2017投資風向:人工智慧的虛與實
大多追風口的創業者、投資者,最後都死得很慘,為什麼?因為他們帶著「賭徒」的心態進場,對風口形成背後的行業發展邏輯不理解,最典型的就是很多投資者仍以互聯網思維在看人工智慧,殊不知人工智慧是沒有網路效應的。對這一波人工智慧,我一直有三個疑問:
1、這一波人工智慧還會倒下嗎?
2、從投資的角度,人工智慧真的有那麼「性感」嗎?
3、近三年哪些人工智慧沒戲?哪些有戲?
這波人工智慧可能不會倒下,語音和視覺識別應用崛起,其他技術仍將繼續蟄伏
回顧過去60年人工智慧的「三起兩落」,演算法的突破是每一次高峰形成的核心,但計算能力即使在摩爾定律下每隔18-24個月提升一倍,仍然無法滿足機器大規模數據訓練和複雜任務的要求,人工智慧由此兩次陷入低谷。
這一波人工智慧的興起依然是先在演算法層面取得突破:2006年,Geoffrey Hinton提出「深度學習」神經網路,藉由它,多處理層組成的計算模型可通過多層抽象來學習數據表徵。用大白話來說就是深度學習擁有比傳統演算法牛逼得多的預測能力。這使得人工智慧取得突破性進展。
前兩波人工智慧都輸在計算能力上,這一波人工智慧由於使用了GPU架構,甚至還有更先進的智能雲被提出來,因而計算能力能夠支撐非常多的大數據訓練。從這個角度來看,這次人工智慧熱潮不會像前兩次那樣很快進入冬天。但人工智慧能否突破各種限制,實現爆炸式的科技發展,仍要留一個疑問。
除了計算能力的提高,這一波人工智慧還發生了幾個重大的變化:
PC互聯網、移動互聯網的接連爆發催生了大數據,而大數據是人工智慧戰略性的競爭優勢,因為高質量的數據集是各種複雜機器學習演算法訓練的基礎。
大量資本開始湧進人工智慧產業,根據2011-2016年人工智慧初創公司融資折線圖,2014年以後,人工智慧領域投資筆數呈爆髮式增長,投資金額和頻次也大幅增長。
大量優秀人才也開始湧進人工智慧產業。領英平台的數據分析顯示,全球AI人才數量約為25萬,主要分布在美國、歐洲、印度及中國。儘管人才缺口還比較大,但隨著高級演算法工程師、研究員和科學家的身價持續走高,還將吸引更多頂級人才進場。
在圖像識別、語音識別等垂直領域,出現了垂直應用。這是人工智慧從「狹義細分技術」階段向「提供解決方案」階段轉變的重要標誌,說明人工智慧已經開始邁向商業化應用,開啟更大的估值想像。
這些變化無疑是推動人工智慧不斷進步的關鍵力量,但每個變化仍然存在缺陷,只有這些缺陷不斷被攻破,人工智慧的發展才能真正走上快車道。
首先,計算能力仍然不足。這體現在單位成本和單位功耗上,就是說,你想獲得一定的計算能力,但一方面,人工智慧還未能被廣泛地應用,它很難獲得規模效應,降低成本;另一方面,目前人工智慧的體系結構仍然需要突破,否則單位功耗很難降下來。
其次,儘管現今數據量爆發,但由於隱私、安全和商業利益等的限制,數據的孤島化和碎片化問題比較嚴重。從數據的三個來源來看:
自籌數據多被谷歌、Facebook、亞馬遜、IBM和BAT等互聯網、科技巨頭掌控。數據是未來人工智慧發展最大的一座金礦,期望這些大公司把數據開放,那幾乎是不可能的事;
公共數據主要掌握在政府手中,現在無論是美國聯邦政府、英國、加拿大、紐西蘭等國,還是中國上海、北京、武漢、佛山等城市都陸續推出了政府數據開放平台,但開放數據量仍然較小,難以構建人工智慧訓練所需的大型的、分散式的結構化和非結構化的數據池;
產業協同數據是指上下游公司為促進合作而對接產品以及數據,這種具有豐富和明確場景的數據是相對來說離應用更近的。但它仍然面臨開放性不夠的問題。
再次,靠大規模融資推動人工智慧迅猛發展的可能性為0。人工智慧要想取得突破性進展,它背後需要整個產業鏈的支撐,而產業鏈的協同發展需要給予一定的耐心,因為技術發展有其固有的規律和節奏。誰要是抱著互聯網時代那種急功近利的心態來投資和創業,必定載興而來,失望而歸。
從次,由於現今人工智慧人才培養機制還未被建立起來,單憑25萬規模的人才儲備難以滿足未來幾年人工智慧在垂直化領域快速發展的需求。
最後,儘管人工智慧的發展已經超過60年,但不得不說,它仍然處於一個比較早期的發展階段。現在比較讓人興奮的一點是它終於在某些垂直領域有行業應用了,如在營銷、風控、智能投顧、安防等領域。除此之外,大多人工智慧初創企業仍處於「提供狹義技術的階段」,也就是最早期的階段。那麼人工智慧的產業鏈發展會經歷哪些階段?
按照峰瑞資本早期項目負責人朱禕舟的劃分方法,人工智慧可被分為5個階段:
1、提供狹義技術的階段
2、提供解決方案的階段
3、提供模塊化產品的階段
4、提供整體產品的階段
5、業務閉環數據循環階段
而現在的狀況就是人工智慧局部進入第二階段,離真正產品化的階段還是有點距離的。一般來說,投資者進入的時機最好是產品實現量產的前一兩年。所以,我們認為現在投資機構開始賭人工智慧賽道還為時尚早,過去一年的投資盛況也是一種虛假的繁榮。接下來兩三年,當人工智慧泡沫破裂,必定會有一大批創業公司倒下。
那從提供解決方案到提供模塊化產品再到提供整體產品之間的鴻溝怎麼才能跨越呢?也就是人工智慧大規模應用的崛起需要什麼條件?
第一,市場用戶滲透率要達到20%。復盤過去PC互聯網和移動互聯網眾多優秀企業的崛起之路,可知任何一個市場用戶滲透率達到20%之後,就會從量變發生質變,市場加速滲透,做任何事情都能事半功倍。有大量PC互聯網公司扎堆在05,06年成立,如趕集、58、去哪兒等,以及大量移動互聯網公司在11,12年成立,如小米科技、優視科技等,都是由於市場用戶滲透率在那段時間裡達到20%。而現在人工智慧市場用戶滲透率估計連1%都不到,還是要等待數據慢慢起來,而且這無法預測。
第二,底層技術提供者要更深度和全面地開放人工智慧服務。現在各大IT巨頭都在竭盡所能地全面開放自家的服務,不僅提供能力、平台,甚至提供開源系統,例如谷歌的Cloud Machine Learning Group既提供圖像識別、機器翻譯,也提供GPU農場,將GPU做成雲端服務,提供給第三方。國內百度也開放百度大腦和百度深度學習平台給開發者和企業使用,主要有語音能力、圖像能力、自然語言處理能力以及用戶畫像。其他的公司諸如微軟、IBM公司、亞馬遜、Facebook也提供類似的服務。當各大巨頭利用自身的資金、數據、技術、人才、產業鏈等優勢打磨更成熟的技術和功能更豐富的平台,並將其開放,大量創業公司才能真正發揮他們自身捕捉用戶需求的能力,推動應用的大規模爆發。
第三,人工智慧的入口交互技術要更加成熟。在互聯網時代,無論是內容入口、搜索入口還是社交入口都誕生了巨大的互聯網企業,人工智慧時代同樣如此,並且人工智慧作為未來萬物互聯的基礎,人與人、人與物、物與物都會產生大量的交互,因而人工智慧入口極有可能產生比互聯網巨頭體量大得多的超級企業。我們認為,在人工智慧入口前端的交互技術中,自然語言處理、體感和手勢的互動、視覺識別和圖像處理最有可能成為入口級技術。我們分別來看:
現在視覺識別和圖像處理已經達到一個比較高的水準,國內這一塊的初創公司也非常多,並且驚人地誕生了四個獨角獸企業,包括曠視科技、商湯科技、雲從科技、依圖科技。
做體感和手勢識別的企業非常多,比較早的是微軟的Kinect。Intel做了一個支撐體感的軟硬體系統RealSense,能夠極好地幫助開發商研發相關產品。
語音識別一直被宣傳得比較猛,國內也有一些企業比如科大訊飛、雲之聲、思必馳在這一塊做得比較好,但其實在所有技術裡面,語音識別最不成熟,因為它能做到音和字的相互轉換,實際上它卻完全無法理解語義。
由於以上人工智慧產業鏈中各環節種種的不成熟,期待人工智慧在短時間內取得突破性進展,幾乎是不可能的。2017年,對於人工智慧,資本也開始理性了,一級市場投資開始慢慢降溫。
從投資的角度,人工智慧足夠性感嗎?
在這一部分,我們將從市場規模、商業模式、發展階段來分別看人工智慧的「性感」程度。
首先,未來幾年,人工智慧的市場規模相對來說還是比較小。BBC預測,2020年全球AI市場規模約為1190億人民幣,其中2015年中國人工智慧市場規模約12.6億人民幣,根據市場增長率預測,2020年中國人工智慧市場將達到91億,年增長率約50%。可見,人工智慧市場規模增速很快,但體量還是很小。未來只有當人工智慧技術取得突破,才能真正實現指數級的增長。
其次,資本追求的是什麼——回報。要想贏得好的回報,單單輸出技術能力是不夠的,還必須要與應用結合,打造足夠性感的商業模式。那性感的商業模式都有哪些特徵?
邊際成本不斷降低。比如生產產品,如果量足夠大,單個產品的生產成本就會降低。
具備網路效應。網路效應是一種迷人又恐怖的力量,比如滴滴,當它吸引了足夠多的乘客和車主來到平台上,雙邊的體驗都會越來越好,就容易形成一個「黑洞」,吸納一切,形成壟斷。
不受地域或區域的限制。像蘋果手機,既能賣到歐美市場,也能賣到非洲、東南亞,它就不會受到區域的限制。
其實前面提到了,人工智慧只是局部進入提供解決方案的階段,還遠遠未到要討論商業模式性感與否的時候。但現在明確的一點是:人工智慧接下來5年內都會以2B為主,在生產端幫助提高生產效率。企業提效降本現在已成為一個非常剛需而又迫切的需求,主要原因有兩個:
第一,有效勞動力減少、人力成本上升是倒逼提效降本的核心驅動力。據測算,從2010到2015年,企業的平均規模從110多人降到了60多人,下降幅度達到47%!此外,企業的成本壓力非常大,近20年中國就業人口的平均工資年漲幅約為13%。這些都使得企業主必須在控制企業規模的前提下,提升員工的工作效率。而這恰恰是人工智慧擅長乾的事。它在金融、醫療、安防、教育等行業都具有極高的應用價值。以金融行業為例,據高盛公司估計,到2025年人工智慧可通過節省成本和帶來新盈利機會創造大約每年340億至430億美元的價值。
第二,經濟下行,市場紅利枯竭,企業精細化運營至關重要。中國進入了「L型經濟」,以前企業能夠被高速前行的「經濟列車」拽著奔跑,一旦速度降下來,企業臃腫的組織架構、粗放的經營模式必然帶來種種不適。因此,企業將由市場驅動轉變為管理驅動,若要創造更高效益,就亟需藉由人工智慧實現更加精細化的運營。
現在2B端提效降本的需求是由蓬勃發展的企業服務所滿足。對比2015和2016年的創投動向,我們不難看出企業服務的風頭越來越強勁。美國企業服務市場的路徑是:傳統軟體→IT服務→雲計算→大數據→人工智慧,最後才有了人工智慧。現在企業服務更多是基於雲計算和大數據,但對中國而言,由於企業端基礎設施比較落後,中國企業服務很有可能實現跨越式發展,直接過渡到人工智慧。因此,我們比較看好人工智慧在2B端的巨大潛力。
根據性感商業模式的三個特徵,參照來看,人工智慧是有規模效應的,也不受地域和區域的限制,但是它唯獨缺乏網路效應,因為人工智慧基於生產效率的提升本身是沒有網路效應可言的。這也決定了人工智慧未來的想像空間可以很大,但發展速度會非常緩慢,也幾乎不可能取得壟斷性的行業地位。因此,無論是投資者還是創業者,都必須要有耐心。
至於2C端,我們認為還沒有什麼商業模式可言,因為基礎設施和服務都不成熟,做2C應用就很難帶來比較好的體驗。
最後,從發展階段來看,人工智慧需要走上「三級階梯」,第一級以服務智能為主。
第一級階梯:接下來3-5年,是服務智能的階段。人工智慧技術在局部取得較大進展,機器會作為人能力的延伸,成為一種輔助工具。人工智慧將在多個垂直領域得到應用。隨著數據增多,場景增加,人工智慧創造的價值將會直線上漲。
第二級階梯:5-10年內,可期待人工智慧出現科技突破。例如,自然語言處理能夠真正理解人的語義,甚至預測出「潛台詞」,並自主幫助人類做出相應決策。在第一階梯出現的應用也會隨著技術的發展持續迭代,向縱深拓展。
第三級階梯:10年甚至更長期來看,有可能出現超級智能。那時候,人工智慧技術的顯著突破將大大拓寬應用範圍,人機完全共融,人工智慧變得無處不在,對各個行業和領域形成顛覆性勢能,創造極高的價值。
總的來說,無論從市場規模、商業模式還是發展階段來看,人工智慧在短期(3-5年內)都仍處於蟄伏期,但未來美好的前景可期,就像李彥宏所說「互聯網只是人工智慧的開胃菜」,或者像微軟全球執行副總裁、微軟人工智慧及微軟研究事業部負責人沈向洋所說「未來每一個商業應用都會被顛覆」。
普通創業者在人工智慧領域有戲嗎?
一般來說,人工智慧適合解決那些已有行業數據積累的,從業人員不高興的(即存在諸多痛點),以及商業流程重複性強、不太受整體商業環境複雜影響的商業問題。因此,針對這類問題,現在已有一些人工智慧技術能比較好地解決諸如身份識別、智能客服等問題。在接下來3到5年,我們比較看好人工智慧在以下三個領域的發展:
語音與語義識別。我們認為語音是下一代人機交互的主要形式,因為這種交互方式更加符合人性,更加便捷。儘管現在自然語言處理還存在諸多問題,比如不能真正理解人的語義,但它在現有的技術條件下,已經能實現比較好的體驗了,比如科大訊飛的語音輸入,亞馬遜的echo音箱等。我們相信隨著語音逐漸應用在智能家居,特別是智能電視這種更高頻剛需的產品上,一定能帶來更廣闊的應用場景和更為龐大的商業想像空間。大家可以多關注那些與語音識別結合後能帶來體驗上的質變的創業方向。
圖像識別。現在實驗室里人臉識別的準確度已經幾乎接近100%了,這是一項相對來說比較成熟的人工智慧技術,也已經有非常多的創業公司,甚至誕生了四個「獨角獸」企業。現在人臉識別最主要的應用在於安防和金融。但我們認為單純輸出圖像識別技術是遠遠不夠的,還是要深耕「產品+渠道+服務」的三板斧。大家可多關注那些圖像識別領域能做到軟硬一體,有較強BD能力,同時有創新方法做好售後服務的企業。
人工智慧核心演算法。前文有提到人工智慧創業的五個階段,在第一階段,公司的估值是「演算法×人才」,在第二階段,AI公司的估值是「演算法+數據×商業價值」。可見,能夠掌握人工智慧的核心演算法,將在未來的競爭中贏得巨大優勢。目前中國在AI演算法層面仍然落後歐美,大家在關注前端應用層時,也要多關注後端擁有強悍演算法的公司。
最後,我們要明確一點,業內一般把人工智慧產業鏈分為三層:基礎層(計算能力、數據等);技術層(框架、演算法、通用技術等);應用層(應用平台以及解決方案)。現在IT巨頭更多是在前兩層進行布局,並且願意把能力開放出來。這不是說這些公司有多麼好的情懷,而是它們心裡清楚,AI是一個大產業,要等整條產業鏈成熟可能還得20到50年,因此這絕不是一家公司閉門造車就能把人工智慧給做下來的。
我們來類比一下,互聯網最大的機會不在於基礎層,也不在於技術層,而是在於應用層。人工智慧也是如此,技術只有與垂直行業結合,才能真正產生有巨大商業價值的應用。IT巨頭有技術、有數據、有財力,但它們對垂直行業的理解一定比不上那些浸淫行業多年的人。
而這就是創業和投資最大的機會。
(微信公眾號:朝高在路上)
推薦閱讀:
※一種分散式環境下的協作機器學習模式
※人工智慧的未來 ——記憶、知識、語言
※邏輯回歸(LogisticRegression)推導與實戰
※物聯網新變革,AI 邊緣計算不再是夢
※AGI 認知架構概覽