AI芯片，就像拥有强大学习能力的“大脑”，能够高效识别出场景，并给出精准的解决方案，在智能手机图像识别、自动驾驶等领域得到了广泛应用。

　　事实上，不光是AI芯片，AI技术围绕场景不断渗透，已经成为“老生常谈”。从2016年的“人工智能元年”，到2018年的“人工智能技术落地元年”，发展至今，人脸识别、语音识别等AI技术，在场景中的应用已经遍地开花：金融、交通、医疗、零售、教育......AI已经渗透入人类生活的方方面面。

       目前，我国的汽车传感器产业在发展中存在许多问题，如“中国汽车传感器95％以上的市场份额，都掌握在外资企业手里”、“整车企业和ECU厂家宁愿多给国外厂家几百万的专利费用，也不愿意用国产传感器”、“国产传感器现在还是靠模仿国外产品，而且企业规模小，产品更是进入不了主流市场”等等，上面这些还只是一些表面的现象，实际上，我国汽车传感器产业在发展中拥有诸多掣肘。

　　活跃在市场上的AI企业，早已不止耳熟能详的互联网巨头如阿里、腾讯、百度；以及“AI四小龙”如商汤、旷视、依图、云从等。一批批AI初创企业不断涌现：根据亿欧智库统计，2012年至2016年，中国AI企业数量以48%的年复合增长率高速增长。

 　　首先，汽车传感器领域内的核心专利大部分被国外企业垄断。国内汽车传感器市场的需求量巨大，每年进口额都超过千亿人民币，这主要是国内汽车传感器芯片、传感器关键技术和传感器产业结构与国外存在较大差距，导致国内汽车传感器在高端市场竞争中缺位或者是竞争力不足。

　　然而，“大浪淘沙始见金”。2018年之后，AI行业进入洗牌阶段，众多“贴AI标签”，却“华而不实”的企业，大批死亡；除此之外，那些“过于注重技术突破”，却“忽略产品化”的企业也逐步被市场淘汰。

 　　比如国内企业多数只能做一些水温和压力传感器等技术含量不高、附加值低的产品，而针对国五、国六排放阶段在尾气处理上必须要用到的氮氧化物传感器等一些高技术含量产品，国内目前还是完全依赖进口。

　　成功者自然有其独到之处，巨头往往早期建立了自己的核心技术壁垒，再凭借雄厚资金占据得天独厚的市场优势，后来者难以复制。而AI初创企业要想获得市场空间，其必然与巨头发展路径有所不同。

 　　最后，汽车传感器缺乏配套试验和应用环境。汽车是由多达几千个电子零部件组成的复杂产品，特别是随着汽车产业的发展，控制电子部分、多媒体电子部分、导航及车载通信等等越来越多，使车辆复杂程度不断加大。而这些电子零部件产品可靠性十分重要，直接决定了整车的安全及运行可靠性。特别是严苛的环境（运输过程、存放、工作中、气候等因素），都在考验着汽车电子产品的可靠性。

　　那么，在巨头林立的AI市场，初创企业究竟如何找寻新的场景？又如何构建自身核心优势，在市场中分得一杯羹？

　　汽车传感器作为汽车电子产品中最典型代表在应用时要和发动机以及整个调校系统进行匹配试验，但国内在这个环节上的配套环境不成熟，现有的系统和设备严重落后。这就导致企业无法真正了解产品后续的匹配性和可靠性以及所需的改进方案，又直接影响了下游企业对使用国产传感器的信心。  

　　行业普遍认为，AI创投经历了三个阶段，第一阶段是2016年，AlphaGo战胜李世石，“人工智能”这一概念自此火遍全球，各路投资人开始一窝蜂涌入AI赛道。这一时期，具有领先算法实力的AI企业更受市场青睐。

　　根据乌镇智库发布的《全球人工智能发展报告》，2016年全球AI企业融资规模达到了92.2亿美元，是2012年的近6倍，相当于2000年到2013年13年间总融资额之和。这一阶段，AI企业在计算机视觉、语音识别领域厮杀，他们宣称自己技术领先，但事实上大部分企业技术大同小异，差异化不明显。

 　　以传感器芯片为例，新产品一般要过2至4年才可以进入市场，5至6年开始实现销售，8至9年才可能达到收支平衡，10年才可能达到盈利，期间每年又需投入数亿美元，一般的投资很难连续支撑。由于短期内难以获利，银行等金融机构对于该行业缺乏足够的投资兴趣，导致汽车传感器产业的投融资渠道更加不顺畅。

　　第二阶段是2017至2018年，部分先发企业选择了高价值的应用场景，凭借数次融资积累的资金优势，迅速铺开市场。由于其算法在实践中经历多次迭代，又构建起了自己的技术壁垒，从而走在市场前沿。商汤、旷视等人脸识别的商业化落地在这一阶便段极具代表性。

       另外，我国企业研发投入资金来源有限。汽车传感器的研发投入动辄上千万甚至上亿元，一般民营企业凭借自身实力有限，并且融资渠道也同样缺乏。汽车传感器产业链上的很多企业在不断加大投资之后，往往会面临“后继乏力”的困境。其主要原因是汽车传感器产业大投入、长周期、高风险等因素，使常规的市场渠道难以支撑行业的持续巨额资金投入。 

　　第三阶段则是2018年下半年至今，随着技术进入普及化阶段，AI行业缺乏的不再是技术，算法带来的碾压式优势逐渐减弱，投资者们也期望于从早期投资项目中看到商业成果。对于客户来说，能否带来切实效率提升以及带来财务回报，成为考量的首要因素。

　　毋庸置疑，前两个阶段已经“尘埃落定”，有一批企业取得了阶段性成功，“AI四小龙”便是其中代表。在综合实力以及生态建设方面，成为了行业中的佼佼者。2018年，AI创业公司的融资总额是1131亿人民币，而“AI四小龙”就占据了五分之一。

　　此外，旷视已向港交所递交招股书，云从申报科创板的传闻也不绝于耳。资本市场的支持，无疑是对其技术的肯定。

　　不过，当发展至第三阶段，场景的寻找、商业模式的规模化落地对于企业来说仍是难题。红点中国执行董事刘岚表示：“我们目前更看重商业落地的速度和产品技术优势的相对平衡。只有技术没有商业化，以及有商业化，技术不够领先的企业，我们都会比较慎重。”

　　可以说，AI技术不再在估值体系中起到决定性作用时，它逐渐成为其中的一个因子；而为行业带来的效率提升和新增价值，成为衡量AI企业价值的重要指标。

　　对于AI四小龙来说，倘若仅依靠人脸识别等通用技术，未针对企业经营提供降本增效的价值，那么客户买单的意愿并不会很强烈。因此，为了扩大盈利空间，AI四小龙开始加大场景探索，各显神通：

　　凭借融资获得的大量资本，商汤开启了“买买买”模式，其对外投资项目已经超过10个，涉及不同的行业应用，比如教育、汽车、医疗等；旷视则以摄像头硬件为承载，发力点在于城市管理与智慧地产；依图则在芯片端发力，企图通过提高AI的智能密度，降低AI落地的成本。

　　由此可见，为了实现技术与商业化“两条腿”走路，AI巨头们都进行了诸多尝试。只不过，哪怕是行业巨头，要进入新的领域，也需要对行业Knowhow深入了解， “财大气粗”的企业或许能直接购买技术，但随着应用场景不断涌现，不可能所有行业Knowhow都能“触手可得”。而正是由于存在具有技术空白的场景，这就给了新一代AI创业公司生长的空间。

       220千伏宁莫线电缆隧道投运于2016年9月，起始南京市清凉门大街莫愁变电站，终至宁海路变电站，总长5.879公里。高压电缆隧道节省了大量土地资源，但也给维护和检修带来不便。为此，国网南京供电公司运用泛在电力物联网，实现电缆隧道人工智能管理、数据互联互通、开放共享。 

　　相比于行业巨头，新一代AI创业公司成立时间短、资金薄弱。在外界关于AI领域“强者恒强”的呼声下，它们将如何在巨头环伺中杀出重围，构建自己的核心优势？