人工智能產(chǎn)業(yè)在經(jīng)歷了60多年醞釀后終于達(dá)到了目前的爆發(fā)期。然而，與強(qiáng)勁的發(fā)展勢(shì)頭和旺盛的行業(yè)需求相對(duì)應(yīng)的，是巨大的數(shù)據(jù)缺口。

作為人工智能三大要素的首要因素，數(shù)據(jù)是人工智能持續(xù)進(jìn)化的動(dòng)力原料。處于大數(shù)據(jù)背景下的人工智能，每一項(xiàng)技術(shù)在具體場(chǎng)景的落地應(yīng)用，背后都離不開(kāi)海量數(shù)據(jù)的支持。隨著以深度學(xué)習(xí)為代表的算法在諸多領(lǐng)域被逐漸應(yīng)用，對(duì)優(yōu)質(zhì)數(shù)據(jù)、尤其是優(yōu)質(zhì)一手?jǐn)?shù)據(jù)的需求量快速增長(zhǎng)。

但是，這些“有價(jià)值”的數(shù)據(jù)往往很難依靠市場(chǎng)上的“公開(kāi)數(shù)據(jù)”獲取。數(shù)據(jù)的采集、清洗、標(biāo)注，一方面需要耗費(fèi)大量人力、時(shí)間，另一方面，如果數(shù)據(jù)不規(guī)范，量不夠大，難以滿足專業(yè)化的應(yīng)用需求，這就為專門做數(shù)據(jù)服務(wù)的公司提供了新的市場(chǎng)機(jī)遇。在人工智能產(chǎn)業(yè)鏈中，專業(yè)化的數(shù)據(jù)服務(wù)商越來(lái)越受到重視，也成為當(dāng)前的投資熱點(diǎn)。

2019年1-7月數(shù)據(jù)服務(wù)企業(yè)融資情況

據(jù)<電子發(fā)燒友>不完全統(tǒng)計(jì)，截止2019年7月31日，中國(guó)市場(chǎng)數(shù)據(jù)服務(wù)商完成融資的有38家。根據(jù)事件中披露具體融資信息的企業(yè)來(lái)看，成長(zhǎng)期、成熟期企業(yè)更受機(jī)構(gòu)青睞。融資規(guī)模Top8事件中，僅一起為A輪，其余均為B輪及以后。

其中：Top1明略數(shù)據(jù)，D輪20億人民幣；Top2睿智科技，A輪6.5億人民幣；Top3城云，C輪3億人民幣；Top4森億智能，C輪2.5億人民幣；Top5瑞馳信息，B輪2.4億人民幣；Top6 Kyligence，C輪2500萬(wàn)美元；Top7并列為中科聞歌和熱云數(shù)據(jù)，分別是B輪1億人民幣，B+輪1億人民幣；Top8巔峰云智，B輪8000萬(wàn)人民幣。

以下是<電子發(fā)燒友>整理的2019年1-7月國(guó)內(nèi)數(shù)據(jù)服務(wù)商融資名單：

什么樣的數(shù)據(jù)服務(wù)企業(yè)受資本青睞？

抽取上述融資事件中規(guī)模排名前三的企業(yè)以及一家典型企業(yè)做如下分析，不難發(fā)現(xiàn)：商業(yè)模式清晰，成熟技術(shù)易形成場(chǎng)景規(guī)模化應(yīng)用，在某一或某幾個(gè)領(lǐng)域有獨(dú)到優(yōu)勢(shì)的數(shù)據(jù)服務(wù)商更受資本青睞和追捧。

明略數(shù)據(jù)被稱為是大數(shù)據(jù)與人工智能領(lǐng)域的獨(dú)角獸企業(yè)，覆蓋安防、工業(yè)、數(shù)字城市、金融四大垂直領(lǐng)域。創(chuàng)立了“符號(hào)主義和深度學(xué)習(xí)有效結(jié)合”的人工智能頂層設(shè)計(jì)方式，打通感知與認(rèn)知智能。并在各個(gè)行業(yè)領(lǐng)域推進(jìn)知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)模型相結(jié)合的應(yīng)用。在安防領(lǐng)域，由公安部第一研究所牽頭、明略聯(lián)合編寫的《公安知識(shí)圖譜標(biāo)準(zhǔn)與白皮書(shū)》于去年9月發(fā)布，基于這一公安知識(shí)圖譜的系統(tǒng)已部署到60多個(gè)部、省、地市和區(qū)縣級(jí)公安部門；在金融領(lǐng)域，完成了銀行業(yè)全行級(jí)知識(shí)圖譜數(shù)據(jù)庫(kù)，并為中國(guó)人民銀行、交通銀行、光大銀行等多位行業(yè)標(biāo)桿客戶構(gòu)建了基于不同業(yè)務(wù)場(chǎng)景下的應(yīng)用系統(tǒng)，提升風(fēng)控效率的同時(shí)完善了客戶整體風(fēng)險(xiǎn)管理能力；在數(shù)字城市領(lǐng)域，實(shí)現(xiàn)了車輛全生命周期數(shù)據(jù)管理的智能化平臺(tái)，通過(guò)幫助軌交運(yùn)營(yíng)單位提高工作效率，將安全風(fēng)險(xiǎn)和運(yùn)營(yíng)成本等指標(biāo)綜合下降10%。

不同于明略數(shù)據(jù)多領(lǐng)域的覆蓋，睿智科技主要為廣大金融機(jī)構(gòu)提供風(fēng)控、獲客、服務(wù)、平臺(tái)。產(chǎn)品體系包括信貸風(fēng)險(xiǎn)管理、智能催收、一站式智能決策云和智能導(dǎo)流等產(chǎn)品。該公司在解決金融信息非對(duì)稱方面形成了獨(dú)到優(yōu)勢(shì)，并構(gòu)建了大規(guī)模產(chǎn)業(yè)化的應(yīng)用場(chǎng)景。憑借在大數(shù)據(jù)洞察力及人工智能領(lǐng)域打造的清晰的發(fā)展圖景，該公司曾在2018年7月完成了1億元規(guī)模的Pre-A輪融資，并在不到一年內(nèi)完成A輪6.5億融資。

城云定位于城市互聯(lián)網(wǎng)運(yùn)營(yíng)商，完成了綠地控股的C輪3億元融資。該公司將大數(shù)據(jù)技術(shù)與傳統(tǒng)數(shù)據(jù)存儲(chǔ)系統(tǒng)相結(jié)合，充分利用行業(yè)積累的經(jīng)驗(yàn)及客戶源，集成公司內(nèi)部、政府企業(yè)客戶的可公開(kāi)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)搜集等多種渠道的數(shù)據(jù)資源，提供大數(shù)據(jù)消費(fèi)平臺(tái)，為客戶積累數(shù)據(jù)資產(chǎn)、提升運(yùn)營(yíng)效率，創(chuàng)造經(jīng)濟(jì)價(jià)值。主要服務(wù)對(duì)象是城市客戶、小鎮(zhèn)園區(qū)客戶和產(chǎn)業(yè)級(jí)企業(yè)客戶。應(yīng)用場(chǎng)景包括交通、安防、城管、政府、公共事業(yè)等。截止今年5月，城云的業(yè)務(wù)已覆蓋了20個(gè)省份的100多個(gè)城市，服務(wù)了1000多家行業(yè)客戶和超過(guò)10萬(wàn)家中小企業(yè)客戶。過(guò)去一年，公司先后進(jìn)入了浙江省數(shù)字經(jīng)濟(jì)一號(hào)工程和5個(gè)杭州城市大腦專班，城市管理業(yè)務(wù)深入覆蓋了7個(gè)省份，打造了數(shù)字經(jīng)濟(jì)領(lǐng)域主賽道的10個(gè)樣板。

九次方大數(shù)據(jù)是唯一一家在兩個(gè)月內(nèi)獲得兩輪戰(zhàn)略融資的企業(yè)，該公司專注于服務(wù)全國(guó)各級(jí)政府政務(wù)數(shù)據(jù)開(kāi)發(fā)應(yīng)用。該公司與政府合作開(kāi)發(fā)數(shù)據(jù)的方式，是通過(guò)為相關(guān)數(shù)據(jù)方提供數(shù)據(jù)處理工具，從而在保證數(shù)據(jù)本身不被泄露的前提下，得到有價(jià)值的數(shù)據(jù)分析結(jié)果。正如該公司創(chuàng)始人所說(shuō)，他們僅提供數(shù)據(jù)管道，將政府部門的數(shù)據(jù)價(jià)值發(fā)掘出來(lái)，輸送和傳遞出去，而不是用一個(gè)水桶，將數(shù)據(jù)本身帶走。我國(guó)80%以上的數(shù)據(jù)資源由政府掌握，該公司敏銳地捕捉到了政務(wù)數(shù)據(jù)的主流價(jià)值，以數(shù)據(jù)資產(chǎn)運(yùn)營(yíng)為模式，對(duì)政府?dāng)?shù)據(jù)進(jìn)行合法開(kāi)發(fā)利用，打造數(shù)字經(jīng)濟(jì)增長(zhǎng)。

數(shù)據(jù)缺口面前是AI基礎(chǔ)方法論瓶頸所在

互聯(lián)網(wǎng)時(shí)代積累的大量數(shù)據(jù)和云計(jì)算帶來(lái)的算力的大幅提升，極大地釋放了深度學(xué)習(xí)算法（深層的神經(jīng)網(wǎng)絡(luò)）的潛力，因而也讓人工智能時(shí)代全面爆發(fā)。

但是，有業(yè)內(nèi)專家認(rèn)為，AI的發(fā)展現(xiàn)狀僅相當(dāng)于“互聯(lián)網(wǎng)在上世紀(jì)90年代初期的階段”，主要方法論仍是基于大數(shù)據(jù)、大計(jì)算模式，需要海量數(shù)據(jù)去“喂養(yǎng)”。人工智能并不會(huì)像人類那樣推斷出結(jié)論，而是需要大量的數(shù)據(jù)來(lái)教授和培訓(xùn)，進(jìn)行不斷地試驗(yàn)和錯(cuò)誤學(xué)習(xí)。

清華大學(xué)人工智能學(xué)院院長(zhǎng)張鈸院士曾在公開(kāi)演講中表示，數(shù)據(jù)量的大小并不是當(dāng)前的根本問(wèn)題所在，傳統(tǒng)的人工智能三要素將不能帶來(lái)真正的智能。這主要因?yàn)楝F(xiàn)在的人工智能基本方法有缺陷，只有走向具有理解能力的人工智能，才是真正的人工智能。

理論上看，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。表征學(xué)習(xí)的目的，是通過(guò)從大規(guī)模數(shù)據(jù)中進(jìn)行學(xué)習(xí)，不斷追求更好的表示方法，即通常所說(shuō)的模型。人工智能產(chǎn)品精準(zhǔn)的識(shí)別度需要大量的數(shù)據(jù)樣本支持其計(jì)算機(jī)進(jìn)行深度學(xué)習(xí)、訓(xùn)練，也就是說(shuō)，精準(zhǔn)的數(shù)據(jù)是現(xiàn)階段人工智能產(chǎn)品研發(fā)結(jié)果的核心要素。

張鈸院士認(rèn)為，深度學(xué)習(xí)之所以能夠極大地促進(jìn)人工智能的發(fā)展，技術(shù)上的關(guān)鍵在于人們能夠?qū)@取的標(biāo)量數(shù)據(jù)轉(zhuǎn)變?yōu)橄蛄?，從而用到機(jī)器上。但至今為止，將行為（特征向量）和數(shù)據(jù)（符號(hào)向量）結(jié)合起來(lái)使用始終是科研的難點(diǎn)，而這就限制了機(jī)器變得更“智能”。

不僅如此，從安全層面來(lái)看，純數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)也存在很大問(wèn)題——魯棒性很差，易受到很大的干擾。即使在大量樣本的訓(xùn)練下，系統(tǒng)仍會(huì)犯重大的錯(cuò)誤。哪怕訓(xùn)練出的系統(tǒng)模型準(zhǔn)確率高達(dá)99%，但在實(shí)際應(yīng)用中，系統(tǒng)仍然會(huì)犯很多“弱智”的錯(cuò)誤。

不可否認(rèn)，深度學(xué)習(xí)比一般的數(shù)據(jù)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方法都要更高級(jí)。但隨著產(chǎn)業(yè)應(yīng)用的成熟，以及大家對(duì)真正“智能”的渴求，讓深度學(xué)習(xí)算法本身的局限性顯露無(wú)疑。

Google 人工智能研究人員 Francois Chollet 提出，深度學(xué)習(xí)的成果是建立在極其苛刻的前提條件之上，需要大量的數(shù)據(jù)進(jìn)行支撐。數(shù)據(jù)質(zhì)量如果不穩(wěn)定，帶來(lái)的就是：不可靠、不準(zhǔn)確。此外，還有最大的風(fēng)險(xiǎn)：不安全。

「生成對(duì)抗式網(wǎng)絡(luò)」（GAN）的發(fā)明人 Ian Goodfellow就曾提醒我們：現(xiàn)在的神經(jīng)網(wǎng)絡(luò)可以很容易被不軌之徒操縱。例如他們可以通過(guò)肉眼無(wú)法識(shí)別的方式，篡改圖片，讓機(jī)器錯(cuò)誤地辨識(shí)這個(gè)圖片。這種惡意篡改人工智能系統(tǒng)的做法，會(huì)帶來(lái)極大的危害，尤其是被篡改的圖片和最初的圖片在我們看來(lái)完全是一回事。比如說(shuō)無(wú)人駕駛就會(huì)受到威脅。

正如Francois Chollet所說(shuō)：“你不可能就以今時(shí)今日的技術(shù)研發(fā)成果作為基礎(chǔ)，就能實(shí)現(xiàn)某種一般意義上的智能?！?br />