AI“独角兽”排队上市,但AI公司的胜利尚未到来

2020-10-10 10:06   来源: 互联网

另一只人工智能独角兽即将上市。


2019年8月,玄视科技向香港证券交易所提交了一份招股说明书;今年8月,云向科技公司推出了股票上市辅导。目前有传言称,"四小龙"的商业汤、开放视野,除了商业汤之外,其他三家公司也正式启动了首次公开募股(IPO)计划。

又一家AI“独角兽”要上市了。


2019年8月旷视科技向港交所递交了招股说明书;今年8月,云从科技启动A股上市辅导。至此,多次被传言上市的AI“四小龙”商汤、旷视、依图和云从,除商汤外,其余三家均已正式启动了IPO计划。


在计算机视觉应用领域,被称为“四小龙”的商汤、旷视、云从、依图,已经抢占了超过60%的市场份额,估值都已过百亿。AI“独角兽”企业排队IPO,属于AI公司的时代到来了吗?


算法是AI公司切入安防行业的利器,不过,在安防领域,传统巨头也在组建自研团队,机器视觉的识别成功率能够达到95%,AI公司的算法即便更先进,能够达到97%的识别率,但是对于大多数客户而言95%已经足够满足需求,更精准的识别率与所付出的成本不成正比。因此,大多数客户并不会为了这不易感知的提升而付出更多预算。


旷视科技安防事业部技术总经理那正平曾有过这样的预判“安防这个行业内的玩家基本已经固定了,其他的创业者们再想入局也难度极大。”


对于医疗行业而言,理论上只要给AI“喂”足够丰富的数据,便可以极大提高医学数据的测定和分析过程的自动化程度,从而大大提高工作的速度,减轻医生的工作强度和减少主观随意性。


比如在医学影像领域,AI公司可以通过建立模型,对数据大量训练从而对各病种进行筛查,减少医生的工作量,但是问题恰恰处在数据上,使得实际应用有些尴尬。


中国科学院院士、上海交通大学Bio-X中心主任贺林表示,国内医院现有业务产出的医疗数据质量普遍不高,特别是病历数据,不同医院写法不同,详略质量参差不齐,同一个病人在不同医院就诊的数据无法链接、整合、形成队列,碎片化程度高。


在2020全球人工智能产品应用博览会上,李兰娟院士也提出过同样的担忧“大数据与AI的平台一定要开放共享。数据据平台如果不开放、不共享,这些数据都是没有价值的。”


除了数据“孤岛”问题,AI诊断对数据标注的专业性也提出非常高的要求。对影像数据而言,图片质量标准化程度低,带专业标注的影像图片更需要大量专业医师额外制作,这些都给进一步优化现有人工智能产品带来了阻碍。


并且,贺林院士也指出,医疗是强监管的行业,尤其对于临床辅助产品,需经过药监局认证才可以推向市场。目前国内尚且没有企业拿到新一代医疗AI产品的医疗器械注册证。“智能相对论”发现,更多的AI公司还是以科研、合作的名义游走在监管边缘。


在智能语音行业,2017年2月,韩国首尔世宗大学举行了一场人类对抗AI翻译比赛。参赛选手包括从业经验在5~20年的4位专业翻译员、谷歌翻译、韩国NAVER翻译程序Papago、自动翻译国际企业SYSTRAN。最终结果显示,在满分为60分的比赛中,AI翻译平均得分为20分,而人类译员平均得分49分,远超人工智能。


国内人工智能语音技术几大巨头如科大讯飞、搜狗、腾讯等公司对外宣传技术准确率已达到97%以上,但在实际应用中,如非常重要的传译场景下准确率流畅度均不如人意。在2018年创新与新兴产业发展国际会议中,科大讯飞曾被实锤为利用人工传译内容冒充AI机器翻译。


2018年博鳌论坛采用了腾讯AI同传服务,同样出现许多翻译不准确,词汇重复、短语误用情况,甚至将“Yes,please.”这样的小学生日常对话用语,翻译成了“是的,求你了”,也一度成为了翻译权的新笑料。


在一个应用场景下,AI公司所能占据的市场不仅要防着同行竞争,BAT以及海康、华为等大头的各类科技公司都有机会抢夺。


这是由人工智能产业链所决定的。人工智能产业链大致分为三层。最底层是基础层,硬件、云计算、数据资源;中间层是技术层,如学习框架、算法模型;在网上应用层即行业赛道,具体的解决方案,通常是传统行业巨头占据。

在计算机视觉应用领域,被称为"四小龙"的商业汤,广视,云服从,根据图表,已经占据了超过60%的市场份额,估值已超过100亿。人工智能独角兽公司排队上市,属于人工智能的时代已经到来了吗?

25.jpg

算法是人工智能公司进入安全行业的利器,然而,在安全领域,传统巨头也在组建自主研发团队,机器视觉识别成功率可以达到95%,即使人工智能算法更先进,也能达到97%的识别率,但对于大多数客户来说,95%的识别率足以满足需求,更准确的识别率与所支付的成本不成比例。"因此,大多数客户不会为这种无形的改善支付更多的预算。


开放视觉技术安全部总经理纳正平曾经有过这样的预测:"证券业的玩家基本上是固定的,其他企业家很难再进入这个游戏。


就医疗行业而言,只要人工智能数据充足,就可以大大提高医疗数据测定和分析过程的自动化程度,从而大大提高工作速度,降低医生工作强度,减少主观任意性。


例如,在医学成像领域,人工智能可以建立模型,训练大量的数据来筛选各种疾病,减少医生的工作量,但问题恰恰在数据上,这使得实际应用有些困难。


中科院院士、上海交通大学生物X中心主任何林说,国内医院现有业务产出的医疗数据质量普遍不高,尤其是病案数据,不同医院的书写方法不同,细节不同,不同医院的同一病人的数据不能联系、整合、形成队列,碎片化程度高。


在2020年全球人工智能产品应用博览会上,李岚娟院士也提出了同样的担忧。大数据和人工智能平台必须是开放和共享的。如果数据平台不是开放和不共享的,这些数据就一文不值。


除了数据"孤岛"问题外,人工智能诊断对数据标注的专业性也提出了很高的要求,在图像数据方面,图像质量的标准化程度很低,需要大量的专业医生来制作带有专业标签的图像图像,这阻碍了现有人工智能产品的进一步优化。


此外,贺宁院士亦指出,医疗是一个受严格监管的行业,特别是临床辅助产品,在推出市场前,须经药物管理局核证。"目前,国内尚无获得新一代医疗AI产品医疗器械注册证书的企业。智能相对论发现,更多的人工智能公司在科研与合作的名义下仍处于监管的边缘。


在智能语音行业,2017年2月,韩国首尔的世宗大学举办了一场人对AI翻译比赛。参赛者包括四名具有5至20年经验的专业翻译人员、谷歌翻译、韩国Naver翻译项目Papago和国际自动翻译公司Systran。结果表明,在满分为60分的比赛中,AI翻译的平均得分为20分,而人工翻译的平均得分为49分,远高于人工智能。


国内人工智能语音技术巨头如iFLYTEK、Sogou、腾讯等公司的准确率已达到97%以上,但在实际应用中,如非常重要的口译场景,其准确性并不令人满意。在2018年创新和新兴产业发展国际会议上,iFLYTEK被模仿为使用人工口译的人工智能机器翻译。


2018年,博鳌论坛采用了腾讯AI同声传译服务,这也导致了许多不准确的翻译、重复、误用短语,甚至"是的,请。"。这种小学生的日常对话语言被翻译成了"是的,请",并一度成为翻译权的一个新的笑柄。


在一个应用场景中,人工智能所能占据的市场不仅是为了防范同行竞争,英美烟草和海康、华为等大型科技公司都有机会抢占市场。


这是由人工智能产业链决定的。人工智能产业链大致分为三个层次。底层是基础层、硬件层、云计算层、数据资源层;中间层是技术层,如学习框架、算法模型等;在线应用层是产业轨迹,是特定的解决方案,通常被传统行业巨头占据。




责任编辑:无量渡口
分享到:
0
【慎重声明】凡本站未注明来源为"中华科技网"的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如因作品内容、版权和其他问题需要同本网联系的,请在30日内进行!