人工智能喊了那么多年,什么时候迎来春天?

资本寒冬的今天,几乎所有投资人都在寻找下一个春天到底在哪儿。不少人瞄准了人工智能这个新兴科技,到底人工智能会不会是下一个爆发点?未来这一领域会有哪些机会和想象空间?

下一个春天在哪里?什么技术能带来互联网这样巨大的”新能量”,改变各个交易链条?在上周的 Comet Labs 微课上,联想之星合伙人刘维给出了答案:人工智能。

2010年 开始提前布局人工智能时代,沿着 “物理世界数字化、数字世界可理解化、理解后的智能化” 的逻辑,联想之星在过去五年里投资了 20 余家人工智能和智能机器领域的创业企业,打造了 Face++(旷视科技)等一批价值过百亿的人工智能领军企业,和思必驰、好买衣、中科虹霸、Airmap、AbleCloud 等一批技术平台公司。此次微课上,刘维分享了多年投资人工智能领域的经验和思考。

01 资本寒冬是真的吗?

互联网在进入一个阶段性的冬天,它的边际效应已经逐渐到了瓶颈。下一个春天在哪里?什么技术能带来互联网这样的巨大”新能量”,改变各个交易链条?那就是人工智能。

主持人邀请我们来谈谈资本市场的冬天,和新春天在哪里的问题,我还是很愿意的。因为作为天使投资人,我们的责任就是 “春江水暖鸭先知”,对趋势应该更敏感一点。从这个角度看,回答主持人的第一个问题,现在互联网确实在进入一个阶段性的冬天。

并不是互联网本身有问题了,而是互联网作为一种效率提升工具,一种信息能的赋能工具,一个打通信息管道、消除信息不对称的工具,它的边际效应已经逐渐到了瓶颈了。当各行各业可以很方便的应用互联网作为工具时,只喊着互联网,或者因为互联网而大肆烧钱,指望未来效率大量提升,就不容易成功了。

我经常举的一个例子是,神州专车现在开始逐渐的向上走,而 uber、易到,在运营出问题的情况下,就开始下滑,这是什么原因?神州是传统企业,不怎么互联网,但几个月来,互联网滴滴模式的东西它也都学了去了,它的 app,它的 LBS,它的智能化定价,运力管理,都做的不错了。

而同时,他所擅长的低成本车辆采购、高效司机管理,服务质量的管控,这些运营侧的优势就逐渐显示出来了。同时的互联网企业,如果不能利用互联网带来更高的效率提升,就谈不上什么优势 —— 如果对黑车司机这种问题的管理跟不上,彻底做坏了体验,也就越来越下坡路了。

这部分大家现在都渐渐有了共识,我们就不展开了。回到今天的主题,下一个春天在哪里?我们在观察:下一个技术。什么技术能带来互联网这样的巨大 “新能量”,从而改变各个交易链条呢?那就是人工智能。

02 下一个资本春天在哪里?

人工智能的快速成熟,在 2015年 接近临界点,从老生常谈,到真的可以感知和理解这个世界。人工智能的大爆发中,智能机器的行业应用,有大量的机会。

人工智能的话题喊了几十年,就像互联网也喊了很多年才落地,智能手机喊了很多年才普及一样。人工智能现在突然爆发起来,不是偶然的,背后是技术的巨大进步,把一些长期以来有痛点、但是解决不了的问题解决了。

比如:现在说的比较多的人脸识别、图像识别、语音识别,都是老生常谈。历史上也诞生了一些公司,能解决一些问题,能在限定的场景内达到一定的识别率(我昨天看有人在回忆自己 20年 前就做到了 95%的识别率,这个是真实的,但也是加了大量的限制条件的,并不实用)。

我们就拿人脸识别举例子吧,以前的技术是什么:人需要配合,站在一个专门的摄像头前,静止一秒钟,专门的光线条件,在几百人几千人的库里被识别出来。这样的技术可以用,但只能用来做个门禁,做一个卡口的配合检查。如果想用在机器人身上,让机器人能和人正常的社交,就完全不行了。

而现在的技术是什么:十几亿人的大数据库,每秒 100 帧以上的识别率,非配合场景、自然光线、侧脸和遮挡,都可以很高的识别率识别出来。这才有了安防、金融等领域的大量应用。

这样一个细分领域说起来很小,但最近几年来,特别是 2015年 以来,在各个识别领域的进展都是飞速的——人脸,商品,图像,手写文字,各种动作,自然语音……

这些加起来,就构成了非常大的突破,机器对 “物理世界” 的理解能力,得到了大的飞跃,让机器(包括计算机、手机,也包括各种实体的机器、机器人)就可以准确的理解各种任务、各种环境,去做大量的人能做/人都不能做的事。

所以我想说的第一个观点,就是人工智能的快速成熟,正在 2015年 接近临界点,从老生常谈,到真的可以感知和理解这个世界。

这背后的原因,其实还是要感谢互联网、移动互联网时代的 “遗产”,正是我们每天都在产生的数据、上传到云端的数据,促成了一日相当于过去 100年 的数据量,促成了云端大脑的成熟。

在这样的技术背景下,更具体的机会在哪里呢?因为一批技术平台,深度学习这一代技术驱动下的技术平台,都是在 2010-2011年 的样子就建立了,现在都已经很有规模了,再去重新做底层技术,从资本和创业者的角度都不是最好的,重复发明轮子。我的观点是,底层技术的成熟,为创业者带来了强大的工具,有几个方向都很有机会。

1、在互联网上,利用智能技术的进步,进一步的去理解用户、理解服务/商品、理解交易,进一步的去精准推荐,提高有效性,把流量的价值发挥到更大。这方面现在很多人在做,互联网公司也有很大的流量和数据积累优势,机会很多,挑战也很多,我们回头再说。

2.、把智能技术和机器技术结合起来,开发新一代的智能机器——绝不仅仅是机器人,也不光是智能硬件。智能的各种工业设备、服务设备、汽车飞机、业务系统,都包括,这一领域很多的机械技术/机器平台本身是成熟的,可以再改进,但关键是利用智能技术的突破,给机器带来强大的 “理解任务、完成任务、自动化、柔性化” 的能力。

这些智能机器,在每一个行业的链条中都有需求——现在互联网改造的更多是各行业的销售—市场环节,一部分通过 saas 影响到了内部组织管理了、通过 b2b 交易平台影响到了采购。但大部分行业的生产、任务交付这些核心环节,还不能光靠互联网被改造。这里都是智能机器的很大机会,而且行业缺乏巨头/BAT 互联网巨头们不能先天凭借流量和生态优势而取得垄断地位,对初创团队是有利的。

所以我的第二个观点是,人工智能的大爆发中,智能机器的行业应用,有大量的机会。

03 智能机器领域的机会点在哪里?

2B 领域的选择,这些有需求、有纵深的领域,即使不是技术非常先进,只要能深入去理解行业需求,和业务系统有好的结合,我觉得也会有一批创业的机会,包括 Saas+机器混合的机会。

这里再说说,为什么 2B 的行业应用看上去这么不好做,水这么深,反而可能比 2C 的 “酷产品” 更有机会。

应该说这也是我们这些年投资了不少智能机器/技术驱动的项目得出的经验,我看 @ 陈彬 @ 丁盯 也在群里,其实丁盯智能门锁就是个典型案例:开始也想过做 2C 的家庭客户,后来还是找到了短租公寓、房东这样的行业市场,然后最先取得了突破,现在成为最大的智能门锁企业。 等会儿可以请他分享一下:)

2C 看上去很美,但对于智能技术等 “先进技术驱动的项目”,最大的问题还是,一开始产品很难做的很完善,因为技术开始没那么成熟,或者适用范围窄,或者成本高,或者需要一定的实施和定制化。如果技术上来就很成熟很通用,那也就不是先进技术了。

而 C 端消费者对于不成熟的东西,买单意识总是很差的。他们希望足够完善、足够通用、足够便宜、足够漂亮,甚至其他方面也足够好。但这并不可能。

而 2B 的消费者相反,如果能找到合适的客户,他们有痛点、期望解决问题、而且能通过解决这样问题得以快速发展,越做越大,也就能把产品带的越来越有销量/成为行业标准。

具体到智能机器领域,我觉得 2B 客户至少有几个优点:

1)对核心功能以外的事情高容忍。比如我们 face++ 的人脸识别摄像头,能抓住坏人,但在安装上肯定有要求,在外形上不一定上来就很漂亮,用户根本无所谓:)

2)对价格能高容忍,只要你能解决核心问题。这也就意味着不用面对销量低时 bom 降不下来 bom 高了卖不动的常见悖论。很多案例下,只要切入点准确,2B 客户不在乎成本短期内高一些。

3)可以人机混合,这是我觉得最重要的。2C 用户往往希望机器独立解决很多问题,而 2B 不同,他可以配置 1 个人+n 台机器形成一个组合,把机器不好解决的一些问题还交给人来做。例如我们说的人脸识别追逃犯中,警察还是可以去实体确认下对不对;我们的物流机器人中,机器手不容易做到的特殊商品可以安排人来拿。先跑起来,再逐渐解决这些人来做的环节,不断替代,渐进改进。

4)可以聚焦单任务,用户对家庭机器人的期望估计是保姆,什么都能做,但谈何容易?行业客户还是可以聚焦单任务的,再通过一个个任务和功能的积累,逐渐成熟,逐渐降低成本,逐渐树立品牌……长期看,2B 也可以转为 2C。

以上说的,都是 2B 比 2C 的一些可能优势。反过来,我觉得对于 2B 的智能机器创业者,我们的建议也是要利用好这些优势,避免 “做一个太复杂的木桶”,而是能利用和客户的深度合作,把精力聚焦到做出核心功能、做透核心功能和长期价值。

这是第三个观点。

第四个,再简单说一下,我们觉得什么 2B 领域有机会。这个在座的各位肯定都更专业,你们选择一个领域前肯定经过了深入的调研。我只能通用的说说:

1. 人力密集型,人所从事的劳动,是不断重复、但有一定的灵活性的。比如,物流行业的不停的分拣、搬运(每次东西不同),建筑行业的不停的做工(每次的场景和多少不同),零售服务等行业的一些岗位(比如不停的送东西,但每次东西不太一样)……

因为重复的,适合机器代替,现在人力成本上升太快。而有一定复杂性和灵活性,是这一批智能机器的机会。如果太简单,就是机械重复,那上一批自动化时代已经改造的差不多了。

这里面特别建议,利用好视觉技术、人机交互技术的大发展,很多事情都可以用机器来替代。

2. 行业的用人规律,有特别明显的波峰波谷。这样的行业,现在普遍不断的招人/遣散人/再招人很困难,如果有机器替代部分,用户十分欢迎,例如物流、农业等。

3. 行业的趋势,对柔性有很高的要求,比如现在很多制造领域在 C2B 的逆向决定任务,物流从原来的整件运输到向灵活的按需、小商品级别的分拣配送。这里面人的能力有极限,培训难度也非常大。

4. 危险、特种、大空间尺度的很多任务

5. 最后但最重要的一点,很多海外/全球化的机会。大家都知道现在中国互联网公司不少在出海,发展也不错。智能机器领域更是,这个领域未来会全球化竞争,中国在很多行业上是有优势的,例如安防、物流、零售,都是世界上最复杂的,一些技术的输出有明确的空间。

所以,第四个观点,就是 2B 领域的选择,这些有需求、有纵深的领域,即使不是技术非常先进,只要能深入去理解行业需求,和业务系统有好的结合,我觉得也会有一批创业的机会,包括 Saas+机器混合的机会。

04 提问环节

问题 1:作为图媒动画内容制作公司, 我们希望找到一种能够识别,设置,跟踪,匹配图媒作品和创作者身份数据平台,能帮助设计师理解用户的习惯和注意力,通过人机交互,视觉技术帮助设计师将内容生产与用户模型进行匹配和关联。我们希望有这种图形图像识别跟踪平台和技术资源,不知能否指望人工智能技术?或者说,这个方向有没有创业机会?

刘维:多谢!我觉得这个方向是很好的,设计师原来也是凭个人的理解在创作,质量好不好也只能通过客户的简单反馈。但未来这些都可以通过深度学习、更高频和深入的用户反馈包括最终用户反馈,来了解到哪里设计的好和不好。机器逐渐也能自己尝试做些设计。下来我们可以再多做交流!

问题 2:我想了解下,目前全球范围内,有没一家做的非常出色的 2B 的思维机器人的公司,智慧型软件可以,面向垂直领域的。

刘维:我对思维机器人这个概念理解的不一定准确。如果说是能理解 2b 任务,能 “思考” 的机器人,我觉得分领域都有一些不错的。例如,物流领域的很多机器。

我个人的观点,智能都要有一个” 任务 “。比如是更好的调度?更好的推荐?更好的搜索?越具体的任务,越能形成循环,不断优化。这也是和传统的基于规则的自动化设备的区别。

现在围绕一定任务的问答机器人进展很快(只要回答的质量是可以评价和反馈的)。比如,美国现在几款围绕用药指导、疾病诊断的专家系统机器人(软件)。

问题 3:想问一下联想在智能机器领域的投资目前是个什么情况,投资了哪些公司?接下来希望能找到哪种类型的智能机器领域的公司?

刘维:关于联想之星的投资,这部分是我们三大投资之一,2010年 开始投资,到现在投资了 30 余个项目吧。两大类,技术平台,目前几大领先的识别技术,face++,思必驰,好买衣,还有 airmap,ablecloud 这些无人机、智能硬件的底层云平台等等都是我们天使投资的。另一类就是刚才所说的行业应用,像丁盯、欧瑞博这些智能硬件,matternet、weft 这些行业智能机器,燃石医疗等肿瘤智能诊断等。

在国内外我们都在积极布局人工智能领域,算是最坚定的天使机构。这也是我们发起 Comet Labs 这个全球加速平台,进一步联合全球的产业公司,帮助创业者找到 2B 应用的合作机会的原因。

问题 4:刘维老师  您对目前 AI 行业过度渲染,但实际上雷声大雨点小的现象怎么看待?

刘维:我的理解是:1,确实容易过度,因为 AI 看不见摸不着,拿一个评测/搞一个演示就可以说事,或者敢吹就能拿钱。2,未来几年会逐渐纠正,因为一批落地的、能解决问题的软硬件落地了,再讲故事而没有实际的市场案例就难了。 3. 很多号称能解决的问题,都是长期看能解决,短期内做不到的,创业者选择什么路径,先去解决什么问题,我觉得非常关键。

问题 5:刘维老师,我很担心随着新一波人工智能创业浪潮的到来,该领域像 O2O 一样被泡沫化,污名化,形成劣币驱逐良币的局面,影响到我们这些深耕该领域多年的人,请问刘总,我们应该如何破解这个困局,赶走那些风口猪,而不是被劣币驱逐?

刘维:关于风口猪的问题,我觉得,最好的办法就是不跟风炒概念。2B 领域光靠烧钱也不能解决问题,行业客户不会轻易把关键环节交给有钱、不要钱、但不懂他们行业/需求/没有合适的产品的人来解决。

只要深耕,我觉得要想象懂行的人越来越多。深耕技术,越来越多行业客户/投资者也懂得怎么去测试了。深耕对行业的理解,更是通过交流就可以见到高下。

问题 6:对 AI 方面的人才,国内外的差距,您怎么看待?

刘维:人才差距这部分,我的观点可能和很多人有所不同:Ai 领域正是中国弯道超车的一个大好机会。在很多领域,中国团队缺乏经验,工程化实践经验差,做的不够扎实。但也有一些领域,特别是核心的智能算法,深度学习等领域,中国一批公司现在做到了世界领先,因为中国的算法天才有优势、数据积累有优势。

希望大家都能利用好中国独特的人才优势、产业公司多的优势、供应链好的优势,早日作出成功的好项目!各种想法和创业计划,欢迎和我们交流!

谢谢大家啦,期待我们能一起推进中国人工智能和智能机器事业的发展!

本文来自联想之星,微信公众号(legendstar1),整理自 Comet Labs(星空智能实验室)微课,嘉宾为联想之星合伙人刘维,主要关注 TMT、前沿技术领域的投资,已有超过十年的投资经验,在 TMT 领域的多个方向都有布局。

·氧分子网(http://www.yangfenzi.com)延伸阅读:

人工智能,面临两大根本性问题

人工智能真的会毁灭人类吗?

为什么说人工智能是业界下一个增长点?

霍金:人工智能不一定是好事 或导致人类灭亡

现在创业就去搞人工智能!风投们喜欢砸钱

百度赵世奇:希望7年后人工智能给北京冬奥帮大忙

分享给您的好友:

您可能还喜欢…

2 Responses

  1. AI英雄 | 专访百度风投CEO刘维:哪些AI公司会在泡沫中死掉?说道:

    本文系《AI英雄》栏目出品,每周围绕人工智能领域讲述一个人物故事,洞察技术趋势,捕捉行业机会,关注人的价值。栏目隶属网易智能工作室(公众号smartman163),每周四更新。

    本期对话嘉宾为百度副总裁、百度风投CEO刘维,他对人工智能创业有着怎样的价值判断,又对行业发展有着怎样的思考?让我们听听他怎么说。

    作者 | 广胜

    百度正努力成为一家人工智能舞台上的“三好学生”,德智体美劳全面发展。

    对于投资这件事,李彦宏曾表示,这其实不是百度的核心业务,但又对百度的核心业务有比较大的影响,未来影响会更大,投资目的最主要是希望与合作伙伴共建生态。

    为此,他于去年作为发起人和一期基金的唯一出资人宣布成立百度风投(Baidu Ventures),并亲自出任董事长,一期基金规模2亿美元,专注投资人工智能领域的初创期和成长期项目,并在北京、硅谷设立区域总部。

    与此同时,李彦宏还一直在物色得力人选,今年2月,百度宣布前联想之星合伙人刘维作为副总裁加盟百度,任百度风投CEO,全面负责百度风投的各项工作。资料显示,刘维从2011年开始就系统投资人工智能领域,在6年时间之内,他在中国、美国共投资了70余个人工智能领域的早期项目,其中包括旷视科技Face++、思必驰等。

    在他担纲百度风投之后,业务步伐加快,2月份以来,百度风投已先后宣布了对VR/AR技术公司8i、FPGA加速技术公司Falcon、无人机飞控和地图平台Airmap等美国项目的投资,还有十余个项目目前暂未披露。对于投资的价值判断,刘维表示,我们喜欢“深蹲起跑”型的人工智能公司,他们的机会更大,大家不太可能直接做出一款完美的通用产品,这就需要长周期的深入行业,进行深入的场景化产品研发,逐渐走向成熟。

    “那些口号喊得响、低估场景挑战、高估技术能力的公司大多会在泡沫中死掉。”GMIS全球机器智能峰会后,刘维在接受网易智能专访时这样评价AI创业现状。

    对于近来雨后春笋般的人工智能创业者,刘维认为,狭义的人工智能有很大泡沫,今天很多公司还和五、六年前的创业公司类似。“比如人脸识别,三年前就有大批创业者进入,但现在还不断地有公司入局,如果没有想好一个独特的路径去和已经成为中型公司或者本来就是大平台的公司竞争的话,那么他很可能成为泡沫期的牺牲者。”刘维说到。

    此外,人工智能的概念在过去几十年几起几落,刘维认为终于到了第一批技术成熟、应用落地到来的时候,这也是百度风投“投资AI时代“的关键。刘维坦言,现在到了投资“AI产品经理”的阶段,空谈技术能力已经过时了,很多技术对大公司甚至创业公司来说已经成为一种通用的东西。

    “我们像过去寻找互联网时代的产品经理一样,在寻找有两种能力的”AI产品经理“,一是能洞察业务链条上的最深刻的需求、二是能整合技术、利用生态、开发独特的产品,利用产品能力把技术落地。”刘维如是说。

    以下根据刘维问答实录整理,网易智能(公众号Smartman163)做了不改动原意的删减:

    百度风投看重的是“AI时代”而不是狭义的AI技术

    网易智能:百度风投还是一支年轻的团队,目前的团队建设情况怎么样?

    刘维:我们最近刚刚定完战略,团队还在搭建的过程中,这预期是一支比其他VC更大的团队,我们需要人覆盖不同的技术主题和行业链条,需要在美国、未来在欧洲建立我们的团队。我们的选人标准也更加严格,需要每个人都有AI时代的世界观,要有关于技术与行业的经验,要有国际化的视野。

    因为人工智能越来越多的机会是全球化的机会,这成为了势不可挡的趋势,我们的愿景是打造人工智能时代的世界一流VC,直至目前,我们已经投了十几个项目,其中一大半都在海外,但现在还不方便披露。

    网易智能:百度风投最看重的是什么?

    刘维:我觉得百度风投最看重的其实是“AI时代”,就是AI成熟起来之后,能做什么、能改变什么、能成就什么新的产品与业务,而不是狭义的AI技术。

    互联网时代诞生了很多成功的公司,IT时代也诞生了很多,网络和信息作为工具,改造和穿透了很多环节,节约了成本创造了价值,形成了新的平台、入口、集中度。人工智能作为一种工具,一种基础的能量,它可以渗透到的行业链条和环节、渗透的深度远比互联网要多,我们会关注AI技术不断成熟中,不断能改造的链条环节,哪些是最有潜力的公司。

    网易智能:人工智能目前是百度战略的核心方向,那百度风投是否重点服务于百度人工智能的业务或研发?

    刘维:百度风投是独立的财务VC,百度是它的主要发起人、基石LP,但是百度风投不是一个战略投资机构。我们的定位很明确,希望成为人工智能时代的世界一流VC,打造一流的投资组合,并完全站在创业者的立场上帮助他们的成长。

    同时,背靠百度平台给我们带来独特的优势,因为百度在AI的技术研发和业务探索上已经积累了很多认知和经验,作为一个平台型的公司,提供各种技术平台、生态资源,包括“阿波罗”计划、度秘平台、智能和大数据云等,很多服务可以帮助创业者减少重复投入、聚焦核心的产品能力打造,我们会整合这些优势资源来更好的帮助创业者。

    空谈AI技术已经落伍现在到了投资“产品经理”的阶段

    网易智能:AI方面的投资更多的属于长线投入,大多数情况在短期之内看不到高回报,您怎么看待这件事?

    刘维:其实这是百度风投的一个主要优势,背靠百度这个基石出资人,我们的基金无论是美元基金还是人民币基金都是超过十年的长周期基金,这样可以帮助我们更好的做前沿领域的布局,去投资前沿的底层技术。

    同时,AI行业经过了几年的积累,虽然还有很多崎岖的路要走,但是我认为目前已经到了第一批产品的落地期,虽然它不一定能百分之百独立的解决广义的任务,但在医疗、金融、安防、城市管理等行业的很多细分领域,已经开始通过解决方案、人机混合的方式渐渐落地,或许它短期内不一定在经济上划算,但从产品的维度看已经证明了它的潜力和价值,随着技术的更加成熟和行业格局的演化,就会进入快速爆发。

    此外,很多人工智能项目到了要投资“AI产品经理”的阶段,空谈技术能力已经过时了,很多技术对大公司甚至创业公司来说已经越来越成为一种通用的东西。

    我们像过去寻找互联网时代的产品经理一样,在寻找有两种能力的”AI产品经理“,一是能洞察业务链条上的最大、最核心的需求,二是能整合技术、利用生态、开发独特的产品,利用产品能力把技术落地。

    网易智能:百度风投要打造世界一流的人工智能VC,您认为目前处于什么阶段?

    刘维:目前还是在走出第一步的阶段,我们的团队有过去几年内在中国、美国投资七八十个不同AI项目的经验,其中有很多是各个细分领域比较领先的项目,跟随着这些优秀项目成长、了解技术产品化中的机会和挑战的这些经验非常宝贵。

    我觉得VC在这个时代本质上也是一种业务,它不是只靠几个人的判断力就可以,需要系统性的去设计如何深刻理解各个行业链条,如何打造一个生态平台去帮助创业者?从这个角度来讲,我们在探索的AI实验室、数据平台等尝试,都希望发挥好百度风投独特的资源优势。

    但作为一个投资机构怎么成为世界第一,最终需要独特的发现价值的眼光,我们会长期扎根AI时代这个主题,用长周期的耐心去深刻的扎到行业的链条上,寻找和理解链条上的效率痛点,理解技术的能与不能,通过长期的探索,虽然也会不断错过一些爆发点,但我们希望用这种时间的积累,对什么环节的需求用什么技术改造通过什么模式落地有更深的理解,渐渐走向世界一流。

    口号喊得响、低估困难、高估技术能力的公司大多会在泡沫中死掉

    网易智能:人工智能领域已经诞生了一些独角兽,比如在无人驾驶、基因健康等行业,您觉得哪些领域还有发展前景,高估值公司有什么特点?

    刘维:高估值代表着大家对他的高预期,有的估值从公司现有收入和利润的角度判断可能是高的,但AI时代的很多优秀公司需要水面以下的多年蓄势,它积累的数据、产品能力、上下游资源、与行业典型客户的前期试用关系,这些都是高价值、必不可少、甚至不可重置的。

    比如安防领域是AI领域一个热门方向,在这个方向创业有几种不同的做法,有的公司快速打造一款产品,然后通过渠道商、代理商、集成商卖给客户,这可以很快的形成收入,但问题是你离用户太远了,很难第一时间得到反馈,因为这些产品不成熟,不成熟还不能持续的优化和改进,客户用一段时间也就不再使用了,这是科技行业一个常见的问题。

    而另一种做法是做“深蹲起跑”的公司,如果想让一个不够成熟的产品逐渐变的好用,那就必须和客户走得很近、很深,做解决方案、甚至总包商运营商,这样你就可以不断的进行修改、迭代,当然这样开始可能很慢很重、落地的规模反而小,也不容易赚到钱,但你对行业认知的积累、数据的循环积累和其他方面的积累都非常受益,如果利用好这些东西,之后可以快速爆发去打败同行。

    所以“深蹲起跑”型的人工智能公司机会很大,这种路径几乎是必然,我们不太可能直接做出一款完美的产品,肯定需要不断迭代,逐渐走向成熟。

    网易智能:您认为除了在刚刚谈到的安防领域之外,还有哪些领域会有看点?

    刘维:其实现在各个细分的链条上都有一些机会点也都有不少泡沫。比如医疗炒的很热,但如果说机器人可以在一两年之内替代医生,我个人认为是不可能的,哪怕你有再好的技术,对行业格局的敬畏依然需要,口号喊得响、低估困难、高估技术能力的公司大多会在泡沫中死掉。

    相反,如果一家公司慢慢积累并且从更细分的痛点领域切入,反倒在未来3-5年有逐渐爆发的机会,医疗领域能给医生带来关键新数据的“人体传感器”就属于这样的主题。交通、金融、零售、内容分发、工业,很多领域都有了快爆发的主题。

    网易智能:你认为AI行业是否存在过热?如何看待泡沫?

    刘维:狭义的AI技术可能是历史上第一次这样大的泡沫,就像狭义的互联网泡沫,我们在过去的20年内说了很多次,不断有互联网泡沫然后不断的破灭,但是每次破灭的时候都会死掉很多概念,但同时会让我们生活的互联网化往前走一步。

    其实人工智能一样,狭义的人工智能肯定有很大泡沫。比如人脸识别,一个细分领域,6年前开始不断有公司进入,对于今天的新入局者,真的是有了新的突破技术或者发现了全新的高价值场景吗?如果不是,只是做了一些行业内的中型公司、大型公司没做的事,可能要去思考一下为什么他们不做,不要像90年代末的“everything ecommerce”一样,成为泡沫的牺牲者。

    而我们关注的AI时代,还在一个很不泡沫的阶段,很多的领域没有创业者去做。有的项目可能会从一个细分领域的工业流水线传感器起步,有的今天的形态是SaaS或者自动化设备公司、未来再不断的把智能元素加进去,这些项目中,都可能长出伟大的企业。

    人类的历史是发明工具的历史没有人愿意和汽车赛跑

    网易智能:您如何看待AI技术与应用下一步的发展方向?通用AI会到来吗?

    刘维:这是一个最终的目标,任何一个机器、技术、服务,它的通用能力会逐渐的提高,但这不是一个单一产品所能实现的,就像互联网已经如此成熟,我们也没有一个通用产品可以解决人们的各种需求,但大家打通和互动之后能解决越来越多的问题,所以我觉得行业的智能还是一个一个小的点,这种点在不断地解决和优化。

    网易智能:您如果评价刚刚结束的AlphaGo与柯洁的围棋比赛?

    刘维:这个可能是未来几十年内人类会不断有越来越强的思想准备的一件事:最初觉得这不是机器所擅长的领域,但之后会有越来越多的颠覆。

    因为从本质上讲人工智能不光是在体力方面的优势,它还在处理多元数据、复杂数据、长期数据并且在线性传承方面的更具优势,所有这些积累都是不可逆的,所以它会不断的突破很多领域。

    但这就是人与AI的竞争吗,我认为不是,人类的历史就是不断发明工具的历史,我们不会愿意和汽车赛跑、不会和飞机比飞的高、和挖掘机争谁的体力好,其实最终这些机器都是为人类所用的,然后人类可以节省精力去处理更复杂更具创造力的事情,成为比这些机器智能更高维度的智能。(完)

  2. 2035年AI将为中国带来7万亿美元产出,埃森哲分析全球12大产业(28PDF)说道:

    来源:埃森哲报告、世界经济论坛 译者:文强、张易、刘小芹、胡祥杰

    【新智元导读】 国际著名咨询公司埃森哲日前发布了 2017 年最新的人工智能报告,聚焦 AI 带来的产业创新的行业利润。在一系列报告中,埃森哲专门针对中国作了一篇题为《人工智能如何驱动中国的经济增长》的报告,显示当 AI 被视为生产的新因素,而不仅仅是生产率增强剂时,AI 将促进中国生产力大幅增长。到 2035 年,AI 有可能在中国的经济增长率上增加 1.6 个百分点。

    在全球范围内,资本投入和劳动力增长的能力明显下降。这是两大推动生产力增长的传统杠杆,但在许多经济体中,资本投入和劳动力增长已经不再能够维持过去几十年来稳步前进的势头。中国也不例外。中国经济增长态势明显放缓,劳动力短缺和资本紧缩已经破坏了旧的增长模式,生产力也在不断下降。

    但长期来看并不需要悲观。实际上,埃森哲最近的一项分析显示,到 2035 年,AI 有可能在中国的经济增长率上增加 1.6 个百分点。

    基于埃森哲的分析和建模,报告显示当 AI 被视为生产的新因素,而不仅仅是生产率增强剂时,AI 将促进中国生产力大幅增长。

    AI 促进增长的 3 大渠道

    基于埃森哲的分析和建模,报告显示当 AI 被视为生产的新因素,而不仅仅是生产率增强剂时,AI 将促进中国生产力大幅增长。来源:埃森哲

    1. 智能自动化(Intelligent automation)
    能将现实世界中需要灵活性和适应性的复杂任务自动化。
    传统的自动化技术是针对具体的任务,而 AI 智能自动化则能够解决各个行业和职位都会遇到的问题。
    智能自动化第三个、也是最大的特点,是自我学习(self-learning),因此可以通过重复性进行规模化。

    2. 劳动和资本增值
    AI 带来的经济增长,有很大一部分来自于替代现有的劳动力和资本,而不是更有效地使用它们。
    此外,AI 通过补充人的能力来增加劳动力,为员工提供新的工具来增强他们的自然智力。
    AI 还可以提高资本效率

    3. 扩散创新(Innovation diffusion)
    AI 通过经济扩散时刺激创新的能力也是 AI 的一大好处,但这也是目前讨论得最少的一点

    AI 促进中国国民经济增长

    到 2035 年,AI 可能在中国的经济增长率上增加 1.6 个百分点。来源:埃森哲和 Frontier Economics

    AI 振兴中国产业

    到 2035 年,基准线和 AI 稳定状态之间各产业年度 GVA 增长率的百分比差异(%)。来源:埃森哲

    对中国政策制定者和业务领导者的建议

    埃森哲报告指出,随着人工智能越来越多地融入生活,为了充分发挥 AI 潜力重振中国经济和工业,政策制定者必须做好充分的准备,以应对学术,技术,政治,伦理和社会等挑战。企业领导者需要将 AI 整合到自己的策略中,创建一个新的人工智能手册,促使人们能够以最好的想象力,创新力和创造力投入到工作中。

    对于决策者:为 AI 未来发展扫清道路
    准备迎接下一代 AI
    倡导 AI 道德规范
    解决再分配效应

    对于商业领袖:为即将到来的 AI 世界打造新的规则手册
    超越自动化,致力于新的创新
    采取战略性的数据管理方法
    为以 AI 驱动的组织发明新的业务能力

    中国已成为 AI 创新的重要基地

    很少会有一种新技术,能像 AI 这样改变消费、生产和社会。然而埃森哲最新报告却显示,许多行业还未充分感受到 AI 的价值。

    而对于处于变革前沿的企业和初创公司,情况则大不相同。

    这些企业和初创公司中有不少来自中国。中国在深度学习、传感、预见性维护和智能机器人方面已经成为了创新的重要基地。

    2010 年以来,对全球 AI 初创公司的投资额以每年近 60% 的增长率增长。增长相当程度上来自于中国这一世界上最大的数字用户基地。

    中国正在源源不断地生产数据,尤其是从移动端上。这种数据增长速度比其他任何国家都要快。

    对许多人来说,AI 是一种解决方案,能够提高效益,削减成本。

    AI 无疑可以使许多流程自动化,提升下线。但 AI 带来的更大机遇在于创建全新的产品和服务门类。这将催生新的市场,驱动增长。

    AI 对于上线的提升反映在,报告预估,如果企业能够利用 AI 转换其全部的业务模式,则 2035 年中国的年经济增长率可以从 6.3% 升至 7.9%。那时将额外产生超过 7 万亿的经济输出。

    什么样的企业具有更高的 “AI 商”?

    为了取得这种潜在的增长率,需要在使用 AI 以不同地方式做事情以外,更寻求去做不同的事情。

    例如,在线零售巨头京东一方面正在探索使用 AI 来促进无人库房的内部运营和无人机送货,另一方面也在采用 AI 来实现购物体验的个性化,开发新的产品和服务。

    阿里和上汽集团合作,将汽车联入互联网络,并引入新的基于云的 AI 服务。

    腾讯则正在开发虚拟助理和自动驾驶。

    中国也有很多成功的 AI 初创公司。

    例如,码隆科技的 AI 识别技术使用深度学习,分析全球的时尚色彩流行趋势,以帮助数以千计的纺织品制造商预测全球纺织品需求。

    这些突破要求企业不仅要创新,同时还要重新布局。

    这意味着企业要把核心产品和服务上的资金转移到新业务上,同时还要持续转化旧有的核心业务。

    对于 AI 技术革新,公司是应该自主研发、与人合作还是从外部购买技术呢?

    在财富 100 强的公司和埃森哲报告列出的全球 100 家 AI 驱动的企业中,我们发现其中有 27% 的企业做好了研发和合作两件事中的一件,而 56% 的企业两件都没有做好。

    只有 17% 的企业在研发和合作两件事上都取得了高分。这使得“合作研发者”具有比其他企业更高的“AI 商”(AIQ)

    AI 以人为本

    具有高 AI 商的公司聚焦三大优先战略:技术,数据和人。

    “合作研发者”知道如何整合组合型AI 技术,采用基于平台的方式。

    更重要的是,人才居于 AI 的核心。

    AI 驱动的公司需要寻找多样性人才——从数据科学家到行为专家再到行业专家。

    中国 AI 产业的核心特征之一是多方利益相关者环境的建立,其中既包括私有资产,也包括国有资产。

    例如,国家发改委指定百度牵头组建深度学习技术和应用实验方面的国家实验室。

    实验室不存在实体,而是一个虚拟的、数字化的研究者网络,研究者在其中负责各自领域的问题。快速增长的中国经济为中国 AI 初创公司在国外的成功奠定了基础。AI 方兴未艾。

    可以想见,未来在 AI 上的投资和创新会持续增长,中国的 AI 领袖有义务打造“负责任的 AI”。这意味着基于 AI 的产业实践和技术必须透明、可靠、公平。

    毕竟,AI 以人为本。

    机敏而又负责任的中国研发者会认同,AI 不是在消灭人,而是在提升人。它不仅关乎自动化人类所做的事情,更在于强化人类的能力。

    中国正通过其在 AI 领域的力量,推进着第四次工业革命。在这一进程中,有一点至关重要:AI,来自人类,为了人类。

    埃森哲报告全文:AI 如何提升行业利润和创新(24页)

    作者:Mark Purdy and Paul Daugherty
    下载地址:pan.baidu.com/s/1dENYb6L

    当前多个行业的业务盈利能力的下滑可能会削弱未来的投资,创新和股东价值。

    幸运的是,一个新的生产要素——人工智能(AI)——正在兴起,可以帮助促进盈利。AI是多种技术的组合,可以以不同方式组合实现感知,理解,行动和学习。埃森哲研究显示,到2035年,AI有望将企业盈利能力提升38%,12个经济体的16个行业的经济增长值将达14万亿美元。

    但是,只有采用以人为先的观念,采取大胆和负责人的措施将AI技术应用到企业业务,才可能实现这样的增长。我们的研究调查了快行业的8个跨行业的战略,以抓住AI的机会。

    重振利润潜力

    当前,企业利润正在下滑。美国在战后达到国民收入的最高点后,利润的增长从2010年的25%下降到2015年的-3%。

    而且,从制造业、公共事业到金融服务业的大多数行业,这一现象都十分明显。利润下降本身就是令人担忧的原因。但是,更令人担忧的是投资减少,创新和长期股东价值下降的影响。

    回拨投资不仅削弱了公司发展的能力,而且在日益破坏性的环境中冻结了创新的资源。总之,低投资和低创新努力可能拖累股东价值,因为投资者质疑公司满足市场预期的能力。

    目前的数据显示环境不利于增长,商业投资已经接近停滞。例如,在美国,制造业企业投资增长率由2012年的14.8%下降到2016年的-5.2%,而在英国是从2012年的5.9%下降至2016年的-6.6%。研发支出的增长是行业创新能力的关键指标,而这个指标同样在变缓。例如,在德国,制造业的研发支出增长率从2008年的6.6%下降到2013年的-2.6%,在意大利,这个数字从2008年的7.4%下降到2013年的-0.9%。

    虽然前景似乎令人沮丧,但AI作为一个新的生产要素的加入,不仅可以帮助改变经济增长的机会,而且可以改变企业的盈利能力。埃森哲将AI定义为一种能让智能的机器通过感知,理解,行动和学习来扩展人类能力的技术,从而帮助人们获取更多成就。

    由于数据量的大幅增加,技术成本下降和计算能力的快速提升,AI正在成为商业现实。不仅仅是促进生产力增长,我们认为AI是一个全新的生产要素,可以通过三种方式扭转利润下滑的趋势:通过智能自动化系统优化,增强人类劳动和物质资本,推动新的创新。

    但为了利用这个巨大的机会,每个行业的企业都需要围绕AI制定他们的战略,并开发符合社会道德和价值观的负责任的AI系统,为所有人提供更好的结果。资本劳动力作为AI的独特特征,例如增强人类劳动力的规模和速度的能力,自我学习和持续改进的能力,将要求在诸如投资、创新和人力资本发展等领域采取新的方法和模式。

    图1:企业利润

    美国企业利润和国内生产总值(GDP)在战后达到最高水平,但现在正在下降。

    人工智能是经济增长的未来——宏观经济视角

    在本研究的第一阶段,埃森哲研究与Frontier Economics合作,模拟了 AI 对12个发达国家的影响,它们共同产生了世界经济生产总值的50%以上。

    研究显示,到2035年,AI可以通过改变工作性质,创造人与机器之间的新关系,其中人们牢牢掌控机器,技术越来越适应人们的要求和需求,从而可以使年经济增长率翻一番。

    AI技术对业务的影响预计将使劳动生产率提高40%,并帮助人们更有效地利用时间。

    图2. AI对国家的经济影响:我们的模型显示,AI可以使我们分析的12个国家的经济总量增长两倍。

    到2035年的年总增长率,以总增长值表示(近似GDP)。

    图3. AI世界的劳动生产率:AI能够显着提高发达经济体的劳动生产率。图中的百分比表示2035年的基线与2035年的AI稳定状态之间的差距百分比。

    AI 在工业中的价值

    研究的第2个结果表明,AI在避免低利润增长和为各行业的企业带来新的增长方式上有巨大的潜力。

    埃森哲与Frontier Economics合作,模拟了AI对16个行业的潜在经济影响,涵盖从制造业、公共事业到医疗行业的多元领域。我们采用总增长值(gross value added, GVA)作为衡量标准,与GDP近似。GVA是衡量某一行业产品和服务价值的输出量度,可以认为是不同行业对经济增长的贡献。

    我们针对每个行业比较了两种情景,以评估AI的未来影响。首先,基准情景(baseline case)显示当前假设下行业预期的经济增长。然后,AI稳定状态(AI steady state)显示AI的预期增长与经济进程相结合的增长。由于新技术的影响需要时间的验证,我们使用2035年作为一个比较年份(详见“附录:AI的GVA影响建模”)。

    我们的研究显示,信息与通信,制造和金融服务业这三大行业将在AI情景中达到年均GVA增长率最高点,到2035年这个数字分别是4.8%,4.4%和4.3%。

    在信息和通信行业,由于这是严重依赖技术的行业,AI能力可以与现有系统结合,从而在2035年实现4.7万亿美元的总增加值(图5)。例如,供应商可以开发新的AI平台,为客户提供网络攻击保护服务。

    在制造业,物联网(IoT)等为智能系统的无缝整合创造了有利条件。今天的物联网技术使诸如装配线之类的物理设备能够与数字系统连接和通信。此外,AI可以弥合当前形式的自动化和学习与更先进形式之间的差距。我们的研究表明,到2035年,AI能帮助GVA增加3.8万亿美元,这个数字比常规业务增长了近45%。

    金融服务行业可以利用人工智能技术来减轻知识型员工的单调、重复性的任务,例如客户咨询,抵押评估和市场研究等。总体而言,到2035年,这个行业的GVA将额外增加1.2万亿美元的收益。

    即使在劳动密集型行业(生产率增长速度很慢)的GVA增长率也将大幅提升。到2035年,教育行业将从0.9%提高到1.6%,社会服务业将从1.6%上升到2.8%,实现经济产出的大幅增长(分别为1,010亿美元和2160亿美元)。

    到2013年,按照加权平均数计算,AI有潜力将16个行业的经济增长率提升1.7个百分点。

    到2035年,年GVA的实际增长(%)

    使用AI 来提升行业效益

    通过 AI 带来的经济产出的增加,对于跨行业的企业的利润来说意味着什么?根据埃森哲的研究,AI 有潜力能在2035年前,将16个行业的盈利能力平均提高38%。埃森哲已经定义了三个渠道,通过这些渠道,人工智能可以扭转跨行业的低利润周期:智能自动化,劳动力和资本增值以及创新扩散。

    与传统的自动化相比,AI 提供了巨大的优势。拿供应链管理举例,这个行业中,时间就是金钱。例如,Fortune 100的公司中,一条供应链紧缩一天,会冻结掉5千到1亿美元的现金流。

    依赖全球性的综合网络的公司,比如特斯拉和Johnson & Johnson,现在都开始依赖于一家名叫Elementum的AI 初创企业,来将供应链流水化。Elementum 会监控整体的事故,追踪运输状态和记录制造产出,对供应链进行实时的可视化管理。

    通过每天实时分析超过1000万事故和超过25万亿美元的产品,Elementum 能提供潜在问题的早期预警,提供替代解决方案。

    例如,2014年中国DRAM芯片厂的火灾对全世界的产品供应造成了相当大的挤压(25%)。大多数设备制造商仅在几天之后才意识到这一影响,但是Elementum的客户在几分钟之内即可知道这起事故,在供应紧缩对价格产生影响前,他们补足了货,确保DRAM的供应。

    不仅仅是生产链可以从智能自动化中受益。宝贵的时间和资源通常都被用于追求销售线索,所以销售活动也将随着AI而急剧变化。 Lattice Engines 正在聚焦于将AI 的能力用于将销售过程流水化。通过学习公司的购买模式,它可以从“冷”中排除“热”线。使用莱迪思的AI平台,戴尔的欧洲营销部门的销售主管削减了50%,但是销售生产力,效率和收入实现翻番。

    劳动力和资本增强

    工人可以通过把低价值附加的任务分给AI,进而在主要的任务中提高生产力。所以,AI 注定会增强劳动生产力。人工智能的应用正在扩散到智力和批判性思维长期占主导地位的领域。例如,业务研究传统上是一项非常耗时的任务。 Conatix的半自动化商业智能系统基于机器学习方面的最新进展,使企业能够从组织外部发现,获取,组织和分享以前的非结构化数据和信息。通过与研究人员密切合作,Conatix算法可以根据人的反馈来调整其过程,创建和更新高质量的见解。 AI 还可以帮助企业最大化其资产利用率。

    重工业,如能源和制造业,需要大量的前期投资,这导致其特别容易受到与停工相关的收入损失。例如风力发电机,意外的停机需要协调一致的努力来维护设备、人员和备用零件,同时减少在不断收入。在齿轮箱故障的情况下,每个故障可能导致长达两周的停机时间,所以,增加资产利用率的好处是显着的。

    AI 能够加快新产品开发从而推动创新。创新的这种增长消除了冗余成本,产生新的收入来源,从而提高盈利能力。

    新药的开发就是一个有启发性的例子。目前,药物开发以提出假设的发现方式为主,最终得到批准的新药还不到提出的 10%。使用 AI,Berg Health 公司通过追踪癌细胞和非癌细胞中数万个数据点来监测癌症病情发展。迄今为止,这项工作已经制造出一种新的抗癌药物,目前正在进行临床试验。这种 AI 药物发现新方法估计将使单一药物的开发成本从 26 亿美元减少到 13 亿美元。

    AI 还能帮助公司基于设计目标和种种约束创建新的产品。Autodesk 以其计算机辅助设计系统 Dreamcatcher 开创了这一新的方法。使用 AI 算法,Dreamcatcher 利用云的力量创建数千个虚拟原型不断迭代,并根据其指定的标准比较其功能、成本和材料。Dreamcatcher 以一种形状适合的材料开始,逐渐凿掉不需要的部分。去掉这些部分后,整体性能的改变会被算法“记住”,这样算法就能够理解每一块材料对性能的贡献。在医疗行业,Dreamcatcher 已被用于设计一种加速恢复和组织再生长的面部植入物。在汽车行业,AI 驱动的产品被用于开发新的跑车。

    各产业获利的潜力

    通过这些渠道,AI 提供了前所未有的盈利机会。例如:在批发和零售、艺术、娱乐和医疗保健等劳动密集型行业,AI 增加了人力,使人力劳动随着时间的推移变得更有成效,并将工作重点转向关键任务。在批发和零售部门,这可能带来收入的利润增长将近 60%,每 100 美元中从 17 美元增加到 27 美元(图6)。

    对于传统的资本密集型行业,AI 对盈利能力的影响可能同样显着。例如,在制造业中,故障机器和闲置设备将会消失,因为随着时间的推移,AI 供电的系统由于其学习、适应和发展的能力,将提供不断上涨的回报率。像快速原型或动态资源分配这样的事情可以显着缩短产品上市时间并降低成本。这为行业的带来的净结果,则是利润增长 39%。

    制造业

    制造业对重型机械的依赖使行业应用 AI 技术。埃森哲研究显示,使用 AI 后制造业到 2035 年可以再增加 3.8 万亿美元的GVA。增加渠道有望推动该行业的大部分收益。劳动力不仅会变得更有成效,而且 AI 也将使工厂车间实现现有机械的全部潜力。

    批发和零售部门,2035 年 AI 可以获得超过 2 万亿美元的额外 GVA,比基准情况增加 36%。零售商可以利用 AI 的智能自动化功能来简化库存和仓库管理,而增强现实技术可以为客户提供身临其境的购物体验。在埃森哲研究的行业中,预计这个行业将受益于 AI 带来的额外创新效应,例如使用 AI 发现用户的潜在需求。

    在埃森哲的模型中,AI 将在 2035 年之前将医疗保健行业的增长率从 2.2% 提高到3.4%,达到 4610 亿美元的额外 GVA。智能自动化通道占 60% 以上的优势。AI 驱动的系统可以分析大量非结构化数据,并生成预测性诊断,可以在问题变为严重健康风险之前检测到问题。创新渠道在 2035 年也为行业增加了超过 1000 亿美元。AI 在医疗保健方面有巨大潜力的一个例子:该行业与以前无关的领域(如制造和设计)合作,创造出尖端的 3D 打印技术用于器官移植。

    报告地址:www.accenture.com/t20170620T055506__w__/us-en/_acnmedia/Accenture/next-gen-5/insight-ai-industry-growth/pdf/Accenture-AI-Industry-Growth-Full-Report.pdf?la=en

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>