AI時代有哪些創業機會？

獵雲註：演算法、人臉識別、機器視覺等等，人工智慧時代誕生了許多新興的行業和工作機會。那麼人工智慧有哪些細分領域的創業機會呢？文章來自明勢資本，轉載請聯繫原作者授權。

「人工智慧是這個時代最著名、最重要的科學發現。它不僅僅是21世紀最重要的科學進化，也不僅僅是人類歷史上最重要的科學進化，而是整個生命創始以來最重要的變化。」《人類簡史》《未來簡史》作者、以色列耶路撒冷希伯來大學歷史系教授尤瓦爾•赫拉利。

2017年創業邦首次推出了「人工智慧創新公司50強」這一專項榜單，這次創業邦研究中心與明勢資本黃明明，聊了聊他眼中人工智慧（AI）領域的創業機會，以及選擇人工智慧領域的創業團隊的標準。

創業邦：看好人工智慧哪些細分領域的創業機會？

黃明明：演算法、算力，以及機器視覺、語音識別等基礎技術，美國是Facebook、谷歌這樣的技術平台在開源，百度也在開源，我相信阿里、騰訊也在開源，但是他們的開放是和雲服務連接在一起的。所以創業公司做這種通用的人工智慧技術，我覺得機會不大。

當然人工智慧通用技術離成熟還相差很遠，還在演進過程中。只不過創業公司肯定沒有巨頭公司這麼強大的實力，比如算力，騰訊、百度，都是幾十萬台伺服器在後邊支持。

基礎技術服務在未來是開源的趨勢，創業公司很難有什麼優勢。

比如國內做機器視覺比較成功的公司，Face＋＋也好，商湯也好，最後都聚焦在安防領域。

第一這個領域有錢景，每年在安防領域有幾千億投入，至少有三家A股上市公司。第二落地容易，有現成的應用場景。創業公司最後一定是要落地到應用場景，沒有應用場景只提供開源的技術服務是沒有價值的。

創業邦：其他領域呢？

黃明明：我最看好的是自動駕駛。第一，這個領域未必是巨頭的菜，去年穀歌的團隊解散了，現在百度在做開源，但是舉步維艱，不少核心人物出走。主要的原因，AI 要落地到具體的場景，一定要有一個能夠產生數據的閉環。巨頭純做演算法，如果沒有整車公司，很難把演算法落地。

做演算法在自動駕駛各環節中是相對最簡單的一步。如果將自動駕駛領域的各個難點排序，最難的是硬體，激光雷達的成本是整車的5-6倍，這麼貴沒有辦法商業化。高精度地圖的難度也在演算法之前，美國有好多用視覺技術做識別的團隊，但是真正做出一個完整的方案，只有特斯拉可以，原因就是它自己有整車。

將近10萬輛特斯拉，裝著自動駕駛系統，每天在世界各地的公路上跑，收集各種數據，訓練自己的深度學習系統，產生世界各地的高精地圖。谷歌那麼有錢，也無法做到這一點。當特斯拉有上百萬輛車在路上的時候，它的自動駕駛技術一定是最靠前的。

在我們看好的創業公司的機會，是做Tier 1的解決方案，就是像博世、德爾福這樣做汽車整體解決方案。國內目前缺乏提供落地的自動駕駛解決方案的團隊。這就是為什麼去年我們投的易航智能，不到6個月之後經緯就又投了下一輪，而且數額巨大。易航現在給李想的車和家、國內傳統主機廠提供解決方案。

博世、德爾福還在服務歐洲、美國的車廠，根本沒時間服務國內的車廠。提供一個最簡單的自動泊車的功能，估計要到2020年才能實現。李斌的蔚來汽車或者是李想的車和家，到2019年就要批量面世，如果連自動駕駛Level 2都做不到，怎麼在市場上去和別人競爭？所以提供自動駕駛整體解決方案，是國內創業公司非常大的機會。

創業邦：谷歌和特斯拉的技術路線，看好哪個？

黃明明：谷歌的那一套，我們從一開始就不認同。現實中的技術革命沒有一步到位的，都是漸進式的。特斯拉採用的技術路線相對而言是最保守的，例如電池，特斯拉用的是手機和電腦里18650的最成熟的電池技術。

易航採用的是漸進式路線，先實現Level 2，可以在高速上自動跟車、自動變道、自動泊車在一定特定的路段下自動駕駛，然後持續向Level 3和Level 4發展。

Level 2是未來主流車的一個標配。所以這個領域的創業公司有巨大的機會。

創業邦：無人駕駛領域還有哪些環節有機會？

黃明明：其它單一環節的價值不是特別的大，例如演算法特彆強的，我們就不太會考慮，因為它的價值只在單一環節，沒有辦法最終產生商業化的應用。比如普林斯頓的肖建雄博士，他是全球最牛的深度學習科學家，但是他根本不考慮硬體、工業化生產，只做演算法。所以美國很多創業公司的路子就是把單一的環節做到極致，等著被大公司收購。

但是在，這條路可能很難走通，不會有很高的溢價。

去年我們看了十幾家做激光雷達的公司，實在是沒有辦法下手，因為都還是在實驗室里和小規模量產的階段，到實現真正大規模量產，中間有遙遠的距離，很難判斷哪一家可以跑出來。

創業邦：怎麼看drive.ai?

黃明明：也是偏演算法的一家公司。大多數演算法的公司，只是解決了其中一段的問題。硬體、車輛控制、高精地圖，這些都比演算法的重要性要高，這些問題還沒有解決。只解決一個問題，我覺的這家公司路子還是指望被一個大車廠收購。

我們認為深度學習是做到Level 4，或者Level3以上的時候，才慢慢起到比較大的作用。在前期，一定是機器學習結合專家系統，可能更容易一點。純用深度學習，可能在很多領域效果未必會更好。

創業邦：在AI跟醫療等領域相結合的時候，技術起到的作用有多大？

黃明明：人工智慧這個領域，技術的重要性大大地提高了。有一個核心的原因，剛開始的時候，懂人工智慧技術的人太少。我相信隨著巨頭的技術開源，難度會逐漸降低。即使是這樣，技術起到的作用還是比純模式的公司重要很多。但是一個創業公司能否成功，最終還是依靠對於行業的深度理解。

比如我們今年看了很多醫療領域讀片的公司，如果稍微研究一下，就會發現讀片在很長時間內不能替代醫生的職能，是最不賺錢的一個環節。的法律規定，必須至少有兩個醫生寫的報告才可以作為簡單的報告，但依然不能作為確診報告。比如肺癌，要確診必須要做活檢等檢查，讀片只能起到一個參考的作用，價值有限。

另外，每一家做讀片的公司都號稱搞定了多少家三甲醫院，但是這些醫院的數據沒有被清晰的標註過，沒法用，還是要找靠譜的醫師去做樣本庫的標註。再加上每家醫院的數據都是相對割裂的，所以這個細分領域的創業公司價值有限。

在醫療領域應用AI技術，什麼樣的公司容易產生新的商業模式？就是幫助醫生做手術的公司。所以我們投了研發手術機器人的術康醫療。美國的手術機器人公司達芬奇，現在價值300億美金。

最好的醫生70%都聚集在北上廣，政府投入大量資金，在二三線城市買了大量的醫療設備，但很多設備是閑置的，連能夠操作的醫生都沒有。AI能夠幫助一個不是那麼好的醫生，完成一台高質量的手術，或者把一個好醫生的能力複製和放大。

例如骨折打骨釘，最好的三甲醫院的醫生，都會存在10%的失誤率，二三線城市更嚴重。我們投資的這個手術機器人，可以幫助醫生很快找到最正確的定位，精度誤差少於0.1微米，幫助醫生進行高精度的手術。這個需求在三甲醫院很大，但是能想到這樣的模式，還是依賴於對於行業本身的深入了解。

人工智慧領域創業，第一批出來的一定是最頂尖的研究深度學習的科學家和大牛。但是科學家和大牛最容易碰到的問題就是對於行業沒有那麼深入的了解，而且往往覺得深度學習就是個鎚子，滿世界都可以釘。只有當他們對產業和應用場景有深入了解之後，才有可能成功。

創業邦：選擇人工智慧領域的創業者有什麼標準？

黃明明：懂技術是一個基礎，是一個必須的東西。還要看進入到一個特定領域，對於那個領域的了解到底有多深，學習能力有多強。要對行業有敬畏，包括自動駕駛的團隊，如果覺得用一個視覺技術就解決全部問題，是不行的。