星瀚資本楊歌：人工智慧行將顛覆的不是互聯網而是傳統產業

「AI的發展和互聯網的發展並非完全平行。AI是一種軟性的工具，其具體形態和特點很難展示出來。AI迭代的是無形的工作，使得加工信息、傳輸信息的效率變得更快。因此它會改變和顛覆的不是互聯網行業，而是傳統的具有生產價值的產業。」

星瀚資本創始人楊歌接受創客貓採訪

今年的AI浪潮似乎比過往的移動互聯網來得更猛烈一些。

一方面，圖像識別、深度學習、語音合成等人工的核心演算法日趨成熟，並開始大範圍地商業化應用；另一方面，人工智慧的研究走出了實驗室，科技公司開始成為人工智慧的主要推動者。

在這片巨大的人工智慧浪潮中，企業們紛紛採取了不一樣的戰略。百度押注人工智慧，揚言要先做一個AI時代的windows或IOS；騰訊、阿里則更注重將ＡＩ技術應用到商業實踐，優化現有業務；沒什麼基礎和技術儲備的創業公司也躍躍欲試著尋求轉型機會；各路資本機構更是不可能錯過這大好的方向，不斷變換著自己的投資策略。

種種舉動的背後，或是透露著對AI布局的滿滿自信；或是迷茫的跟風，生怕錯過下一個所謂的熱點；又或是充滿了對未知的焦慮和疑惑。同樣，帶著對AI行業的種種疑問，近日我們特意採訪了對人工智慧領域頗有研究的星瀚資本創始人楊歌，希望能給在AI行業中積極求變的創業者們一點啟發。

星瀚資本是一家專註價值投資、創新理念、產業結合的專業風險投資機構；重點關注跨界融合和顛覆性創新的機遇，彙集各行各業優質資源，投資TMT與影視文化領域中具備良好發展前景的中早期企業。

人工智慧大潮來勢兇猛，是創新顛覆還是毀滅？

雖然人工智慧技術的發展還有很長的一段路要走，但我們已然相信，未來，機器人一定會在越來越多的方面超過人類。在楊歌看來，我們現在正處於強人工智慧的階段。面對AI，當下的我們雖然需要一定的警惕，但也不必作過多的擔心。

目前來說，大家對人工智慧的定義大致可劃分為三類（沒有很明顯的分界線）：弱人工智慧、強人工智慧和超人工智慧。

所謂弱人工智慧，即人給計算機一個函數或程序指令，計算機按照指示照搬形式去做，比如加減乘除等的數學運算就是比較弱的人工智慧。而強人工智慧指，這個階段的機器具備了學習的功能，人告訴機器一個目標，由機器在人的監督下通過大量的圖片、素材去進行學習，找出相應的特點規律出來。

楊歌認為，強人工智慧與弱人工智慧最大的區別在於，弱人工智慧階段，人對要執行的每一步驟的邏輯是非常清晰的，人把這個過程解析下來，並讓計算機去執行。而在強人工智慧階段，很多時候人並不知道達成目標中間的具體邏輯過程是怎樣的，但在人的「教導」下讓計算機自己形成一套邏輯。

他進一步解釋道，這個階段（強人工智慧）的計算機就像是一個小孩的狀態，機器學習的過程則像家長教小孩子走路一樣，家長並不需要很詳細地告訴孩子路要怎麼走？腳要如何垂直於地面等，只要告訴他走的時候需要注意什麼，讓他自己練習即可。孩子知道了自己去學習，學完了，反饋給人類一個結果，而這個結果很可能是人之前想達到卻又不知道怎麼去做出來的結果。這是現在非常大的一個突破。

強人工智慧下一個階段就是超人工智慧，也是現在很多人擔憂的「機器的人類化」。廣義上的超人工智慧相當於，機器具備了一定的感性，能夠模仿人類，以至於將來的某一天你可能開始分不清坐在對面跟你對話的是機器人還是真正的人類。而這套體系的智能發展到後面的結果是，機器將不再受人類的控制，它能想到很多人想不到的東西，甚至，反過來去「算計」人。

不過在楊歌看來，要想達到這樣的「超人工智慧」還有非常遠的路要走，對於機器來說，還需要收集多方元的數據，學習各種各樣的東西，把自己「練」成多方面智能的系統，這在目前來說還是非常難的。但也許也只要１００年以內的時間就會達到這樣一個狀態（全方位地通過圖靈測試）。

因此對於人工智慧楊歌依然表示一定的樂觀性。在他看來，人工智慧在今天依然還只是人類的工具，這個工具將幫助人類在很多方面實現效率的極大提升。就像，手機和汽車某種程度上都是人的某個器官的延展一樣，人工智慧是幫助人思考的一個過程，把大量重複性、邏輯比較簡單、或是模式比較統一的東西讓計算機去代思考，這也是一種工具的延展。因此從本質來講，人工智慧與所有我們生產出來的電子化產品都是人類的工具，幫助人簡化一些基礎的勞作。

至於這個工具什麼時候突破代替人，楊歌認為，可能還有一段距離，可能快來了，但必然是一個不斷代替的過程。而對於整個人類社會來說，隨著人工智慧的不斷發展，人類的整個工作狀態也會相應發生變化，不斷迭代掉很多傳統的勞動力，但同時也會創造出今天我們甚至無法想象的新的就業機會。

AI時代贏者通吃的現象將更明顯

類比互聯網的應用，從1975年到2015年，整整花了40年的時間才不斷滲透到每個行業里，在楊歌看來，現在人工智慧剛剛起步，可能強人工智慧的應用還需要花20年的時間。

人工智慧的發展過程可能是，由整個市場里的大公司、壟斷性的企業以及一些比較前沿的行業引領，上到一個新的台階，待這些公司形成更強的力量，擁有更多的資源，然後才實現普及，而這還需要10-20年的時間。

目前來說大眾對AI的認識可能還需要一段很長時間的教育過程，而在這個過程中到底是尖端人群率先將行業顛覆的速度比較快，還是大眾接受市場教育的過程比較快，這仍然是個未知數。

不過顯然楊歌更傾向於前者。他進一步解釋道，AI的發展有可能是，尖端的少部分人群率先製造出一種很好用的產品（而大部分的公司並不具備這個技術），並碾壓式地覆蓋掉整個市場，就像當初iPhone顛覆掉手機市場一樣，甚至有過之而無不及。也可能是AI這件事情先由經受教育的大眾普遍接受認可了，再去製造出相應產品的過程。

如何判斷二者之間的距離是關鍵，這決定了AI的發展到底是由尖端技術研發引領的過程還是需求導向的過程（即先著重專註研發還是先做市場教育）。

不過當前端的幾家公司完全領先、血性地顛覆掉市場的時候，這些公司也必然將在AI時代完全趨向壟斷。楊歌認為，對於後來的企業想要複製或利用開源代碼來提升自己公司的效率，有這個可能，但商業效益會非常低。因此AI時代想直接摘桃享用技術結果是不太可能的，贏者通吃的現象將更明顯。

「但企業也要學會一定的延伸，比如當下AI在金融行業已經完全展開了，那如何將它在醫療行業進行複製，有可能先通過金融行業里AI總結出來的一個很大的函數體系，這些函數庫和數據包可能會開源出來，給醫療行業或能源行業應用，大家用同樣的函數庫或基礎和演算法載入於自己的行業，再形成迭代，這個是有可能的。所以需要企業有一定的延展性。」楊歌說道。

目前AI創業遇到的最大困惑

如果說，人工智慧是既定的也是必然的趨勢，而在人工智慧依然還是人類工具的強人工智慧階段，人類就應利用好這個工具，具體到企業上，關鍵就是如何在這個階段圍繞AI做一些商業應用的發展。

關於ＡＩ的商業落地，一個關鍵是，能否把一個個行業的問題都抽象成數學模型，在這個數學模型上載入智能的方法去計算，之後再把計算結果應用到商業的執行上。

楊歌認為，AI創業現在遇到最大的困惑是「使用的應用場景」和「AI能夠真實發揮的場景」之間存在非常大的差距。機器學習的過程非常簡單，比較難的是如何把社會化的各種商業、社會問題場景化，讓機器去學習。

他舉例道，比如智能駕駛，美國做了非常多的實驗，不斷地在收集數據對交通規則進行分析，這已經是個很漫長的過程了。然而智能駕駛如果放在就不能僅僅分析交通狀況，其研究是個更為複雜的命題。

因為現實情況下，大部分地區的交通狀況遠比想象的要複雜，的交通課堂上又有一個重點叫做保護弱勢群體。因此智能駕駛要在實現，這個車還必須具備人一樣的高等智能，即超智能，且學習反應解析度必須要細到厘米級，只考慮交通規則和簡單的突髮狀況是遠遠不夠的。

在楊歌看來，AI的使用最重要的在於兩點，一方面是要有成熟的海量數據，另一方面是要對場景問題進行精準的模型化設計。智能駕駛的確具備明確的使用場景，但場景模型化的演算法方案卻很複雜，另外也不具備已成型的可供訓練數據集，需要模擬真實場景長期積累數據，因此在上述兩個必要方面上都不具備優勢。

在很多人的預設中，未來的智能化就是，智能機器人跟人對話、或是智能駕駛，車可以自己開。然而楊歌表示，大眾認為好模擬的場景多是人為直觀感性化的，其實對於數據模型來講是很複雜的；而相反問題數據相對簡單的場景，卻又是大眾不好想象的，通常都在於一些垂直行業的領域裡面，能夠比較容易實現突破。比如今年摩根大通將華爾街36萬小時的工作化為秒級。

因此，在楊歌的預判中，未來幾年內，AI勢必將率先爆發在量化金融、物流倉儲大數據、有數據積累和標準的傳統產業升級、以及機器人運動行為學習等方向中。對於數據積累成熟，模型化場景清晰明確的這些行業，人工智慧將會帶來血性的顛覆。

創業公司如何抓住AI這波風口？

浪來了，你是會被拍死？還是乘著浪往前沖？二者的最大區別在於企業能不能及早發現趨勢，並不斷作出相應的轉型準備。楊歌認為每一個時代的風口抓法都不盡相同，AI時代來臨，所有行業可能將會以一種全新模式的呈現。

對於大多想抓住第一波紅利的創業公司來說，楊歌的建議是，企業從現在開始要有意識地去做專業化的梳理、系統化的管理和數據升級，使企業自身變得更加系統化、數據化，以便更好迎接AI時代的到來。

在他看來，互聯網的風口抓法在於「聚人聚事」，當聚集大量的社群，產生有誘惑和價值的數據時，公司就很值錢了，直到今天的共享腳踏車和共享充電寶還在用這種思維，但AI的玩法完全不一樣。

AI的方法是企業首先必須擁有大量的數據，這個數據可以通過「聚人聚事」的互聯網化的方式實現，也可以通過爬蟲的方法實現，或是通過自己生產數據的方法實現（比如利用術生產供應器，模仿某個行業的數據）。當數據足夠多，能夠比較客觀地反映出某一個行業的現象時，大量的數據才是有意義的。

然而目前市面上一些標榜大數據的公司存在一個很大的問題是，過度競爭，開發一些沒用的數據，導致大部分數據同質化，噪音非常大。而真正有用的大數據必然是精鍊的、多維度的差異化數據。

楊歌表示，企業要想形成真正的智能，在行業獨佔鰲頭，除了在垂直行業（比如科學、生物製藥、建材、能源等領域）收集精鍊的、非同源數據，另一方面更重要的是把不同公司收集到的大量數據進行彙集，綜合所有的數據信息，計算基礎規律，並用AI的模型去跑，在這個過程中不斷探討出更好的模型化過程。如此這個數據才會具有更強的智能。

「系統化結構標準越完善、數據化體系越標準，企業能夠及早重視起來，在未來AI來臨的時候會起來的更快。」楊歌指出。

另一方面，在楊歌看來，互聯網的那套IP、人脈等的玩法也不適用於AI，雖然具備一些人脈資源就有了一定的優勢，然而企業切不可本末倒置，互聯網這件事對AI有一定的幫助，但AI卻並不完全依賴互聯網，AI這波的商業模式歸根結底還是由技術人才去引導的一個創業。

目前市場上對AI的玩法有兩種，一種是把AI視為一種技術，當作是下一個技術進化的起點，認真去做理解、研發，並在商業上付諸比較實質性的應用，讓AI這件事能夠真正提升行業的效率。但能做到這一點的企業非常少。

大部分的企業更多把AI當作一個可以炒作的噱頭，覺得這是個風口，在風口上載入一個AI的想法，就又可以融資了。楊歌覺得，以這種運作IP的方式，用概念去運作資源和渠道，這類所謂的AI公司都非常淺顯，並不會產生差異化的優勢，最後拼的還是運營和資源，跟AI本身並沒有什麼關係。

當然對於企業來說，也並非不懂AI，或不懂寫代碼就完全沒戲。楊歌認為在整個行業的發展過程里，關鍵是如何把自身的資源優勢跟AI去做相應地結合，不一定每一個人都要去做演算法工程師，編出一個產品出來。

後記：AI顛覆的不是互聯網行業，而是傳統產業

在楊歌看來，AI是一種軟性的工具，其具體形態和特點很難展示出來，可能到了AI時代，載體還是用著過往的載體，但AI會把很多東西變得更「聰明」。AI的展現載體並不重要，但其產生的效能是非常大的，它迭代的是無形的工作，使得加工信息、傳輸信息的效率變快了。因此AI會改變和顛覆的也不是互聯網行業，而是傳統的具有生產價值的產業。

楊歌告訴創客貓記者，互聯網雖然是AI化過程一個非常重要的基礎手段（即讓所有實體行業變成可視化、可量化的數據管理體系，再利用AI作進一步效率提升），卻並不是唯一的手段。比如一些沒有經過互聯網化的傳統工業製造，因為擁有完整的資料庫，與AI結合，同樣可以瞬間提高整個供應鏈管理體系的效率。從這一層面看，AI的發展和互聯網的發展並非完全平行。

但無論是互聯網、大數據、雲計算、AI等，歸根結底都只是工具，對於在互聯網幫助下已經數字化的一些行業，如金融、醫療，再載入AI可能會發展地更快，甚至顛覆掉一些互聯網產業。但更多情況下，AI未來會幫助一些傳統行業作產業升級，提升其內部的管理效率，幫助企業發展地更快。

而當互聯網的流量模式走到盡頭，互聯網價值不再的今天，或許正如楊歌所說，未來二十年我們只需干兩件事，產業升級和人工智慧。

一是，把已經有的方法論橫向發展，把互聯網思路和系統化管理思路使用到農業、工業、倉儲、物流行業、建築行業、高端製造行業等，形成良好的產業升級。二是圍繞人工智慧這個新工具打造更新的方法論，新的、比互聯網更好的驅動方式就是人工智慧驅動和演算法驅動。

（策劃/采寫：林翠瓶 以上，創客貓專訪報道，如有轉載請註明來源，尋求報道專訪發送資料至：[email protected]）