人工智能“冷”吗?

创客猫 · 2019-06-05 10:29

人工智能几起几落皆因落地不顺。

创客猫注:本文来源于“第二十一届中国风险投资论坛”上,微众银行首席AI官&香港人工智能与机器人学会理事长杨强、火山石资本管理合伙人章苏阳、中国信息通信研究院人工智能部主任孙明俊、创世伙伴资本合伙人梁宇、蓝奥集团董事长&首席执行官鲁银刚围绕《聚焦人工智能,加速应用落地》主题展开的圆桌对话。新恒利达资本董事长贾君新担任专场主席。

1.jpg

无论是大公司还是初创企业,对人工智能的投入都在不断加大。但随着资本寒冬的发酵,人工智能行业也受到了一些影响。

杨强认为,人工智能几起几落是因为落地不顺。他指出了人工智能的应用是由三个重要因素组成,第一是计算能力,但像谷歌那样用大批量的集成计算并不是所有人都具备的;第二是数据,数据要有目的地去收集,而且要是活的数据,很重要的是反馈数据;第三是人才,人工智能的人才很贵,但实际上不应该这么贵,因为很多人工智能的人才可能只会写算法,但是人工智能的应用是要有一个很独特的眼光,同时具有商业的业务眼光和人工智能算法的眼光。

章苏阳表示,资本有寒冬,但是AI投资这块没有寒冬,作为通用的AI应用,投资量还是非常大的。他认为,将来的AI可以把生活当中的所有东西分为无穷多的专业领域,并且会有无穷多的专业AI芯片来解决实际的应用问题,而且它不是特别复杂,是成本性非常好的事情。

孙明俊指出,人工智能的创业是所有信息技术领域除网络之外最难,也就是创业门槛最高的领域,它需要真正有硬实力,而且是多个领域积累的硬实力才能够成功。

在梁宇看来,人工智能的发展是一个螺旋上升的过程,是一个双曲线,分别是技术和商业。作为早期VC,特别关注现有的技术如何能够解决商业价值,而人工智能解决的是成本问题。“中国是个好市场,有大量的数据,有大量的从事算法的人才,有大量的创业者和VC,这是一个大的生态环境。人工智能到底是变冷还是变热,其实取决于这个生态有多理性,取决这个双曲线谁在前面。”

作为企业家,鲁银刚深感资本寒冬对人工智能行业的影响,但他指出,在未来的时代,不管是机器人还是任何一个行业,资本市场都应该冷静,冷静一点往往可能更好。

以下为对话实录节选:(经创客猫编辑)  

贾君新:希望参会的嘉宾来聊聊人工智能在VC投资领域中去年和今年究竟遇到了哪些困难或者困境?

杨强.jpg

微众银行首席AI官&香港人工智能与机器人学会理事长杨强

人工智能应用的三大重要组成因素

杨强:这个问题我们早就经历过,人工智能几起几落也是因为落地不顺。这次落地不顺我们要看一下人工智能崛起的原因,阿尔法狗给我们一个很好的例子,它在围棋很成功,但是你拿阿尔法狗做一个工业的设计或者拿它做一个无人车却用不上。这说明人工智能的应用应该是由几个重要的因素组成的,第一个是计算能力,像谷歌用大批量的集成计算并不是所有人都具备的,尤其是中小公司并不是这样,包括我们见到一些大公司也没有这么强的计算能力。

第二点是数据,数据并不是大家说的从今天开始收集数据就好了,你要有目的去收集,数据不能是收集一次,数据要是活的,而且很重要的数据是反馈数据,能够来训练一个人工智能系统。

人工智能这一次的兴起主要是由机器学习、深度学习。深度学习的特点是你使用第一天效果很差,但是随着数据的收集它会逐渐自我提高,也就是说使用人工智能的单位一定要有足够的耐心,它要有足够的资金在后面支撑,提供足够大的场景,让这个系统逐渐超过人类。超过人类的这一天就可以开始盈利,但是到这一天之前可能会有很多公司死掉。

第三个就是人才。人工智能的人才很贵,但其实不应该这么贵,因为很多人工智能的人才可能只会写算法,但是人工智能的应用是要有一个很独特的眼光,同时具有商业的业务眼光和人工智能算法的眼光。

拿我为例,我现在在微众银行,发现很多可以应用的场景,但是也有很多不能应用的场景,这就需要一个人去仔细的分析说这样一个场景的需求到底是不是适合人工智能,比如微众银行现在面临的用户群是1.2亿,但客服人群只有一两百人,这种比例首先就造成了人工智能的强需求,要用机器人的技术来做人脸识别、语音识别、对话系统、电子核对、质量核实等等。所有这些98%以上用机器人来做,人在里面起的作用是在教会机器人做这些事,这是角色的翻转。

拿这个例子来说,这个需求一定要在那儿,发现这个需求并不是这么简单的事,所以我们现在看到这样一个资本寒冬也是一点都不奇怪的。

AI投资没有寒冬

章苏阳资本有寒冬,但是AI投资这块没有寒冬,这是我的判断。可能在自动驾驶里面大家现在有点不投,但作为通用的AI应用,投资量还是非常大的。

人工智能的形成有几个基础,从图灵开始,但很长时间它一直没有发展,它到了几个条件,第一个是硬件条件,我有这些芯片,比如说当时由CPU做,后来我们感觉CPU太耗内耗,效率不高,搞成GPU,后来连GPU都感觉到自己耗得太多,砍掉一半,改成TPU。

第二是软件,学习方法,包括深度学习和神经网络的学习,这些东西在当年还没有做到这么强。

第三是数据的增长,到目前为止只有一个东西是只往上走,不会掉下来的,就是数据,数据会越来越多。

有了三个基础,我们来干这个事。

将来的社会,就跟《头号玩家》里面的东西一样,人都是半人半机器的东西,《头号玩家》的东西基本上20年后会实现。我们小时候看的科幻片里面的东西,现在实现了。我们现在在科幻片里面看的东西,在20年以后也一定会实现。

孙明俊.jpg

中国信息通信研究院人工智能部主任孙明俊

人工智能是创业门槛最高的领域

孙明俊人工智能的创业,我认为是从所有的信息技术领域,除网络之外最难,也就是创业门槛最高的领域。我觉得大部分做VC的人不会现在想去投一个做5G基站的企业,因为它竞争不过华为,它的门槛太高了。

在人工智能这个领域是一样的,人工智能要成就一个企业,比如刚才章总和杨老师都讲到芯片、算法,其实背后还会涉及到云计算、网络等等,它是一个集成门槛,同时还要具备非常好的算法的基础和人才,算法的人才又非常贵。

这就导致很多是看着这个领域很好,贸然进来的企业,想要用以前比如移动互联网,我可能快速去靠一些用户的红利或者用户规模来获得一轮投资,迅速滚入下一轮,变得非常困难。它需要真正有硬实力,而且是多个领域积累的硬实力才能够成功,各种各样的商业因素造成的成功在这里面不太容易被复制。

我自己工作里面有一个非常强的感受,就是有些投资的热门领域,我们从产业的角度去看是非常有意思的。比如从芯片,从去年中兴的事件之后,整个投资界我感觉对芯片是非常关注的,我们自己做了一个AI加速芯片的东西,我们先做了端侧,手机、音箱、车载会用到端侧的AI加速芯片,我们又开始做云端,类似华为、寒武纪发布的芯片,云侧比较难做,如果做的值和它宣称的有差距,也是可以理解的。但是端侧去年出现了65家做AI加速芯片的企业,有些是我们拿过来做了一些测试,拿了很多场景来做测试,它真正宣称能力和我们能够测出来的能力差距非常远。

人工智能解决的是成本问题

梁宇:我们作为VC,看待人工智能这件事情,始终是两条线,其实它是一个螺旋线。我们基金创立的时候是在2017年,2017年、2018年刚好经过了对人工智能讨论的两个不同的温度,我们现在谈人工智能,它是一个大词,这么大,和强国这种事是放在一个体系下来看的。

我们作为商业的VC,作为商业体系当中一个重要的基石和支撑者,我们看待这个东西是用双线来看,技术始终是在一个不断上升的过程中,技术的改进本质上来说是因为人工智能数据量变多了,因为计算的成本下降了,使得原来算那么长时间的东西,突然一下子两秒钟就能够实现了,一下子很多事变得可能。从商业领域来讲我们作为VC的本质,实际上是在讲说有了这些技术以后怎么解决真正的商业问题,带来价值。

我们在2017年看到整个人工智能的时候,它是一个双曲线,是技术为先的,由于阿尔法狗在那个特别的年代做了打围棋人类思想的明珠,做了一个大的PR,所以使所有非人工智能领域的人们开始意识到这是一个时代来临了。这里面特别兴奋的是一些人文背景的学者、人文背景的媒体,这个时候就很容易把人工智能这个大词带向浪漫主义,偏离商业。

2018年来的时候,我们发现市场逐渐开始有不同的声音来辩论,于是这个大词开始变成了一个实实在在的词,真正的技术、商业开始混合在一起,所以这是一个螺旋上升的过程

我们作为VC,尤其是早期的VC来说,特别关注现有的技术如何能够解决商业价值。人工智能的本质是什么?为什么大家很兴奋?是因为它很便宜,能够让复杂、烦燥的工作交给机器来做,而且是24小时的,多开心。这是人工智能本身对大家心理的一个影响,可是我们再深一层,它解决的是成本问题

我们从商业的角度翻译成供需曲线的变化,由于有了像人工智能技术的介入,使得供需成本结构发生了本质的变化,深入到任何一个领域,我们发现了这样的生意机会,使得投入变少,产出变多。因此供需曲线真正在那个拐点上产生了真正的商业价值,这个时候我们在早期投进去,会对自己负责,其实也符合我们认为的商业规律。

到今天我们做投资时候非常看中技术本身如何能够作为双曲线之一,今天是来到了商业的下半场或者是商业的开始,如何能够利用现有技术成本降低的优势解决真正的商业问题。

中国是个好市场,中国有大量的数据,中国有大量的从事算法的人才,有大量的工程师,中国还有大量的愿意创新的企业和冒险基因,中国还有许许多多像我们一样愿意支持这些冒险家的VC和创业者,同时我们也感谢后面有愿意支持我们VC的LP,这是一个大的生态环境。

所以基于此,如果回到最初始的问题,到底是变冷还是变热,其实取决于这个生态有多理性,取决这个双曲线谁在前面。可能明天技术又进行了一个突破,它又到了前面去,这些故事还会再重复。但是在每个领域当中,在每个历史阶段当中我们相信都有大量的商业机会存在。

微信图片_20190604183002.jpg

未来资本市场应该冷静

鲁银刚:在中国的今天,再加上资本的寒冬,我觉得这种情况是必然的。我做企业,至少跟50个甚至100个资本家打交道,结果只有3个人才投我们。

2012年我们去美国考察的时候,2013年有一个谷歌公司的专家说未来可以达到AI机器人呼叫的时代。当时我不相信,我说他多少钱可以开发,他说可能会有一千万开发,我就很感兴趣。但在中国的今天已经达到了。

我相信做VC、PE的他们很伟大,他们给予了我们这些冒险的疯子,他们似乎有的时候像傻子,当疯子预见傻子的时候,两个人就一起变得很伟大,希望在未来的时代,不管是机器人还是任何一个行业,资本市场都应该冷静。总不能像共享一样,三年的共享,最后成功的剩下的是几个呢?我觉得冷静一点往往可能更好。

企业要成功必须走向市场,而不是做半封闭的G端

贾君新:我谈一下我的感受,我们的确投了八九家人工智能企业,至少我真切的感受到人工智能可能是像刚才梁总说的,因为技术在很多方面还没有取得飞跃式发展,所以它在应用落地的过程中,真的遇到了一些问题。

所谓的独角兽都面临一个问题,它在各种场景落地的时候,都是在往安防领域用,因为安防领域的买家是G端(政府端)。但是不要忘记,我觉得一个企业要取得商战的成功,必须要走向市场,而不是做相对半封闭的G端。

VC投人工智能普遍遇到的困境是这些技术需要时间太长了,很短时间上很难实现财务报表上的突破,真的很考验我们的耐心,再加上这两年至少我感觉到已经是寒冬了,因为融资真的不好融,这是一个现状。

人工智能基本上是在垂直领域才可以应用的技术

杨强:可能投资界对人工智能太理想化了,人工智能并没有通用化,人工智能基本上是在垂直领域才可以应用的技术。比方说科大讯飞的技术,如果说讯飞是想把语音技术放之四海而皆准的所有语言识别,在今天是不可能的。但如果是在垂直领域,比如在金融场景做客服的话,它可以做得很深,如果把90%的需求给覆盖的话,那么它可以做得很好。

所以这考验的是有商业头脑的技术人才,去寻找一个既有商业前景的垂直领域,又有技术能力的往深度发展的场景。

另外一个,现在社会上对于隐私和数据安全要求越来越高,我们现在也在推数据隐私法,这是大势所趋。同时我们看到即使在大机构里面也存在很高的部门墙,数据实际上是孤岛的形式存在。说我们今天进入了大数据时代其实是假的,我们只是在某些方面有大数据,绝大部分都是小数据,而且这个小数据的场景并没有得到缓解,而且是由于立法的缘故越来越深。

所以我现在在主持一个人工智能的项目,就是能够把数据孤岛联合建模,数据不用出本地,模型可以来回走,在安全的情况下。我们这个技术叫联邦学习,可以把人工智能推到下一个阶段,谷歌是现在唯一在世界上跟我们竞争的一个单位,我们也在推国际标准。

这是我的看法,就是说立法和数据孤岛是困难,但是也为我们提出了一个新的机会,我们确实可以把人工智能往前推一步

章苏阳.jpg

火山石资本管理合伙人章苏阳

翻译不但是语音的识别,还涉及到认知

章苏阳:说到科大迅飞翻译东西,因为翻译这个东西确实是比较难的东西,科大迅飞所有的技术积累是在于语音的识别,翻译不单单是一个语音的识别,它涉及到你怎么认知的东西。比如语言转换,它就涉及到认知。

目前全世界在认知方面都做的不太好,可能目前只是单独在垂直的领域,因为它的词汇量是有限的。比如淘宝上你是要蓝色的还是要绿色的,要多少码,这些自动回答都可以。你如果要像机器人对答如流,目前是根本做不到的。翻译不像机器人要回答得那么流利,但是它涉及到认知的问题,就是对你这句话的认知问题,它要变成另外一个语言,要把它回复出来。

这个技术目前科大迅飞不具备,全世界美国也不具备。现在科大迅飞现在是不是能够在这方面将来有所突破,这对它来说是一个非常重要的问题。因为它的业务本身是奠定于在将来它对认知的这些,或者对语义整个解析的理解做出一个很好的反馈,这点比较难的。

大家认为这个部分在世界范围内可能还要三年左右的时间(发展),所以这是一个不容易的东西。

第二,将来的AI可以把生活当中的所有东西分为无穷多的专业领域。将来会有无穷多的专业的AI芯片来解决实际的应用问题,而且它不是特别复杂,是成本性非常好的事情。当然也有人做通用软件,像寒武纪等等这些做通用,但是将来大量使用的是这些非常专业的AI芯片,用于各种各样的领域。

创业者要给自己划圈,只解决某个领域的问题

梁宇:在以前那个基金,有一位合伙人比较早的时候投了谷歌,在谷歌的A轮投完以后,谷歌就没有再拿过融资,然后就上市了,这是一个传奇的故事。我们一直在想谷歌做对了哪些事。

刚才有嘉宾谈说人工智能现在只能解决在垂直领域当中的问题,我们把它稍微捋一下,其实谷歌是用广告来变现,到现在为止仍旧是,它有这么多产品。但它解决的是垂直领域当中一个很小的问题,就是如何低成本的帮助别人来获客,而且变得可衡量。这么一个小小的事情,当然它有自己的技术,你说它是人工智能吗?我说绝对是,它是人工智能商业当中非常成功的一个案例。我们今天讲人工智能,15年前我们讲搜索,这件事情是有一脉相承的关系的。

另外,杨强博士刚才说的封闭问题,这是一个现实的问题。现在所有人工智能面临的问题是封闭问题,你给它立一个规矩,说在这个小圈子内你解决它,机器的算法、机器的数据、机器的成本,能够很快的比肯做得更好,做得更深。但是对人来讲,我们都希望有一天人工智能能替代一些东西,但这是开放性的东西,它是一个远期目标。

基于这个现实,我们就说解决商业问题首先要有一个先决条件,就是创业公司的管理团队必须要有比较好的感觉,能够给自己划一个圈,说我只解决这个领域中的封闭问题,我有很好的技术和团队,如果这个圈没有刚开始没有划好,我们稍微一起来帮它划这个圈。

不要轻易触碰大数据

鲁银刚:我觉得投资界来说,对每个领域似乎都很冷静,但也有冲动的时候。

AI机器人在中国不是刚刚开始,像刚才各位专家谈到的他是趋于某种领域绝对的专业性,但是适用于市场的时候可能比较困难。因为不同的企业似乎都在开发自己的大数据,包括我也在自己的一个企业投了两千多万,几乎全军覆没。

如果你不是BAT,不具备绝对专业的技术和人才,请你不要触碰大数据,因为它太恐怖。大数据不是一个人或者一个公司去喊的,这几个字谁都可以说,谁都可以写,但是真正在触碰的时候使我很恐怖。

我讲这句话的意思是,不管投资界在投一个企业、大数据行业、大数据企业或者AI机器人的时候,我觉得很多时候都是伪命题,很多企业大数据、共享、无人超市,我见得太多了,我觉得是伪需求,必然会倒闭。

企业也是一样,今天在座有很多企业家,你们在没有绝对把握、绝对资金和绝对人才和绝对后台技术支撑的时候,请你不要给你自己的技术部安排一个工作、指令说我要做什么大数据,做自己的后台,我觉得那都是伪需求、伪命题,这是错误的指令。

(以上为创客猫现场报道,转载请注明来源。)