AI企业为什么盈利难？

每隔一段时间，AI企业上市难或亏损严重的话题就被拿出来说，AI企业扛着先进生产力的光环又不赚钱，对于圈外人来说实在不好理解。恰好本周看到某香港上市AI企业的财报，结合过去这些年从业经验，探讨下AI企业盈利难的原因。

AI创造价值

首先需要明确的是，AI创造价值和AI盈利是两件事情。近年来整个社会智能化水平提升，AI在越来越多的生产生活场景落地。相比十年前深度学习刚出现时，人工智能的渗透率和当下相比确实恍如隔世。

AI过去这些年最成功的应用场景莫过于互联网行业的搜索和推荐，促进了互联网企业可以为数亿人提供个性化的服务。在工业和办公领域，视觉AI和语音AI则更为普遍，达到了空前的成熟，人脸识别、OCR识别、智能语音客服随处可见，当然成熟也带来了视觉AI和语音AI成本的大幅下降。某些从事AI产品的同行甚至发现，虽然视觉的确岗位更多，但由于普及度也高，有市无价，难以得到满意的薪酬待遇。

AI在各行各业各种场景的落地，大幅度提升了效率，降低了人工成本。当然AI在生产生活落地，更多是起到生产力工具的价值。

平台逻辑

对于绝大部分场景，AI并非能够产生端到端的价值，而是要结合具体的行业和场景，进行业务设计和AI应用，即服务和落地场景的碎片化。场景碎片化就会限制标准化和规模化，限制做大营收。

在碎片化场景和规模化营收也并非非黑即白，AI企业普遍都会讲平台能力，将擅长的算法能力沉淀到平台，同时伴随生态逻辑，由开发者或伙伴进行各行各业场景的最终落地。

开发者或伙伴往往可选的平台很多，同时也需要考虑非标场景下投入产出比的问题，因此好的开发者和伙伴可遇不可求，真正建立起开发者生态更加难上加难。

做平台需要具备独特价值，AI领域的开源浪潮，又催生先进的算法和实践不断被开源，AI企业宣传的先进算法沉淀往往被开源破功。为了维持相对竞争力，又需要不断的从算法研究到应用研究的大力投入，因此出现研发成本持续走高，而竞争力壁垒不能显著提升的矛盾。

AI生态想建立靠技术长期领先赚取垄断利润的逻辑，从实际来看不可行，但又不得不持续被动的参与军备竞赛。

赛道问题

香港这家上市AI企业将公司业务划分为智能商业、智能城市、智能汽车和智能生活，每个业务模块讲的都是平台逻辑。而实际看不同模块的定义就会发现，每个模块都是迎合投资者易理解的比较宽泛的逻辑。

单拿商业来讲，能源企业和银行业的场景和需求完全不同，并且项目制难以标准化，于是在支出里有相当大的比例都是分包费用，即AI企业拿下整个项目，但没有能力把项目内容全部完成，相当大的比例找伙伴分包出去实现。这就决定了单看营收不错，相当比例只是走个流水，AI本身创造的价值有限。

再结合中国普遍没有较强的软件付费意识，在项目制里更多需要靠堆硬件将订单做大。这就解释了支出里相当比例是硬件的问题。

不难发现，刨除分包和硬件采购，更能反映AI企业创造的实际价值，也与最终的收入和盈亏更好对照。而AI价值又持续受到开源的挑战。

财报中，尤其提到在构建元宇宙和智能汽车平台，这两个赛道都是面向未来的赛道。作为多元业务AI平台企业，很难想象能够比专门做垂直赛道AI平台或AI应用的公司做的更好。但又不得不给投资人画饼。

行业公司

AI企业需要持续投入保持AI领先性竞争力，同时又无法端到端做各种场景落地，需要靠硬件和分包解决做大营收问题，但又不增利。即投入大，产出受项目制和分包非标影响大。即便AI公司这些年努力经营，貌似也少有走出这个怪圈，导致无法上市或上市后破发。

于是很多圈内人开始反思，根本不存在AI行业，AI要融入各行各业。AI公司要想盈利，首先需要深耕垂直行业，其次是忘记自己是AI公司。把AI当工具，把一个行业做深做透，成为行业公司，而不只是作为旁观者，只负责AI那部分，拿锤子找钉子。

当然事物的发展，总会有一个过程。在经济景气时候，往往大家会过度乐观，恨不得什么都做。而经济或行业下行，就能够去伪存真，做些取舍，重新定位最合理的社会分工和赛道。相信AI接下来，也需要经历类似的过程。