從2019年A股科創板成立開始，“硬科技”成為了國內資本市場的熱門名詞。2021年以后，“硬科技公司”往往被拿來與“互聯網公司”做對比——前者專注于基礎研發和重大發明創造，后者則只想著從流量生意里撈錢；前者是智力密集和技術密集型企業，后者只能算得上人力密集和資本密集而已；前者代表著人類社會真正的發展方向，而后者很可能只是經濟發展過程中的一段彎路。
究竟什么是“硬科技”？按照《上海證券交易所科創板企業發行上市申報及推薦暫行規定》（2021年4月修訂），科創板上市公司應該屬于以下產業：新一代信息技術、高端裝備、新材料、新能源、節能環保、生物醫藥；與此同時，限制金融科技、模式創新類企業在科創板上市。
在“新一代信息技術”當中，人工智能是無可爭議的寵兒，炙手可熱的程度可能僅次于半導體和集成電路。提到人工智能，大部分投資者馬上就能想到兩家公司的名字：已經在港股上市的商湯科技，以及申報科創板但尚未過會的曠視科技。在一級市場赫赫有名的“AI四小龍”當中，它們是最早申報上市的兩家，顯然符合資本市場對“硬科技”的定義。
商湯和曠視都是比較純粹的To B公司，產品應用范圍還比較狹窄，營業收入有限，所以均處于虧損狀態。2021年，商湯的經調整凈虧損率高達30．2％；曠視尚未披露2021年度數據，但是上半年其扣非凈虧損率高達138．8％。投資者對這種巨額虧損的意見并不一致，有人認為“硬科技公司”就是應該在早期多虧錢，有人則希望盡快縮小虧損并提出盈利路線圖。在2021年以前，國內資本市場的對人工智能企業的風險容忍度還是比較高的，進入2022年以后則出現了明顯的收縮。
從招股書及財報披露數據看，曠視和商湯的客戶集中度都比較高，對大客戶比較依賴——2021年上半年，曠視前五大客戶貢獻了25％的收入，商湯最大的一個客戶就貢獻了23％的收入。此現象很好理解：這兩家公司均未直接掌控應用場景，既缺乏消費級客戶，也缺乏中小企業客戶；至少在現階段，它們必須先把自己的技術解決方案賣給大型企業，由后者負責應用場景和客戶服務。事實上，很多“硬科技公司”目前實踐的都是這種商業模式。
那么問題來了：假設一家擁有類似技術研發能力的公司，恰好也有龐大的消費級業務，而且可以將自身的研發成果直接應用到消費場景中，那它還算不算硬科技公司？
這樣的公司是存在的。美國的互聯網巨頭，尤其是Alphabet （Google）、Amazon和Meta，都在人工智能和機器學習方面有大量研發成果，而且直接運用于內容推薦、商品推薦、廣告推送和廣告效果衡量。Microsoft也有較強的人工智能技術，主要應用于Azure云服務。Apple在這個領域的存在感稍弱一些，但是iPhone用戶應該都對Siri非常熟悉；在地圖和流媒體服務場景，Apple也需要廣泛地應用人工智能。
別誤會，上述科技巨頭當然會使用外來技術，并與外部公司或科研機構進行研發合作。但是，它們的核心技術以自主研發為主，或者通過收購完成“自研化”（Amazon和Apple尤其擅長這種操作）。假設Amazon要收購一家精通機器學習技術的創業公司，后者由于研發費用過高而處于虧損狀態，這樣的公司顯然符合我們對“硬科技”的定義；那么，通過收購而繼承了其全部技術成果的Amazon，算不算“硬科技公司”呢？
事實上，國內的騰訊、阿里巴巴、百度、字節跳動等互聯網巨頭，出于商業上的考慮，一直在大力研究人工智能和機器學習技術。2017－20年字節跳動廣告業務的迅猛增長，以及同一時期淘系電商GMV及廣告收入的穩定提升，很大程度上都要歸功于算法推薦精度的提高；騰訊除了在廣告業務上需要機器學習，在游戲業務上也需要（尤其是PVE方面）；百度則在無人駕駛技術上投入重注，這顯然個技術高度密集的業務。
那么問題又來了：為何上述互聯網巨頭沒有被稱為“硬科技公司”，反而經常被列為硬科技的對立面呢？是因為它們在消費端太成功了嗎？是因為它們直接介入了應用場景嗎？還是因為它們的業務規模實在太大，外界難以準確辨認哪些部分的技術含量較高？無論是哪個原因，它們都是因為自己“過于成功”而受到懲罰。
2021年，商湯和曠視的研發費用之和約為48億元（注：曠視未披露年度數據，按上半年數據的兩倍估算）；美團、百度、騰訊、阿里巴巴的研發費用分別是這個數字的3．5倍、5．2倍、10．9倍、12．1倍。當然，研發費用是一個局限性很強的財務指標，不能單獨代表企業的研發實力；而且互聯網巨頭的研發團隊需要分散到許多個不同的方向。然而，只要騰訊或阿里將其研發資源的十分之一投向人工智能方向，就足以與兩家“硬科技公司”的投入旗鼓相當了。我們沒有任何理由認為，互聯網巨頭的硬科技水平會弱于純粹的“硬科技公司”！
肯定會有人這樣反駁：“但是互聯網巨頭研究硬科技僅僅是為了加強自己的壟斷地位，與整個社會無益。只有純粹的硬科技公司會向全社會輸出技術！”很可惜，這種臆想是錯誤的。互聯網巨頭也會向外部輸出“硬科技”研究成果，不是因為它們的心腸有多好，而是因為這是一門能賺錢的生意。
“機器學習即服務”（Machine Learning as a Service， MLaaS）是云計算領域的一個新方向，也是各大公有云平臺的兵家必爭之地。根據《福布斯》（Forbes）雜志預測，2020年全球MLaaS市場規模即已達到73億美元，2024年將增長到306億美元。簡而言之，就是由科技巨頭從云端向客戶提供成套的機器學習工具，這樣客戶就不用自己研究、自己部署相應技術了。例如，Amazon機器學習服務可以幫助客戶處理自然語言、發布聊天機器人、建立時間序列預測模型、進行圖形和視頻分析，以及文本／語音轉換服務——幾乎就是機器學習目前所具備的一切功能。
進一步說，以云服務的方式向大量客戶提供標準化的機器學習工具，有助于大批企業和組織享受到最新的技術進步，從而減少技術上的不平等。就像Alphabet在2021年財報中所說：“互聯網是人類歷史上最偉大的均衡器（Equalizer）?！比绻覀儾皇且曰ヂ摼W的方式，而是以傳統軟件服務的方式去交付機器學習能力，那么必然只有最大的一些組織有能力享受。難道硬科技成果不應該最快速地服務于最大多數人嗎？
四大“機器學習即服務”平臺功能對比
資料來源：Alexsoft
根據Alexsoft的分析，在全球最領先的四大MLaaS平臺當中，Amazon和Microsoft并列第一，功能最完善；Google次之，進步勢頭很快；IBM Watson又次之。我們不得不感嘆，在人工智能方面，IBM起了一個大早，卻趕了一個晚集。由于收入和利潤多年停滯不前，IBM已經出售了曾經最重要的Watson Health業務，我們很難指望它能在MLaaS領域與三大互聯網巨頭展開平等的競爭。諷刺的是，按照部分國內投資者的標準，IBM肯定算一家“硬科技公司”，而Amazon肯定不算。
恩格斯《在馬克思墓前的講話》中提到：“人們首先必須吃、喝、住、穿，然后才能從事政治、科學、藝術、宗教等等；所以，直接的物質的生活資料的生產……便構成基礎。”對于企業而言，基礎研發是比較高級的工作，必須以前臺業務部門提供現金流、應用場景和生態系統支撐。這個道理本來是非常直觀、不言自明的，遺憾的是，無論在美國還是中國，真正理解的人似乎不多。
