「面向国内低成本智能音箱市场，我们推出的 69 元方案已经进入到国内一线品牌，将会是 BATX（BAT 和小米）中的一家」，当被问到项目落地进展时，挂着耳麦的王云龙在演讲台上一字一句地说道，「今年双十一前将会面市」。

王云龙是通用微科技创始人，台下六位业界知名 VC 不乏已与其打过交道的意向投资人。作为下午场截止目前最为出彩的项目，场内稍显沉闷的气氛逐渐被点燃。

在远离市区的一处幽静饭店里，腾讯 AI 加速器第二期复试正在紧锣密鼓地进行。从 1500 个初试项目中筛选出来 120 个团队汇集在这里，他们从全国各地和部分海外地区赶来，被分设在医疗、机器人、零售、企业服务等四个组别同步进行路演展示。

相较于去年一期覆盖多个领域的项目设置，可以看出今年平台在筛选项目过程中导向性和目的更为明确：

在全覆盖的赛道之中，重点也更加突出，机器人与硬件对应着腾讯年初成立的机器人实验室 Robotics X 战略方向，零售和 AI 技术的结合将为巨头打通线上线下数据发挥重要作用，医疗则是腾讯在去年就已经明确的 AI 垂直发展方向之一。

路演从早上 9 点正式开始，每位创始人陈述与互动时间被控制在 15 分钟内，随后由台下六位评委举牌示意，全票通过即意味着能够胜出，其他票数将被置于待定席，待会后评委综合讨论决定项目去留，其中平均每四个项目中只有一个能够胜出。

胜出，即意味着接下来项目能够收获腾讯 AI 开放平台所提供一系列扶持政策和资源倾斜，同时创始人也将进入到腾讯集训营接受密集的课程辅导。

当然，最为重要的是，贴上「腾讯 AI 加速器项目」标签的项目可能在融资路上走得要顺利一些。去年，加速器里 25 个项目的估值 1 年间从 70 亿增加到 260 亿，这样的加速足够让创业者们为之兴奋。在路演 PPT 关于加入加速器的「期待」里，比较直接的项目都提到了资本市场的资源。

毕竟，过去一年 AI 风口过境，人才资金市场头部效应显现，看起来创投市场已经趋于饱和，市面上甚至开始出现一些项目掉进资本「断粮」的险境。与此同时，一级市场机构募资难等问题已经成为公开事实，手中还没攒着足够钱的创始人必然不敢掉以轻心。

「不到六次流片的厂商不能投」

不过，就在参赛当天，王云龙的项目通用微科技已经完成了由达晨创投领投的 5000 万 Pre-A 轮融资。

在半导体行业老兵王云龙看来，他参加加速器更大程度的驱动力来自于「反思」——「我先后做过四家公司，其中两家被收购，但似乎总是没有达到理想高度，是不是我不够『狼性』？」

过去十余年来，王云龙一直深耕在声学领域的传感器芯片行业，主要为手机、耳机、电脑等消费电子产品提供 MEMS 微麦。

随着深度学习算法成熟，以及智能手机对于语音交互体验需求提升，王云龙在 2016 年下半年创立通用微科技，提供植入了唤醒、语音降噪、回声消除等软件算法智能微麦芯片，已经应用到红米等手机中，作为公司主体业务。

面向火爆的智能音箱新兴市场，王云龙有意入局，但战略却有所不同——先从 AI 算法层面切入。如今，市场主要集中在 Echo、Alexa 类音箱、台湾仁宝等海外市场，今年已经获得国内大厂订单。

与此同时，他还将推出取代大块头的语音采集面板，推出集成度更高、包含软件算法系统级 SoC 芯片。通过软件算法的集成以提高硬件门槛和议价能力。

「据我所知，你提到的客户 BATX 中就有同步在内部研发的，音箱对于他们是尤为重要的入口。他们一旦做出来，优势你能保持多久？」迅雷创始人、远望资本创始人合伙人程浩直接问道。

王云龙表示，上述提到的巨头本来有意收购，但他考虑到后续可能在业务往来中处于被动状态所以拒绝了，「接受投资，软件只能免费提供，硬件毛利更是微乎其微，相当于为其打工」。

他同时强调，算法层面优势可以被资本人才消化，但芯片并不能靠资本堆砌。「资本能做得起算法，却未必能造得起芯片。」谈到芯片，王云龙满怀敬重。

路演结束后，王云龙向机器之能解释道，因为这里坑太多了，其中 Know-How 要十来年你才能积累得出来，很多极端环境并非实验室测试就能验证，尤其在通用性最强的手机领域。

他提到，曾经月出货千万颗的成熟芯片厂商，因为其方案在两火车相遇场景下可能发生死机事故而遭到大厂退货的案例。

「圈子里曾有俗语，没有经过六次流片的项目不能投」，王云龙打趣地说道。

对于王云龙最开始的困惑，顺为合伙人周航则表示，曾接触过不少优秀半导体项目，但由于产业结构原因，可能决定了前端产品做配套的技术方案商在议价能力方面，天然不具备优势。

「这会不会是战略层面出现的问题，导致你创业过程中一直达不到你的期待值？」

王云龙表示，软硬件一体化是他很早就看到的方向。「光卖硬件，毛利太低，尤其在国内音箱价格战的背景下，所以现在 IC 芯片大多很苦逼；但单做软件，面向国内的市场基本都是免费提供的模式。」

所以，转向软硬件结合，以及后续整合度更高的方案。

王云龙的项目最终获得了 5 票，即 80% 的票数，具备很大的晋级空间。

路演结束后，王云龙向机器之能展示了其更宏伟的愿景，对于芯片厂商而言，数十亿台规模的手机市场才是终极目标，他希望将多克风阵列的高集成度方案应用到手机市场。

与大谈「AI 芯片」概念的年轻创业者不同，在传统半导体从业者人士看来，AI 算法植入只是为芯片添加的应用之一，并且更为合理的产品逻辑还是从突破传统供应商的被动地位出发，而不是争夺所谓「性能参数第一」。

聊天机器人项目的生存空间

淘汰制残酷的意味着，有人得意，就有人失意。

聚焦在人机交互层面的 Bot 聊天机器人项目或许就是其中之一。Bot，全称为 Chatbot，即聊天机器人，最早可以追溯到评测机器人拟人度的图灵测试，当然，最为人熟知的还是苹果 Siri，以及随后出现的微软小冰、小娜姐妹花，应用在各种电商平台的虚拟客服人员等。

近几年，随着深度学习算法的入，以及自然语言技术高度发展，Bot 式机器人框架与模式已经相当成熟，百度 DurOS、微软 Azure 等平台均提供了免费接入和生成的入口。

尽管如此，去年创业的张江仍然希望能够在此发力。在他的项目陈述中，提到主要为硬件提供后端交互能力，以及结合金融、医药等传统领域的知识图谱，提供智慧大脑。

他同时表示，团队的交互大脑已经接入百度、小米、思必驰等大型语音平台，将会联合推出深度合作的产品。不过当被问到商业模式时，张江表示，目前只能通过开发一些益智游戏、古诗词应用等应用进行收费模式的摸索。

如今，平台级公司相继推出了大量开发者资金扶持的计划。但张江坦言，仍然还在沟通与探索过程中。经过一轮自我介绍和评委问答，张江的项目最终没能得到评委认可。留在 PPT 上的 A 轮融资意向或许将被搁置。

如果说 AI 应用强调场景的聚焦，那么另辟蹊径的围绕旧车维修问答的 Bot 项目是否能获得评委青睐？

曾在某二手车交易平台主管内容运营的王立在 2013 年辞去原本工作，选择汽车后维修市场作为切入，提供在线故障和维修问答服务。

早期项目曾获得真格基金、戈壁创投等明星机构的青睐，但项目在 2016 年 5 月后一直没有新进入的资金。

王立的项目主要通过 AI 智能库解答客户高频问题和固定方向问题，比如轮胎磨损。同时匹配专业人员利用闲暇时间及时解答车主的专业类汽车问题，匹配精准度达到 95%。

王立表示，自己在去年已经参加过百度类似的创业项目加速，获得比较深度的资源绑定。但遗憾的是，在当天路演现场，只获得三票肯定，被保留在待定位置。

路演结束后，王立的脸涨得通红，看得出对此次路演重视程度。被问到感想时，只是表示接下来还有活动，便匆匆离去。

从现场评委反馈来看，大多对 Bot 式机器人项目的商业模式和盈利问题持有疑虑。

火热的 AI 医疗遭遇同质化？

在腾讯 AI 战略布局中，医疗影像是最为明确应用领域之一。同时也受到了政策层面支持，去年，腾讯在医学领域 AI 平台——腾讯觅影成为首批国家人工智能开放创新平台之一。

在与公司战略协同领域，腾讯尤为重视，专为 AI 医疗项目单独设置了一个组别。现场看来，十余个 AI 医疗项目中，多半以医疗影像识别、分类为主，在病种识别上也多聚焦在肺结节、肺癌等，呈现出同质化趋势。

正由于聚焦领域和模式较为详尽，该类项目所面临困境也不尽相同。一方面带有标注 AI 影像数据仍属于稀缺资源，而这将直接影响算法训练阶段准确性。

另一方面，AI 医疗影像方案被分属于辅助医疗器械，需要国家 CFDA 认证才可用于临床阶段，而距今为止，中国 AI 医疗领域仍没有发放任何一张 CFDA 证，导致类似方案商业化和合规性一直受到质疑。

而与此同时，AI 医疗依然成为今年上半年以来最为热门投资领域之一。据 IT 桔子数据显示，2018 年上半年 AI 医疗领域融资达到 21 起，总融资额相比去年有明显提升，达到 16.1 亿元，主要在于部分项目已经来到 C 轮，拉高整体融资额。巨头布局赛道的意向越发明显，百度、腾讯、腾讯均在今年投资了不少相关项目。

对于一面资本市场看好、一面发展却遭遇瓶颈的矛盾现象，腾讯觅影应用主任吴明柱谈到，同质化表象主要在于 AI 技术用于医疗影像识别分类等应用还处于早期阶段，病种的多样化预示着未来的市场空间。

而深入来看，针对单一病种，AI 医疗影像筛查方案在纵向和横向领域都具备可延伸空间，比如针对肺结节，在纵向领域，不仅和影像识别结合，还包括特征部位描述，以及和医院管理系统打通；在横向领域，可以进一步和肺癌数据等病症进行融合。

在临床应用暂时受阻阶段，AI 医疗领域创业者尝试多种合作模式，深思考在差异化方面属于较突出的项目之一。

针对医疗影像识别和处理，深思考提出了端和云两套方案。针对端方案，为解决 AI 数据分析所需要 GPU 高昂配置，团队还提供有一套针对医疗影像专用的处理器模块。

该模块支持智慧医疗影像中细胞或器官的位置检测、图像分割、细胞或器官，同时可对医疗专用算法参数进行 10X~50X 压缩，在精度损失极低的情况下，大大提高了计算速度。

路演结束，深思考向机器之能现场演示实际运转状况，通过模块直接与简单显示器连接可直接对影像数据排查和分析。

此外，针对偏向 C 端的家庭健康管理领域，团队还提出了健康问诊的解决方案，通过与智能音箱等移动设备合作模式，提供医疗大健康 AI 咨询。最后该项目通过评委的八成以上投票。

谈到 AI 医疗项目考核重点时，吴明柱提到了三个方面：

一是团队背景，AI 医疗团队需要具备医疗和 AI 两个领域专业背景，同时需要有机结合；此外，产品人群定位，产品形态也是需要在早期就明确的方向之一；最后，由于医疗流程和生态链复杂性，团队在整合医疗领域资源方面能力将影响到产品落地。

尾声 

「我们希望挑选出每个领域里最拔尖的项目」，加速器宣传片里滚动着。

120 个项目，10 个小时。一个项目，15 分钟，决定了一个背后团队去留，某种程度而言，这就是创投市场的残酷和现实。大浪淘沙，得意者总归是少数。

当 AI 元年终于过去，强技术型项目、博士团队背景早已不再是让投资人眼神发光的关键，是否有杀出重围的可能与另辟蹊径的悟性成为关键，尤其是在该领域里已经具备同质化项目的情况下。

就现场观赛和交流而言，民族意识和芯片产业自身的升级需求让智能芯片产业获得了极大关注，创业者满腔热血地投入其中，但对于大多数新晋「芯片外行人」而言，造芯背后的风险和落地周期不容忽视。通用性和稳定性是芯片产品流通的关键，过分强调性能参数不免太过于理想化。

其次，AI 人才和资本大量涌入在一定程度的确加速了技术成熟，去年或许还能讲出新故事的 Bot 聊天机器人、ADAS 辅助自动驾驶等项目，今年看来已经缺少足够的竞争力和吸引力。除非项目能够与细分垂直领域进行深度融合，切实提升传统产业效率和减少人力，具备足够稳固的商业模式，否则团队只能做好自给自足的两手准备。

在机器人领域的创业领域，多以单点技术和功能切入、聚焦在 B 端服务场景，其中以物流领域为盛。值得注意的是，物流巨头也在同步研发自有机器人项目，这预示着留给创业者的技术和发展窗口期有限，创业者应该有意识地朝着方案标准化落地，更早实现标准化意味着不用绑定某一家企业的业务，在市场选择方面具备更强的灵活性。

最后，对于技术领域创业者而言，始终都应该秉持的信念还在于，一次路演成功与否并不会影响项目本身发展，融资或许能决定项目价格，却并不会为其价值打上标签。

（王立、张江系为化名）