导语：全球知名的AI芯片企业——Wave Computing公司已经遣散了所有员工，并申请破产保护。如无意外，这将成为第一家在疫情期间申请破产的AI芯片公司。
从辉煌到落寞
我们把时间扯回到2016年——当时，谷歌AI系统AlphaGo以4:1战胜围棋九段高手李世石，引发了一波全球性的人工智能热潮。与此同时，互联网巨头们也给AI再添一把火。李彦宏率先提出all in AI，马化腾随后也提出AI in all，马云启动了NASA计划并创立达摩院。似乎，AI时代已经触手可及。
Wave Computing被誉为全球最有前途的AI公司之一。这是一家专注于通过基于数据流驱动（dataflow）技术、以及实现dataflow技术的软件可动态重构处理器（CGRA）架构，突破AI芯片性能和通用性的瓶颈，加速从数据中心到边缘的AI深度学习计算。Wave Computing曾经也是各种荣誉加身：“机器学习行业技术创新领导者”；“25大人工智能供应商”之一；“最受尊敬的私营半导体公司”奖等等。
但是十年过去，公司在产品方面，相比Nvidia、Graphcore，他们芯片的优势并没有得到很好的凸显，引发了前景担忧，终于倒在疫情之下。
就拿视觉领域的应用来说，目前还是在比较初级的阶段；即使是头部企业，也还在努力探索大规模商业化的路径。虽然所有的AI公司都知道工业是最大的应用领域，但真正落地工业的寥寥无几，更多的还是PPT。
制造业的竞争
当前，人工智能技术的应用场景主要集中于商业领域，因受专用性限制以及数据量的影响，人工智能与制造业的融合场景主要是在非制造的研发、售后服务等环节。在制造业的应用主要集中在视觉缺陷检测、机器人视觉定位和故障预测等。
不过总体来讲，AI故障预测还处于试点阶段，成熟运用较少。一方面，大部分传统制造企业的设备没有足够的数据收集传感器，也没有积累足够的数据，另一方面，很多工业设备对可靠性的要求极高，即便机器预测准确率很高，不能达到百分之百，依旧难以被接受。此外，投入产出比不高，也是AI故障预测没有投入的一个重要因素，很多AI预测功能应用后，如果成功能减少5%的成本，但如果不成功反而可能带来成本的增加，所以不少企业宁愿不用。（本文内容版权归属聚展所有，未经同意，禁止转发）
正如中国工程院院士邬贺铨所说，目前中国在人工智能领域投资在制造业的投入明显不足，而制造业是人工智能应用在未来的巨大市场。目前中国人工智能投资23.4%集中在商业及零售领域，18.3%在自动驾驶，而制造业却不到1%。他认为，这主要是因为制造业的数据采集流程更长、数据的可靠性挑战较大所导致的。
AI与制造业深度融合的难点有哪些？
制造环节数据难以开发利用
人工智能与制造业的深度融合发展需要以大数据作为支撑，与消费环节相比，制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂，有接近一半的数据是没有相关性的。与此同时，制造环节的数据需要安装大量高精度传感器，这不仅需要投入巨额的资金，而且在后期维护上也会产生检修及人工成本等。
无法采用可复制的系统和整体解决方案
人工智能必须根据制造业的具体场景进行定制，简单照搬模版式的制造业人工智能解决方案是不可行的，而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。此外，不同制造业之间的技术、流程差异巨大，对人工智能有不同需求，一个人工智能系统难以满足所有制造业的要求。
人工智能与制造业深度融合所需的复合型人才严重缺乏
一般来说，人工智能高端人才主要集中在互联网行业，而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确。因此，难以支撑制造业企业智能化转型升级。从人才供给看，现阶段既了解制造业技术又掌握人工智能技术，还能够进行应用开发的复合型人才严重缺乏。
没有应用经验的AI不可能落地制造业
一家行业应用软件公司曾经说过一句话：“我们用200行代码达到了国外同行1000行代码的功能”。时过境迁，1000行代码的公司依然活得不错，而200行代码的公司已经销声匿迹。不知在消失之前，是否明白了，800行代码的差距在哪里？
再看一例，在中国最大的工业展会之一的工博会上，这些号称面向工业领域的AI公司来了几家？几乎都是硬件公司在展示AI的行业应用。可能在同一时刻，那些AI独角兽正在给投资公司演示炫酷的PPT。
其实在2018年底，科大讯飞被曝出人工翻译假装的机器人翻译的丑闻，让这家老牌AI语音巨跌落神坛。甚至险些被认定为“机器人公民”的索菲亚，最后确被指出只不过是一个机器类人音箱”，震惊全世界。曾有媒体报道，很多早期的机器人和虚拟机器人上节目，多数是写好了剧本，或者直接由人工操控的。
不仅这些，在2019年8月，旷视科技就向港交所提交了招股书，这也是首次揭开了AI独角兽的神秘面纱。从提交的招股书来看，其2016年、2017年和2018年的营业收入分别达到人民币6780万元、3.13亿元和14.27亿元，亏损分别为人民币3.43亿元、7.58亿元和33.52亿元。而2019年上半年，旷视科技亏损额度达到惊人的52亿元。这次IPO之旅并不顺利。在提交上市申请6个月后，旷视科技在港交所IPO的进程状态显示为“失效”。
虽然那些AI独角兽在“不务正业”，但深耕制造业的巨头公司对AI的投入却在不断加大，西门子、施耐德、罗克韦尔等在AI领域投入巨资，加大研发力度，并购等，不断抢占制造业AI的制高点。
事实证明，技术并不能成为一家AI创业公司的“护城河”，如何将技术变现才是AI企业的当务之急。
2020年突发的疫情，又将AI推到了绝境——一些PPT玩家将黯然离场；另一些则汇入制造业的大海中，接受更大的考验。
5月7日，国内著名的AI独角兽在回复证监会问询时表示：公司的人工智能处理器IP系列已经失去了华为这个最大的客户，原因是华为公司按照其发展惯例，自主研发相关产品。
“软件定义一切”是最近制造业常说的一句话，但这里是不是要加个问号？在制造业中“软件公司的软件定义一切”还是“生产硬件的行业公司的软件定义一切”，to be or not to be，that is aquestion。
