. AI 渗透工具层,将为行业带来怎样的改变?是否会对程序员圈产生一定的影响?对于身处其中的开发者而言,有什么样的建议?
邵浩:首先,AI 工具一直都存在,正如上个问题所说,工具的发展,尤其是低代码/无代码工具,进一步降低了使用 AI 的门槛,让需要快速落地相关应用的企业可以降低开发成本。但高级程序员一直不可或缺,工具也需要程序员进行开发。因此,相关开发者需要提升的是对算法核心原理的理解,提升工程能力,尤其是数据的处理能力,这样才能发挥工具的最大价值。
袁进辉:AI 开发工具为代表的 AI 基础架构的成熟会重塑 AI 产业格局。如果 AI 工具层充分发展,AI 产业最底层会是 AI 基础设施供应商,为全行业提供标准化的基础设施和工具;而基于这些标准化的 AI 开发工具,既可以由最终用户直接完成 AI 模型开发,也可以通过 ISV 完成模型开发。
为此,工程师由原来需要懂领域知识、算法和系统的全栈能力变成只需要在一个方面有专长即可,每位工程师都需要找到自己最擅长的领域。
3. 综合来看近几年中国上榜 AI 企业,主要是制药、软件等方面,从底层改变人们的生活,但 AI 在工程化和规模化上还有一定的距离,当前的难点是什么?
邵浩:AI 垂直化应用是一个趋势,如在金融、制药等领域,AI 规模化的瓶颈还是在于成本高,不仅仅是算力(如 GPU)、数据(需要数据标注和清洗),也在于优秀 AI 工程师的成本也较高。而且,AI 不能解决所有问题,如 AI 制药,只是作为解决方案里的核心一环,还需要搭配各种其他的能力来进行最终落地。所以,核心就是成本问题。
袁进辉:简单来说,是大环境对软件行业的发展有所阻碍,我认为改变环境是最大的难点,这需要全体参与者和利益相关方的努力才能完成,一方面需要提升信息化发展水平,另一方面靠思维方式的改变。软件产业发展是社会分工的结果,供需双方都觉得这是自身利益最大化的方式才行。
4. 据 CB Insights 提供的数据,去年上榜的100家企业共获融资超 60 亿美元,AI 企业需要有怎样的成就才能获得资本青睐?此外,企业如果选择开源其产品是否会有所加分?
邵浩:初创企业获得资本的青睐,抛开团队因素,从技术角度上来看,其核心还是在于有没有技术壁垒,是否符合大的发展趋势,能否解决实际问题(和传统方法比较),以及成本是否可控。
对于是否开源,我个人认为,加分会有,但不是特别关键。不过,开源是大趋势,开源可以增加企业在社区的影响力。
袁进辉:获得资本青睐的前提是要做 VC 可以理解的事情,但另一方面,一般来说好的创业项目必然是超前的,一定会有一个外界都觉得你是“傻子”的窗口期。显而易见的不一定是好事,但大部分资本可能会更青睐。
开源是一种手段,用或不用,要具体问题具体分析,譬如 Infra 类型的软件开源可能会获得更好的发展。自去年开始,开源和 Infra 非常热,不过在寒冬的情况下,有健康的商业模式更受青睐。
5. 从上榜企业的地域分布来看,美国企业在近几年的榜单中始终占据大头,您认为我国 AI 企业与之相比,在哪些方面具备优势,同时又存在哪些差距,该如何提升?
邵浩:我们缺乏的还是优秀人才。同时,由于中国本身科技基础跟美国相比还有一定差距,同时在创业环境上也稍有不足,因此,大量开发者还是以使用并优化已有技术为主,而不是进行创造。但我们的优势在于数据的规模化,因此,后续的提升,还是要加强底层基础能力建设,以及优化创业环境。
袁进辉:CB Insights AI 100 榜单的发布方在美国,国内企业如能找到对标的美企更容易被评选方理解。不过 CB Insights 也非常欢迎对他们来说比较新鲜的探索模式——OneFlow 曾入选 年 CB Insights AI 100,但美国并没有创业公司和我们做一样的事。
实际上,每种品类国内都有对标公司,在行业应用层面企业的数量和质量应该是不输给美国企业的,但国内在开发工具层面还存在差距。国内应用类型的企业多而底层技术类型的企业少,实际上反应了是追求短期目标还是长期目标。国内的创业者应该对难而正确的事做更多的思考,更有定力。
参考链接:
/research/report/artificial-intelligence-top-startups-/
/research/report/artificial-intelligence-top-startups-/
/cxn/2886/236981