Zi 字媒體

一、AI是大企業的專屬機會？AI是過去一年科技界最火的話題。一談到AI，就會提及大公司，比如谷歌、亞馬遜、微軟和百度等，這些巨頭有雄厚的技術、資金、人才，還有最重要的數據優勢。人才方面，幾乎所有頂尖的AI人才都聚集在幾家巨頭公司，比如百度的吳恩達，谷歌的李飛飛，Facebook的Yann LeCun等。亞馬遜攻關Echo的工程師就達到了1500名，且花費了4年時間。初創公司跟財大氣粗的巨頭是無法比較的。數據方面，Facebook、谷歌、百度、亞馬遜都有龐大的數據。這些數據可以通過標記形成可以訓練的資料庫。初創企業不具備這樣的條件。不僅如此，目前在商業中取得了初步成功的，還是巨頭，比如亞馬遜2016年的暢銷的Echo，截止到12月，已經賣出了500萬台。很難看到初創企業的身影。總之，無論從演算法、算力，還是龐大的數據來看，這幾家巨頭公司似乎都是無懈可擊。這會不會讓創業者感覺到徹底無路可走？AI是不是大企業專屬機會?二、初創企業的機會在哪裡？不管你信不信，藍狐一開始真的以為留給初創企業的機會不多，但最近一段時間的發展開始產生了微妙的變化，初創企業的機會還是來了。1）結構性的大機會不僅AI時代，即使在互聯網和移動互聯網時代，真正的結構性大機會都是不多的。從2007到2016年，近十年間，新生獨角獸也沒有幾家。比如大多數50億美元估值以上的公司或多或少跟巨頭都有關係。結構性的大機會永遠有，但只有極其少數幸運的人才能把握住。什麼地方都結構性的機會？比如無人車，比如VR，AR，物聯網，AI金融、AI醫療等。傳統領域與AI的結合，用全新的產品架構全新的AI思維模式去滿足原有的需求，這是有結構性機會的。也就是說，結構性的機會是通過AI重構整個產業。比如重構汽車產品，基於機器學習的無人車是全新架構的汽車，它的核心在於數據和機器學習。而傳統汽車則是把AI作為一個功能補充進來，這兩個完全不同的思路，會導致結構性機會的產生。比如金融行業，從一開始的互聯網金融，進化到今天的金融科技，雖然本質上還是要回到風險定價。但是風險定價的思路的不同，也可能產生結構性的機會。比如基於機器學習的大數據風控，通過機器學習的方式，標記各種數據，不斷訓練，最終也許有的企業能夠找到最好的風控方式，人可能被騙了一次兩次，有新的騙法出來，還是會被騙。但機器的計算速度和計算能力都會超過人腦，當不斷的輸入各種數據進行訓練之後，最後有可能產生真正風控超強的公司，這裡是有結構性機會的。但這個戰略要從一開始就Allin，不要猶豫，不要三心兩意。從大企業出來的人才，比如說谷歌、Facebook、百度等都會有資金和人才效應，比如谷歌出來的人才創建Otto無人車（后被Uber收購），前百度深度學習研究院負責人余凱創建了製造深度神經網路晶元的公司。諸如此類的公司會越來越多。2）AI應用的機會對於普通創業者來說，還有很多普通的機會，有很多10億美元以下的創業企業的機會。這個機會不亞於移動互聯網時代的各色APP，甚至超過這個基數。如果說一開始Echo需要1500名工程師，但隨著AI演算法的開源，比如谷歌開源了深度學習系統TensorFlow，只要幾個人的初創企業就能在這個基礎上開發AI軟體或者硬體應用。除了谷歌之外，為了獲得更多的戰略資源：數據，百度，亞馬遜，微軟也會走相同的道路。數據的獲取也開始變得靈活，一開始可以通過小規模的數據進行深度學習，隨著客戶的增加，數據也會增加，數據並不完全都是大企業的專利。有些公司比如Vicarious正在試圖找到方法減少訓練神經網路所需的數據量。一旦成功，訓練人工智慧的數據量不再是AI發展的瓶頸，這也會意味著不只是擁有龐大數據的企業才能發展AI，小數據集的初創企業也有機會。人才逐步成長。一開始是極其稀缺的，但更多的數學及計算機科學的畢業生加入到這個行業，隨著對AI的了解，很多工程師逐步會發現AI的機會，出來創業也是必然趨勢。就像移動互聯網時代，從BAT出來創業的人一樣，這個是必然的選擇。三、結語AI最終會跟互聯網和移動互聯網一樣滲入到人們生活的方方面面。更重要的是，它的影響更加深刻。互聯網對人類的影響是把人與人，人與信息，人和服務更好的連接起來，但AI則走向琢磨人的偏好，幫人做決策，這是一個全新的世界，至於產生什麼樣的影響，直到今天，大家都沒有完全看清楚，但徹底的變化一定會產生。