投資公司 a16z 上月發表了一篇分析 AI 創業公司困境的文章，如果你關注 AI 創業領域，一定要讀一下這篇文章，或者你也可以先看看我的點評。

這篇文章從商業模式的角度入手，將 AI 創業公司與傳統軟件公司做了對比，你會發現其中有太多值得思考的問題，我將其稱之為「AI 創業公司的死穴」。

[[319099]]

云服務的成本

AI 創業公司熱衷于使用云服務，云服務的確可以幫助 AI 創業公司快速完成機器學習模型的搭建與部署，并借助其彈性的特點，使得 AI 創業公司可以應對突發的流量壓力。

但這個看似甜蜜的方案背后，隱藏了眾多「套路」，一方面，整個機器學習模型訓練所需的計算、存儲、網絡資源非常高，這也是一個巨大成本，FT 此前的一篇報道稱，創業公司在云上的花費，為 AWS、微軟貢獻了巨額收入。

另一方面，云服務的隱形成本還包括機器學習模型在云服務商不同區域的遷移，以及在不同云服務商之間的遷移等等。

更重要的一點還在于，困擾整個 AI 發展的算力問題，短期來看幾乎只能靠錢來解決，摩爾定律已經失效，而 OpenAI 指出的巨大算力需求與英偉達單個 GPU 實際算力提升之間形成了鮮明的反差。

或許會有人說，分布式計算就是為了解決這個難題而出現的，但正如 a16z 分析師所言，這個方案解決的是速度，而不是成本。創業公司對于分布式計算的迷戀，無異于「財務自殺」。

人類的位置與成本

如果你聽過「沒有數據就沒有智能」，還需要記住另一句：「沒有大量被人類標注的數據，就沒有足夠的智能」。

這就涉及到了整個產業鏈上的人類成本。過去幾年時間里，媒體熱衷于報道哪家公司年薪百萬招募機器學習博士，但很少聽到哪家 AI 公司為獲得人類標注數據所付出的成本，a16z 給出的數字，這個數字占據了企業營收的 10%—15%。

另一個佐證是，在被譽為「AI 第一股」的曠視科技招股說明書里，「數據標注」人員占公司全員的比例為 17%。

這也可以解釋為何數據標注已然成為一個巨大的產業，利用中國天然的勞動力優勢，數據標注產業的發展[4]勢頭也非常兇猛。

如果說數據標注只是一種外包的人力成本，那么 AI 創業公司還需要另一層人力成本，當 AI 產品滲透到各個行業，創業公司們所面對的是一個巨大而又需要定制化的市場，換句話說，這需要大量人力去維持、開拓。

這又和傳統軟件公司不同，在傳統軟件公司，軟件的一個功能可以適配足夠多的企業和行業，但在 AI 領域，數據源的不同所帶來的連鎖反應到底有多大呢?a16z 分析師舉了一個例子，兩家汽車制造商的車輛缺陷檢測，看似相同，但不同數據來源決定了整個模型訓練、部署會出現巨大差異。

AI 服務化是個不得已的選擇

「AI 服務化」與其說是 AI 創業公司的營銷詞匯，倒不如說這是一個無奈選擇，當云服務成本無法通過規模化降低，當人力成本在數據標注與行業擴張中居高不下，留給 AI 創業公司的選項委實不多。

a16z 分析師最后的總結指出，當下很多 AI 創業公司更像是一個服務公司而不是軟件公司，「你可以代替某些服務公司，但無法代替服務」。

對于崇尚「軟件吃掉世界」的 a16z 而言，這個推論也向世人展示了其對于 AI 創業的看法，當 AI 創業公司被看作服務的時候，AI 創業公司的估值與增長空間已經被限定，至少在硅谷，軟件/技術公司的估值為其營收的 10-20 倍，而服務類公司的只是 2 倍。

這也拋出了另一個問題：是不是即將迎來又一個「AI 冬天」?從我的角度去看，這個時期更像是「秋天」，無論資本市場還是國內外的巨頭公司，正在更理性地看待 AI 技術與產品，同時也在評估其對于未來行業發展的影響。

所有這一切都在展現一個事實：AI 創業公司的熱潮已經過去了。

原文標題：三大死穴，AI 創業大門正在關閉