「面向國內低成本智慧音響市場，我們推出的 69 元方案已經進入到國內一線品牌，將會是 BATX（BAT 和小米）中的一家」，當被問到專案落地進展時，掛著耳麥的王雲龍在演講臺上一字一句地說道，「今年雙十一前將會面市」。
王雲龍是通用微科技創始人，臺下六位業界知名 VC 不乏已與其打過交道的意向投資人。作為下午場截止目前最為出彩的專案，場內稍顯沉悶的氣氛逐漸被點燃。
在遠離市區的一處幽靜飯店裡，騰訊 AI 加速器第二期複試正在緊鑼密鼓地進行。從 1500 個初試專案中篩選出來 120 個團隊彙集在這裡，他們從全國各地和部分海外地區趕來，被分設在醫療、機器人、零售、企業服務等四個組別同步進行路演展示。
相較於去年一期覆蓋多個領域的專案設定，可以看出今年平臺在篩選專案過程中導向性和目的更為明確：
在全覆蓋的賽道之中，重點也更加突出，機器人與硬體對應著騰訊年初成立的機器人實驗室 Robotics X 戰略方向，零售和 AI 技術的結合將為巨頭打通線上線下資料發揮重要作用，醫療則是騰訊在去年就已經明確的 AI 垂直髮展方向之一。
路演從早上 9 點正式開始，每位創始人陳述與互動時間被控制在 15 分鐘內，隨後由臺下六位評委舉牌示意，全票通過即意味著能夠勝出，其他票數將被置於待定席，待會後評委綜合討論決定專案去留，其中平均每四個專案中只有一個能夠勝出。
勝出，即意味著接下來專案能夠收穫騰訊 AI 開放平臺所提供一系列扶持政策和資源傾斜，同時創始人也將進入到騰訊集訓營接受密集的課程輔導。
當然，最為重要的是，貼上「騰訊 AI 加速器專案」標籤的專案可能在融資路上走得要順利一些。去年，加速器裡 25 個專案的估值 1 年間從 70 億增加到 260 億，這樣的加速足夠讓創業者們為之興奮。在路演 PPT 關於加入加速器的「期待」裡，比較直接的專案都提到了資本市場的資源。
畢竟，過去一年 AI 風口過境，人才資金市場頭部效應顯現，看起來創投市場已經趨於飽和，市面上甚至開始出現一些專案掉進資本「斷糧」的險境。與此同時，一級市場機構募資難等問題已經成為公開事實，手中還沒攢著足夠錢的創始人必然不敢掉以輕心。
「不到六次流片的廠商不能投」
不過，就在參賽當天，王雲龍的專案通用微科技已經完成了由達晨創投領投的 5000 萬 Pre-A 輪融資。
在半導體行業老兵王雲龍看來，他參加加速器更大程度的驅動力來自於「反思」——「我先後做過四家公司，其中兩家被收購，但似乎總是沒有達到理想高度，是不是我不夠『狼性』？」
過去十餘年來，王雲龍一直深耕在聲學領域的感測器晶片行業，主要為手機、耳機、電腦等消費電子產品提供 MEMS 微麥。
隨著深度學習演算法成熟，以及智慧手機對於語音互動體驗需求提升，王雲龍在 2016 年下半年創立通用微科技，提供植入了喚醒、語音降噪、回聲消除等軟體演算法智慧微麥晶片，已經應用到紅米等手機中，作為公司主體業務。
面向火爆的智慧音響新興市場，王雲龍有意入局，但戰略卻有所不同——先從 AI 演算法層面切入。如今，市場主要集中在 Echo、Alexa 類音響、臺灣仁寶等海外市場，今年已經獲得國內大廠訂單。
與此同時，他還將推出取代大塊頭的語音採集皮膚，推出整合度更高、包含軟體演算法系統級 SoC 晶片。通過軟體演算法的整合以提高硬體門檻和議價能力。
「據我所知，你提到的客戶 BATX 中就有同步在內部研發的，音響對於他們是尤為重要的入口。他們一旦做出來，優勢你能保持多久？」迅雷創始人、遠望資本創始人合夥人程浩直接問道。
王雲龍表示，上述提到的巨頭本來有意收購，但他考慮到後續可能在業務往來中處於被動狀態所以拒絕了，「接受投資，軟體只能免費提供，硬體毛利更是微乎其微，相當於為其打工」。
他同時強調，演算法層面優勢可以被資本人才消化，但晶片並不能靠資本堆砌。「資本能做得起演算法，卻未必能造得起晶片。」談到晶片，王雲龍滿懷敬重。
路演結束後，王雲龍向機器之能解釋道，因為這裡坑太多了，其中 Know-How 要十來年你才能積累得出來，很多極端環境並非實驗室測試就能驗證，尤其在通用性最強的手機領域。
他提到，曾經月出貨千萬顆的成熟晶片廠商，因為其方案在兩火車相遇場景下可能發生當機事故而遭到大廠退貨的案例。
「圈子裡曾有俗語，沒有經過六次流片的專案不能投」，王雲龍打趣地說道。
對於王雲龍最開始的困惑，順為合夥人周航則表示，曾接觸過不少優秀半導體專案，但由於產業結構原因，可能決定了前端產品做配套的技術方案商在議價能力方面，天然不具備優勢。
「這會不會是戰略層面出現的問題，導致你創業過程中一直達不到你的期待值？」
王雲龍表示，軟硬體一體化是他很早就看到的方向。「光賣硬體，毛利太低，尤其在國內音響價格戰的背景下，所以現在 IC 晶片大多很苦逼；但單做軟體，面向國內的市場基本都是免費提供的模式。」
所以，轉向軟硬體結合，以及後續整合度更高的方案。
王雲龍的專案最終獲得了 5 票，即 80% 的票數，具備很大的晉級空間。
路演結束後，王雲龍向機器之能展示了其更巨集偉的願景，對於晶片廠商而言，數十億臺規模的手機市場才是終極目標，他希望將多克風陣列的高整合度方案應用到手機市場。
與大談「AI 晶片」概念的年輕創業者不同，在傳統半導體從業者人士看來，AI 演算法植入只是為晶片新增的應用之一，並且更為合理的產品邏輯還是從突破傳統供應商的被動地位出發，而不是爭奪所謂「效能引數第一」。
聊天機器人專案的生存空間
淘汰制殘酷的意味著，有人得意，就有人失意。
聚焦在人機互動層面的 Bot 聊天機器人專案或許就是其中之一。Bot，全稱為 Chatbot，即聊天機器人，最早可以追溯到評測機器人擬人度的圖靈測試，當然，最為人熟知的還是蘋果 Siri，以及隨後出現的微軟小冰、小娜姐妹花，應用在各種電商平臺的虛擬客服人員等。
近幾年，隨著深度學習演算法的入，以及自然語言技術高度發展，Bot 式機器人框架與模式已經相當成熟，百度 DurOS、微軟 Azure 等平臺均提供了免費接入和生成的入口。
儘管如此，去年創業的張江仍然希望能夠在此發力。在他的專案陳述中，提到主要為硬體提供後端互動能力，以及結合金融、醫藥等傳統領域的知識圖譜，提供智慧大腦。
他同時表示，團隊的互動大腦已經接入百度、小米、思必馳等大型語音平臺，將會聯合推出深度合作的產品。不過當被問到商業模式時，張江表示，目前只能通過開發一些益智遊戲、古詩詞應用等應用進行收費模式的摸索。
如今，平臺級公司相繼推出了大量開發者資金扶持的計劃。但張江坦言，仍然還在溝通與探索過程中。經過一輪自我介紹和評委問答，張江的專案最終沒能得到評委認可。留在 PPT 上的 A 輪融資意向或許將被擱置。
如果說 AI 應用強調場景的聚焦，那麼另闢蹊徑的圍繞舊車維修問答的 Bot 專案是否能獲得評委青睞？
曾在某二手車交易平臺主管內容運營的王立在 2013 年辭去原本工作，選擇汽車後維修市場作為切入，提供線上故障和維修問答服務。
早期專案曾獲得真格基金、戈壁創投等明星機構的青睞，但專案在 2016 年 5 月後一直沒有新進入的資金。
王立的專案主要通過 AI 智慧庫解答客戶高頻問題和固定方向問題，比如輪胎磨損。同時匹配專業人員利用閒暇時間及時解答車主的專業類汽車問題，匹配精準度達到 95%。
王立表示，自己在去年已經參加過百度類似的創業專案加速，獲得比較深度的資源繫結。但遺憾的是，在當天路演現場，只獲得三票肯定，被保留在待定位置。
路演結束後，王立的臉漲得通紅，看得出對此次路演重視程度。被問到感想時，只是表示接下來還有活動，便匆匆離去。
從現場評委反饋來看，大多對 Bot 式機器人專案的商業模式和盈利問題持有疑慮。
火熱的 AI 醫療遭遇同質化？
在騰訊 AI 戰略佈局中，醫療影像是最為明確應用領域之一。同時也受到了政策層面支援，去年，騰訊在醫學領域 AI 平臺——騰訊覓影成為首批國家人工智慧開放創新平臺之一。
在與公司戰略協同領域，騰訊尤為重視，專為 AI 醫療專案單獨設定了一個組別。現場看來，十餘個 AI 醫療專案中，多半以醫療影像識別、分類為主，在病種識別上也多聚焦在肺結節、肺癌等，呈現出同質化趨勢。
正由於聚焦領域和模式較為詳盡，該類專案所面臨困境也不盡相同。一方面帶有標註 AI 影像資料仍屬於稀缺資源，而這將直接影響演算法訓練階段準確性。
另一方面，AI 醫療影像方案被分屬於輔助醫療器械，需要國家 CFDA 認證才可用於臨床階段，而距今為止，中國 AI 醫療領域仍沒有發放任何一張 CFDA 證，導致類似方案商業化和合規性一直受到質疑。
而與此同時，AI 醫療依然成為今年上半年以來最為熱門投資領域之一。據 IT 桔子資料顯示，2018 年上半年 AI 醫療領域融資達到 21 起，總融資額相比去年有明顯提升，達到 16.1 億元，主要在於部分專案已經來到 C 輪，拉高整體融資額。巨頭佈局賽道的意向越發明顯，百度、騰訊、騰訊均在今年投資了不少相關專案。
對於一面資本市場看好、一面發展卻遭遇瓶頸的矛盾現象，騰訊覓影應用主任吳明柱談到，同質化表象主要在於 AI 技術用於醫療影像識別分類等應用還處於早期階段，病種的多樣化預示著未來的市場空間。
而深入來看，針對單一病種，AI 醫療影像篩查方案在縱向和橫向領域都具備可延伸空間，比如針對肺結節，在縱向領域，不僅和影像識別結合，還包括特徵部位描述，以及和醫院管理系統打通；在橫向領域，可以進一步和肺癌資料等病症進行融合。
在臨床應用暫時受阻階段，AI 醫療領域創業者嘗試多種合作模式，深思考在差異化方面屬於較突出的專案之一。
針對醫療影像識別和處理，深思考提出了端和雲兩套方案。針對端方案，為解決 AI 資料分析所需要 GPU 高昂配置，團隊還提供有一套針對醫療影像專用的處理器模組。
該模組支援智慧醫療影像中細胞或器官的位置檢測、影象分割、細胞或器官，同時可對醫療專用演算法引數進行 10X~50X 壓縮，在精度損失極低的情況下，大大提高了計算速度。
路演結束，深思考向機器之能現場演示實際運轉狀況，通過模組直接與簡單顯示器連線可直接對影像資料排查和分析。
此外，針對偏向 C 端的家庭健康管理領域，團隊還提出了健康問診的解決方案，通過與智慧音響等移動裝置合作模式，提供醫療大健康 AI 諮詢。最後該專案通過評委的八成以上投票。
談到 AI 醫療專案考核重點時，吳明柱提到了三個方面：
一是團隊背景，AI 醫療團隊需要具備醫療和 AI 兩個領域專業背景，同時需要有機結合；此外，產品人群定位，產品形態也是需要在早期就明確的方向之一；最後，由於醫療流程和生態鏈複雜性，團隊在整合醫療領域資源方面能力將影響到產品落地。
尾聲
「我們希望挑選出每個領域裡最拔尖的專案」，加速器宣傳片裡滾動著。
120 個專案，10 個小時。一個專案，15 分鐘，決定了一個背後團隊去留，某種程度而言，這就是創投市場的殘酷和現實。大浪淘沙，得意者總歸是少數。
當 AI 元年終於過去，強技術型專案、博士團隊背景早已不再是讓投資人眼神發光的關鍵，是否有殺出重圍的可能與另闢蹊徑的悟性成為關鍵，尤其是在該領域裡已經具備同質化專案的情況下。
就現場觀賽和交流而言，民族意識和晶片產業自身的升級需求讓智慧晶片產業獲得了極大關注，創業者滿腔熱血地投入其中，但對於大多數新晉「晶片外行人」而言，造芯背後的風險和落地週期不容忽視。通用性和穩定性是晶片產品流通的關鍵，過分強調效能引數不免太過於理想化。
其次，AI 人才和資本大量湧入在一定程度的確加速了技術成熟，去年或許還能講出新故事的 Bot 聊天機器人、ADAS 輔助自動駕駛等專案，今年看來已經缺少足夠的競爭力和吸引力。除非專案能夠與細分垂直領域進行深度融合，切實提升傳統產業效率和減少人力，具備足夠穩固的商業模式，否則團隊只能做好自給自足的兩手準備。
在機器人領域的創業領域，多以單點技術和功能切入、聚焦在 B 端服務場景，其中以物流領域為盛。值得注意的是，物流巨頭也在同步研發自有機器人專案，這預示著留給創業者的技術和發展視窗期有限，創業者應該有意識地朝著方案標準化落地，更早實現標準化意味著不用繫結某一家企業的業務，在市場選擇方面具備更強的靈活性。
最後，對於技術領域創業者而言，始終都應該秉持的信念還在於，一次路演成功與否並不會影響專案本身發展，融資或許能決定專案價格，卻並不會為其價值打上標籤。
（王立、張江係為化名）