概要：本文作者 Henry  Shi是美國(guó)人工智能的博士，連續(xù)創(chuàng)業(yè)者，專(zhuān)注于 AI 領(lǐng)域的早期投資（AI List Capital管理合伙人）。

無(wú)論你是 AI 的創(chuàng)業(yè)者、投資人，還是對(duì) AI 技術(shù)感興趣的愛(ài)好者或者是商務(wù)人士，希望我講的內(nèi)容可以對(duì)大家有一定的借鑒意義。

AI的基本認(rèn)知

對(duì) AI 的基本認(rèn)知很簡(jiǎn)單，我們認(rèn)為 AI 的核心就是數(shù)據(jù)驅(qū)動(dòng)來(lái)提升生產(chǎn)力、提升生產(chǎn)效率。凡是滿(mǎn)足這個(gè)條件的，我們基本上認(rèn)為它就具有 AI 公司的特點(diǎn)，即只要是獲得了數(shù)據(jù)并且去利用數(shù)據(jù)來(lái)提升它的整個(gè)生產(chǎn)力、生產(chǎn)效率的，我們認(rèn)為它都具備 AI 的元素。

對(duì) AI 的第二認(rèn)知是：AI 是互聯(lián)網(wǎng)或者移動(dòng)互聯(lián)網(wǎng)發(fā)展的一個(gè)必然結(jié)果，因?yàn)橐苿?dòng)互聯(lián)網(wǎng)和互聯(lián)網(wǎng)創(chuàng)造了大量的數(shù)據(jù)，那么目前來(lái)講互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)當(dāng)中的機(jī)會(huì)應(yīng)該是很有限了，今天你要再做一個(gè)這領(lǐng)域的這個(gè)獨(dú)角獸公司相對(duì)困難，但是 AI 里面有很大的機(jī)會(huì)，我相信大家也非常關(guān)注 AI 公司的融資，在中國(guó)不斷有 AI 公司獲得非常大額的融資，它的整個(gè)估值推高的非常快，這速度可能比以前的互聯(lián)網(wǎng)，移動(dòng)互聯(lián)網(wǎng)公司要快很多，這里面給我們創(chuàng)造了非常大的機(jī)會(huì)，無(wú)論是創(chuàng)業(yè)者還是投資人。

第三方面，我想來(lái)分析一下 AI 公司常見(jiàn)的兩種類(lèi)型，第一種就是直接用 AI 來(lái)解決問(wèn)題的，這里面的一個(gè)代表那就是無(wú)人駕駛，無(wú)人駕駛從一開(kāi)始就是希望用 AI 來(lái)解決駕駛的問(wèn)題，它一開(kāi)始就希望用這種機(jī)器自動(dòng)化的方式來(lái)解決；第二類(lèi)公司是數(shù)據(jù)積累后的一種智能化，或者說(shuō)是互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)公司發(fā)展后自然走向 AI 化，舉個(gè)例子，像 LinkedIn、Facebook，他們?cè)诜e累了大量的數(shù)據(jù)之后，可以用這些數(shù)據(jù)來(lái)做智能的好友推薦，它們的未來(lái)一定會(huì)越來(lái)越智能，未來(lái)很多互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)公司都會(huì)自然的成為 AI 公司。

下面我舉幾個(gè)例子，跟這兩類(lèi) AI 公司相關(guān)的。這里講的公司大部分都是我們投資的，但同時(shí)它也是在后續(xù)輪被美國(guó)非常主流的這些投資機(jī)構(gòu)來(lái)領(lǐng)投的，同時(shí)他們又是 AI 在不同垂直行業(yè)當(dāng)中的很好的范例，我覺(jué)得這幾家公司在對(duì) AI 垂直行業(yè)應(yīng)用方面給大家提供了一些比較具體的例子。

我想講的第一家公司就是叫 EverString，它是直接用 AI 來(lái)解決問(wèn)題的。

因?yàn)?EverString 這些人大都是斯坦福出來(lái)的，他們最早做的事情是幫助 VC 和 PE 來(lái)發(fā)現(xiàn)有潛力的投資標(biāo)的，也就是在 2013 年干的事情，現(xiàn)在大家看到的這張圖，實(shí)際上是他把全球的很多公司的信息做了整合之后，通過(guò)可視化的方式呈現(xiàn)在一張圖上，來(lái)幫助 VC 和 PE 發(fā)現(xiàn)很有價(jià)值的這些標(biāo)的，比如圖上的圈，比較大的這些圓圈可能代表的就是公司體量比較大，增長(zhǎng)速度比較快的這些公司。

通過(guò)這種比較有意思的大數(shù)據(jù)可視化，能夠發(fā)現(xiàn)一些增長(zhǎng)比較快的領(lǐng)域，或者是某些其實(shí)存在很多機(jī)會(huì)的領(lǐng)域，但是暫時(shí)沒(méi)有被主流的 VC 和 PE 盯上，總的來(lái)說(shuō)，這家公司做的是這么一件事情。

但是這件事情其實(shí)當(dāng)時(shí)做得是比較局限的，比如說(shuō)他們后來(lái)發(fā)現(xiàn)，這個(gè)市場(chǎng)太小，雖然他們提供的東西有價(jià)值，但是很少有 VC 和 PE 會(huì)為他來(lái)進(jìn)行比較大的買(mǎi)單，后來(lái)他們把這個(gè)產(chǎn)品升級(jí)到了一個(gè)大了幾十倍幾百倍的市場(chǎng)，也就是 AI 加銷(xiāo)售的這個(gè)市場(chǎng)，把 AI 用在銷(xiāo)售領(lǐng)域，利用 AI 來(lái)發(fā)現(xiàn)潛在的企業(yè)客戶(hù)。

我們把剛才這個(gè) VC 找項(xiàng)目的例子進(jìn)行深層面的思考。

VC 要找投資項(xiàng)目，投資項(xiàng)目可以認(rèn)為就是 VC 的潛在客戶(hù)，在這種層面上你可以認(rèn)為它是個(gè) B2B 的公司，B2B 的公司希望找到好的企業(yè)客戶(hù)，那么 VC 只是這種 B2B 公司當(dāng)中的一小類(lèi)。實(shí)際上有大量的 B2B 公司都要找到企業(yè)客戶(hù)，比如說(shuō)現(xiàn)在的圖中展示的是 EverString 現(xiàn)在的一些客戶(hù)，包括 Salesforce、Oracle、IB+M 等等，這些都是非常大的企業(yè)。他們都要找到很多企業(yè)客戶(hù)。

那 EverString 干的事情是當(dāng)企業(yè)有一大堆潛在的客戶(hù)時(shí)候，在我這張圖上的這個(gè)左邊，就是說(shuō)這些灰色的人頭，就是說(shuō)每個(gè)人頭可能都是個(gè)潛在的企業(yè)客戶(hù)，那么你可能會(huì)有很多很多，比如說(shuō)這個(gè)數(shù)以萬(wàn)計(jì)的潛在企業(yè)客戶(hù)，你給一個(gè)企業(yè)過(guò)來(lái)，其實(shí)對(duì)企業(yè)來(lái)說(shuō)，我要去跟這些客戶(hù)聊，我要去銷(xiāo)售，選擇合適的企業(yè)客戶(hù)來(lái)進(jìn)行銷(xiāo)售是很重要的，這個(gè)是很提高效率，減少銷(xiāo)售人員的很多重復(fù)浪費(fèi)工作，相當(dāng)于提升他們效率，減少他們浪費(fèi)很多時(shí)間在不太可能的客戶(hù)上。

在拿到了很多潛在客戶(hù)之后，EverString 就要進(jìn)行下一步工作了：將企業(yè)已有的客戶(hù)數(shù)據(jù)進(jìn)行比對(duì)、分析，比如去分析這些潛在客戶(hù)的 Web  Bhev。舉個(gè)例子，比如亞馬遜，我發(fā)現(xiàn)有個(gè)客戶(hù)，他現(xiàn)在可能就在網(wǎng)上招一些能夠做云服務(wù)、云計(jì)算方面的一些人，很可能這家公司就是在云計(jì)算、云平臺(tái)方面有很大的需求。比如說(shuō)有的公司可能剛剛新融一輪資，并且它說(shuō)要在某些方面進(jìn)行重要的戰(zhàn)略性的發(fā)展，那么這些數(shù)據(jù)的分析也可以為這個(gè)企業(yè)，提供潛在客戶(hù)這種篩選的信息。

總的來(lái)說(shuō)通過(guò)在大量的客戶(hù)當(dāng)中去挑選出一些非常有潛力的客戶(hù)，其中結(jié)合了 CRM 還有一些用戶(hù)網(wǎng)上的行為，最終他可以給很多潛在客戶(hù)進(jìn)行打分，就是這里面這張圖里面的最后一步，每個(gè)潛在用戶(hù)都給他打了一個(gè)數(shù)字的分?jǐn)?shù)，分?jǐn)?shù)越高就是越有可能，之后就可以讓公司的銷(xiāo)售人員優(yōu)先去和這些客戶(hù)聊。

在這樣的一個(gè)轉(zhuǎn)型升級(jí)之后，EverString 發(fā)展的非常快，他們基本在美國(guó)要進(jìn)入獨(dú)角獸的行業(yè)，他們現(xiàn)在也是硅谷在 AI 領(lǐng)域發(fā)展的很有潛力的一家 B2B 的公司。

總結(jié)一下上面講的例子，這家公司擁有的兩個(gè)屬性：第一是 AI 加銷(xiāo)售的一個(gè)垂直行業(yè)應(yīng)用；第二是這家公司直接用 AI 來(lái)解決問(wèn)題的。

我再講一家我們投資的也是用 AI 來(lái)解決問(wèn)題的一家安防公司。

這家公司用 AI 來(lái)防護(hù)自動(dòng)化的網(wǎng)絡(luò)攻擊。什么叫自動(dòng)化的網(wǎng)絡(luò)攻擊？根據(jù)一項(xiàng)權(quán)威的研究表明，其實(shí) 90% 以上的登錄頁(yè)面訪(fǎng)問(wèn)都來(lái)自于自動(dòng)化程序，也就是 Bot，什么意思呢？比如說(shuō)你是一個(gè)類(lèi)似淘寶的電子商務(wù)網(wǎng)站，規(guī)模比較大，其實(shí)大量的登錄行為，用戶(hù)名和密碼這種行為都不是來(lái)自人，而是來(lái)自這個(gè)機(jī)器程序，機(jī)器程序這種登陸行為的目的是什么？當(dāng)然是想盜取帳戶(hù)，那怎么盜取？

實(shí)際上大家很多時(shí)候在不同的網(wǎng)站上，注冊(cè)用戶(hù)名和密碼的時(shí)候都用的是同一套，但是很多網(wǎng)站其實(shí)它的安全性做得是很差的，比如說(shuō)很多黑客程序就可能會(huì)侵入到一些安全性比較差的這些論壇、網(wǎng)站，然后把你的用戶(hù)名密碼信息泄露出去，又有大量的這種 Bot 拿著這些信息去很多主流的網(wǎng)站上去測(cè)試，比如說(shuō)電商、銀行、航空公司等等，在各種網(wǎng)站上測(cè)試，很容易就會(huì)竊取進(jìn)去，只要用戶(hù)名和密碼配對(duì)成功，它就登錄進(jìn)去了，那就可能給你造成很大的損失，Shape  Security 這家公司就是來(lái)解決這個(gè)問(wèn)題的。

Shape 的客戶(hù)是誰(shuí)呢？比如就是淘寶，Shape 的目的是幫助淘寶去分析出來(lái)登錄我淘寶這些人到底是人還是 Bot。如果是 Bot，就要把它給阻攔掉，這個(gè) Shape 也發(fā)展的非常快，它也基本上就是要達(dá)到這個(gè)獨(dú)角獸的行列了，它的投資方也都是美國(guó)頂級(jí)的 VC，像 KPCB，Google，Ventures 等等，這張圖是 Shape 的一個(gè)很好的體現(xiàn)。

你看到這張圖上面，這個(gè)黑色的區(qū)域體現(xiàn)的就是這個(gè)網(wǎng)站的訪(fǎng)問(wèn)量，那么在啟動(dòng) Shape 之前，網(wǎng)站雖然訪(fǎng)問(wèn)量很高，但是大量都是由 Bot 產(chǎn)生的，那 Shape 運(yùn)行之后，Bot 的登陸就被大大的過(guò)濾，這個(gè)訪(fǎng)問(wèn)量就非常正常了，基本上就是來(lái)自人，Shape 就干了這個(gè)事情。

你可能會(huì)問(wèn)說(shuō)，那這個(gè) Shape 的 AI 用的是什么？這里的 AI 主要是去判斷這個(gè)登錄行為來(lái)自人還是來(lái)自 Bot，這個(gè)判斷并不是那么容易的，而且現(xiàn)在 Bot 也越來(lái)越智能了，它其實(shí)是用 AI 去反 AI，其實(shí)和這種殺毒軟件等等也比較像，但是 Shape 解決的這個(gè)問(wèn)題是很多現(xiàn)有的防火墻，殺毒軟件等等的不太能解決的。這也是為什么 Shape 它的客戶(hù)全是美國(guó)非常頂級(jí)的，最大的銀行、最大的航空公司，還有像星巴克等等，都是它的大型客戶(hù)。它也是 AI 在垂直領(lǐng)域，也就是安防當(dāng)中的一個(gè)非常好的應(yīng)用，而且它是直接用 AI 來(lái)解決問(wèn)題的，解決的就是這個(gè)程序攻擊的這個(gè)問(wèn)題。

我要講的第三家公司 ObEN，也是我們?cè)缙谕顿Y的一個(gè)公司，它也是有 AI 來(lái)解決問(wèn)題。這個(gè) ObEN 這家公司干的事情是挺有意思的，它是 AI 在娛樂(lè)行業(yè)的一個(gè)應(yīng)用，它能夠幫你建立人工智能的虛擬形象。

比如說(shuō)大家看這里的這個(gè)第一張圖，這是 ObEN 的兩個(gè)創(chuàng)始人，給了一張照片之后，它在他們的右邊就生成了他的人工智能虛擬形象，然后這個(gè)虛擬形象就不僅表情動(dòng)作和它很像，聲音也非常像。可能大家也或多或少了解這個(gè)技術(shù)，比如說(shuō)在很多的影視當(dāng)中也有應(yīng)用。

ObEN 的核心亮點(diǎn)就是說(shuō)它能夠用很快速的方式來(lái)建立這種虛擬形象，并且賦予它娛樂(lè)的應(yīng)用場(chǎng)景。比如說(shuō)它要建立聲音模型，只需要兩分鐘的音頻；它要建立頭像表情的這種形象，只需要少數(shù)的幾張照片，當(dāng)然數(shù)據(jù)越多，它的效果肯定是越好的，但是它可以快速的生成。

比如說(shuō)在這里，可以看到最右邊的這張圖，就是它把公司這位印度籍的創(chuàng)始人的虛擬形象構(gòu)造出了，讓他在一個(gè)有點(diǎn)像這種 BR、AR 的場(chǎng)景當(dāng)中唱歌，而且還能讓他唱中文的歌曲，用的還是這個(gè)人自己的的這種聲調(diào)，這些都是它的應(yīng)用。它也可以讓你唱出周杰倫的感覺(jué)，甚至可以做到非常像，它也可以讓你去建立周杰倫的聲音，讓他去唱另一個(gè)歌手的歌曲，甚至可以讓周杰倫來(lái)講這個(gè)郭德剛的相聲，這些都可以做到。

ObEN 它發(fā)展的非常快，它的投資方很強(qiáng)，包括軟銀，騰訊，華人文化，SM 娛樂(lè)等。SM 娛樂(lè)是韓國(guó)非常知名的娛樂(lè)公司，并且在去年 ObEN 和 SM 娛樂(lè)合資，合作成立了一家合資公司，就是叫 AI  Stars，就叫幻星，核心就是用 AI 來(lái)為 SM 旗下的很多明星提供虛擬形象的服務(wù)。

你可能會(huì)問(wèn)明星造了這個(gè)虛擬形象目的是什么呢？其實(shí)這個(gè)目的之一就是能夠和粉絲更好的互動(dòng)，你可以想象，未來(lái)每個(gè)明星他都有一個(gè)虛擬形象，你可以通過(guò)一個(gè) APP 去跟他互動(dòng)，比如說(shuō)你可以和周杰倫進(jìn)行互動(dòng)，你會(huì)問(wèn)他很多問(wèn)題，他都會(huì)盡量給你回答，有些問(wèn)題他可能一時(shí)答不好，但是他可能就是通過(guò)后臺(tái)他的經(jīng)紀(jì)公司幫他回答了之后，他不斷會(huì)學(xué)習(xí)，可以和人更好的互動(dòng)。而且粉絲跟他互動(dòng)的時(shí)候，他能發(fā)出周杰倫的這個(gè)聲音，還有周杰倫的特有的這種表情等等，甚至用戶(hù)可以點(diǎn)歌，讓他唱什么歌他就給你唱什么歌，這個(gè)就非常有價(jià)值，會(huì)很多粉絲愿意為他進(jìn)行付費(fèi)，應(yīng)該說(shuō)是創(chuàng)造了一種新的娛樂(lè)體驗(yàn)。

ObEN 的整個(gè)發(fā)展它也很快，除了和 SM 合作，比如說(shuō)在中國(guó)它現(xiàn)在就在跟 SNH48 在合作。其他地方也有很多應(yīng)用，包括它和微信等等這些企業(yè)也有合作。所以 ObEN 也是我講的一家 AI 在垂直行業(yè)的應(yīng)用公司，它在娛樂(lè)行業(yè)來(lái)進(jìn)行運(yùn)用，也是用 AI 來(lái)直接解決這個(gè)問(wèn)題的。并且現(xiàn)在 ObEN，它在布局整個(gè)區(qū)塊鏈，它推出了全球第一個(gè)分布式的社交 AI 的平臺(tái)，結(jié)合了區(qū)塊鏈。

AI公司分析的維度

那么接下來(lái)我想分享一下作為一個(gè)投資人，我們分析 AI 公司可能有哪些維度，當(dāng)然我們分析的維度其實(shí)非常多，這里我核心想講兩個(gè)維度，可能對(duì)大家理解 AI 公司以及創(chuàng)業(yè)會(huì)有比較好的幫助。

第一個(gè)維度就是價(jià)值。

就是 AI 在這個(gè)里面到底扮演的是什么樣的價(jià)值，這個(gè)問(wèn)題很重要，因?yàn)樗绊懙搅诉@個(gè)公司的商業(yè)模式和估值。當(dāng)然從投資角度來(lái)說(shuō)，投資就是尤其我們這種早期投資就是價(jià)值投資，你有足夠的價(jià)值才值得投資，才能讓我們看到未來(lái)增長(zhǎng)的潛力。那 AI 在這些很多公司當(dāng)中這個(gè)價(jià)值主要體現(xiàn)在兩個(gè)層面：

第一個(gè)層面就是提高效率降低成本，就是前面講的叫提高生產(chǎn)率，比如說(shuō)它能降低客戶(hù)獲取成本，可能它減少了客戶(hù)流失率，或者降低了人工成本等等，比如說(shuō)無(wú)人駕駛就明顯就是降低人工成本，這是一種價(jià)值。

另一種價(jià)值是它可能會(huì)創(chuàng)造新的價(jià)值，比如說(shuō) ObEN，ObEN 它這個(gè)東西有減少什么成本嗎？某種意義上說(shuō)是，比如說(shuō)它減少了明星和粉絲互動(dòng)的成本，提高了互動(dòng)的效率，但是從一個(gè)更廣義的角度來(lái)說(shuō)，這種 AI 在娛樂(lè)當(dāng)中的應(yīng)用它往往在創(chuàng)造新的價(jià)值，就是說(shuō)它可能會(huì)產(chǎn)生新的用戶(hù)行為，這樣的話(huà)就幫助公司產(chǎn)生了新的收入來(lái)源，或者它能夠幫公司很好的擴(kuò)大這個(gè)用戶(hù)群，也就是說(shuō)，AI 可能有的時(shí)候，它不是那么直接的降低了成本提高了效率，而是它可能創(chuàng)造了新的價(jià)值，它為企業(yè)找到了一些新的和用戶(hù)進(jìn)行互動(dòng)的方式。

那么剛才說(shuō)到了壁壘，AI 公司分析的我們覺(jué)得就是第二個(gè)緯度就是壁壘。

壁壘很關(guān)鍵，你有價(jià)值，但是你有沒(méi)有壁壘？有沒(méi)有競(jìng)爭(zhēng)力呢？壁壘的話(huà)，我們首先看到這么第一張圖就是一個(gè)三角形，如果我們把 AI 公司來(lái)進(jìn)行分析的話(huà)，事實(shí)上它可以分成三類(lèi)：

1. 最底層就是做基礎(chǔ)架構(gòu)的，比如說(shuō)包括了云計(jì)算，芯片等等；

2. 上層就是通用技術(shù)，就是比如說(shuō)像科大訊飛就是做語(yǔ)音識(shí)別的；

3. 再上層就是叫垂直行業(yè)應(yīng)用，就是我們認(rèn)為 AI 和行業(yè)的應(yīng)用是創(chuàng)業(yè)公司的戰(zhàn)略高地。

為什么呢？因?yàn)橥ㄓ眉夹g(shù)和基礎(chǔ)架構(gòu)往往都是大公司做得，或者說(shuō)它往往需要大量的人力和財(cái)力，很多創(chuàng)業(yè)公司在這里面的機(jī)會(huì)并不大，或者現(xiàn)在再進(jìn)入的話(huà)也很難有獨(dú)特的這個(gè)優(yōu)勢(shì)了。并且像通用技術(shù)，很多大公司在做了比較成熟之后，我相信一定會(huì)開(kāi)源，或者以非常低價(jià)的方式來(lái)讓創(chuàng)業(yè)公司使用，形成它的一種生態(tài)。

那還有一個(gè)維度，我也想補(bǔ)充的，就是叫技術(shù)分析維度。

這個(gè)也是我們?cè)谧鐾顿Y時(shí)候要思考，而且我覺(jué)得對(duì)于創(chuàng)業(yè)者來(lái)說(shuō)也是個(gè)非常關(guān)鍵性的問(wèn)題。

就是在這張圖上，這里我提供兩張圖，第一張圖就是說(shuō)：任何一個(gè)行業(yè)應(yīng)用它其實(shí)對(duì)于準(zhǔn)確率來(lái)講都有一定的要求的。比如說(shuō)在這里就是紅線(xiàn)，比如說(shuō)自動(dòng)駕駛，它的準(zhǔn)確率的要求就非常高。比如說(shuō)用 AI 來(lái)做醫(yī)學(xué)影像的分析，也要有一定的準(zhǔn)確率，往往這個(gè)準(zhǔn)確率是和人相比的。但是有的時(shí)候，它比人的要求更苛刻，比如說(shuō)無(wú)人駕駛，人駕駛可能事故率還是比較高的，但是人們覺(jué)得 AI 的應(yīng)用時(shí)候，事故率得低的多，但是 AI 算法到底能做到多少準(zhǔn)確率？

那么前面我講到的這個(gè)概念可以從一個(gè)方面來(lái)講，就是在應(yīng)用當(dāng)中它其實(shí)是有風(fēng)險(xiǎn)差異的，有些叫高風(fēng)險(xiǎn)應(yīng)用，比如說(shuō)無(wú)人駕駛、比如說(shuō) Shape  Security 做安防的，安防的這個(gè)要求很高的，別人用了你的系統(tǒng)萬(wàn)一出了問(wèn)題損失會(huì)很大；有些是低風(fēng)險(xiǎn)應(yīng)用，比如說(shuō) Ever  String 給你推薦企業(yè)客戶(hù)這一類(lèi)的，推薦錯(cuò)了問(wèn)題也不是那么大，無(wú)非就浪費(fèi)了你一些銷(xiāo)售的資源；ObEN 做娛樂(lè)的，你說(shuō)它聲音不是那么逼真可能風(fēng)險(xiǎn)也不大；Honey 也是，它給你做智能的消費(fèi)，給你推薦了一些商品不是那么準(zhǔn)確，也還好，它至少不是一個(gè)高風(fēng)險(xiǎn)應(yīng)用。我們一定要去想明白，我們的應(yīng)用是什么類(lèi)型的。

還有一個(gè)就是在沒(méi)有足夠多訓(xùn)練數(shù)據(jù)，把算法提升到達(dá)到行業(yè)應(yīng)用要求的時(shí)候，或者準(zhǔn)確率還不夠高的時(shí)候，怎么來(lái)解決這個(gè)問(wèn)題呢？那么往往是通過(guò)合理的產(chǎn)品設(shè)計(jì)來(lái)解決的，比如說(shuō) ObEN，ObEN 這種技術(shù)用很短的聲音，用少量的圖片，沒(méi)有辦法做到很高精度的這種人工智能虛擬形象，沒(méi)有辦法做到這種電影級(jí)別的、特效級(jí)別的效果，我就增加它的娛樂(lè)性，可以看到它的很多應(yīng)用就是可以做很多的娛樂(lè)方面的功能，人們就覺(jué)得挺有意思的。并且有的時(shí)候可以加入人工輔助，比如說(shuō) AI 不是百分之百都能解決問(wèn)題的，AI 解決不好時(shí)候前期就可以讓人來(lái)介入，直到又獲得了很多訓(xùn)練數(shù)據(jù)之后再變得更加智能。

AI在垂直行業(yè)的應(yīng)用和中美對(duì)比

我們今天講得其實(shí)就是 AI 在垂直行業(yè)上的應(yīng)用。我前面已經(jīng)給大家舉了不少例子，今天沒(méi)有太多時(shí)間，我們?nèi)ヒ粋€(gè)個(gè)探討在不同行業(yè)上到底有什么樣的應(yīng)用，那些場(chǎng)景的這個(gè)探討，我其實(shí)前段時(shí)間在長(zhǎng)江商學(xué)院講了好幾個(gè)小時(shí)，就是去剖析 AI 在不同行業(yè)當(dāng)中的這個(gè)應(yīng)用場(chǎng)景，今天這個(gè)時(shí)間關(guān)系我們只能說(shuō)做一些大致的總結(jié)，未來(lái)有機(jī)會(huì)，我還是可以跟大家去做些剖析。

那么 AI 現(xiàn)在在各個(gè)行業(yè)應(yīng)該說(shuō)都有很多應(yīng)用的機(jī)會(huì)，而且確實(shí)也應(yīng)用的非常火熱。我們覺(jué)得有一個(gè)比喻可以比較好的理解 AI 它的這種應(yīng)用的時(shí)候的這種功效，就是從照相機(jī)和攝像機(jī)的區(qū)別。

以前沒(méi)有人工智能的時(shí)候，數(shù)據(jù)獲取很像一個(gè)照相機(jī)，比如說(shuō)我們?cè)诳紤] AI 和教育相結(jié)合的時(shí)候，以前學(xué)生可能每個(gè)月做一次考試，老師就會(huì)知道這個(gè)學(xué)生的表現(xiàn)怎么樣，它就像照相機(jī)定期給你拍一下。但是一旦結(jié)合 AI，它其實(shí)能夠分析這個(gè)學(xué)生整個(gè)的學(xué)習(xí)過(guò)程，它能夠去監(jiān)控他，能夠去更高密度的獲得他的學(xué)習(xí)數(shù)據(jù)，就像一個(gè)攝像機(jī)一樣，它整天拍著，這個(gè)數(shù)據(jù)量就不一樣，作為一個(gè)系統(tǒng)其實(shí)就可以在更短的時(shí)間內(nèi)了解這個(gè)學(xué)員，這個(gè)用戶(hù)的使用情況，來(lái)對(duì)他進(jìn)行一些處理，這就形成了一種數(shù)據(jù)驅(qū)動(dòng)，而且是高密度的數(shù)據(jù)驅(qū)動(dòng)的這樣一種應(yīng)用潛力。

所以 AI 在很多行業(yè)當(dāng)中的應(yīng)用都符合這個(gè)邏輯，就是在有大量的數(shù)據(jù)之后，AI 可以做到自動(dòng)化、個(gè)性化、自適應(yīng)等等這些特點(diǎn)，數(shù)據(jù)越多，當(dāng)然你就可以做到個(gè)性化、自適應(yīng)這種千人千面這樣的特點(diǎn)。所以這就是 AI 在垂直行業(yè)應(yīng)用的我覺(jué)得是比較基礎(chǔ)的一個(gè)思考。

舉幾個(gè)例子，比如說(shuō) AI 在醫(yī)療方面的運(yùn)用，用 AI 來(lái)看醫(yī)學(xué)影像，這個(gè)大家應(yīng)該都很了解，那么這里面做得很多的就是自動(dòng)化，快速的把這種專(zhuān)家的經(jīng)驗(yàn)學(xué)習(xí)過(guò)來(lái)，然后來(lái)做分析。比如說(shuō)個(gè)性化診療，根據(jù)你的這些情況，根據(jù)以往的歷史數(shù)據(jù)，它可以幫你做更個(gè)性化的診療方案，這個(gè)就是一種個(gè)性化；比如說(shuō) AI 在教育方面的應(yīng)用，現(xiàn)在一個(gè)很熱的方向就是自適應(yīng)學(xué)習(xí)，就是能夠更快速地、更高密度地獲得你的學(xué)習(xí)數(shù)據(jù)之后，為每個(gè)用戶(hù)進(jìn)行建模，然后來(lái)為他提供自適應(yīng)學(xué)習(xí)的方案，讓每個(gè)人的學(xué)習(xí)路徑都可以有所不同。這也是貪心科技，就是我進(jìn)行投資并且我在深度參與的這么一家公司在做的事情。我們貪心科技就是想把人工智能和在線(xiàn)教育相結(jié)合，來(lái)更好地分析每個(gè)學(xué)員的學(xué)習(xí)數(shù)據(jù)，為他進(jìn)行建模，提升他的學(xué)習(xí)效率。

說(shuō)到中美對(duì)比，總結(jié)一下，大概有這么幾點(diǎn)：

第一點(diǎn)，目前我們還是覺(jué)得美國(guó)的人才優(yōu)勢(shì)是很大的。美國(guó)在 AI 的基礎(chǔ)人才方面是中國(guó)的 10 倍以上，因?yàn)楹芏啻蠊靖咝６际腔撕艽蟮馁Y本在培養(yǎng)這些人才。中國(guó)的人才優(yōu)勢(shì)會(huì)弱，但現(xiàn)在也在不斷增長(zhǎng)。根據(jù)我在國(guó)內(nèi)的很多了解，AI 人才其實(shí)是非常緊缺的，我相信極客邦的平臺(tái)也正在幫助推動(dòng) AI 的人才的建設(shè)，我覺(jué)得非常好。短期來(lái)說(shuō)美國(guó)還是具備優(yōu)勢(shì)，但中國(guó)的市場(chǎng)優(yōu)勢(shì)，我覺(jué)得是非常有吸引力的，中國(guó)的整體市場(chǎng)非常大，而且現(xiàn)在很多公司愿意去結(jié)合創(chuàng)新，這是中國(guó)優(yōu)勢(shì)。所以我們作為一家 AI 的風(fēng)險(xiǎn)投資機(jī)構(gòu)，我們也很希望把美國(guó)的優(yōu)秀的人才、優(yōu)秀的技術(shù)去和中國(guó)市場(chǎng)做對(duì)接，這也是我一直在努力的這個(gè)方向。

第二點(diǎn)，中國(guó)已經(jīng)把 AI 上升到一個(gè)國(guó)家戰(zhàn)略層面了。十九大之后各地都在主推 AI，這個(gè)其實(shí)是美國(guó)相對(duì)來(lái)說(shuō)比較弱的，中國(guó)一旦政府主推一些事情一般成效都會(huì)非常大，它會(huì)引起整個(gè)資本市場(chǎng)，整個(gè)這些創(chuàng)業(yè)生態(tài)的一個(gè)很大的變化，人們更愿意去擁抱人工智能。所以這點(diǎn)，我們覺(jué)得在中國(guó)創(chuàng)業(yè)有很大的機(jī)會(huì)。

第三點(diǎn)，中國(guó)其實(shí)在一些門(mén)檻比較高的行業(yè)，我覺(jué)得有 AI 的應(yīng)用的機(jī)會(huì)，比如說(shuō)像能源、安防、農(nóng)業(yè)、制造等等。這些行業(yè)往往資源相對(duì)壟斷一點(diǎn)，但是現(xiàn)在因?yàn)閲?guó)家戰(zhàn)略之后，這些行業(yè)也都在尋求 AI 化，而且我覺(jué)得 AI 化在這些行業(yè)肯定是個(gè)必然，你不去做，往往就失去了這種轉(zhuǎn)型的機(jī)會(huì)了。因?yàn)檫@些行業(yè)門(mén)檻比較高，資源相對(duì)壟斷，所以創(chuàng)業(yè)公司可能進(jìn)入的周期會(huì)長(zhǎng)一點(diǎn)，不是說(shuō)那么容易獲得數(shù)據(jù)并且做起來(lái)的，但是我覺(jué)得有很大的機(jī)會(huì)。這方面我覺(jué)得可以借鑒美國(guó)，因?yàn)槊绹?guó)一方面在這些領(lǐng)域相對(duì)比中國(guó)來(lái)說(shuō)更加市場(chǎng)化，比如說(shuō)在能源，在農(nóng)業(yè)制造等等方面，甚至安防你可以看到美國(guó)有很多不錯(cuò)的 AI 公司，我覺(jué)得中國(guó)可以在這方面多借鑒，大家如果對(duì)這些特定領(lǐng)域很感興趣，我們也可以有機(jī)會(huì)多交流。

給 AI 創(chuàng)業(yè)者的建議

最后我想講一下，就是創(chuàng)業(yè)的建議。有幾點(diǎn)建議，可能給大家一些啟發(fā)。

第一個(gè)就是 AI 公司現(xiàn)在估值應(yīng)該會(huì)趨于理性，人才紅利降低。2017 年有很多 AI 公司估值都非常高，我相信 2018 年應(yīng)該也是這樣，但相對(duì)來(lái)說(shuō)估值會(huì)稍微理性一點(diǎn)，因?yàn)楹芏鄸|西在風(fēng)口上，它都有一個(gè)很狂熱后逐漸冷卻的過(guò)程，但是相對(duì)來(lái)說(shuō) AI 公司的估值還是非常高的，因?yàn)樗恼麄€(gè)市場(chǎng)潛力非常大，我們預(yù)測(cè)它會(huì)更趨于理性一點(diǎn)。人才紅利降低就是說(shuō)以前你可能團(tuán)隊(duì)里有一兩個(gè) AI 很牛的人，你的公司的估值就會(huì)做得非常高，靠稀缺性人才就可能非常吸引資本，那么這樣的一種紅利可能會(huì)有所降低，就是說(shuō)投資人也不只是看這一兩個(gè) AI 大牛，它還是要更關(guān)注公司的基本面，這是第一個(gè)建議。

第二個(gè)建議也是和第一個(gè)建議緊密相關(guān)，就是在第一種環(huán)境下，我覺(jué)得大家要更早地去確定付費(fèi)用戶(hù)和盈利模式。如果你在創(chuàng)業(yè)的時(shí)候，要去說(shuō)服投資人，你需要讓他看到實(shí)際的有用戶(hù)愿意付費(fèi)，你要有清晰的盈利模式。當(dāng)然很早期的公司可能還很難確定付費(fèi)用戶(hù)，那么至少你能找到一些有意向付費(fèi)的，先期的這些用戶(hù)，我覺(jué)得非常重要。

第三點(diǎn)是可以多考慮在發(fā)展過(guò)程中去引入一些戰(zhàn)略投資。戰(zhàn)略投資方往往能夠給這些創(chuàng)業(yè)公司帶來(lái)非常關(guān)鍵的行業(yè)資源，還有推出渠道。這個(gè)在創(chuàng)業(yè)公司在融資的時(shí)候可以多去考慮。大家也可以看到就是這些 AI 公司融到的資很多都是來(lái)自投資方的戰(zhàn)略投資。很多 AI 公司都關(guān)注，比如說(shuō)無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這些方面，因?yàn)檫@個(gè)基于監(jiān)督學(xué)習(xí)的很多東西技術(shù)方面都應(yīng)用的很多了，那么在這些方面可以多加關(guān)注，AlphaGo Zero 就是個(gè)很好的例子。

第四個(gè)建議，是把握 AI 發(fā)展的趨勢(shì)。作為投資人，我分享幾個(gè)我看到的未來(lái) 1-2 年的趨勢(shì)。從壁壘上說(shuō)，AI 創(chuàng)業(yè)公司正在通過(guò)以下三個(gè)方式提升壁壘，包括 1）結(jié)合硬件（關(guān)注一下 CES） 2）B2C 的商業(yè)模式（可以形成獨(dú)有的數(shù)據(jù)壁壘）3）滲透門(mén)檻更高的傳統(tǒng)行業(yè)（如吳恩達(dá)創(chuàng)立的 AI+ 制造的公司 Landing.ai）。從技術(shù)上說(shuō)，大部分 AI 創(chuàng)業(yè)公司采用監(jiān)督學(xué)習(xí)算法比較多，無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)應(yīng)該還有很大的應(yīng)用潛力，比如 2017 年 AlphaZero 的成功。另外，隨著最近區(qū)塊鏈成為風(fēng)口，AI 和區(qū)塊鏈的應(yīng)用也備受關(guān)注。區(qū)塊鏈在解決數(shù)據(jù)安全和共享方面，和 AI 有著很好的結(jié)合點(diǎn)，相信會(huì)產(chǎn)生不少有價(jià)值的應(yīng)用場(chǎng)景。