原标题:在人工智能领域,只有百倍的效率提升才能收获投资人的青睐?

回顾人工智能浪潮开始席卷时,大多数人并不知道这场技术革命将带来怎样的惊喜。2017年作为人工智能产业的加速年,在未来5年内它将如何战胜人类?我们该如何面对人工智能?机构作为投资风向标又将如何为行业指路?

2017年7月19日下午,一场投资界沙龙在上海云启资本BBQ小花园里顺利召开。本次沙龙的主办方为清科集团和云启资本,承办方为投资界和新芽Newseed,主题为“人工智能,何来何往”,以下为现场实录:

众所周知,“人工智能”是当下最火的一个话题之一,虽然听起来很遥远,但实际上它已经在不知不觉中改变了我们的生活,比如,平时拍照的时候,我们总是会用美颜功能,“美颜功能”实际就是人工智能在To C领域的一个反应。此外,在教育、医疗、工业等诸多领域,人工智能都已经渗透进去了,并且改变着这些行业的一些格局。

云启资本成立于2014年7月,目前管理一支美元基金,两支人民币基金,合计20亿人民币。在技术方面,我们重点关注云计算、大数据和人工智能三个方向。我们的投资理念是,如果你要做好人工智能,你就要用到很多的计算资源,然后去处理很多的数据。所以,我们在成立之初,就从底层开始投资,先把下面的云计算、大数据这层给投好,然后有了坚实的基础再慢慢地往上走,然后去看每一个领域到底会有哪些人工智能能够切入的一些机会。

为什么现在是投人工智能的时候?

第一,2006年,学术界发表了一篇有关于深度学习的文章,掀起了人工智能的这波浪潮,并且上了一个快车道。

第二,深度学习离不开数据,离不开数据的产生和收集。这些数据上、计算能力上、算法上的多点突破,导致人工智能快速发展和欣欣向荣。

第三,在中国做事情离不开政策,国家在这方面也是蛮给力的,“十三五”的规划草案明确的把人工智能给提上去了,于是乎,现在创投圈在政策的引导下,都开始往人工智能方向倾斜。

人工智能为什么是那么棒的一个东西?

我觉得最重要的是它能够带来效率的提升,效率提升了以后,你的产能就上去了,成本就下来了,从而,企业的利润率也会提升,因此,企业本身是很有动力去把人工智能应用在他们的生产和运营之中的。

人工智能在我国潜力很大。比如,在过去的10年里,华人贡献的文章数和引用数已经达到了30%,这是特别让人吃惊的数字。在其它领域,比如数据库领域、计算机领域……华人的贡献从来没有达到现在的高度。可以说,中国人在这一方面是毫不落后于世界同行的,甚至说,随着我们资本大量的注入,中国有望成为世界的领先。

在人工智能领域,投资人是如何挑选被投企业的?

当下的人工智能公司大致可以分为三类:第一类公司是基础设施的提供者,第一类公司着力于生产人工智能的加速方案,第三类公司是技术算法的驱动者。

接下来,分享一下,在人工智能这个垂直领域里,我们云启资本在挑选投资标的时主要的关注点:

首先,要有好的商业场景,同时,在这个商业场景里面需要能够有颠覆性效率的提升,这个效率提升至少是3到5倍,甚至说数十倍、数百倍的量级提升。

第二,我们选择的行业必须是市场规模巨大的,因为这样才能有足够的机会。 第三,拥有一个高质量的、巨大的、稳定的数据来源。

目前,我们比较看好的行业有:无人驾驶、医疗、安防、语音、教育和工业等等。我们在看AI的时候,实际上去接触的是工程师的一个团队,工程师的团队经常会有一些问题,他们会更加专注于技术本身,他们说自己的技术会比别人好,比如一个百分点或者两个百分点,但这个不足以让投资者产生兴趣。投资者更加关心的是你的市场在哪里?你在你的目标市场里面是否能够推出一款有竞争力的产品,然后产生5到10倍,甚至百倍的效率提升?所以我们早期工程师会关注第一、第二个阶段,就是技术的本身,但是它最终还是要走向产品的落地,让它的业务形成一个闭环。

我们会去考察创业团队几个能力:数据能力、算法能力、渠道和运营能力、产品能力、解决问题能力。

最后说说接下来的投资方向,投资完AI之后我们计划转向娱乐,因为人都被机器人给解放了,空余时间变多,就只能去娱乐了。

大家好,今天我来给在座的各位分享一些我对于无人驾驶行业的看法。

无人驾驶的起源基本上可以追随到2005年的DARPA Grand Challenge和2007年的DARPA Grand Challenge,05年在沙漠,07年在城市。截止到现在大概两个月前,Google的无人车已经累计行驶了500万公里。最新的技术实力是可以达到连续8000公里一次人工干预的水平。我们觉得特斯拉对这个行业有非常大的贡献,它教育了很多投资人,也教育了市场。

2016年,无人驾驶这个市场变得非常的热,所以出来一大批做无人驾驶的公司。这里面总结几个点,有两个比较大的特性:第一,会看到国外的无人驾驶的初创公司几乎都在做L4,没有见到有哪家公司出来说我在做ADSA,或者我在做L3,几乎没有,全世界都在做L4;第二,有3个很明显的流派存在,Google、斯坦福大学和百度。

给大家做一些科普,介绍一下L0到L5。L0指没有辅助驾驶,L1是在个别的系统上可以辅助,L2比如ACC、高速公路上的自动巡航、定速巡航等;L3可以理解为,这个车在有些情况下可以完全替代人的,它可以进行完整的驾驶,包括变道,包括所有的驾驶行为。但是它有一个问题,偶尔会遇到它没法处理的场景,遇到这个场景的时候它会让你接管,于是你必须在6秒内进行接管,这是L3的定义;L4的意思是我事先圈出一块地,这个区域我事先告诉你的,在这个区域内我可以实现完全的无人驾驶;L5就是任何区域了,比如说你从中国开到美国,L5因为比较远,暂时没有人说我要做这个L5。

接下来讲的稍微要有一点点技术,大家都知道,Google的车有很多种,但是有没有一些比较主要的?我觉得最主要的有四个:LIDAR、摄像头、Radar和GPS。

Google的技术实际是以LIDAR为中心来构建的,它的算法非常依赖于这个激光雷达,以致于到今天Google自己开发了激光雷达,它的激光雷达是128线,这个东西在市面上是买不到的,只有Google自己能做,它有一个非常强的硬件团队。

当下的硅谷有三个比较新的技术潮流:第一,用多颗低线束的LIDAR来替换一颗高线束。第二,LIDAR和Camera,以及其他传感器的融合。第三,对LIDAR点云数据来使用深度学习算法。

我讲一下中国市场的独特性,硅谷的路况还是非常好的,中国的路况非常复杂。这会导致一个情况,比如谷歌的算法平移到中国必然是不行的,且不说中国,Google的算法在湾区开的很好,把它放到匹兹堡做过一次实验,性能下降的很厉害,也就是平均无人工干预的行驶公里数下降的很厉害,因为不可避免的要对当地的路况做一个适应。所以如果你想针对中国市场做一套L4的系统,可能你不太能指望Google或者UBER这样的公司来做,还是要针对中国市场,用中国的数据来做训练集,针对中国市场特性去设计一套算法。这就是给了我们初创公司一个很大的机会,如果我以中国市场为前提,我可以避开几乎所有硅谷巨头的竞争,至少当下是这样的。

最后,介绍一下我们公司,我们自诩为中国实力最强的L4无人驾驶团队,这是有原因的。据我们了解,真正在硅谷一线做过无人车开发的华人,加起来也就30个人左右,不会再多了,而我们的三个创始人都属于这30个人之内,也就是他们都代表硅谷最先进的生产力。具体讲一下,CEO佟显乔是在无人车领域耕耘时间最长的,大概干了有9年时间,参与过nvidia的drive px项目,也是Apple无人车项目的创始员工;CTO衡量在Google负责新一代街景车的开发,后来又被Elon Musk挖到特斯拉,2016年4月,他加入了百度;首席机器人专家周光是大疆全球开发者比赛的第一名,他是一个机器人极客,或者说机器人黑客,也非常擅长深度学习的算法。

大家好,我是郑灿,来自线性资本。线性资本成立于2014年,目前管理两支人民币基金和两支美元基金 。我们主要关注应用数据智能,在人工智能有比较多布局。

AI的创业公司可以分为哪两类?

首先,我想先不太科学的把AI的创业公司分为两类:一类我叫做人工智能的基础设施,就是致力于解决如何把人工智能变得更好用,更简单的应用在通用的行业和问题上面的一类创业企业;另一类是人工智能和行业结合的一类创业企业。

之所以这样分类,是因为这两类创业公司的技术壁垒和销售的落地形式通常有一些不同。

第一类公司的技术壁垒在哪里呢?在我看来,不在特定的算法本身,而在为了让算法无痛地在实际场景落地而做的很多努力。比如做机器学习自动建模的创业团队,关键算法可以从很多论文当中看到,但如何让这个产品方便地集成到一些常见的数据流水线当中去,又如何应用在大规模的模型场景中,是能成为技术壁垒的。

第二类公司的技术壁垒在哪里呢?由于基础设施不停的往前发展,使得人工智能在行业应用当中,这个智能本身,或者说刚才讲的算法和模型本身的这种壁垒大幅的被削弱了。很多时候新的框架和算法都已经被开源了,拿来就可以用。因此,我们认为壁垒较多形成于创始团队对于相关行业的积累。比如我们最近投资的连心医疗专注在智能放疗领域,他的核心技术是基于图像识别的智能靶区勾画,和基于物理模拟的放疗计划生成。但为了让这些技术能真正帮助医生,他们做了好几个系统来改造整个肿瘤科和放射科的工作流程,在这个过程中建立了自己的壁垒。

数据能不能成为壁垒?

在我们看来,通过特定的途径,拿到一部分的数据本身,这个可能能为你争取一些先发优势,然而,随着后续业务的展开,最理想的模式是在业务的展开当中,你可以不停地得到新的数据,然后在这些新的数据基础上,持续对你整个系统的能力进行增强,这样不停累积数据的模式中,数据能够形成技术壁垒。这个是技术壁垒的部分。

讲到销售落地呢,首先我们看到目前人工智能基本上还是选择to B的销售方式,一方面,人工智能在产业当中能够产生的价值会比较大;另一方面,企业的付费能力比较强。但是反过来讲,它也面临着传统的to B业务形式的一些挑战。很多时候创业团队会和集成商合作去输出技术,能够在前期比较快地完成销售落地。但是很容易面临被替换,长期而言对于定价和数据积累也都会带来问题。所以还是应该尽量直接面对客户,提供产品和服务。总的来说人工智能的销售,和普通的to B方案的销售没有太大的分别。相对特别的一各方面是人工智能目前在学术前沿比较热,所以在一些特定的行业当中,比如说像医疗,可以通过合作科研的方式去落地。另外对于很多的大公司而言,还处在选择自建还是购买的状态下,这个时候通过联合开发的形式也会比较容易进入到一些大客户当中去。

大家好,我来自英语流利说,我们是做移动在线教育的,是比较典型的人工智能在一个垂直领域的落地。

中国人对教育的重视的确是我们在中国做教育的一个优势,现在,教育最大的问题始终是围绕人,人不可控,老师也是人,也会有情绪波动。

我们希望通过人工智能这些技术或者机器学习的技术解决老师的这个问题,我们希望至少在英语学习这件事情上能够让软件或者说记忆学习,或者很多背后的服务器、数据、计算这种东西代替很多老师要做的事情。

对于像我们这样的公司,我们起步的时候是完全没有基础的,现在人工智能是挺火的,记忆学习也挺火的。刚才几位专家也提到人工智能离不开数据,对于一个创业公司来说你的数据来自于哪里?所以,如果你想做一个人工智能平台,其实很难,真的很难。

我觉得我们当时一个非常巧的点就是说我们找到了一个垂直的市场,并且我们通过比较巧妙的产品,迅速让这个产品起来之后,我们迅速不停收数据,不停的迭代,所以我们才有了今天。

以我们为鉴,一个零基础的公司想要入局人工智能领域,这真的是一个很大的挑战。当然还有一种做法,你做一个非常好的特别功能,你最终的目的是卖给大公司,我觉得这个也是可行的。但是,如果想作为一个独立的公司,最终能够做大,或者走到某一个阶段,其实我觉得这个路径可能都会非常类似。

我们的目标是把老师干掉,以学生为中心,现在基本上整个体验通过线上的,这是我们在探索的,也是我们的想法。其实教育这件事情,包括健身,长久以来一直是不讲结果的。但是大部分其他行业时间越短收费越贵,顺丰当天到和两天到、三天到价格很不一样。所以我们其实是希望通过我们的数据,在我们这是完全数据化一个用户学英语的整个过程。我们一个用户贡献除了语音数据之外,他们每一个学习行为的数据,每一个付费用户大概都是以几万,甚至是十万的数据点计入的,差不多我们现在的付费用户,光用户行为的点都已经超过100亿了,基本上是去卖这个东西。

我们希望最后是按照结果付费,假设你是Level1的学生,你想达到Level3的水平,我们的收费是越快越贵,我们可以给你三个月、六个月、一年的选项,时间越短收费越贵。

以英语为例,其他以前所有的英语都不是这样的,所有的付费方式都是按课时算,你买多少课时我付多少钱,这个课时你随时随地都能用,可以一周上一次,也可以一天上一次,我们的目标希望跟快递一样。

责任编辑: