峰瑞資本朱禕舟:人工智慧不是互聯網的替代品

2017/03/24

記者:伍小仙

3月20日,Xtecher杭州第一場私享會在杭州市西溪藝術集合村Rokid研發中心如期進行。

人工智慧時代何時會來,人工智慧的未來之路到底如何?私享會從這兩點切入,圍繞「探索人工智慧的未來之路」主題展開。峰瑞資本投資總監朱禕舟從投資人角度談了自己的一些看法。

朱禕舟指出,在AI剛剛起步時,整個市場處於AI的第一階段,大家的焦點基本在於演算法和人才,這兩者的乘積就是一個AI公司在市場當中的價值,而現在,很多公司都已經開始進入第二階段,也即提供解決方案的階段,在這個階段,公司的市場價值判斷方式演變成「估值=演算法+數據x商業價值」。朱禕舟表示,在大家都還沒有數據和商業價值的時候,比的是演算法。但是當大家都有了數據和商業價值后,之後的商業價值會迅速地超過演算法,所以演算法所佔比重會越來越少。

最後,朱禕舟指出,AI體驗更多的是系統化的體驗,它不像互聯網通過單點做小APP就能撬一個很大的空間,且AI並不是互聯網的下一代,也不是互聯網的替代者,這兩者是并行的。

我們認為人工智慧領域,目前看起來在toB領域的應用會更加實際一些。因此,這次分享的內容會比較偏向創業,也和大多數創業者的相關性會高一點。

在加入峰瑞資本做投資之前,我在AI領域創業。下面,我會從交叉的角度和大家聊聊自己最近的一些觀察,也大家歡迎隨時交流。

先簡單介紹一下,峰瑞資本這一支新基金,成立於 2015年8月,我們希望做成一支研究型導向的全鏈條基金,不看風投,長期持有。我們算是比較早就看到了AI這個領域,目前已經投資了數十家初創公司。目前,我們管理資產規模超過40 億。擁有一支規模15億人民幣的早期基金,一支 10億人民幣的成長基金。還有幾支專項基金和美元基金。

下面切入正題。

AI創業投資階段論

這是我昨天手畫的兩張圖,反映過去一段時間內的一些觀察。

大家可能也知道,過去,在AI領域創業的時候,大家基本會問這麼些問題:

l 你的演算法到底是什麼呀,你是不是深度學習的演算法?

l 你是不是用了神經網路,神經網路有多少層?

這個是投資者,或大眾關注的第一點——「演算法如何」;

然後大家還會問:

l 你的團隊里有PHD嗎?有BAT研究院里出來的人嗎?有高校教授嗎?

AI剛剛起步時,大家的焦點基本在兩個方面:演算法和人才。

上面兩個曲線圖很有意思。

第一張,我稱之為「技術的紅利」。

這張圖是ImageNet歷年圖像分類任務中獲得第一名的演算法的錯誤率,2015年的時候,第一名的錯誤率在3.6%,到2016年的時候,變成3.0%,在2014年的時候是7%,做2013年的時候是13%,大家其實可以看到,從2013年到2014年降了差不多一半,2014年到2015降了差不多一半,2015年到2016年的時候,其實下降的幅度就很慢了。

做技術的人應該都知道,在深度學習的框架下,現有技術處理圖像方面問題的能力能下降的空間已經不多了。這挺讓我吃驚的,這個結論告訴我們技術放緩的速度遠比我們自己想象的要快。或許2017年沒有特別大的突破,那這個節點就意味著瓶頸期, 技術紅利的放緩速度非常明顯。

第二張圖是「人才的紅利」。橫坐標是工資。大家都聽說過,過去的時候,人工智慧公司招人都很貴。我隨機選取了選了一家非常知名的人工智慧公司的招聘列表。

在2017Ian公司在招圖像識別處理工程師的時候,薪水是15—30K/m,這個薪水跟普通的IOS工程師是差不多的。目前,大家對人才最新普遍的認知是,人工智慧領域業界,所做的事情的框架已經日趨清晰明了了,但人才缺口比較大,學校的供給不夠。現在任何一家人工智慧的公司招人,需要的是很熟練的軟體工程師,是能很快實踐落地的人。所以大家現在比較傾向於招有一定專業院校和學術背景的人才,但不一定是念過PHD的。

通過上面兩張圖,我想說的是:人工智慧技術跟其它技術一樣,到了一個階段性平台期,技術紅利本身放緩速度都是非常快的,然後人才供給發展的速度也非常快。

AI創業的第一階段大家最關注的是演算法和人才。對於投資人來說,基本上公司的估值,就是演算法乘以人才。這兩個東西的乘積大概就是你的公司在市場當中的價值。

而目前這個乘法的兩端都在快速地下降,所以這是我們對第一階段 AI創業的的判斷。

我把AI賽道上的公司分成5個階段

1. 提供狹義技術的階段

2. 提供解決方案的階段

3. 提供模塊化產品的階段

4. 提供整體產品的階段

5. 業務閉環數據循環階段

1. 鑽研狹義技術的階段

我們看到過去的第一階段,創業公司都處在基本是「狹義細分技術」的階段,判斷公司的標準就是我們剛剛提到的:估值 = 演算法x人才。所以,我們可以看到這個公式下的公司,價值在被快速地拉平。在我看來這一波的機會紅利已經基本結束。

在第一階段人工智慧創業浪潮中,獲利最大的科學家創業團體,現在在創業上的優勢不會那麼大了。接下 AI領域的機會,我相信仍然會是留給產品經理、工程師、商業人才來發揮的。

過去的估值方式,過去的價值判斷方式,和過去的技術人才紅利都已經基本結束。

2. 提供解決方案的階段

現在,很多公司都已經開始進入第二階段了,不論是圖像公司還是語音公司,大家都開始進入提供解決方案的階段。

但是這個階段也有很明顯的瓶頸:規模性或是擴張性。AI 領域,和以前任何一種互聯網創業都非常不一樣。在傳統互聯網領域或在移動互聯網領域,可能可以在四年之內做出一個上市公司;但是在人工智慧領域,基本是完全不可能的。

而第二階段的,公司的市場價值的判斷方式也會發生變化。我自己列了一個公式,就是從演算法x人才,演變成「估值=演算法+數據x商業價值」。演算法,之所以是一個加號的原因,主要在於,大家都還沒有數據和商業價值的時候,比的是演算法。但是當大家都有了數據和商業價值后,之後的商業價值會迅速地超過演算法,所以演算法在裡頭占的比重會越來越少。

人工智慧不是互聯網的替代者

互聯網在過去做的最主要的事情是解放渠道,釋放渠道的效率。所以我們看到,過去的創新型模式都是為了讓產品能夠直接抵達消費者。不論是電商打掉中間的零售商和經銷商的渠道,還是滴滴打掉計程車的渠道,其實都是在渠道上做文章。

人工智慧,我覺得它並不是互聯網的下一代,也不是說互聯網的替代者,這兩者是并行的。因此,我覺得移動互聯網、互聯網機會依然有,並且依然非常大。互聯網本身這條線會繼續往前發展,人工智慧做的事情更偏向底層,在生產端,去提高生產效率。

這也是我們現在為什麼覺得toC的機會比較難的原因所在。因為,生產端還沒有被改造,於是就不太會有新的產品出來,沒有新的產品出來,用戶端體驗也就不會有特別大的提升。

這波AI的浪潮,是凸顯在數據乘以商業價值。我們從 toB 和toC 兩個角度來分析。

我的判斷是,在toB方向會向行業的縱深端去發展。從看生產端來看,不論是服務業、農業還是工業,大家對效率提升的需求是非常明顯的。在醫療里,提升診斷的效率;在金融里,提高金融數據服務的效率……需求和商業空間是巨大的。於是我們的挑戰不再是因為技術被拉平了,而是在於行業的理解,對行業的需求的理解、產品的設計。

另外提到一點:大數據。這個詞其實是老生常談了。還是從企業服務端來看。

在美國,人工智慧的產生路徑是:傳統軟體 IT服務雲計算大數據人工智慧,最後才有了人工智慧。所以,對比美國的人工智慧發展路徑,我們的結論是在企業服務端,基本上都還是要在大公司的軟體里去找 AI 的生存空間。

在,企業端基礎設施還是非常落後的,是一片空白。在有一個特有的現象,:一種跨越式的發展。這種事在企業端會發生,在電商和物流是同時跨越式發生的;二手車的發展是跨越的;金融支付也是如此。

人工智慧在 toC端,我們觀點是:消費者的體驗,通過一個單點去突破比較困難,更多是一個系統化的體驗。比如,車載語音的交互體驗,智能家居體驗等。它需要的不僅僅是產品本身做得多好,而更多的是說需要一整居家的環境、車載的環境。這些基礎的感測器和基礎的服務、數據足夠完整之後,我們才會有一個體驗足夠好的東西出來。反之,現在做這個事情,就會感覺很累或者說撬不動,因為基礎設施和服務沒起來。

AI體驗更多的是系統化的體驗,它不像是互聯網可以單點做個小APP就能撬一個很大的空間,幾乎不可能。這個結論,我自己心裡也有個問號,因為我自己也不知道AI里能夠單點突破的產品到底是什麼。但就我們觀察來講,在人工智慧領域 toC市場不一定比toB大,但是顯而易見toC的市場量要更sexy一點。這是我對於AI創業第一個階段和第二個階段的一些投資思考和筆記。

如果照套互聯網的思維方式,進行 AI 創業是很危險的

最後,回答四個疑問:

l 過去大家很大的一個誤區是:AI理解為互聯網或者移動互聯網的下一個創新,或者是替代它。我認為這是不對的。AI和互聯網是并行的,相對獨立的。如果照套互聯網的思維方式是很危險的。

就比如,AI是沒有網路效應的,也幾乎沒有馬太效應,然後AI的發展也沒這麼快。這句話什麼意思呢?就是說,AI是基於生產效率的提升,它本身是沒有網路效應的。馬太效應是基於網路效應,因為網路效應能快速地集聚資源和拉開競爭者的差距,所以會出現行業通吃的情況。這些現象,AI幾乎不太會有。至少現在看起,來通吃事情可能就不存在。同一個AI領域,不見得誰比誰快,誰能把誰滅了,而是大家都能找到自己的一塊地盤。

l 還有一個誤區是:AI創業有沒有勢能?什麼是勢能,是我們可以看到在互聯網、移動互聯網的窗口期之內,創業公司要打仗,要迅速融資。

但是看起來,在AI領域似乎沒有「勢能」這麼一個事情。它沒有網路效應和馬太效應,它不太能夠進行快速的融資,技術有它固定的規律和速度,不太可能用融資的方式拔苗助長。在同一個AI領域,誰先做誰后做差異並不會特別大,能夠扎紮實實把事情做好倒是更加重要。

l 最後兩個疑問,其實是連在一塊的。投資人們都有個毛病,喜歡問一個問題就是:這個公司會變成什麼?這個公司到底能做多大?這個行業到底能做多大?大家以前,對AI公司的期望是什麼,很多人都期望是一個技術平台公司。技術平台公司的意義更多的是說,怎麼把演算法和數據整合成一個產品,或者整合成一個更加服務。雲計算就是很典型的一個例子。

現在看起「技術平台」只是其中一種選擇,還有其它更多種方式。

我認為從整個AI的壁壘來看,要從演算法開始,讓你的公司從一個技術平台公司做到一個數據產品服務公司,然後再抽象到一個更高層次的,更高層面的技術平台公司。

最後還有一點是:AI很難像互聯網一樣從單點突破,做橫向整合。AI做大做深做的最大可能性是縱向的整合,整合整條產業鏈里不同的生產者、生產資料,再往上整合到產品層面。這比較抽象。舉個例子比如你做人臉識別,是只做人臉識別?還是做人臉識別加上人臉識別攝像?,還是又做人臉識別、人臉識別攝像頭還要再加上人臉識別系統做成一整個東西?它不是只做一個人臉識別就把所有人臉識別都做全了,而是做人臉識別,可以選擇從下往上,也可以從上往下。而這兩種方式在整個產業鏈裡頭都有。

這是AI整體創業、AI公司的狀態和規律,它和現在的互聯網公司完全不一樣,我的這一點思考供大家借鑒。

本文由 一點資訊 提供 原文連結

立即按讚,感謝大大無私地分享
寫了5859856篇文章,獲得4345
Line

熱門推薦

精彩推薦

廉價的高速互聯網、安全的雲存儲、移動解決方案和低成本設備的出現,使得過去如夢幻般的可能性在今天成為了現實。而已經初露端倪的平台之一便是人工智慧。人工智慧具有高速、大規模處理信息的能力,不僅提供了無...
2017(深圳)IT領袖峰會於4月1日-2日在深圳舉行。在高端對話環節對於百度很早就投入深度學習的原因,李彥宏說,百度的基因是做搜索,搜索實際上是機器理解人想要的東西。2012年左右,陸奇還在微軟,他說深度學習...
4月2日,今天2017(深圳)IT領袖峰會召開。數字聯合會主席吳鷹作為主持人,百度董事長兼首席執行官李彥宏、騰訊董事會主席兼首席執行官馬化騰、神州數碼控股有限公司董事局主席郭為和微軟全球執行副總裁沈向陽作...
2016年3月,人工智慧「AlphaGo」戰勝世界圍棋高手李世石。一時間,人工智慧成為貫穿全年的熱門話題,也被不少互聯網大佬視為「下一個風口」。在今年全國兩會期間,李彥宏、馬化騰、雷軍等互聯網大佬也不約而同地...
如果互聯網是前菜的話,人工智慧將是主菜,人工智慧將會影響各個行業。 本文由劉興亮(微信ID:liu_xingliang)授權i黑馬發布,作者劉興亮。1前日的一個活動上,李彥宏如是說:「如果互聯網是前菜的話,人工智慧...
肖文傑:企業須在科技金融方面布局 「未來所有的領域、所有的公司都將會是互聯網的公司,如果能夠將整個新興技術與互聯網結合起來,深度改造金融服務,可以給用戶提供更快更有效率更低成本的金融服務,我相信這...
事例1.「互聯網X新能源」和首屆「汽車創行者大會」舉行。2.無人駕駛汽車、在線智能翻譯、可穿戴設備等智能技術的廣泛應用。3.工信部、發改委將 AR/VR 納入智能硬體產業創新發展計劃等。常用好詞1.基礎堅實、創新...
證券時報兩會報道組2016年3月,人工智慧「AlphaGo」戰勝世界圍棋高手李世石。一時間,人工智慧成為貫穿全年的熱門話題,也被不少互聯網大佬視為「下一個風口」。在今年全國兩會期間,李彥宏、馬化騰、雷軍等互聯...
文丨證券時報3月10日訊,2016年3月,人工智慧「AlphaGo」戰勝世界圍棋高手李世石。一時間,人工智慧成為貫穿全年的熱門話題,也被不少互聯網大佬視為「下一個風口」。在今年全國兩會期間,李彥宏、馬化騰、雷軍等...
則回覆