随着互联网，移动互联网，大数据，云计算等技术的发展，也开始被提出，说到底就是用人工智能服务医疗行业，也被叫做人工智能医疗概念，下面看看腾讯医疗人工智能推进，附人工智能医疗概念股的报道。

　　腾讯医疗人工智能推进，附人工智能医疗概念股

　　据中证资讯报道，4月12日，在2018中国“互联网+”数字经济峰会上，腾讯董事会主席兼CEO马化腾指出，腾讯在医疗领域做了很多探索，并与社保部门合作，陆续在27个省市推出了“微信社保卡”。2017年，腾讯将数字技术在医疗领域的应用，推出了基于人工智能的医学产品“腾讯觅影”。目前，腾讯觅影已经落地100多家三甲医院，帮助医生提升诊断效率和准确率。关注易联众(300096)、宝莱特(300246)、荣之联(002642)。

　　公司与腾讯签订战略合作协议，在全国范围内推广微信医保移动在线支付业务，推进“互联网+生态医院”业务的深度合作，并在医疗人工智能方面进行探索创新，双方将积极构建互联网+人社、互联网+医疗、互联网+医保行业支付体系的建设。预计18E EPS 分别为 0.07/0.50/0.72元;考虑到公司在医改市场化改革中的领先的市场地位和跨省扩张带来的增量市场，目前市值70 亿，参考同类公司的市值，我们给予公司 2017 年 150亿市值，对应市盈率 75x，未来 6 个月目标价 34.9 元，维持“买入”评级。

　　公司与腾讯建立长期战略合作伙伴关系，公司负责智能穿戴健康医疗产品的研发、生产和云平台的运营，腾讯负责在物联平台为公司智能穿戴健康医疗产品提供技术支持，接入物联平台获得唯一对应的平台账号(包括但不限于QQ账号)，从而开展大数据挖掘及开发。双方将携手实现移动医疗的流程创新并通过互联网巨大用户的创造力推动技术创新。2017年10月23日，公司发布2017年三季度报：2017年前三季度公司实现营收5.18亿元，同比增长25.08%;实现归母净利润5606万元，同比增长9.64%;按照我们测算，公司17-19年EPS分别为0.59、0.77、1.06元，对应47、36、26倍PE，维持“强烈推荐”评级。

　　公司不断优化技术创新机制,目前通过自主研发共获得33项计算机软件著作权、8项软件产品及13项核心技术。公司较早关注到生物行业对海量数据处理的需求,注重在新兴行业中培养重点客户。公司凭借在高性能计算和大容量存储方面积累的技术优势,为华大基因设计、建设和维护位于深圳和香港的生物信息超算中心,成功地解决了基因测序形成的海量数据在并行计算和存储等方面的难题。公司在生物领域储备了自主产品,结合大量的业务实践,进一步提高公司在生物行业的竞争优势。

　　与包括阿里健康在内的多家企业开展技术合作，全面开展放射影像的机器智能诊断学习项目;

　　推出了国内唯一以“医疗大数据 认知计算”为基础，同时结合临床应用的人工智能辅助决策解决方案。

　　安徽省立医院携手科大讯飞(002230)建设“人工智能辅助诊疗中心”，打造“智慧医院”。据安徽省卫计委介绍，安徽将以该院为中心，在全省105个县的各级医疗机构开展人工智能技术服务。影像科医生原本需要几十分钟才能看完的数百张肺部CT片，人工智能影像辅助系统在几秒钟之类就作出判断，而且就连医生肉眼很难发现的结节和阴影也不会漏掉。

　　以上就是腾讯医疗人工智能推进，附人工智能医疗概念股的全部内容了，目前，很多医院和相关的人工智能公司合作，不断的探索人工智能在医疗领域的应用。更多股市精彩资讯，欢迎关注。

　　人工智能医疗概念股有哪些?AI+医疗是大势所趋

　　近期，随着《关于深化审评审批制度改革鼓励药品医疗器械创新的意见》等政策发布，医疗IT板块再次受到广泛关注，基于我们对该板块的长期跟踪研究，我们重申对医疗IT行业的投资逻辑。

　　区域医疗卫生信息化按照分级诊疗、三医联动的政策精神逐步落地，多种模式齐头并进。(1)以三大健康医疗大数据国家队为核心的顶层设计已经确立，尽管目前尚没有明确的分工，但预计未来将根据各自成员企业的区域优势、业务禀赋平行发展。(2)区域医疗卫生信息化的建设呈现多种业务模式，比如东软集团(16.85 -1.23%,诊股)的健康城市模式、创业软件(28.30 +0.04%,诊股)的中山模式、易联众(15.12 +0.40%,诊股)的三明模式、万达信息(14.12 +0.28%,诊股)的上海模式等，复制拓展的速度是下一步比拼的关键点。

　　医院信息化的建设结构开始演进，HIS与CIS此消彼长，互联网医院星火燎原，医院综合改革后新的行业机会出现。(1)以ICU、手麻、数字化手术室等为代表的CIS领域快速发展，各细分领域的市场空间均超过50亿元。(2)国家鼓励医联体、医共体、专科联盟、远程医疗的发展，以微医、好大夫、阿里健康等为代表的互联网医院正在快速落地，商业模式初步成型。(3)医院综合改革带来新机会，包括药品耗材供应链管理、医学影像外包服务等。

　　DRG已被确认为医保控费的核心手段之一，商保公司正在积极寻求业务模式突破。(1)人社系统的相关改革推向纵深，医保控费的分成模式已日渐成型。(2)以“1311”为内核的DRG已开始试点，尽管仍存在一些落地桎梏，但预付+DRG+按病种付费的趋势已基本确立，未来有望形成国家统一平台+地方企业落地运营的格局。(3)中国平安(57.99 +1.43%,诊股)等商保机构正在落地三医联动的多线布局，从而以支付端为核心重塑医疗卫生的市场形态。

　　AI+医疗是大势所趋，以基层全科医生辅助诊断系统为代表的业务方向有望成为兵家必争之地。

　　政策执行速度不及预期;政府与医院的IT投入增速下滑;创新业务模式落地受阻。

　　南方财富网微信号：

《人工智能将改变世界? 概念股已站上风口》 精选一

专注于全球TMT和先进制造业的投资。通过基本面、多因子量化和对冲策略获取长期稳健回报

曾担任IBM软件集团大华东区总经理，全球咨询服务部合伙人等，为超过30家世界500强客户服务。

人工智能大幅提升行业效率

人工智能在中国最大优势是大数据

数据比算法更重要BAT最有优势

看好边缘计算A股公司世界领先

人工智能大幅提升行业效率

第一财经张婧雯：说到人工智能，很多互联网小贷公司就宣称他们自己是有人工智能的优势，大数据的算法可以**地降低其坏账率，能够迅速的将有信贷能力的人和资金来相匹配，所以我想问，是不是人工智能在现金贷里面起到这么大的作用，真的能够很好的杜绝坏账吗?

天空中国资本周颋恺：是的，我曾经看过一个现金贷的公司，他们通过深度学习的方法，已经把三个月逾期率从8%降到4%，这个是怎么做到的呢?这当中有两方面，一方面是有一些人没有能力去还这个现金贷，另外一个，有一些人有欺诈的行为，去骗取贷款，形成了坏账，头部的公司他们会取得大概是几千个甚至于上万个信息，因此比如说你从人行征信系统的征信报告，芝麻信用的评分，淘宝、天猫、京东的购物记录，通过这些因子，跑出一个模型来，看到这些人是否存在违约的潜在风险，风险有多高，就能够相应的给你多少的授信额度。

第一财经张婧雯：所以说主要还是要有广泛的数据作为基础，在数据的基础之上再来进行深度学习。

天空中国资本周颋恺：是的。

第一财经张婧雯：说到人工智能分门别类，国内有科大讯飞，搜狗。科大讯飞在这个领域已经是龙头的公司，市值一路高歌猛进;但是我们看到，虽然它的收入在不断增加，利润率却没有上去。人工智能虽然说是有智能，但是真正的离赚钱还是有很大的差距?

天空中国资本周颋恺：先看一下中美的投资方向的差异，你看到过去三年，在人工智能投资方面，美国大量的是基础类的人工智能相关的投资，比如说芯片。你可以看到大家说中国所有的这些人工智能的公司所用的芯片，基本上都是NVIDIA或者AMD的，然后在做推断的过程当中，大家会用到GPU的，用FPGA的，或者是TPU的等等。中国的这么多应用，其实都跑在他们这些基础架构上面。在中国因为我们是在后面赶超的，我们的优势在什么地方呢?我们的优势是我们的互联网发展特别快。所以我们有大量的数据，而且中国的法律法规相对来说的话，对这些数据运用比美国或者欧洲是更加宽松的。这部分**又是非常的支持我们，所以我们可以看到人工智能应用的发展是特别快的。你提到的这一个科大讯飞，他是中国中文语音识别和合成领域第一大公司，包括所有的外资公司也都认可它是在这个领域里面的第一名。但是因为他是应用，所以他的门槛相对来说其实是比较低的。他是第一名，但是第二名和它的差距并没有那么的大，所以导致了在这个领域互相之间的价格竞争很严重。这也就是为什么导致了他的利润率很难提升，它很难建立一个非常高的壁垒。

第一财经张婧雯：所以就是要选择好赛道比较重要。

天空中国资本周颋恺：数据大于算法，我就认为是BATJ其实是最有机会的，这几个公司都有其实大量的有价值的数据。

第一财经张婧雯：就我们中国目前的人工智能发展阶段来说，你觉得最有价值的一个投资领域是在哪里呢?

天空中国资本周颋恺：我看好的是在应用之外，它还能够提供更多的边缘计算能力的公司。

第一财经张婧雯：边缘计算怎么理解?

天空中国资本周颋恺：边缘计算是这样的。我们日常会有很多的数据输入源，比如说智能摄像头，比如说我们的手机，这些设备把数据传到云上去处理的话，他其实是要经过一个预处理，这样才能够保证在这么大的数据量当中，整个通信的畅通。另外，在很多时候还需要很快速的反应。

一个例子就是，在一个商场中，有一个探头是防盗窃用的，它会通过视频识别来发现这个人行迹会有可疑，如果这个计算是在云上面去处理的话，来回的视频带宽需求是非常大的，而且会有很大的时间延迟。但如果这部分的计算，是在这一个智能摄像头里边完成的话，那么当场它就可以在商场里面向你报警说我们可能发现了潜在的盗窃行为。这个例子就说明我们在摄像头或者智能终端领域，需要大量的智能化。在这个领域当中我们看到国产的公司，比如海康，大华，已经是世界领先的公司了。这些公司年增长都是在30%-40%当中，利润增长也基本上和收入增长是同步的。那这一块儿我觉得从投资角度来说，其实是一个相对比较好的和人工智能相关的标的。

《人工智能将改变世界? 概念股已站上风口》 精选二

与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真正创造的价值，却少的可怜。

“AlphaGo”的在围棋桌上的一战成名，不止把人工智能变成了搜索热词，更是把这个概念直接送上了“风口”。

尤其是在我们身处的新金融领域里，前有百度要用人工智能升级传统金融，后有李开复作为投资人疾呼“金融是人工智能应用最好的领域之一”，无论是谁，谈论金融科技的时候都不可能忽略人工智能这四个字。

可是无论是新金融巨头还是创业公司，无论是做业务还是做投资，在概念和故事之外，决定公司成败和行业走向的还有两件事：人和钱。

在人工智能这个仍然很抽象的概念里，到底是怎样一群人在做事情，他们怀着什么样的心情又有着怎样的目标，最重要的是，在资本和创业者一拥而入之后，这件事真的能赚钱么？

今天分享的这篇文章，我觉得最棒的地方就是透过人看到了这个行业，他们的希望、焦虑和泡沫。

五月天，戴维穿着帽衫，瘦瘦高高，里面套着短袖，是最能适应早晚凉中午热的衣着。

作为一个“科技圈人士”，他对热点话题一点感觉也没有，从没听说过共享充电宝，不知道上一轮资本寒冬是什么时候过去的；也不太关心自己的老同学去的那些公司，谁又融了多少钱。

甚至，对自己所在的这个空前热门的行业，他的认识也很模糊——

戴维是国内一家“独角兽公司”的人工智能项目负责人，年薪刚好百万人民币。

这家公司的产品并不是自动驾驶汽车、语音助手和扫脸解锁这种一眼看上去就与人工智能沾边的产品——但在它最新的产品中确实使用了图像识别和自然语言处理，并涉及一些大数据分析的技术。

戴维是部门leader，此前他在一家国际知名的手机厂商做研究员，再之前是清华大学攻读计算机视觉博士学位，还带过博士生。不如那些走穴型的人工智能专家知名，但在学术界，也算是个有点名气的人。

他在这家公司AI部门人不多，差不多10个。但这个部门却撑起了整个公司的可行性方案——尽管用户可能感受不到，但如果没有他们，公司的新产品就完全不可能面向市场。

麦可是戴维的同事，毕业两三年，但年薪也是50万人民币起跳。他的朋友郑明跟他说：“不要谦虚，你自己也说不出国内的OCR（光学字符识别——编者注）谁做的比你更好吧？”——郑明去年自己创了业，在做人工智能方向的猎头。

郑明用了半年多的时间，就把国内能接触到的人才都摸了一遍。不过他也说，这个圈子其实很小，突破几个点后，以一名人才为核心，就能覆盖到他的同学、前后辈和公司同事。

戴维的这份年薪百万的工作是郑明给他找的。郑明也很关心戴维入职后的工作状况，这属于猎头后续工作的一部分。戴维说：“还行，因为这个领域是从零开始，建模、数据搜集和分析，还是有挺多前期工作的。但公司应该已经卖出去一些方案了。”

当然，相比人力投入，这家公司在人工智能业务上还远未回本。

现阶段的人工智能领域，最赚钱的可能是里的“人工”生意了，因为人工智能领域的人才，太短缺了。

“人工智能”是个笼统的概念，企业并不会真的在招聘时招“人工智能岗位”，具体会分为深度学习、自然语言处理、图像识别、推荐算法等不同的职责描述，招的不光是工程师和程序员，而是科学家。

而一个复杂的和人工智能沾边的项目，可能涉及到多种技术的综合应用。

比如要实现“用户拍了一道应用题，智能匹配讲师”这样一个功能，里面会涉及图像识别（识别用户拍的什么题）、自然语言处理（读懂这道题）和推荐算法（按用户数据、题目的类别在导师库里选人）等角色，每个角色都需要对应的职位。

其中每一个环节，都得由至少一名50万年薪起的科学家完成。当然，一个人还肯定不够。

以NLP（自然语言处理）算法工程师为例，此刻正在拉钩上招聘的岗位涉及上百家公司386个具体职位。

这乍一看上去并不是一个很高的数字，但该岗位大多要求求职者拥有相关专业的硕士或博士学位，在国内拥有较强自然语言处理实验室的大学仅限北邮、国防科大、北大、清华、中科院、厦门大学、哈工大、复旦、华中科技和苏州大学等少数重点大学。

而以中国科学院计算技术研究所自然语言处理研究组为例，其2014届硕士毕业生4人，博士毕业生2人，已全部被三星、华为等巨头企业收归靡下。

除以上重点研究室之外，其它学校的NLP专业毕业生，都要去微软亚洲研究院、百度、科大讯飞等大公司镀金之后，才有人相信他们的实力——这就将人才输出源锁定到了一个极小的范围内。

这并非是自然语音识别一个细分领域的现象，在整个人工智能领域都是如此。

在全球最大的职业社交网站LinkedIn上可以查到的，拥有微软亚洲研究院工作背景的公司创始人高达54人。而从微软亚洲研究院离职后，去创业或互联网公司担任总裁、CTO、总监、项目总监和科学家的人数约为104人。

亿欧网于2016年12月整理的中国企业核心AI人才图谱中，218位人工智能华人高管里，知名大学相关专业毕业的博士生占85%，硕士都排不上号。

在采访过程中，无论是郑明还是那些人工智能创业公司的HR都提到，他们一般会定点蹲守一些自己中意的实验室或公司，一旦这些地方人员有异动，就立刻行动准备挖人。

“（公司）不存在太多的选择，有的公司点名道姓的说只招百度出来的人，或者是只招微软亚研的人。”郑明说，“一旦一个这样的人想要从原本的环境里出来，就会收到很多offer，薪资对他们来说反倒是选择的次要标准了，因为所有公司给的薪酬都很高。”

这样的紧缺，也造就了绝对卖方市场。

在郑明提供的一份内部参考文件中，透露了人工智能领域的大概薪资：职位最低的工程师年薪在30~50万，商业公司中的研究员则在50~100万之间，项目主管或CTO则大多会在年薪80万以上上不封顶，普遍在150万左右。

大公司里的高级职位薪酬会比创业公司更高一些，而基础职位的薪资，创业公司比大公司更高。

一家普通的国内互联网公司，如果想从微软亚研、百度、三星这样的公司挖人，需要拿着他们在原有企业里的职级表按上调二、三级的薪资挖——一家传统招聘网站，甚至曾研究1300万人民币年薪挖一个CTO，过来研发智能人岗匹配的下一代招聘产品。

自然语言、图像、深度学习和自动驾驶等不同领域有一定差距，但差距不大。

“在这个领域里即便是级别低一些的人，也是在学术界有过多年研究的。他们的薪酬往往与学术成果挂钩。就算他们中的一些人之前并没有在企业中有过对应的职业经历，但过去在学术机构中积累的经验和年限被直接对应到了他们现在进入的职场中。当你去实际看这些人（博士或硕士）的年龄，其实也差不多就是互联网公司里中高层的那个水平。所以百万年薪，在这个行业里不算很高了。”

郑明对此见怪不怪，但这确实是一件奇怪的事情。

毕竟，在以商业为导向的企业中，能为企业做出的贡献才应该是薪酬的唯一标准，与学术圈的论资排辈有着巨大的区别。而决定这种薪资制度的并非是因为企业家“不看重科研”，而是现代企业必须以盈利作为主要目的。

换句话说，一个千万年薪的团队，能否为公司创造出过亿的利润，才是它是否真的价值千万的唯一衡量标准。

然而，与人工智能专业人才“奇货可居”的价格形成鲜明对照的是，人工智能公司本身真正创造的价值，却少的可怜。

“做人工智能的这些学术派们并没有太大的野心，”猎头郑明说。

这些人从原本的机构或商业研究院的象牙塔走入“凡间”，无论是创业，还是加入创业公司也好，目的基本上是三个：

“一是觉得自己做了这么多年研究，确实想赚一点钱。二是希望能够在商业环境中拿到更好的数据，验证自己的模型和算法，在学术领域再创新高。第三种，也是最少的一类人，是真心希望自己的技术能够转化成一个产品的。”

学术、大公司、创业、被收购，然后重回学术，是大多数人工智能领域的技术大牛名利双收的“职业路径”。

其中的每一步都有着十分明确的考量：如果一个新的环境，能够提供更好的薪资，或更好的数据其中任何一个，那么现有的环境是很难挽留他们的。在郑明看来这不叫没有情怀，叫直率。

在筛选一家公司是否值得去的时候除了薪资，大牛们往往会思考这些问题：“这个公司已有的人工智能人才是否和我在同一个等级上”、“这家公司所涉及的业务是否对我所研究的课题有帮助”、“从这家公司离开后是否能为我回学术圈或创业带来优势”。

对于人工智能人才择业来说，最忌讳的就是来到一家对自己的学术进展毫无帮助的公司。

胡进是业内的一位深度学习专家，在离开原本的大公司研究院后，被一家国内顶尖的汽车媒体聘用。入职之后，胡进发现这家公司的用户数据尽管巨大，但收集维度仅限于用户在汽车领域的消费和浏览偏好，且受限与公司产品形态不容易拓宽。而公司的产品库主要又是游戏和金融产品，数据与推荐品之间无法建立有效的联系，对学术的帮助也收效甚微。若在此恋战，则有可能断绝回到学术圈的道路。

入职六个月，胡进火速离职。

这也是包括百度和Google在内的许多大公司都留不住人工智能人才的原因：

对于有学术抱负的人来说，商业公司只是暂时的落脚点。拿到数据突破学术瓶颈之后，依然要回到学术圈；

对在学术圈“穷怕了”，奔着赚钱的人来说，如果独立创业后可以以更高的估值被收购回去，那么也是一个不错的选择。

前一类人在人工智能创业公司中占了绝大多数，通过抓取LinkedIn数据，在对格林深瞳、旷视科技、商汤科技、思必驰、云知声、第四范式6家不同细分领域AI创业公司的245名离职员工的分析后，PingWest品玩发现有110名员工回到学术研究机构、大学或无明显商业模式的校办企业。

而对那些真正希望自己的技术转化成一个成熟产品的人工智能科学家来说，并不满足在某个大公司中担任技术岗，他们更愿意在大公司中验证自己的模型和算法之后，去创立独立的公司。这些从大公司出走的人工智能创业者往往起点高，对自己的技术实力和市场的空白有充分的把握，坚信自己创办的公司一定能因为掌握某个关键的技术或环节，日后被大公司收购回去。

不过，任何一个人工智能的顶级人才，都不认为自己是泡沫里的裸泳选手，他们甚至对这个行业是否有泡沫并不关心。因为能够进入这个行业的人，真才实学是前提基础，即便是真的有泡沫，回归学术也是他们一条不错的退路。

这恐怕与大多数商业化的公司以及公司背后的资本意志，对他们的预期不太一样。

与人工智能人才各怀心思相同，招聘他们的公司也分为三类，每一类在给出“百万年薪”的同时有着完全不同的诉求：

第一类是互联网巨头，包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司。

第二类是人工智能创业公司，以某种人工智能技术为主营业务的创业公司，典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等。

第三类是将人工智能融入到自身业务中的其它创业公司，如学霸君、泼辣熊和智齿科技等。

戴维所在的公司就属于第三类，在这类公司，人工智能是用来升级现有的产品或业务的，所有的人工智能研究以产出为导向，实用性强，“泡沫不高”。

但与传统研发领域的许多大牛一样，这类应用驱动的人工智能团队，往往随着新项目的立项而引入，随着新项目的结项而离职。

这样的公司一般有良好但并不过分充裕的现金流，人才和公司都较为明确的知道自己想要什么。一旦人工智能领域上的投入产出比不够好，项目会被立即停掉，原本引入的技术人才也不会恋战。

在人工智能创业公司——第四范式的“范式大学系列课程”第3篇中，也引用了这样一个实例：一个企业招聘了两名机器学习方向的数据科学家，加起来年薪百万。但在合作了一年之后，科学家和企业相看两厌，最终分手。

公司决策层对人工智能的预期是“投入大”、“收益多”，期望聘请一位百万年薪的专家就能撬动整个公司的现有业务流，实现效率的提升，挖掘公司应得的隐形利润。

但立项后，由于将人工智能技术融入已存在行业需要重新建模、收集数据等工作，隐形利润的挖掘需要很长时间，但隐形成本却倍增——人工智能项目的成本不止百万年薪的人才成本，还有配套的数据采集、分析、深度学习云服务的成本。有创业公司因聘请到专家后，买不起深度学习服务器而最终放弃项目。

不过，当我们谈起“人工智能热”的时候，那些巨头公司的研究院，以及把无人驾驶、图像识别和语音识别等技术当成公司核心产品的公司，对人工智能科学家的“容忍度”前所未有地高。由于家底雄厚，它们也是推动人工智能人才高薪的主要原因。

但它们的人工智能产品无论多神奇，似乎永远只出现在新闻里而不是市场上。

既然人工智能行业并不赚钱，那么人工智能从业人员的高薪是谁支付的？

与所有风口吹泡泡的故事一样，资本再次充当了那个“老好人”的角色，但资本自己并不如此认为。

从2016到2017年，国内投资过人工智能领域的机构多达145家，而无论是否投资过人工智能企业，几乎所有投资机构在公开场合都认为：人工智能的确是未来，只是在未来有多远，以及如何估值这个问题上存在一定疑问。

以学术水平论估值，是正在布局这个行业的一些VC的基本逻辑。

与投资App和消费升级不同，大多数人工智能创业公司都以To B为主要业务方向，同时有大量的研发支出。“短期内”现金流上巨亏似乎是不可避免的，在业务上也无法找到可以用于衡量的增长指标。

因此，核心团队是否有真才实学，是否能持续的从人才匮乏的学术界挖到人，维持整个公司的研发进度，成为VC衡量人工智能创业公司的一个重要因素。

“业内一些基金的逻辑其实是在投分裂，”一位基金投资经理告诉PingWest品玩，“基金进入每个行业都需要交学费，只不过人工智能和TMT不同，在投TMT的时候你可以找两个实习生，把市面上的项目都用一遍就学会了。但人工智能的学术门槛高，要想判断一个项目好坏，你不可能自己雇一个学术派来做投资经理。

你只能相信一些在学术上有可见成就的人，尽管他的公司可能商业上不成功，但他的学生和人脉会进他的公司。然后一段时间后他的高管和下属会离职创业，与一些商业逻辑更强的行业人结合在一起建立新公司，这个时候你才有机会投到这些公司。”

换句话说，投资人投的就是人，而不是公司，投资人恨不得亲自直接把高额的薪水钞票砸到这些人工智能专家的脸上。这种现象在其它领域的投融资虽然也有，但很少像人工智能创业公司那样，能靠团队撑起上亿美金规模的融资。

商汤科技的汤晓鸥就是在这一逻辑下最值得“被投”的人之一，汤晓鸥1990年于中国科学技术大学获得学士学位，1991年于美国罗切斯特大学获得硕士学位，1996年于麻省理工学院 (MIT) 获得博士学位。在计算机视觉、模式识别和图像处理等人工智能的细分领域上已有200余篇论文。

2014年，汤晓鸥创办商汤科技，背靠香港中文大学多媒体实验室，商汤科技迅速成为业界人才优势最强的人工智能创业公司之一。按照商汤科技官方的介绍，商汤科技主要研究人脸识别、文字识别、人体识别、车辆识别、物体识别、图像处理等技术的应用。在实际业务上，主要深耕金融、移动互联网和安防监控三个方向。

但商汤科技的技术人脉优势，在之后的几年反倒成为了商汤科技的软肋，商汤科技在发展过程中始终没有摆脱研究院式的学术气息，缺乏商业人才导致其在商业化上的探索并不成功。

去年12月，商汤科技引入拥有国资背景的鼎晖投资完成B轮融资，不到半年后又引入国资属性更强的赛领资本作为战略投资方。并与地方**合作建立人工智能超算中心，强化了自身的技术研究院与基础设施属性。

这意味着商汤科技不再执着于不成熟的商用市场寻找出路，而选择成为现阶段基础服务属性更强的国家队成员。

格灵深瞳是另一家在业内汇聚顶尖人才的创业公司，成立于2013年，其主要业务是计算机视觉和深度学习技术以及嵌入式硬件研发。在成立不久之后，格灵深瞳将这个“技术”转化为一个具体的市场方向——安防。

安防市场是一个相对封闭且对硬件技术要求较高的门槛，目前格灵深瞳主要集中在软件方案上，很难说切入了安防市场的核心地带。2017年年初，格灵深瞳CEO何搏飞的离职也让圈内震惊。

与格林深瞳同样切入安防领域的还有旷视科技（Face++）等以面部识别为核心技术的创业企业。尽管并不否认人工智能技术对安防效果的显著提升，但安防市场一直是以销售为强导向的线下市场，国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断，创业企业很难颠覆。

尽管国内大多数基金的生命周期都是5年以上，也就是说所投公司在5年之内没有回报都是可以“被理解”的。但实际上，如果一家公司在3年内既没有找到合理的商业模式也没有实现批量增长，那么就很难再继续进行正常的下一轮融资了。

无论是为了进一步融资，以获得公司继续生存所必须的救命资金，还是给“裁员”找一个好听的说法，团队出走裂变出新的公司，在人工智能领域都成了一种趋势。

几乎每个成立三年以上的人工智能公司都会存在一次“团队出走，二次创业”的事件。

通过公开资料我们发现：思必驰员工离职创办语音识别公司驰声科技；云知声CMO离职创办人工智能教育公司先声教育；出门问问两位员工离职分别创办大数据冷链公司Meatub、智能硬件公司萌动；商汤科技曹旭东离职后创办自动驾驶公司Momenta；格灵深瞳的丁鹏博士离职创办人工智能医疗公司DeepCare；英特尔的吴甘沙等5人离职创办自动驾驶公司驭势科技……

尽管并不是绝对，但裂变后的公司往往会更为“脚踏实地”，在商业上更努力。

简单来说，从图像识别公司离职的员工，会创办一个在图像识别领域有具体应用场景的公司。比如在自动驾驶领域，从L5（完全自动驾驶）离职的团队则会更倾向于研发L4和L3（辅助自动驾驶）的方案，或者是具体到自动驾驶整个产业链中的某个硬件、芯片或算法上。

只有这样，这些分裂出来的公司才可能在自己重新开启的融资周期内，实现盈利或被收购。

3  差了5年的风口就是泡沫

“你觉得目前国内哪家公司的人工智能水平最高？”（不包括微软亚研等外企）

PingWest品玩把这个问题扔给了很多人工智能科学家，答案的前半部分惊人的高度一致：“技术实力最强的一定是百度，但是……”

后半部分的回答不尽相同。不过大多数指向刚刚离职的百度前首席科学家吴恩达（Andrew Ng）曾经主导的百度人工智能缺乏成功转化并泛用的产品，从外界看起来并不算“成功”，与“水平最高”的实际状况并不相称。

在PingWest品玩的采访过程中，另一个得到高度一致性答案的问题是：“你觉得是什么让人工智能突然热起来的？”

面对这个问题，几乎所有人无一例外的回答“AlphaGo”。

这也与2016年突然爆发的创业和资本曲线恰好吻合，甚至有创业者直言：“我做了这么多年人工智能，没人知道我是做什么的，在AlphaGo之后终于有投资人能正眼看我了。”

然而AlphaGo是Google的一个实验性加上公关式项目，尽管Google通过它更好的理解了深度学习，同时也向外展示了Google的技术实力。

但AlphaGo本身是不具备任何实际意义，也不能产生回报。

将驱动AlphaGo的技术应用于实际的生产场景，可能还需要许多年。而在不同的场景之下，人工智能的实际应用又有着完全不同的实现难度和时间进度。

“人工智能的风口是个伪命题，因为并不存在某个具体的行业叫人工智能。人工智能的技术会落实到具体的应用之下，但每个场景的实现时间是不同的。比如说我们这个领域，不要说风口来临了，其实风口已经过了。”

自2012年开始做非接触式掌纹识别的老邢说，他如果现在创业也一定说自己是人工智能。“掌纹比指纹的安全性更高，而且无需接触，在使用体验上也比扫脸要好一些”——但是老邢的产品目前只在一些密级很高的单位获得认可，在资本市场和消费市场上都是反响平平。

与认为风口已过的老邢不同，专注货运自动驾驶的图森未来科技CEO陈默则认为风口可能还没到：“目前无人驾驶技术最强的就是Google和百度这样的巨头了，但我们认为他们要想实现他们的L5自动驾驶商用，依然也要5年以上的时间。创业公司切L5一步到位这个点是不现实的，我们做封闭或特定环境的L3、L4自动驾驶，目标就是在三年内能商业化，这才是一个公司该考虑的事情。”

而由科学家这样的学术界人士主导的人工智能项目，往往会将学术界“刷论文”的风气带到公司领域。

在媒体中，我们经常能听到某家人工智能公司在图像识别、人脸识别、上路测试中又取得了新的进展。但如果读至内文，这些突破性进展往往是算法对某种特定场景的识别率又提升了百分之零点几。

这或许在技术上确实是一种重大进步，但在实际应用场景下却往往是另一回事儿。