如何规避人工智能投资中的“雷区”?丨投资人观点

创客猫 · 2018-09-14 14:13

人工智能发展至今到底如何?是否有更适合的行业助其落地?

创客猫注:本文来源于由华夏时报主办的“2018中国私募股权投资峰会”上,基石资本执行董事杨胜君、启明创投执行董事周志峰、戈壁创投董事总经理胡唐骏、九鼎投资董事总经理陈福、星瀚资本董事总经理兼运营总监张昊围绕“人工智能投资的前景到底如何?”为主题进行的圆桌讨论。由光华基金合伙人张星辰担任圆桌论坛主持。

5b98d1f41bea1.JPG

以下为圆桌对话实录:(经创客猫编辑有删减)

人工智能领域的投资风口在哪里?

张星辰:

不靠谱的人工智能项目有哪些特征?各位在投资过程当中是怎样去规避?

杨胜君:

举个例子,两年前AR、VR非常火,很多机构专门成立了AR基金。我们花了一些时间去深圳采访了一些产业链,他们说根本没这回事,这些是伪需求。我们从这种方式判断大多数的项目最早期比较虚假,是想象的需求。我们在这个领域最关注的场景是真实的需求。

周志峰:

第一肯定是技术,它没有人工智能的技术。

还有一类人就是非常喜欢堆砌技术名词,都是最火的人工智能技术的词,但其实它并不是真的在用。

第二就是人。这波人工智能看到大量从大公司出来创业的或者海归,部分是非常出色的,还有的是摇身一变给自己套上人工智能的光环,本身跟人工智能没有太大的关系。

第三个有没有真实的需求。特别反感有人给我们讲很多市场分析和市场报告一样的大概念,但他并没有抓住一个明明确确的大场景。

陈福:

做人工智能这块,现在目前主要好多是概念。本身人工智能分成从底层最基本的硬件,通过芯片这一层,然后就是算法包括视觉、语音等等,这种是一层。再往上是一些应用。现在国内的企业更多的还是集中在应用层。

这个应用能否真正的应用起来,能否大规模的推广起来,这是一个比较核心的。包括从行业规模、渗透率、技术成熟度等等,我觉得这块是一个重要的关注点。

之前我们做过一些类似陪伴类的机器人,但其实我们当时在犹豫的是,三五年这些语音的识别、自然语言的交互、视觉交互、识别能力能不能达标。在技术上目前还无法突破,所以更谈不上整个行业领域的应用。

胡唐骏:

过去几年整个人工智能最大的问题还是在深化概念,我是看着云计算到大数据再到人工智能延展的。

我个人的切身感受:相对于应用而言,人工智能整个底层的土壤还没有完全完善,应该来说在最近几年才刚刚兴起,其实现在这个阶段给我的感觉是跟国内2010年云计算的时候很像,如果在底层没有特别完善,或者在逐步完善之前,其实不存在SaaS、PaaS高速的发展,这是过往人工智能最大的问题。

这样的创业者基本都是科学家,虽然我是看这个领域的投资人,但实际上这些科学家讲的很多专业术语、包括他实现的技术,我从投资人的角度非常难去判断和验证。所以我只能相信这个人非常牛。

第二个,有点类似当年互联网创业的时候,先要买一堆机器才能做互联网创业。人工智能也是一样,买一堆的机器才能初步实现算力这个模型,这还不考虑数据和算法的优化。这会耗费非常多的精力和财力,而且它的商业化非常远、久,所以在我看来是要非常大的企业,非常牛的人,融非常多的钱才能做人工智能的创业,才能做好。

人工智能技术的发展和应用是什么?

张星辰:

我们转向应用层的时候,哪些应用场景来说对人工智能是改善最大的、最有投资潜力的?第二个,在不为人知的前方赛道上你们更看好哪个点是可以跟人工智能产生更多的联系。

张昊:

关于应用领域,我现在看中两个方向:一个是机器视觉,一个是在自然语言领域。

从行业的发展前期来说,入口领域可能是未来上下游的衍生。从互联网的时代来看,像BAT,他们分别抓住了搜索、电商入口级的行业,包括像内容、出行,包括像餐饮,像头条、滴滴、美团这样的巨头企业,我觉得沿着机器视觉和自然语言两个领域进行延伸,是未来主要的发展方向。

从人工智能的角度来说,从算法的角度来说,其实最主要是变量的层面,从2B诞生一些随机变量相对比较小的领域会有一些,比如说像现在看到的金融、无人驾驶,这些都是在主特征相对比较明确这种方向上面。

现在大家关注比较少的,像娱乐行业未来可能会是一些人工智能应用相对比较多领域。

胡唐骏:

人工智能需要一个发展的过程,我感觉不太可能完全取代人的方方面面。

第一个无人驾驶一定是比较大的应用场景,因为它对机器视觉、对各方面的数据应用,跟现实世界的感知交互,是需要非常多数据和信息的。但同时它也解决垂直的场景,就是个人的驾驶场景。

第二个,应用人工智能去做一些比较重复、简单的劳动力场景。比方说智能制造,在一些工业制造的质监领域,很多是一个机器视觉的延展。在生产领域很多质监是通过视觉去识别的,人的视觉判断还是会有一些偏差,机器反而比较容易实现。像类似这种领域,其实都是人工智能创新比较好的应用方向。当然它如果能够离产业更近,能够产生经济效益,落地会更快。

陈福:

我理解两层意思。一个是快,一个是广。

快:人工智能是跟技术特性有关系,它是一个不断地去取代现在人力所从事的事情。快,就是从最简单最重复入手。我这有一组数据。2013年做了一次统计,统计未来人类因为人工智能导致失业的概率。统计二十年后,2033年的时候在美国大概有47%的工作岗位会被人工智能所取代,这里边排第一的是销售员、保险推销员这些比较简单的劳动。再往下像一些售票员、运动赛事的裁判员、汽车驾驶员等等。所以我理解的快,一定是这种简单重复劳动,用人工智能可以取代的这些。

如果说广的话,就是能产生比较大体量的,目前还没完全达到,但这个一定会出现在和衣食住行结合最紧的领域。这么来看第一个到来的就是交通领域,刚才提到的无人驾驶的领域,这是我的理解。

周志峰:

我希望看到一个实际的行业。聚焦在垂直领域,能做一个平台。第二是根据不同的职能和功能,人工智能也能为不同的场景赋能。一横一纵意味着你有焦点,人工智能作为一根针扎透商业场景才有可能活下来,而不是销声匿迹。

找到焦点之后又要跟技术结合。视觉跟语言都是认知行为,到语义这是感知智能,未来是决策智能。像无人驾驶就是一个决策,替人决定车怎么开,包括销售也是,替人决定这是不是一个机会,要不要跟进,我更喜欢这样的。

杨胜君:

我举个例子。人类发明了马车,那个时候的马车跑很慢,但是依然比人类跑得快,人工智能相当于四千年前人类马车的发动机。我们现在有每小时两万公里的火箭,四千年之后人工智能的经验很多。给大家一个建议,去看好莱坞的大片,只要在大片里面没实现的场景,几年之后都会实现,这就是人工智能给大家期待的。

第二个就是我们看哪些在实践和商业落地。像医学领域也是一个例子。我们通过视觉检测给放射科医生图像。像IBM,他是帮医生能够通过数据深度学习获得模型,能够辅助医生进行决策方面的判断:到底是用手术治疗还是其他的保守治疗。从这个角度来说,我们现在的发展还是处于非常早期的阶段,随着时间的推移,我们的应用会逐渐展开。现在的投资人还是看企业的,是因为这个行业还是属于早期并且技术门槛很高,一旦没有技术门槛,再好的场景也会被其他人带走,这也是为什么我们说技术在人工智能这个比较新的赛道里面一直扮演着核心的角色。

(以上为创客猫现场稿件,转载需注明来源)