除了深度学习,或许我们还能从AlphaGo身上看到大数据创业机会

AlphaGo 的胜利是大数据 + 深度学习的胜利,近来关于深度学习的讨论在意见市场上已有很多,于是作者便从大数据创业机会的角度来进行讨论。

文/九合互联网创业观察(ID: jiuheguancha)

最近几天,AlphaGo 绝对是科技圈和围棋圈的头条,不管 AlphaGo 和李世石比赛结果是 3:2 还是 4:1,AlphaGo 所代表的人工智能技术,已经达到让人不明觉厉的水准,不少人开始担心人工智能的未来,作为技术派投资男,笔者不担心未来,笔者更关注 AlphaGo 所代表的人工智能胜利背后带来的创业机会与启示。

AlphaGo 的胜利是大数据 + 深度学习的胜利,通过基于大数据的深度学习来减少搜索量,在有限的搜索时间和空间内找到取胜概率最大的下法,具体的算法笔者无力探讨,但可以带出大数据创业机会的思考。

大概从 2013年 开始,大数据的概念慢慢热了起来。国内陆续有不少创业者进入到这个领域,相关项目也慢慢得到资本市场的认可,融资案例不时浮现,跑的快的已经 B 轮了,但纵观整个行业,并没有一个标杆性的公司出来(如美国的 Palantir),加上市场上打着大数据概念的项目很多,导致有人开始质疑大数据是不是个趋势,是不是一个机会。如果是,切入点又在哪里。

笔者坚定的认为大数据是个大趋势,源自如下一些逻辑判断:

1、随着传感器技术的发展,IOT、可穿戴设备的普及,人和环境的数据化进程只会越来越快,也就是数据会越来越多。

2、万物互联、万物智能是个大趋势,而智能的基础是大数据,想想,我们人类的认知和情感就是来自感觉器官收集的大数据学习来的,人就是个大数据处理系统,人工智能就是模拟人认知和思考的过程。

趋势在,机会就在。

既然大势所趋,那么创业的切入点在哪?从产业链来看,大体可以分成三个部分。数据收集,数据加工,数据应用。

除了深度学习,或许我们还能从 AlphaGo 身上看到大数据的创业机会

  • 数据收集(数据就是 IP)
  • 从长远来看,数据成为 IP 是必然的,而且是大 IP,特别是不可替代性的数据,道理很简单,因为数据是原材料、是生产要素,但一定要注意,是有应用价值的、不可替代性高的数据。想想,如果你有所有人的基因和病历数据,不管是医疗还是保险行业应用,都需要这个数据。当前数据市场还处于蛮荒时代,各家都在抢地盘、相称王,而受限于应用场景、数据质量、可替代性等因素,目前变现价值还很低,属于矮大紧老师所说的卖下水的生意。所以这是一个很好的切入点,寻找有应用价值的、不可替代性高的数据,做到最全、质量最好,每个领域都可能有,比如天气数据、环境数据、医疗数据、基因数据、金融等等。
  • 数据加工(算法和架构)
  • 数据加工大体可分为两大部分,算法部分与架构部分。
  • 先说架构,随着开源社区的发展和普及,架构技术的领先性会越来越不明显,而且做架构或平台又是资源(人力 + 资金)密集型的工作,属于大厂的优势项目,小团队机会不大,当然,技术足够牛逼的,能快速抢占先机的,也有机会,比如时速云国内首个实现跨 IaaS 的容器云平台。
  • 再说算法,这是笔者更看好的方向,因为相对架构而言,算法更容易形成长时间壁垒,同时资源投入相对较小,有核心的算法能力,同时能找到应用场景,就有机会胜出。比如 AlphaGo 的深度学习模型和搜索算法,一时半会儿别人是很难模仿出相同效果的。比如大数据预测领域的所问数据,有领先的深度分析技术,牛 x 的大数据预计模型,来保证最终的应用效果。
  • 数据应用(大数据 + 行业)
  • 行业应用是大数据价值的最终体现,大数据的核心不是数据大小,而是通过数据洞察规律,通过全方位、多角度的数据融合、协同,结合行业应用实现价值变现,因此 “大数据 +” 孕育着大量的机会,比如大数据 + 精准营销公司摩比万思 ,通过海量用户数据构建用户画像,从而实现精准营销。比如蚂蚁微贷和蚂蚁花呗,通过卖家及用户的历史行为数据计算授信策略。当然,这个方向要求创业团队对行业有深刻的理解,团队的配备必须是数据人才 + 行业人才。

总结:

  1. 笔者是非常看好大数据这个方向的,但创业者需要理解大数据的本质与内涵,找到最适合自己的切入点。
  2. 数据必然成为 IP,特别是不可替代的数据,垂直领域的数据收集和整理是个不错的创业方向。
  3. 大数据的基础架构服务和核心算法都有创业机会,但算法路线更容易形成壁垒
  4. 大数据 + 行业应用机会很多,但创业团队必须同时具备大数据和行业人才。

附:国外大数据公司图谱

 

·氧分子网(http://www.yangfenzi.com)延伸阅读:

分享给您的好友:

您可能还喜欢…

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>