今年初，某篇文章寫了“AI獨角獸涼了，制造業是幕后最大推手”文中最后曾寫到：2020年突發的疫情，將AI推到了絕境——一些PPT玩家將黯然離場；另一些則匯入制造業的大海中，接受更大的考驗。

轉眼一年即將過去，AI市場前景如何？又誕生了哪些新的獨角獸？一起來看看資本市場對AI的關注度。根據查閱CB Insights的數據，2020年以來，全球AI融資交易數量連續下降，從第一季度的506起，降到了第二季度的458起。而與之相比較，疫情襲來之前，2019年第三季度的交易數量是660起。

再來看數據服務商企名片的數據顯示，中國人工智能領域，2019年共計完成371筆融資交易，融資金額約為271.9億元人民幣，2020年截至目前，共完成305起融資，總金額約243.2億元。

無論是全球數據還是中國數據，都在顯示著AI熱度的下滑。

后浪推前浪，新AI獨角獸企業發力

小編檢索了一下近期國內AI融資交易，其中與工業AI相關的企業融資案例并不多，但可以看到一批新的獨角獸企業正在接受市場的考驗。

不知道大家是否發現，從技術應用方面來看，多數工業AI企業都將目光聚焦在了視覺檢測市場。

傳統工業檢測采取人工檢查，但每個人與每個人在缺陷判別上存在個體與個體間的差異，而且長時間的檢測也會導致工作人員產生視力疲勞，很多產品的微小瑕疵就不能被高效識別。而且，隨著中國人口紅利的消失，很多人都不愿意從事質檢工作，企業面臨招工難的問題。在這種情況下，用AI賦能的工業質檢引起了廣泛關注。

機器視覺工具利用機器學習算法，經過少量圖像樣本訓練可以在精密產品上以遠超人類視覺的分辨率發現微小缺陷。產品質量提升還可以通過工藝優化實現，人工智能對關鍵工藝步驟的數據進行感知分析，并依此實施優化提升良品率。這些應用可以為那些生產昂貴產品、對產品質量要求高的企業創造可觀的經濟價值。

例如，某成都工廠采用了自動化光學檢測系統來控制PCB板的缺陷。由于監測標準嚴苛，設備查出的缺陷在人工復檢后發現80%是“假錯”。而通過人工智能與邊緣計算組合的方式對“假錯”進行甄別，可以降低75%的人工復檢成本，同時可以實現“真錯”的100%“0逃逸”。

AI項目實施未達預期

曾經的AI，資本市場相當活躍，誕生了眾多頂級玩家，但隨著市場進入冷靜期，資本與社會更加理性，PPT玩家也只能是曇花一現，只有將AI項目真正落地才是持久發展之道。

從前文幾家投資案例來看，現在AI的投資市場不再講究概念和噱頭，而是真正的落地應用，需要的是幫助產業迅速形成產品走向市場的應用。

那么，如今的AI項目實施又是怎樣的呢？根據《造有道 智萬物——德勤人工智能制造業應用調查》顯示，中國制造業企業人工智能項目實施不在少數，但是，不論從企業獲益角度還是預算和時間投入角度衡量，認為項目達到80-100%預期的企業僅為9%。這意味著91%的人工智能項目未能達到企業預期。

現階段來說，中國制造業企業實施人工智能項目的不少，但其中91%的項目并達不到企業預期。原因主要是企業缺乏經驗及組織架構、基礎設施的制約、數據采集方法及數據質量欠佳、缺乏工程經驗，以及項目規模過于龐大和復雜。

盡管如此，大部分的企業依然認為在不久的將來，人工智能會成為促進企業生產的重要因素，5年內就能帶來回報。

工業AI任重道遠

人工智能的基礎是人的智慧，需要基于人的經驗、知識來實現的。它的應用將能夠大幅實現效益的提升，但在工業領域運用人工智能并不像在消費領域那么容易。

首先，通過開放互聯才能帶來數據，有了這些數據，才能夠運用人工智能來更好的服務于客戶。但這一切的前提是確保理解客戶的需求和意愿，例如客戶愿意開放哪些數據，但就目前而言，對于工業企業來說，客戶經常會擔心開放數據會降低他們的競爭力。

其次，數據的使用還很有限，很多人不清楚如何分辨好數據、壞數據、有缺陷的數據和無效的數據，不能正確地給數據進行標記，也不能夠確定數據質量的標準。而數據正是AI的基礎，只有擁有足夠豐富的數據后，AI才能發揮作用。

再者，很多企業都缺乏人工智能相關的知識，缺少專業技術人才，也就無法順利開展人工智能技術的應用工作。他們認為實施AI就必須成為數據科學、軟件技術的使用專家，而更多的顧慮還來自于應用AI不僅復雜，還費時、費錢.

小編認為，某些程度上，AI只是一種或者一系列技術。當企業清楚自己想要解決的問題，清楚如何應用人工智能解決問題，并把人工智能應用在整個工作流程中，它才能真正發揮它的價值。

盡管AI在工業領域大規模落地值得期待，但是理想與現實之間仍存在很多問題待解決。風口過去，AI行業大浪淘沙，一些企業或振翅欲飛，一些企業或黯然離場，但這一切并不是終局，而工業AI的落地也將是一場持久戰。