峰瑞資本朱禕舟：人工智慧不是互聯網的替代品

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。