朱天宇：AI不是風口！

朱天宇近期發表了題為《AI不是風口》的演講，犀利觀點如下：

• AI不是風口！ AI只是標籤。「AI泡沫」源於算力供求和場景需求的不匹配。未來6-12個月泡沫破！
• 沒有雲計算，談何大數據；沒有大數據，談何AI？

• 大數據創業3個關鍵詞：從負一到零、場景、定價權。
• 一邊賺錢一邊賺數據。

以下為現場朱天宇先生現場演講實錄（含PPT）：

人工智慧是過去一年、半年來，所有媒體、創投圈樂此不疲的一個話題。確實也有很多事實，阿爾法狗碾壓了中國的棋手。很多AI創業公司獲得了很搶眼的融資，估值屢創新高。但作為一個早期投資者來說，我想跟各位創業者吼一聲：AI不是風口!

4月19日，百度發布了一個「阿波羅」計劃，把智能駕駛這塊的能力開放出來。大公司在利用算力，但是對於創業公司來說，我們不能只關注這個市場算力的供給，更需要面對的是需求，需求是什麼？有沒有人願意為你這個需求買單？你還要有一個有效率的解決方案去解決它。我剛才說的AI不是風口的一個主要原因是，高級算力供給和行業場景需求的不匹配。不匹配就會有泡沫！這個泡沫在未來6-12個月就會被刺破！

那創業者該從何下手？我希望跟大家分享的是我們作為早期投資者至少要用10~20年的時間維度去看AI創業，這其中也包含著我們對下一個創新周期的一些思考。

簡單介紹一下藍馳，我們是1998年在美國成立的一家基金，2005年進入中國，十幾年下來目前在中國已經投了將近100個項目，現在總共募集管理的資產規模超過20億美金，現在對於早期和成長期的大數據、AI、機器人創業項目都是我們積極關注的方向。

其實一個早期投資者在看任何方向時，不管是現在的AI還是上一個創新周期的互聯網、移動互聯網創業項目，都是用一個超長的時間尺度看未來，其中最關鍵的是要在不確定性中尋找確定性。你需要在一個超長的時間尺度里，在不斷變化、不斷波動的實踐中尋找那些可以確定的、正在增長的東西，這樣才能真正捕捉到成長。

回到AI投資這個主題，大家現在談論AI這個標籤背後的確定性是什麼？這是我想跟大家討論的。所以跟大家分享兩個我自己思考的主線，一是我們所面臨的新的創新周期里的行業確定性是什麼？二是The Next Big Thing是什麼？在互聯網和移動互聯網的創新周期里，我們看到谷歌、Facebook，每一個創新周期里都會有一個Big Thing出來，那麼下一Big Thing在哪兒？我們怎麼找到它？這一點無論對於投資者還是創業者，都是很重要的問題。

在講行業確定性之前我想跟大家分享一家創業公司的經歷。我們去年下半年投了一家公司，是一家針對醫療AI影像的公司，創始人以前是劍橋博士，家裡也是醫療世家，帶著一腔熱情回國想在醫療數字服務行業有所作為。從一名海歸到真真正正地在中國這片創業熱土上一步步將自己的想法落地實現的過程，體現出來的就是我們剛才說到的行業確定性問題。

這個創業者一開始很想用他學到的深度學習、機器學習這些AI技術，幫助醫院做醫療影像識別，提高醫生看片的效率，降低誤診率等等。但是後來發現這件事根本無法落地，因為你沒有數據，也沒有醫生相信你，沒有數據就無法訓練這些診斷模型。

最後經過一年多時間才慢慢落地下去，他做了哪些事情？一是幫助醫院，無論是一線城市的大醫院還是二三線城市的中小醫院，他為這些醫院提供醫學影像的雲存儲服務。其實醫院裡的醫學影像存儲量並不小，但是交換存取特別不方便。這也是醫院很苦惱的問題，你說讓他們使用阿里雲服務，但這些雲服務通常是針對創業企業。像醫院裡的醫學影像其實對存取要求不高，一個片子拍完看一兩回就放在那兒了，但是存儲量卻非常大。滿足這種特徵的雲服務市場有嗎？還真沒有，阿里雲又太貴。

於是這個創業者給醫院提供這樣的服務，並且這些醫院非常願意花錢買單。通過雲服務做敲門磚，把這些醫院的信任通道打開，當他們接入的醫院達到幾百家的時候，雲上的存取量也達到了幾十萬的量級，有了這些數據再去訓練他的診斷和篩選模型。

當診斷模型有了一定結果之後，醫院數量也在提高，這時候又發現二級醫院其實希望把一線醫院的醫生診斷水平接入進來，進而又搭建一個平台，讓大醫院的醫生主任們在平台上幫二級醫院做一些篩選，同時他所訓練出的大數據模型又可以在主任醫師看片子之前事先做一個預篩選，把高危區域和值得懷疑的地方標記出來，幫助主任醫師節約時間、提高效率，去看最需要專業知識診斷的位置。

這裡面很清晰地描繪出一個路徑，就是我們一直強調的從雲計算到大數據再到AI。藍馳有一個非常重要的觀點：沒有雲計算何談大數據，沒有大數據何談AI？剛才分享這家創業公司的經歷就很好地印證了我們對這個行業的判斷。而這個判斷是從什麼時候開始的？是在2011年，我們從2011年就開始做了一系列布局，包括投資雲計算基礎服務企業青雲和 E a s y S t a c k，還有聚焦在公共服務大數據領域的綠灣和醫療行業的匯醫慧影。

在AI方面，我們的理解是整個AI領域，不管是車還是機器人，都是具備大腦、小腦這種運算、判斷能力，還有耳朵、眼睛、嘴巴這些交互功能，最後結合到動力驅動的運動裝置上，才形成我們期待的未來，所以這是一條確定性的主線。

另外從供給層面，從技術行業的底層來看，其實從晶元到演算法再到工程創新，在過去不久時間裡已經發生了一些事實變化，孫正義把他以前在阿里巴巴的股份賣掉買入了ARM。孫正義一直主張是用30年的尺度看未來，他的第一個30年買了阿里巴巴，下一個30年計劃做什麼？從他買ARM這件事上可以看到一些變化。

還有像 Alpha Go、Master，谷歌在訓練他們的時候，一度用到了很大比例的算力，這是非常可怕的，但是對於谷歌來說他就是要在這個領域宣誓領地權，包括Tensor Flow 。百度也在做數據的開源，就是在工程層面把晶元和演算法帶來的新的算力增長應用到場景中去。這是供給側已經在發生的事情，這種變化也是確定的。未來供給側只會越來越大，就像上一個創新周期大家開始預測摩爾定律一樣，是一種確定性。但值得注意的是，這些算力本身並沒有創造價值，它只是意味著在技術迭代過程中，這些底層提供算力的公司給大家提供了新的武器，但是我們拿到這樣的武器要怎麼發揮價值，一定還是跟場景結合在一起，才能真正創造價值。

這條思考主線其實是從需求側和供給側兩個方向回顧行業正在發生的變化。圍繞這兩點我們可以延伸出下一條思考主線，關於下一個Big Thing在什麼地方。

我們不妨先回想下之前的工業革命，從蒸汽機、電力到信息革命，每一次工業革命所帶來的技術創新為整個經濟體帶來的影響，如果以佔世界GDP的百分比來衡量，前兩次工業革命創新帶來的影響其實是超過30%的，因為能源效率的提升讓很多實體經濟發生了切實的轉變。但到了信息革命，大家都經歷了互聯網、移動互聯網的發展熱潮，而這一次所產生的影響在GDP中的佔比還不到10%。再加上軟體和硬體的創新周期總是相互迭代的，因此我相信在下一個創新周期里，能源方面的效率提升與創新會產生更大的影響，與之相關的也是我們可以關注的下一個Big Thing。

另外結合我們對一個創新周期的認知，下一個Big Thing還可能出現在哪裡？比如交互界面，我們看到上一次PC互聯網時代，瀏覽器普及之後引爆了基於PC端的一系列應用；到了移動互聯網時代，觸屏手機的出現，又出發了新的創新。那麼接下來的交互界面會發生哪些變化？如果我們把交互界面拆分成輸入、輸出兩個方向來看，就會出現非常多元的可能性，沿著這條線你會發現有太多技術創新需要關注。

與此同時，我們也看到了其實歷次的創新，Big Thing其實都是由連接產生的網路效應。比如信息與信息的連接產生搜索、人與人的連接產生社交，這些都是網路效應非常突出的產物。那麼接下來我們可以期待的是物與物的連接，可能現在大家對物物連接的認知還停留在以前相對原始的狀態，我們不妨沿著剛才的兩條主線，一是在不確定性中尋找確定性，二是產生巨頭的連接點在那兒，去想一想，打開我們的認知。

最後簡單分享幾個我們經常跟創業者溝通的觀點。一是行業發展的節奏，沒有雲計算何談大數據，沒有大數據何談AI。這句話對於很多創業者來講，就是你要判斷你做的這件事它在市場行業中處於什麼層次，這是一個判斷層次的很重要的依據。二是我覺得現在雲計算這一波發展已經經過了幾年時間，現在正處在大家積累數據的過程中。

另外關於大數據創業我們總結了三個關鍵字：

一是從「-1到 0」，你先要找到真正能夠把數據收集上來的地方。而且這裡面還有一句話就是你能不能一邊賺錢一邊賺數據，我覺得這在中國的創業環境當中是非常關鍵的一個點。

二是場景，你有這麼多技術、這麼多標籤，但是如果不熟悉場景，不熟悉行業客戶的真正需求，沒能解決他的問題，那麼創業也無從談起。

三是定價權，就是你收集什麼樣的數據，數據的質量、持續性、稀缺性、不同的數據源形成的模型以及你對數據進行再加工的能力，這些只是簡單的統計還是能夠分析、預測，不同的水平等級形成了你這家公司最終定價權的能力有多強，這也決定了你有多強的賺錢能力。

作為一個早期投資者來說，我想跟大家分享的觀點是：AI不是風口，AI只是一個標籤。我認為它可能像大海的潮汐，每天都在推進，為這個行業提供一點推動力，不會像暴風驟雨，帶來一個驟然的變化。

大家可能會說，這麼多市場的資金、這麼大公司、這麼大市場的主體，大家都在搶這塊市場，為什麼你說不是風口？我可以明確地告訴大家，現在已經有泡沫了。這個泡沫源於供求和需求的不匹配。AI這個標籤讓我們識別什麼呢？無論在行業的需求側還是供給側，比如說高級算力，從晶元到演算法等等，現在有了新的可能性，這是我們可以用AI標籤去表示的。但是這套算力到底輸送到什麼場景中去，怎麼賺錢，怎麼解決行業問題，這不是靠風口，也不是說我們都談論AI就可以做到的。關鍵還是要知道怎麼從場景里抓需求，怎麼找到有效的解決方案，怎麼規模化擴展，還是創業的三大方法論。創業者可以記住最簡單、最接地氣的一句話，一邊賺錢一邊賺數據。

另外大家也都看到了包括 N V I D I A 在內，越是大公司現在開始跳出來做這方面宣言的時候，這些演算法和算力就越來越接近到一個唾手可得的商品化的階段，這個時候中小公司在技術上的優勢差別會更小，最後拼得更多的是你要怎麼去應用這個算力，這才是真正的商業要素。

基本上跟大家分享的就是這些，我們以前投天使輪到A輪，是非常早期的階段，像趕集網、P P T V等等，我們都是他的第一輪投資人，而且都是在公司規模還很小，團隊不到10個人，甚至只有一紙商業計劃書的時候就參與進去了，跟他們一起成長。但是如今已經已經進入下一個創新階段，加上我們本身的規模擴張，所以無論是早期還是成長期，只要是落在人工智慧相關領域的創業公司，我們都會積極的去關注、去支持。謝謝大家！