人工智能企業掉入“增長陷阱”，正是因為缺少應用場景和成熟的商業模式。相關企業要想搶占先機，必須將技術能力轉化為商業能力，拿出真實的落地數據和商業化方案，讓盈利能力匹配估值。

　　與在一級市場曾經備受追捧的經歷不同，國內人工智能企業年初以來在上市道路上紛紛遭遇“滑鐵盧”。人工智能“四小龍”中，依圖科技撤回科創板上市申請，曠視科技登陸港交所失敗后在科創板排隊，商湯科技則遲遲沒有披露上市計劃。

　　事實上，人工智能企業之所以上市難，關鍵在于高研發投入一直伴隨著高虧損，盈利成為眾多人工智能企業始終繞不過去的一道坎。由于人工智能研發成本高昂，如果長期無法看到回報，那么投資人的資金就存在“打水漂”的風險。從更深層次來看，人工智能企業的盈利困局只是表象，背后反映出企業仍然難以推動人工智能技術走出實驗室。企業還需做到人工智能與教育、金融、醫療、物流、能源等產業深度融合，切實解決生產生活中的痛點，體現技術價值，增強用戶感知，從而真正贏得市場認可。

　　在互聯網產業紅利逐漸消退的當下，人工智能被看作是重新激活數字經濟潛能的“金鑰匙”，人工智能產業的主導權也成為全球主要國家爭奪的焦點。從層次上劃分，人工智能主要有基礎層、技術層、應用層三層。和歐美相比，中國近年來在基礎支撐、科技研發等方面表現突出。中國科學技術信息研究所發布的《2020全球人工智能創新指數報告》顯示，中國人工智能創新指數在參評國家中排名第二，僅次于美國。

　　但技術研發的強大無法掩蓋商業應用上的羸弱。人工智能企業掉入“增長陷阱”，正是因為缺少應用場景和成熟的商業模式。以人工智能“四小龍”為例，其創始團隊大多為科學家出身，企業基因更傾向于技術研發，在商業化道路上走得磕磕絆絆。然而，產業持續發展需要源源不斷的資金投入。產業發展早期可以依靠“輸血”，但長期發展必須增強“造血”能力。賺到“真金白銀”才是產業可持續發展的關鍵保障。

　　當前，人工智能產業已經從技術探索走向規模商用階段，相關企業要想搶占先機，必須將技術能力轉化為商業能力，拿出真實的落地數據和商業化方案，讓盈利能力匹配自己的估值。從第三方統計數據來看，當前人工智能應用較多的領域包括安防、金融、教育、客服、交通、醫療等。未來，人工智能企業要想建立競爭優勢，必須擁有在這些專業領域的數據積累以及場景化的落地能力。以醫療為例，短期來看，相關企業亟須提升人工智能產品的成熟度，包括CT影像識別、視網膜病變篩查等方面的應用，依靠不斷的產品迭代來提升診斷的可靠性和穩定性。

　　此外，人工智能的廣泛運用也引發了人們對于數據安全的擔憂。今年央視3·15晚會上，部分商家安裝人臉識別攝像頭抓取個人信息的問題被曝光，反映出人工智能的崛起遇到了倫理道德、法律法規等問題。對此，企業必須要建立健全全流程數據安全管理制度，履行網絡安全等級保護制度設置的相應義務，在法律、法規規定范圍內收集和使用數據。同時，配套的法律法規和監管也須跟上人工智能的發展進度。（原載8月6日《經濟日報》）