从2019年A股科创板成立开始，“硬科技”成为了国内资本市场的热门名词。2021年以后，“硬科技公司”往往被拿来与“互联网公司”做对比——前者专注于基础研发和重大发明创造，后者则只想着从流量生意里捞钱；前者是智力密集和技术密集型企业，后者只能算得上人力密集和资本密集而已；前者代表着人类社会真正的发展方向，而后者很可能只是经济发展过程中的一段弯路。
究竟什么是“硬科技”？按照《上海证券交易所科创板企业发行上市申报及推荐暂行规定》（2021年4月修订），科创板上市公司应该属于以下产业：新一代信息技术、高端装备、新材料、新能源、节能环保、生物医药；与此同时，限制金融科技、模式创新类企业在科创板上市。
在“新一代信息技术”当中，人工智能是无可争议的宠儿，炙手可热的程度可能仅次于半导体和集成电路。提到人工智能，大部分投资者马上就能想到两家公司的名字：已经在港股上市的商汤科技，以及申报科创板但尚未过会的旷视科技。在一级市场赫赫有名的“AI四小龙”当中，它们是最早申报上市的两家，显然符合资本市场对“硬科技”的定义。
商汤和旷视都是比较纯粹的To B公司，产品应用范围还比较狭窄，营业收入有限，所以均处于亏损状态。2021年，商汤的经调整净亏损率高达30.2%；旷视尚未披露2021年度数据，但是上半年其扣非净亏损率高达138.8%。投资者对这种巨额亏损的意见并不一致，有人认为“硬科技公司”就是应该在早期多亏钱，有人则希望尽快缩小亏损并提出盈利路线图。在2021年以前，国内资本市场的对人工智能企业的风险容忍度还是比较高的，进入2022年以后则出现了明显的收缩。
从招股书及财报披露数据看，旷视和商汤的客户集中度都比较高，对大客户比较依赖——2021年上半年，旷视前五大客户贡献了25%的收入，商汤最大的一个客户就贡献了23%的收入。此现象很好理解：这两家公司均未直接掌控应用场景，既缺乏消费级客户，也缺乏中小企业客户；至少在现阶段，它们必须先把自己的技术解决方案卖给大型企业，由后者负责应用场景和客户服务。事实上，很多“硬科技公司”目前实践的都是这种商业模式。
那么问题来了：假设一家拥有类似技术研发能力的公司，恰好也有庞大的消费级业务，而且可以将自身的研发成果直接应用到消费场景中，那它还算不算硬科技公司？
这样的公司是存在的。美国的互联网巨头，尤其是Alphabet (Google)、Amazon和Meta，都在人工智能和机器学习方面有大量研发成果，而且直接运用于内容推荐、商品推荐、广告推送和广告效果衡量。Microsoft也有较强的人工智能技术，主要应用于Azure云服务。Apple在这个领域的存在感稍弱一些，但是iPhone用户应该都对Siri非常熟悉；在地图和流媒体服务场景，Apple也需要广泛地应用人工智能。
别误会，上述科技巨头当然会使用外来技术，并与外部公司或科研机构进行研发合作。但是，它们的核心技术以自主研发为主，或者通过收购完成“自研化”（Amazon和Apple尤其擅长这种操作）。假设Amazon要收购一家精通机器学习技术的创业公司，后者由于研发费用过高而处于亏损状态，这样的公司显然符合我们对“硬科技”的定义；那么，通过收购而继承了其全部技术成果的Amazon，算不算“硬科技公司”呢？
事实上，国内的腾讯、阿里巴巴、百度、字节跳动等互联网巨头，出于商业上的考虑，一直在大力研究人工智能和机器学习技术。2017-20年字节跳动广告业务的迅猛增长，以及同一时期淘系电商GMV及广告收入的稳定提升，很大程度上都要归功于算法推荐精度的提高；腾讯除了在广告业务上需要机器学习，在游戏业务上也需要（尤其是PVE方面）；百度则在无人驾驶技术上投入重注，这显然个技术高度密集的业务。
那么问题又来了：为何上述互联网巨头没有被称为“硬科技公司”，反而经常被列为硬科技的对立面呢？是因为它们在消费端太成功了吗？是因为它们直接介入了应用场景吗？还是因为它们的业务规模实在太大，外界难以准确辨认哪些部分的技术含量较高？无论是哪个原因，它们都是因为自己“过于成功”而受到惩罚。
2021年，商汤和旷视的研发费用之和约为48亿元（注：旷视未披露年度数据，按上半年数据的两倍估算）；美团、百度、腾讯、阿里巴巴的研发费用分别是这个数字的3.5倍、5.2倍、10.9倍、12.1倍。当然，研发费用是一个局限性很强的财务指标，不能单独代表企业的研发实力；而且互联网巨头的研发团队需要分散到许多个不同的方向。然而，只要腾讯或阿里将其研发资源的十分之一投向人工智能方向，就足以与两家“硬科技公司”的投入旗鼓相当了。我们没有任何理由认为，互联网巨头的硬科技水平会弱于纯粹的“硬科技公司”！
肯定会有人这样反驳：“但是互联网巨头研究硬科技仅仅是为了加强自己的垄断地位，与整个社会无益。只有纯粹的硬科技公司会向全社会输出技术！”很可惜，这种臆想是错误的。互联网巨头也会向外部输出“硬科技”研究成果，不是因为它们的心肠有多好，而是因为这是一门能赚钱的生意。
“机器学习即服务”(Machine Learning as a Service, MLaaS)是云计算领域的一个新方向，也是各大公有云平台的兵家必争之地。根据《福布斯》(Forbes)杂志预测，2020年全球MLaaS市场规模即已达到73亿美元，2024年将增长到306亿美元。简而言之，就是由科技巨头从云端向客户提供成套的机器学习工具，这样客户就不用自己研究、自己部署相应技术了。例如，Amazon机器学习服务可以帮助客户处理自然语言、发布聊天机器人、建立时间序列预测模型、进行图形和视频分析，以及文本/语音转换服务——几乎就是机器学习目前所具备的一切功能。
进一步说，以云服务的方式向大量客户提供标准化的机器学习工具，有助于大批企业和组织享受到最新的技术进步，从而减少技术上的不平等。就像Alphabet在2021年财报中所说：“互联网是人类历史上最伟大的均衡器(Equalizer)。”如果我们不是以互联网的方式，而是以传统软件服务的方式去交付机器学习能力，那么必然只有最大的一些组织有能力享受。难道硬科技成果不应该最快速地服务于最大多数人吗？
四大“机器学习即服务”平台功能对比
资料来源：Alexsoft
根据Alexsoft的分析，在全球最领先的四大MLaaS平台当中，Amazon和Microsoft并列第一，功能最完善；Google次之，进步势头很快；IBM Watson又次之。我们不得不感叹，在人工智能方面，IBM起了一个大早，却赶了一个晚集。由于收入和利润多年停滞不前，IBM已经出售了曾经最重要的Watson Health业务，我们很难指望它能在MLaaS领域与三大互联网巨头展开平等的竞争。讽刺的是，按照部分国内投资者的标准，IBM肯定算一家“硬科技公司”，而Amazon肯定不算。
恩格斯《在马克思墓前的讲话》中提到：“人们首先必须吃、喝、住、穿，然后才能从事政治、科学、艺术、宗教等等；所以，直接的物质的生活资料的生产……便构成基础。”对于企业而言，基础研发是比较高级的工作，必须以前台业务部门提供现金流、应用场景和生态系统支撑。这个道理本来是非常直观、不言自明的，遗憾的是，无论在美国还是中国，真正理解的人似乎不多。
