人工智能是近些年發展速度較快的行業之一，受益于算法、算力和大數據的不斷成熟和積累，催生了人工智能技術的突飛猛進。現如今，人臉識別、圖像識別、智能駕駛、智能客服、人形機器人等AI產品和服務已經落地在各種商業場景中，公眾對于人工智能認識和感知也越來越深刻。
近日，中國信通院院長余曉輝在2022年世界人工智能大會產業發展全體會議上介紹，2021年全球人工智能產業規模達3619億美元，其中中國占4041億元人民幣，占比近16%。從投融資規模來看，2021年全球人工智能產業投融資金額為714.7億美元，同比增加90.2%，中國人工智能產業投融資金額為201.2億美元，占比28%，同比增加40.4%。由此可見，人工智能行業在國內外的投融資熱度依然高漲，中國的人工智能產業規模也依然在不斷擴大。
2022年以來，科技行業迎來了一波“寒冬”，從二級市場來看，科技行業的上市公司股價接連走低，投資者迷?？只?，而人工智能行業的發展狀況如何呢？二級市場的“寒氣”是否傳遞給了一級市場的人工智能行業呢？數據猿整理了2022年年初至8月中旬，人工智能行業新增的投融資案例，希望能從中發現人工智能行業正在發生的一些變化。
人工智能的熱點是行業應用
在人工智能這個一級行業中，數據猿將其分成了5個二級行業：計算機視覺、人工智能行業應用、AI芯片、AI工具和人工智能基礎技術。在5個二級行業中，除了AI芯片之外，對另外四個二級行業再次進行細分，共劃分了38個細分領域，如下表所示。數據猿將從獲融資企業數量、企業所在地區、獲融資的月份、企業所處的融資階段和主要投資的機構等維度，分別對人工智能行業今年的投融資情況進行分析。
（人工智能行業劃分目錄，來源：數據猿基于公開資料整理）
（人工智能二級行業融資分布，來源：數據猿基于公開資料整理）
從整個人工智能二級行業融資的情況來看，2022年前8個月，共有209家企業完成融資，在五個二級行業中，人工智能行業應用方面有115家，占比55%，人工智能基礎技術40家，占比19%，計算機視覺31家，占比14.8%。AI芯片22家，占比10.5%，AI工具僅有1家。從二級行業的維度來看，資本更熱衷于人工智能行業應用的投資，畢竟人工智能真正找到應用場景、滿足市場和消費者的需求，更容易產生高附加值。
如果從38個細分領域入手，數據猿發現，投資機構偏愛的行業也相對比較集中。如下圖所示。
（人工智能細分領域獲融資企業的數量，來源：數據猿基于公開資料整理）
從細分領域來看，雖然人工智能細分領域較多，但是并不是每個領域都有投融資事件發生，智能駕駛、智能醫療、AI芯片是三個融資企業最多的方向，分別占比27%、19%和11%，深度學習、人機交互、機器學習三個領域的融資企業數量均超過10家，具有較大潛力。
為什么智能駕駛、智能醫療和AI芯片會成為當下的熱點呢？數據猿認為，背后的原因與當下社會面臨的機遇和挑戰有極大關系。新冠疫情發生的兩年多時間里，全社會對于醫療的重視程度越來越高，智能醫療將在某些方面代替人完成某些簡單重復的工作，極大提升人的工作效率，所以智能醫療的機會受到眾多投資機構和創業者的青睞；同時，疫情的襲擾對全球供應鏈系統產生了嚴峻的考驗，全球“缺芯”一直困擾著不少科技企業的發展，再疊加“國產替代”的大背景，促使AI芯片這個曾經的“冷門賽道”瞬間“轉暖”。智能駕駛更是當下的熱點，伴隨著新能源汽車銷量的持續增長以及技術的不斷成熟，新能源汽車的上半場關于新能源的競爭似乎已經結束，下半場的競爭大概率將圍繞汽車智能化進行，因此在這個關鍵的時間點上，智能駕駛的投資熱度自然而然將會猛增。
人工智能創業滲透多個城市
從獲融資企業所在地區來看，北京市是最多融資企業的所在地，占了接近1/4，上海、深圳、杭州、蘇州緊隨其后。與云服務行業不同的是，獲融資企業所在地區分布比較廣，既有沿海城市又有內陸城市。在26個城市中，北方城市有7個，融資企業數量61個，占比29%。
（人工智能領域獲融資企業所在地區，來源：數據猿基于公開資料整理）
這是一個非常有意思的現象，為何人工智能領域在這么多城市均有滲透呢？數據猿認為有兩方面的原因：一方面，高新技術企業多、環境好的城市容易吸引人工智能企業，這一點很容易理解，畢竟高新技術企業多意味著人才就會聚集，人工智能技術與互聯網和移動互聯網技術在某些程度上有交叉，因此更容易獲得人才；另一方面是場景更容易落地，比如青島、天津、成都等城市，雖然高新技術企業的數量無法與北上廣深相比，但是這幾個城市的制造業發達，比如成都有車企，做智能化更貼近實際的應用場景，因此也能吸引到不少企業落地。
三大最受歡迎的細分領域
從融資事件發生的月份來看，人工智能領域的火熱程度可見一斑。前7個月中，平均每月每月27家企業，最多的月份有37家企業融資，平均一天至少有一家人工智能企業獲得投資機構的融資。
（人工智能領域2022年不同月份獲融資企業數量，來源：數據猿基于公開資料整理）
如果把各細分領域在不同月份發生投融資案例的分布整理之后，不難發現，智能醫療、智能駕駛、AI芯片幾乎每個月都有企業獲得融資，賽道的火熱程度一直持續高漲。
（人工智能行業2022年不同月份各細分領域獲融資企業數量分布，數據來源：數據猿基于公開資料整理）
要么IPO，要么“抱大腿”
數據猿整理了人工智能領域獲融資企業所處的融資階段，如下圖所示。
（2022年人工智能領域獲融資企業所處階段，來源：數據猿基于公開資料整理）
從獲融資企業所處的融資階段來看，絕大部分的企業都處在起步階段。A輪階段（含A輪、A1輪、A2輪、A+輪、A++輪、A+++輪、Pre-A+、Pre-A2）的企業數量有56家，占比27%；初始階段（含天使輪、天使+輪、種子輪、Pre-A輪）的企業數量有51家，占比24%。
除了一級市場外，前8個月中，人工智能行業實現IPO的企業有6家，具體情況如下表所示。
（2022年前8個月人工智能行業IPO的企業，數據來源：數據猿基于公開資料整理，截止到2022年9月29日）
除IPO之外，前8個月中，也有4家企業被收購，具體信息如下表所示。這四家公司分別屬于字符識別、智能醫療、智能零售和機器學習。
（2022年人工智能行業企業收購事件匯總，數據來源：數據猿基于公開資料整理）
結合IPO和被收購的案例來看，數據猿認為，上市和被收購可能是企業創始團隊和一級市場投資人最好的退出方式。對于能形成產品，或者技術、應用場景頻率高的企業來說，上市是最佳的選擇，比如蔚來，雖然是車企，但也要提升汽車智能化水平，再比如云從科技，人臉識別技術的應用場景和滲透行業廣泛，這類企業可以努力發展走向二級市場；但是對于某些功能頻率低、很難滲透到其他行業的企業來說，被收購也是不錯的發展方式，通過與其他企業的深度合作，更有可能發揮自身價值。
人工智能“集齊”所有類型的投資機構
從投資機構的角度來看，除了IPO外，前8個月中，高瓴創投投資的企業數量有10家，是投資最多的機構，緊隨其后的還有五源資本、紅杉中國、高榕資本、經緯創投等，而且既有產業資本、又有國有資本，還有民營資本和外資資金。
（2022年人工智能領域投資案例較多的機構/渠道，來源：數據猿基于公開資料整理）
數據猿整理了高瓴創投在今年前8個月的投資案例信息，如下表所示。
（2022年前8個月高瓴創投投資的企業，數據來源：數據猿基于公開資料整理）
從表格中的信息來看，今年前8個月，高瓴創投在人工智能行業的投資大部分為起步階段的企業，9家企業中只有兩家是D輪及以上投資，而且均為跟投項目，領投或者單獨投資的項目有3個，“大量布局起步階段的優秀創業公司，然后陪伴它們成長、變大”，這大概率是高瓴創投在該行業中的投資模式。從投資的細分領域看，高瓴創投投資的項目涉及智能駕駛、智能醫療、機器學習等，既有人工智能應用企業又有人工智能基礎技術企業，由此推測，高瓴創投的投資涉及整個產業鏈，并不局限于某一個單一方向或細分領域。
盡管高瓴創投投資的項目最多，但是從投資金額上來看，除IPO之外，融資最多的四家公司均不在其中。截止到8月中旬，人工智能領域融資最多的企業有四家，融資規模均在10億人民幣以上，具體信息如下表所示。
（2022年前8個月人工智能行業融資金額最多的企業，數據來源：數據猿基于公開資料整理）
在四家融資最多的企業中，有三家屬于智能駕駛領域，一家屬于AI芯片領域，由此驗證了智能駕駛領域火熱的現象。從投資方的數量來看，基本上投資方數量均在4家以上，多則11家機構共同投資。數據猿認為，出現這種情況可以從兩個方面解釋：一是該行業的好項目很少，機構都在“搶貨”；另一方面該行業風險比較大，多家機構共同投資是為了分擔風險。從投資方的信息中可以看出，投資機構的背景都是五花八門，有外資背景的機構、國資背景的機構，民營資本、地方政府背景的機構、港澳背景的機構、上市公司，可以說“集齊”了所有類型的資本機構，人工智能的火熱程度和重視程度可見一斑。
一級市場中的“供過于求”
整體來看，投資機構對于人工智能行業的追捧依然非常高漲，這一點主要表現在兩個方面：一方面，目前熱衷于投資人工智能行業的機構數量非常多，而且既有“國家隊”、又有外資機構，同時還有地方投資機構和民營私募股權基金，由此判定，一級市場上并不缺錢；另一方面，投資機構對于人工智能行業的布局目前并不“挑剔”，通過數據來看，無論是專注于人工智能基礎技術的企業還是人工智能應用的企業，均受到機構的關注。
數據猿認為，盡管人工智能行業的投資機構很多，但是機構對于行業的投資相對也比較謹慎，一是創業企業大多處于起步階段，未來是否可以做成還是未知數；其次，人工智能行業的項目，大部分前期投入較高，而且面臨的技術挑戰比較大，大部分項目的投資期限相對較長，風險和不確定也就相對較大。所以不少企業選擇聯合投資的形式，通過分散投資實現對風險的管理。
從創業企業的經營業務來看，目前人工智能行業的熱度也很高，既有專注技術研發的企業，又有專注硬件和應用場景落地的企業，可以說是“全面開花”。但是由于人工智能行業的門檻相對較高，既需要技術又要數據積累，因此并不適合所有人或者“門外漢”隨意進入。預計，整個行業內的企業數量不會太多。
在供給充足、需求不足的情況下，好項目將會發生爭搶的局面，不過，這對于高投入、高門檻的人工智能行業而言，或許是一件好事。
文：贏家 / 數據猿
