標籤：

VC眼中的人工智慧！

04-13

原文來自於貪心科技公眾號

Henry Shi 美國人工智慧的博士，連續創業者，同時專註在於 AI 領域的早期投資（AI List Capital管理合伙人）。致力於對人工智慧在美國和中國不同行業應用的研究。帶領團隊研究了全球超過五千家人工智慧公司，重點分析他技術和商業模式。

同時是貪心科技的內容合伙人。貪心科技是一家人工智慧和教育相結合的公司，成立於美國洛杉磯。貪心科技旗下的貪心學院是國內首家以 AI 和大數據內容為主的自適應學習平台。平台提供最專業、最標準化的 AI 課程體系，通過人工智慧技術給每一位用戶提供量身定做的個性化學習路徑。

貪心科技

大家可以關注公眾號「貪心科技」來了解這家公司，在文章末尾附有公眾號二維碼。

無論你是 AI 的創業者、投資人，還是對 AI 技術感興趣的愛好者或者是商務人士，本文對大家有一定的借鑒意義。

四大主題：

  • AI 的基本認知，從投資的角度講，我們是怎麼認知 AI 的；
  • AI 公司分析的一些維度；
  • AI 在垂直行業的應用和中美對比；
  • 創業的建議。

AI的基本認知

對 AI 的基本認知很簡單，我們認為 AI 的核心就是數據驅動來提升生產力、提升生產效率。凡是滿足這個條件的，我們基本上認為它就具有 AI 公司的特點，即只要是獲得了數據並且去利用數據來提升它的整個生產力、生產效率的，我們認為它都具備 AI 的元素。

對 AI 的第二認知是：AI 是互聯網或者移動互聯網發展的一個必然結果。因為移動互聯網和互聯網創造了大量的數據，那麼目前來講互聯網、移動互聯網當中的機會應該是很有限了，今天你要再做一個這領域的這個獨角獸公司相對困難，但是 AI 裡面有很大的機會，我相信大家也非常關注 AI 公司的融資，在中國不斷有 AI 公司獲得非常大額的融資，它的整個估值推高的非常快，這速度可能比以前的互聯網，移動互聯網公司要快很多，這裡面給我們創造了非常大的機會，無論是創業者還是投資人。

第三方面，我想來分析一下 AI 公司常見的兩種類型，第一種就是直接用 AI 來解決問題的，這裡面的一個代表那就是無人駕駛，無人駕駛從一開始就是希望用 AI 來解決駕駛的問題，它一開始就希望用這種機器自動化的方式來解決；第二類公司是數據積累後的一種智能化，或者說是互聯網、移動互聯網公司發展後自然走向 AI 化，舉個例子，像 LinkedIn、Facebook，他們在積累了大量的數據之後，可以用這些數據來做智能的好友推薦，它們的未來一定會越來越智能，未來很多互聯網、移動互聯網公司都會自然的成為 AI 公司。

AI 在垂直行業的應用：直接用AI來解決問題

下面給大家分享四家公司：

  • EverString 是一家 用AI 來解決銷售問題的一家公司；
  • Shape Security 是 AI 和安防相結合的公司；
  • ObNE 是 AI 和娛樂相結合的公司；
  • Honey 是一個互聯網公司升級成的一個具有 AI 屬性的公司，它是用 AI 來解決消費當中的問題。

AI+銷售：EverString

EverString將企業已有的客戶數據進行比對、分析，比如去分析這些潛在客戶的 Web Bhev。通過在大量的客戶當中去挑選出一些非常有潛力的客戶，結合了CRM 還有一些用戶網上的行為，最終他可以給很多潛在客戶進行打分，就是這裡面這張圖裡面的最後一步，每個潛在用戶都給他打了一個數字的分數，分數越高就是越有可能，之後可以讓公司的銷售人員優先去和這些客戶聊。EverString 發展的非常快，他們基本在美國要進入獨角獸的行業，他們現在也是矽谷在 AI 領域發展的很有潛力的一家 B2B 的公司。現在的一些客戶，包括 Salesforce、Oracle、IBM 等等。

AI+安防: Shape Security

這家公司用 AI 來防護自動化的網路攻擊。目前 90% 以上的登錄頁面訪問都來自於自動化程序，也就是 Bot。意思是當今大量的電子商務網站（例如淘寶），都面臨機器程序（非人）進行登錄的行為。一旦遇到黑客程序侵入安全性較差的論壇、網站，並把你的用戶名密碼信息泄露出去，加上又有大量的這種 Bot 拿著這些信息去很多主流的網站上去測試，比如說電商、銀行、航空公司等等。在各種網站上測試，很容易就會竊取進去，只要用戶名和密碼配對成功，它就登錄進去了，那就可能給你造成很大的損失。

Shape Security 這家公司就是來解決這個問題的。Shape 的目的是幫助淘寶去分析出來登錄網站這些人到底是人還是 Bot。如果是 Bot，就要把它給阻攔掉。 Shape 它的客戶全是美國非常頂級的，最大的銀行、最大的航空公司，還有像星巴克等等。Shape 發展迅速也基本上就是要達到這個獨角獸的行列了。它的投資方也都是美國頂級的 VC，像 KPCB，Google Ventures 等等。

AI+娛樂: ObEN

ObEN 的核心亮點就是說它能夠用很快速的方式來建立這種虛擬形象，並且賦予它娛樂的應用場景。比如說它要建立聲音模型，只需要兩分鐘的音頻；它要建立頭像表情的這種形象，只需要少數的幾張照片，當然數據越多，它的效果肯定是越好的，但是它可以快速的生成。

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

ObEN的投資方很強，包括軟銀，騰訊，華人文化，SM 娛樂等。SM 娛樂是韓國非常知名的娛樂公司，並且在去年 ObEN 和 SM 娛樂合資，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 來為 SM 旗下的很多明星提供虛擬形象的服務。同時ObEN也是人工智慧和區塊鏈的一個很好的結合。

AI+消費: Honey

Honey 是一個瀏覽器的插件。用戶在美國六千多家電子商務網站進行消費的時候，Honey 會自動幫你找到，用戶要買的這些東西的最便宜的購物券coupon。這是美國電商推廣自己的一個很重要的一個方式，同時也有很多消費者會在 check out 時候主動去尋找購物優惠券。但這個行為有著相當大的時間成本。Honey就把這個時間省的非常少，它可能只用零點幾秒就一下子找到你買的這些東西，同時把全網最便宜的 coupon 給你自動的填進去。它的盈利模式比較簡單，就是通過銷售分成。因為它相當於幫助電商進行倒流，所以一般電商就會分給它這個行業大概在百分之三到四的這個commision。

AI 在這個領域的運用主要是兩個層：第一個能夠自動抓取優惠券，這裡面也用到了一些自然語言處理，因為優惠券它可能往往處於不同的形式，有的是結構化的數據，有的是非結構化的數據，就是會出現，那麼 Honey 需要去分析這些數據，相當於把這個優惠券提取出來存到它的資料庫裡面，這是 AI 一個非常簡單的應用，甚至可能大家也不叫它 AI，更多叫它一個智能的爬蟲；那麼第二塊也是它現在打造的叫智能購物助理。Honey 具備的是一個跨了六千多個電商上的用戶行為數據，它更多是能夠幫助你去更智能的購物，你可以想像現在很多電商都有了自動貨物推薦的這個功能，但它實際上是以電商為出發點，核心就是更好的去讓客戶去買單，推薦它更好的東西。但是 Honey 你可以認為是一個從客戶角度方出發的智能助理，他知道你在很多電商上的消費行為，他知道你到底喜歡什麼、敏感什麼，從而幫助你提供更好的購物用戶體驗。

AI公司分析的維度

那麼接下來我想分享一下作為一個投資人在分析 AI 公司時會著重考慮的兩個核心維度，以此來幫助大家理解 AI 公司以及AI創業。

第一個維度就是價值。

就是 AI 在這個裡面到底扮演的是什麼樣的價值，這個問題很重要，因為它影響到了這個公司的商業模式和估值。當然從投資角度來說，投資就是尤其我們這種早期投資就是價值投資，你有足夠的價值才值得投資，才能讓我們看到未來增長的潛力。那 AI 在這些很多公司當中這個價值主要體現在兩個層面：

第一個層面就是提高效率降低成本，就是前面講的叫提高生產率，比如說它能降低客戶獲取成本，可能它減少了客戶流失率，或者降低了人工成本等等，比如說無人駕駛就明顯就是降低人工成本，這是一種價值。

另一種價值是它可能會創造新的價值，比如說 ObEN，ObEN 它這個東西有減少什麼成本嗎？某種意義上說是，比如說它減少了明星和粉絲互動的成本，提高了互動的效率，但是從一個更廣義的角度來說，這種 AI 在娛樂當中的應用它往往在創造新的價值，就是說它可能會產生新的用戶行為，這樣的話就幫助公司產生了新的收入來源，或者它能夠幫公司很好的擴大這個用戶群，也就是說，AI 可能有的時候，它不是那麼直接的降低了成本提高了效率，而是它可能創造了新的價值，它為企業找到了一些新的和用戶進行互動的方式。

第二個維度就是壁壘。

壁壘很關鍵，你有價值，但是你有沒有壁壘？有沒有競爭力呢？壁壘的話，我們首先看到這麼第一張圖就是一個三角形，如果我們把 AI 公司來進行分析的話，事實上它可以分成三類：

1. 最底層就是做基礎架構的，比如說包括了雲計算，晶元等等；

2. 上層就是通用技術，就是比如說像科大訊飛就是做語音識別的；

3. 再上層就是叫垂直行業應用，就是我們認為 AI 和行業的應用是創業公司的戰略高地。

為什麼呢？因為通用技術和基礎架構往往都是大公司做得，或者說它往往需要大量的人力和財力，很多創業公司在這裡面的機會並不大，或者現在再進入的話也很難有獨特的這個優勢了。並且像通用技術，很多大公司在做了比較成熟之後，我相信一定會開源，或者以非常低價的方式來讓創業公司使用，形成它的一種生態。

那麼目前來講創業公司的這個很大的機會還是把 AI 用到一個垂直的細分的行業裡面，這些應用往往是具有一定行業門檻，而且也是很多大公司它現在可能沒有那麼多的精力去投入的，但是對創業公司我們覺得是有機會。這是從壁壘的一個角度，就是當你面對很大的競爭的時候，創業公司我覺得多考慮和垂直行業的應用。

第二方面還有形成一個壁壘的這個概念叫數據網路效應。這個也很重要，數據網路的效應的意思是說，當你數據越來越多的時候，其實你的公司越來越強大，並且你也可以獲得越來越多的數據，這是一個正向的循環，當你有客戶的時候你肯定會獲得更多的數據，當你有更多的數據之後你的演算法性能就提高了，演算法性能提高之後又幫助你獲得更多的數據，這是一個循環。

那麼數據網路效應往往也是 AI 的公司的壁壘，我們經常講：AI 公司先發優勢很重要，你先進入這個市場，先獲得數據你才能夠不斷的獲取更多數據、更多客戶。有的時候我們從投資角度來講，AI 的數據壁壘往往已經超過了它技術的壁壘。

隨著現在很多 AI 公司都在使用深度學習，或者說底層使用的這些 AI 晶元等等越來越標準化的時候，很多時候這個數據還是核心，演算法層面的差異性，或者它的產生的優勢可能在不斷的減少，當然不排除特定行業裡面，可能一些特殊的演算法仍然具有比較強的優勢。尤其我們覺得像創業公司做 AI 加垂直行業應用的話，數據的壁壘很重要，而且要充分利用這個數據網路效應，快速的擴大你的數據的體量，先發優勢很重要。作為 AI 創業者，我們的建議就是：儘快的切入，儘快的去和行業的數據結合，儘快的把握領頭的機會。待會我會再講一些創業方面的建議。

那還有一個維度，我也想補充的，就是叫技術分析維度。

這個也是我們在做投資時候要思考，而且我覺得對於創業者來說也是個非常關鍵性的問題。

就是在這張圖上，這裡我提供兩張圖，第一張圖就是說：任何一個行業應用它其實對於準確率來講都有一定的要求的。比如說在這裡就是紅線，比如說自動駕駛，它的準確率的要求就非常高。比如說用 AI 來做醫學影像的分析，也要有一定的準確率，往往這個準確率是和人相比的。但是有的時候，它比人的要求更苛刻，比如說無人駕駛，人駕駛可能事故率還是比較高的，但是人們覺得 AI 的應用時候，事故率得低的多，但是 AI 演算法到底能做到多少準確率？

這和訓練數據是很相關的，當你訓練數據量少的時候，你確實就很難做到行業應用的要求，這個時候你該怎麼辦？或者說當我作為一個投資人我來判斷一家公司的時候，我覺得你可能在一定程度上做不到那麼好的準確率，這種公司可投還是不可投？這個地方除了數據量的變化，我們也要看到還有技術的進步，昨天還不太可能的，也許過了幾天，過了幾個月就有可能了。

這個對於創業者和投資人來說都很重要，大家要去思考未來幾年技術到底會做到什麼程度，這些技術上的發展又可能對這個行業應用產生什麼樣的影響，今天 AI沒法在這個裡面很好的應用，也許明天就可以，等等，這是大家要去思考的。

還有一個就是在沒有足夠多訓練數據，把演算法提升到達到行業應用要求的時候，或者準確率還不夠高的時候，怎麼來解決這個問題呢？那麼往往是通過合理的產品設計來解決的，比如說 ObEN，ObEN 這種技術用很短的聲音，用少量的圖片，沒有辦法做到很高精度的這種人工智慧虛擬形象，沒有辦法做到這種電影級別的、特效級別的效果，我就增加它的娛樂性，可以看到它的很多應用就是可以做很多的娛樂方面的功能，人們就覺得挺有意思的。並且有的時候可以加入人工輔助，比如說 AI 不是百分之百都能解決問題的，AI 解決不好時候前期就可以讓人來介入，直到又獲得了很多訓練數據之後再變得更加智能。

AI在垂直行業的應用和中美對比

我們今天講得其實就是 AI 在垂直行業上的應用。我前面已經給大家舉了不少例子，今天沒有太多時間，我們去一個個探討在不同行業上到底有什麼樣的應用，那些場景的這個探討，我其實前段時間在長江商學院講了好幾個小時，就是去剖析 AI 在不同行業當中的這個應用場景，今天這個時間關係我們只能說做一些大致的總結，未來有機會，我還是可以跟大家去做些剖析。

那麼 AI 現在在各個行業應該說都有很多應用的機會，而且確實也應用的非常火熱。我們覺得有一個比喻可以比較好的理解 AI 它的這種應用的時候的這種功效，就是從照相機和攝像機的區別。

以前沒有人工智慧的時候，數據獲取很像一個照相機，比如說我們在考慮 AI 和教育相結合的時候，以前學生可能每個月做一次考試，老師就會知道這個學生的表現怎麼樣，它就像照相機定期給你拍一下。但是一旦結合 AI，它其實能夠分析這個學生整個的學習過程，它能夠去監控他，能夠去更高密度的獲得他的學習數據，就像一個攝像機一樣，它整天拍著，這個數據量就不一樣，作為一個系統其實就可以在更短的時間內了解這個學員，這個用戶的使用情況，來對他進行一些處理，這就形成了一種數據驅動，而且是高密度的數據驅動的這樣一種應用潛力。

所以 AI 在很多行業當中的應用都符合這個邏輯，就是在有大量的數據之後，AI 可以做到自動化、個性化、自適應等等這些特點，數據越多，當然你就可以做到個性化、自適應這種千人千面這樣的特點。所以這就是 AI 在垂直行業應用的我覺得是比較基礎的一個思考。

舉幾個例子，比如說 AI 在醫療方面的運用，用 AI 來看醫學影像，這個大家應該都很了解，那麼這裡面做得很多的就是自動化，快速的把這種專家的經驗學習過來，然後來做分析。比如說個性化診療，根據你的這些情況，根據以往的歷史數據，它可以幫你做更個性化的診療方案，這個就是一種個性化；比如說 AI 在教育方面的應用，現在一個很熱的方向就是自適應學習，就是能夠更快速地、更高密度地獲得你的學習數據之後，為每個用戶進行建模，然後來為他提供自適應學習的方案，讓每個人的學習路徑都可以有所不同。這也是貪心科技，就是我進行投資並且我在深度參與的這麼一家公司在做的事情。我們貪心科技就是想把人工智慧和在線教育相結合，來更好地分析每個學員的學習數據，為他進行建模，提升他的學習效率。

說到中美對比，總結一下，大概有這麼幾點：

第一點，目前我們還是覺得美國的人才優勢是很大的。美國在 AI 的基礎人才方面是中國的 10 倍以上，因為很多大公司高校都是花了很大的資本在培養這些人才。中國的人才優勢會弱，但現在也在不斷增長。根據我在國內的很多了解，AI 人才其實是非常緊缺的，我相信極客邦的平台也正在幫助推動 AI 的人才的建設，我覺得非常好。短期來說美國還是具備優勢，但中國的市場優勢，我覺得是非常有吸引力的，中國的整體市場非常大，而且現在很多公司願意去結合創新，這是中國優勢。所以我們作為一家 AI 的風險投資機構，我們也很希望把美國的優秀的人才、優秀的技術去和中國市場做對接，這也是我一直在努力的這個方向。

第二點，中國已經把 AI 上升到一個國家戰略層面了。十九大之後各地都在主推 AI，這個其實是美國相對來說比較弱的，中國一旦政府主推一些事情一般成效都會非常大，它會引起整個資本市場，整個這些創業生態的一個很大的變化，人們更願意去擁抱人工智慧。所以這點，我們覺得在中國創業有很大的機會。

第三點，中國其實在一些門檻比較高的行業，我覺得有 AI 的應用的機會，比如說像能源、安防、農業、製造等等。這些行業往往資源相對壟斷一點，但是現在因為國家戰略之後，這些行業也都在尋求 AI 化，而且我覺得 AI 化在這些行業肯定是個必然，你不去做，往往就失去了這種轉型的機會了。因為這些行業門檻比較高，資源相對壟斷，所以創業公司可能進入的周期長一點，不是說那麼容易獲得數據並且做起來的，但是我覺得有很大的機會。這方面我覺得可以借鑒美國，因為美國一方面在這些領域相比中國來說更加市場化，比如說在能源，在農業製造等等方面，甚至安防你可以看到美國有很多不錯的 AI 公司，我覺得中國可以在這方面多借鑒，大家如果對這些特定領域很感興趣，我們也可以有機會多交流。

給AI創業者的建議

最後我想講一下，有幾點建議，可能給大家一些啟發。

第一個就是 AI 公司現在估值應該會趨於理性，人才紅利降低。2017 年有很多 AI 公司估值都非常高，我相信 2018 年應該也是這樣，但相對來說估值會稍微理性一點，因為很多東西在風口上，它都有一個很狂熱後逐漸冷卻的過程，但是相對來說 AI 公司的估值還是非常高的，因為它的整個市場潛力非常大，我們預測它會更趨於理性一點。人才紅利降低就是說以前你可能團隊里有一兩個 AI 很牛的人，你的公司的估值就會做得非常高，靠稀缺性人才就可能非常吸引資本，那麼這樣的一種紅利可能會有所降低，就是說投資人也不只是看這一兩個 AI 大牛，它還是要更關注公司的基本面，這是第一個建議。

第二個建議也是和第一個建議緊密相關，就是在第一種環境下，我覺得大家要更早地去確定付費用戶和盈利模式。如果你在創業的時候，要去說服投資人，你需要讓他看到實際的有用戶願意付費，你要有清晰的盈利模式。當然很早期的公司可能還很難確定付費用戶，那麼至少你能找到一些有意向付費的，先期的這些用戶，我覺得非常重要。

第三點是可以多考慮在發展過程中去引入一些戰略投資。戰略投資方往往能夠給這些創業公司帶來非常關鍵的行業資源，還有推出渠道。這個在創業公司在融資的時候可以多去考慮。大家也可以看到就是這些 AI 公司融到的資很多都是來自投資方的戰略投資。很多 AI 公司都關注，比如說無監督學習、強化學習這些方面，因為這個基於監督學習的很多東西技術方面都應用的很多了，那麼在這些方面可以多加關注，AlphaGo Zero 就是個很好的例子。

第四個建議，是把握 AI 發展的趨勢。作為投資人，我分享幾個我看到的未來 1-2 年的趨勢。從壁壘上說，AI 創業公司正在通過以下三個方式提升壁壘，包括 1）結合硬體（關注一下 CES） 2）B2C 的商業模式（可以形成獨有的數據壁壘）3）滲透門檻更高的傳統行業（如吳恩達創立的 AI+ 製造的公司 Landing.ai）。從技術上說，大部分 AI 創業公司採用監督學習演算法比較多，無監督學習和強化學習應該還有很大的應用潛力，比如 2017 年 AlphaZero 的成功。另外，隨著最近區塊鏈成為風口，AI 和區塊鏈的應用也備受關注。區塊鏈在解決數據安全和共享方面，和 AI 有著很好的結合點，相信會產生不少有價值的應用場景。

weixin.qq.com/r/eCqPl5X (二維碼自動識別)

推薦閱讀：

TAG:人工智慧 | 風險投資VC | 機器學習 |