他研究了5000家AI公司，說人工智能應用該這麼作！

本文由 「AI前線」原創，原文連接： 他研究了5000家AI公司，說人工智能應用該這麼作！

你們好，我是 Henry Shi，我是美國人工智能的博士，連續創業者，同時我也專一在於 AI 領域的早期投資（AI List Capital管理合夥人）。我投資的公司大部分都是在美國的早期公司。可是也有其中的一部分如今發展到中國市場上，在中國的多個城市進行了落地，因此我對人工智能在美國和中國不一樣行業的應用都是很是關注的。咱們也作了不少的研究，包括咱們的團隊研究了全球超過五千家人工智能公司，去分析他們的技術和商業模式等等。

同時我也是貪心科技的內容合夥人。咱們是一家人工智能和教育相結合的公司，成立於美國洛杉磯。貪心科技旗下的貪心學院是國內首家以 AI 和大數據內容爲主的自適應學習平臺。平臺提供最專業、最標準化的 AI 課程體系，經過人工智能技術給每一位用戶提供量身定作的個性化學習路徑。互聯網革命帶來的人工智能時代正在迅速重塑着咱們對課堂、教育乃至人類學習模式的理解。咱們堅信人工智能和在線教育的結合會帶來教育行業的巨大變革。

我致力於爲這家公司的這個平臺提供很是優質的人工智能的內容，把美國最前沿的人才和一些科技資詢能夠更好的向中國來進行傳播。貪心科技是 AI List Capital 基金投資的一家公司。你們能夠關注公衆號「貪心科技」來了解這家公司，在文章末尾附有公衆號二維碼。

不管你是 AI 的創業者、投資人，仍是對 AI 技術感興趣的愛好者或者是商務人士，但願我講的內容能夠對你們有必定的借鑑意義。

我今天主要講幾個方面：

• 第一就是對 AI 的基本認知，從投資的角度來說，咱們是怎麼認知 AI 的；
• 第二簡單介紹一下 AI 公司分析的一些維度；
• 第三我想討論一下 AI 在垂直行業的應用和中美對比；
• 最後給你們一些創業的建議。

AI的基本認知

對 AI 的基本認知很簡單，咱們認爲 AI 的核心就是數據驅動來提高生產力、提高生產效率。凡是知足這個條件的，咱們基本上認爲它就具備 AI 公司的特色，即只要是得到了數據而且去利用數據來提高它的整個生產力、生產效率的，咱們認爲它都具有 AI 的元素。

對 AI 的第二認知是：AI 是互聯網或者移動互聯網發展的一個必然結果，由於移動互聯網和互聯網創造了大量的數據，那麼目前來說互聯網、移動互聯網當中的機會應該是頗有限了，今天你要再作一個這領域的這個獨角獸公司相對困難，可是 AI 裏面有很大的機會，我相信你們也很是關注 AI 公司的融資，在中國不斷有 AI 公司得到很是大額的融資，它的整個估值推高的很是快，這速度可能比之前的互聯網，移動互聯網公司要快不少，這裏面給咱們創造了很是大的機會，不管是創業者仍是投資人。

第三方面，我想來分析一下 AI 公司常見的兩種類型，第一種就是直接用 AI 來解決問題的，這裏面的一個表明那就是無人駕駛，無人駕駛從一開始就是但願用 AI 來解決駕駛的問題，它一開始就但願用這種機器自動化的方式來解決；第二類公司是數據積累後的一種智能化，或者說是互聯網、移動互聯網公司發展後天然走向 AI 化，舉個例子，像 LinkedIn、Facebook，他們在積累了大量的數據以後，能夠用這些數據來作智能的好友推薦，它們的將來必定會愈來愈智能，將來不少互聯網、移動互聯網公司都會天然的成爲 AI 公司。

下面我舉幾個例子，跟這兩類 AI 公司相關的。這裏講的公司大部分都是咱們投資的，但同時它也是在後續輪被美國很是主流的這些投資機構來領投的，同時他們又是 AI 在不一樣垂直行業當中的很好的範例，我以爲這幾家公司在對 AI 垂直行業應用方面給你們提供了一些比較具體的例子。

我想講的第一家公司就是叫 EverString，它是直接用 AI 來解決問題的。

EverString 最先作得是什麼呢？其實他們在大概五六年前創業以後，很早就拿到了真格基金的投資，由於 EverString 這些人大都是斯坦福出來的，他們最先作的事情是幫助 VC 和 PE 來發現有潛力的投資標的，也就是在 2013 年乾的事情，如今你們看到的這張圖，其實是他把全球的不少公司的信息作了整合以後，經過可視化的方式呈如今一張圖上，來幫助 VC 和 PE 發現頗有價值的這些標的，好比圖上的圈，比較大的這些圓圈可能表明的就是公司體量比較大，增加速度比較快的這些公司。

經過這種比較有意思的大數據可視化，可以發現一些增加比較快的領域，或者是某些其實存在不少機會的領域，可是暫時沒有被主流的 VC 和 PE 盯上，總的來講，這家公司作的是這麼一件事情。

可是這件事情其實當時作得是比較侷限的，好比說他們後來發現，這個市場過小，雖然他們提供的東西有價值，可是不多有 VC 和 PE 會爲他來進行比較大的買單，後來他們把這個產品升級到了一個大了幾十倍幾百倍的市場，也就是 AI 加銷售的這個市場，把 AI 用在銷售領域，利用 AI 來發現潛在的企業客戶。

咱們把剛纔這個 VC 找項目的例子進行深層面的思考。

VC 要找投資項目，投資項目能夠認爲就是 VC 的潛在客戶，在這種層面上你能夠認爲它是個 B2B 的公司，B2B 的公司但願找到好的企業客戶，那麼 VC 只是這種 B2B 公司當中的一小類。實際上有大量的 B2B 公司都要找到企業客戶，好比說如今的圖中展現的是 EverString 如今的一些客戶，包括 Salesforce、Oracle、IBM 等等，這些都是很是大的企業。他們都要找到不少企業客戶。

那 EverString 乾的事情是當企業有一大堆潛在的客戶時候，在我這張圖上的這個左邊，就是說這些灰色的人頭，就是說每一個人頭可能都是個潛在的企業客戶，那麼你可能會有不少不少，好比說這個數以萬計的潛在企業客戶，你給一個企業過來，其實對企業來講，我要去跟這些客戶聊，我要去銷售，選擇合適的企業客戶來進行銷售是很重要的，這個是很提升效率，減小銷售人員的不少重複浪費工做，至關於提高他們效率，減小他們浪費不少時間在不太可能的客戶上。

在拿到了不少潛在客戶以後，EverString 就要進行下一步工做了：將企業已有的客戶數據進行比對、分析，好比去分析這些潛在客戶的 Web Bhev。舉個例子，好比亞馬遜，我發現有個客戶，他如今可能就在網上招一些可以作雲服務、雲計算方面的一些人，極可能這家公司就是在雲計算、雲平臺方面有很大的需求。好比說有的公司可能剛剛新融一輪資，而且它說要在某些方面進行重要的戰略性的發展，那麼這些數據的分析也能夠爲這個企業，提供潛在客戶這種篩選的信息。

總的來講經過在大量的客戶當中去挑選出一些很是有潛力的客戶，其中結合了 CRM 還有一些用戶網上的行爲，最終他能夠給不少潛在客戶進行打分，就是這裏面這張圖裏面的最後一步，每一個潛在用戶都給他打了一個數字的分數，分數越高就是越有可能，以後就可讓公司的銷售人員優先去和這些客戶聊。

在這樣的一個轉型升級以後，EverString 發展的很是快，他們基本在美國要進入獨角獸的行業，他們如今也是硅谷在 AI 領域發展的頗有潛力的一家 B2B 的公司。

總結一下上面講的例子，這家公司擁有的兩個屬性：第一是 AI 加銷售的一個垂直行業應用；第二是這家公司直接用 AI 來解決問題的。

我再講一家咱們投資的也是用 AI 來解決問題的一家安防公司。

這家公司用 AI 來防禦自動化的網絡攻擊。什麼叫自動化的網絡攻擊？根據一項權威的研究代表，其實 90% 以上的登陸頁面訪問都來自於自動化程序，也就是 Bot，什麼意思呢？好比說你是一個相似淘寶的電子商務網站，規模比較大，其實大量的登陸行爲，用戶名和密碼這種行爲都不是來自人，而是來自這個機器程序，機器程序這種登錄行爲的目的是什麼？固然是想盜取賬戶，那怎麼盜取？

實際上你們不少時候在不一樣的網站上，註冊用戶名和密碼的時候都用的是同一套，可是不少網站其實它的安全性作得是不好的，好比說不少黑客程序就可能會侵入到一些安全性比較差的這些論壇、網站，而後把你的用戶名密碼信息泄露出去，又有大量的這種 Bot 拿着這些信息去不少主流的網站上去測試，好比說電商、銀行、航空公司等等，在各類網站上測試，很容易就會竊取進去，只要用戶名和密碼配對成功，它就登陸進去了，那就可能給你形成很大的損失，Shape Security 這家公司就是來解決這個問題的。

Shape 的客戶是誰呢？好比就是淘寶，Shape 的目的是幫助淘寶去分析出來登陸我淘寶這些人究竟是人仍是 Bot。若是是 Bot，就要把它給阻攔掉，這個 Shape 也發展的很是快，它也基本上就是要達到這個獨角獸的行列了，它的投資方也都是美國頂級的 VC，像 KPCB，Google，Ventures 等等，這張圖是 Shape 的一個很好的體現。

你看到這張圖上面，這個黑色的區域體現的就是這個網站的訪問量，那麼在啓動 Shape 以前，網站雖然訪問量很高，可是大量都是由 Bot 產生的，那 Shape 運行以後，Bot 的登錄就被大大的過濾，這個訪問量就很是正常了，基本上就是來自人，Shape 就幹了這個事情。

你可能會問說，那這個 Shape 的 AI 用的是什麼？這裏的 AI 主要是去判斷這個登陸行爲來自人仍是來自 Bot，這個判斷並非那麼容易的，並且如今 Bot 也愈來愈智能了，它實際上是用 AI 去反 AI，其實和這種殺毒軟件等等也比較像，可是 Shape 解決的這個問題是不少現有的防火牆，殺毒軟件等等的不太能解決的。這也是爲何 Shape 它的客戶全是美國很是頂級的，最大的銀行、最大的航空公司，還有像星巴克等等，都是它的大型客戶。它也是 AI 在垂直領域，也就是安防當中的一個很是好的應用，並且它是直接用 AI 來解決問題的，解決的就是這個程序攻擊的這個問題。

我要講的第三家公司 ObEN，也是咱們早期投資的一個公司，它也是有 AI 來解決問題。這個 ObEN 這家公司乾的事情是挺有意思的，它是 AI 在娛樂行業的一個應用，它可以幫你創建人工智能的虛擬形象。

好比說你們看這裏的這個第一張圖，這是 ObEN 的兩個創始人，給了一張照片以後，它在他們的右邊就生成了他的人工智能虛擬形象，而後這個虛擬形象就不只表情動做和它很像，聲音也很是像。可能你們也或多或少了解這個技術，好比說在不少的影視當中也有應用。

ObEN 的核心亮點就是說它可以用很快速的方式來創建這種虛擬形象，而且賦予它娛樂的應用場景。好比說它要創建聲音模型，只須要兩分鐘的音頻；它要創建頭像表情的這種形象，只須要少數的幾張照片，固然數據越多，它的效果確定是越好的，可是它能夠快速的生成。

好比說在這裏，能夠看到最右邊的這張圖，就是它把公司這位印度籍的創始人的虛擬形象構造出了，讓他在一個有點像這種 BR、AR 的場景當中唱歌，並且還能讓他唱中文的歌曲，用的仍是這我的本身的的這種聲調，這些都是它的應用。它也可讓你唱出周杰倫的感受，甚至能夠作到很是像，它也可讓你去創建周杰倫的聲音，讓他去唱另外一個歌手的歌曲，甚至可讓周杰倫來說這個郭德剛的相聲，這些均可以作到。

ObEN 它發展的很是快，它的投資方很強，包括軟銀，騰訊，華人文化，SM 娛樂等。SM 娛樂是韓國很是知名的娛樂公司，而且在去年 ObEN 和 SM 娛樂合資，合做成立了一家合資公司，就是叫 AI Stars，就叫幻星，核心就是用 AI 來爲 SM 旗下的不少明星提供虛擬形象的服務。

你可能會問明星造了這個虛擬形象目的是什麼呢？其實這個目的之一就是可以和粉絲更好的互動，你能夠想象，將來每一個明星他都有一個虛擬形象，你能夠經過一個 APP 去跟他互動，好比說你能夠和周杰倫進行互動，你會問他不少問題，他都會盡可能給你回答，有些問題他可能一時答很差，可是他可能就是經過後臺他的經紀公司幫他回答了以後，他不斷會學習，能夠和人更好的互動。並且粉絲跟他互動的時候，他能發出周杰倫的這個聲音，還有周杰倫的特有的這種表情等等，甚至用戶能夠點歌，讓他唱什麼歌他就給你唱什麼歌，這個就很是有價值，會不少粉絲願意爲他進行付費，應該說是創造了一種新的娛樂體驗。

ObEN 的整個發展它也很快，除了和 SM 合做，好比說在中國它如今就在跟 SNH48 在合做。其餘地方也有不少應用，包括它和微信等等這些企業也有合做。因此 ObEN 也是我講的一家 AI 在垂直行業的應用公司，它在娛樂行業來進行運用，也是用 AI 來直接解決這個問題的。而且如今 ObEN，它在佈局整個區塊鏈，它推出了全球第一個分佈式的社交 AI 的平臺，結合了區塊鏈。

你們能夠在網上查一下，最近他們的新聞也是很是活躍的，這是人工智能和區塊鏈的一個很好的結合，我相信在座的不少可能也知道最近區塊鏈至關火，多是基於去年人工智能達到風口以後，今年又達到風口的就是另外一項技術，AI 和區塊鏈確實有不少讓人很興奮的結合的方式，ObEN 是走在這個方面的前列了，我相信很快也會有不少這方面的優秀的公司會誕生。

我要講的下一家人工智能的公司叫 Honey。我這裏的標題實際上是有問題，Honey 不是我想講的直接用 AI 來解決問題的公司，Honey 是我前面講的 AI 公司當中第二類，它自己是個互聯網公司，只是由於它得到了大量的數據以後，它天然的變成了一個 AI 公司，或者說它天然的就發揮了不少 AI 在這裏面的功效。

Honey 作的是什麼呢？它實際上是一家美國公司，很是符合美國的市場。它是一個瀏覽器的插件，用戶在美國六千多家電子商務網站進行消費的時候，Honey 會自動幫你找到，用戶要買的這些東西的最便宜的購物券，英文叫 coupon。這是在美國還有加拿大等等這些海外的地方推行的優惠券。同時仍是電商推廣本身的一個很重要的一個方式，不少人都會在 check out 時候都會去找到購物優惠券，但這個中間就花不少的時間。Honey 就把這個時間省的很是少，它可能只用零點幾秒就一會兒找到你買的這些東西，同時把全網最便宜的 coupon 給你自動的填進去。

好比說在 eBay check out 時候，Honey 就根據你買的這些東西進行分析，發現最多能夠省一百塊錢，而後它說我幫你自動填進去。它作的這個事情，概念很是簡單，大大節省了人們工去找 coupon 的時間，並且能保證自動搜索應該是全網最便宜的優惠券。

Honey 概念很是簡單，它就是個互聯網公司，甚至它小到它就是個瀏覽器的插件，可是它發展的很是迅猛。它的盈利模式比較簡單，就是經過銷售分紅，由於它至關因而最後一步導流，因此通常電商就會分給它這個行業大概在百分之三到四的這個 commision ，因此 Honey 最近兩年，有了一個迅速的增加，它如今已經有超過六百萬的用戶，而且它的淨收每個月超過一千萬美金，這是一個很是大的一個收入了，可是其實就是靠這麼一個很簡單的瀏覽器的插件。

這也是咱們很早投的一個公司，如今它也徹底盈利了，並且還在增加的很是迅猛。它原本是一個互聯網公司，可是它得到了不少的受權，這時候他就開始利用 AI 了，它 AI 在這個領域的運用主要是兩個層：

第一個可以自動抓取優惠券，這裏面也用到了一些天然語言處理，由於優惠券它可能每每處於不一樣的形式，有的是結構化的數據，有的是非結構化的數據，就是會出現，那麼 Honey 須要去分析這些數據，至關於把這個優惠券提取出來存到它的數據庫裏面，這是 AI 一個很是簡單的應用，甚至可能你們也不叫它 AI，更多叫它一個智能的爬蟲；

那麼第二塊也是它如今打造的叫智能購物助理，就是說 Honey 擁有了大量的數據，Honey 擁有你在六千多家電商上消費的數據，Honey 知道你可能在 eBay 看了同樣東西，最後你跑去 Target 購買了。能夠想一想 eBay 和亞馬遜，它們也擁有大量的用戶的電商消費的數據，可是這些數據僅次於它們這個平臺。好比 eBay 它是不知道有人看了我 eBay 的東西，後來跑去好比說亞馬遜上買了，就不少這種跨電商的數據是它們沒有的，可是 Honey 是具有的，人們在使用 Honey 的時候它固然須要同一 Honey 能夠去得到它的這些數據，否則 Honey 也不知道你到底買什麼，你要用什麼購物券。

Honey 具有的是一個跨了六千多個電商上的用戶行爲數據，它更可能是可以幫助你去更智能的購物，你能夠想象如今不少電商都有了自動貨物推薦的這個功能，但它其實是以電商爲出發點，核心就是更好的去讓客戶去買單，推薦它更好的東西。可是 Honey 你能夠認爲是一個從客戶角度方出發的智能助理，他知道你在不少電商上的消費行爲，他知道你到底喜歡什麼、敏感什麼，因此這也是他在將來 AI 方面的我以爲是一個很大的應用，也是他如今在重力打造的。那麼 Honey 就是我舉的一個例子，它是 AI 和消費上結合的，而且它區別於前面這些公司，它就是說它不是用 AI 來直接解決這個問題，他是在大量數據積累之上，它自動產生的這種智能化的應用場景。

咱們剛纔其實就給你們分享了四家公司，就是這個我簡單給你們這個回憶一下：

• EverString 是一家 AI 來解決這個銷售當中問題的一家公司；
• Shape Security 是 AI 和安防相結合的；
• ObNE 是 AI 和娛樂相結合的；
• Honey 是一個互聯網公司升級成的一個具備 AI 屬性的公司，它是用 AI 來解決消費當中的問題。

那麼這是四家公司，是我給你們舉的例子，相信可能對你們理解 AI 在垂直行業的應用起到一個比較具像化的做用。

AI公司分析的維度

那麼接下來我想分享一下做爲一個投資人，咱們分析 AI 公司可能有哪些維度，固然咱們分析的維度其實很是多，這裏我核心想講兩個維度，可能對你們理解 AI 公司以及創業會有比較好的幫助。

第一個維度就是價值。

就是 AI 在這個裏面到底扮演的是什麼樣的價值，這個問題很重要，由於它影響到了這個公司的商業模式和估值。固然從投資角度來講，投資就是尤爲咱們這種早期投資就是價值投資，你有足夠的價值才值得投資，才能讓咱們看到將來增加的潛力。那 AI 在這些不少公司當中這個價值主要體如今兩個層面：

第一個層面就是提升效率下降成本，就是前面講的叫提升生產率，好比說它能下降客戶獲取成本，可能它減小了客戶流失率，或者下降了人工成本等等，好比說無人駕駛就明顯就是下降人工成本，這是一種價值。

另外一種價值是它可能會創造新的價值，好比說 ObEN，ObEN 它這個東西有減小什麼成本嗎？某種意義上說是，好比說它減小了明星和粉絲互動的成本，提升了互動的效率，可是從一個更廣義的角度來講，這種 AI 在娛樂當中的應用它每每在創造新的價值，就是說它可能會產生新的用戶行爲，這樣的話就幫助公司產生了新的收入來源，或者它可以幫公司很好的擴大這個用戶羣，也就是說，AI 可能有的時候，它不是那麼直接的下降了成本提升了效率，而是它可能創造了新的價值，它爲企業找到了一些新的和用戶進行互動的方式。

而且這個價值其實還有一個頗有意思的特色，就是它每每能給這個企業產生獨特數據，就是它有點像一個 UGC 的引擎，用戶它會在互動當中會產生獨特的數據，這個數據是 BAT 是不可能有的，也不是說你跟某一個傳統行業公司結合就有，這是你獨家的這個數據，這種新創造新價值的這個 AI 公司也是一個咱們很是關注的一類公司，由於它產生的這個數據壁壘比較強。

那麼剛纔說到了壁壘，AI 公司分析的咱們以爲就是第二個緯度就是壁壘。

壁壘很關鍵，你有價值，可是你有沒有壁壘？有沒有競爭力呢？壁壘的話，咱們首先看到這麼第一張圖就是一個三角形，若是咱們把 AI 公司來進行分析的話，事實上它能夠分紅三類：

1. 最底層就是作基礎架構的，好比說包括了雲計算，芯片等等；

2. 上層就是通用技術，就是好比說像科大訊飛就是作語音識別的；

3. 再上層就是叫垂直行業應用，就是咱們認爲 AI 和行業的應用是創業公司的戰略高地。

爲何呢？由於通用技術和基礎架構每每都是大公司作得，或者說它每每須要大量的人力和財力，不少創業公司在這裏面的機會並不大，或者如今再進入的話也很難有獨特的這個優點了。而且像通用技術，不少大公司在作了比較成熟以後，我相信必定會開源，或者以很是低價的方式來讓創業公司使用，造成它的一種生態。

那麼目前來說創業公司的這個很大的機會仍是把 AI 用到一個垂直的細分的行業裏面，這些應用每每是具備必定行業門檻，並且也是不少大公司它如今可能沒有那麼多的精力去投入的，可是對創業公司咱們以爲是有機會。這是從壁壘的一個角度，就是當你面對很大的競爭的時候，創業公司我以爲多考慮和垂直行業的應用。

第二方面還有造成一個壁壘的這個概念叫數據網絡效應。這個也很重要，數據網絡的效應的意思是說，當你數據愈來愈多的時候，其實你的公司愈來愈強大，而且你也能夠得到愈來愈多的數據，這是一個正向的循環，當你有客戶的時候你確定會得到更多的數據，當你有更多的數據以後你的算法性能就提升了，算法性能提升以後又幫助你得到更多的數據，這是一個循環。

那麼數據網絡效應每每也是 AI 的公司的壁壘，咱們常常講：AI 公司先發優點很重要，你先進入這個市場，先得到數據你纔可以不斷的獲取更多的數據、更多的客戶。有的時候咱們從投資角度來說，AI 的數據壁壘每每已經超過了它技術的壁壘。

隨着如今不少 AI 公司都在使用深度學習，或者說底層使用的這些 AI 芯片等等愈來愈標準化的時候，不少時候這個數據仍是核心，算法層面的差別性，或者它的產生的優點可能在不斷的結構，固然不排除特定行業裏面，可能一些特殊的算法仍然具備比較強的優點。尤爲咱們以爲像創業公司作 AI 加垂直行業應用的話，數據的壁壘很重要，並且要充分利用這個數據網絡效應，快速的擴大你的數據的體量，先發優點很重要。做爲 AI 創業者，咱們的建議就是：儘快的切入，儘快的去和行業的數據結合，儘快的把握領頭的機會。待會我會再講一些創業方面的建議。

那還有一個維度，我也想補充的，就是叫技術分析維度。

這個也是咱們在作投資時候要思考，並且我以爲對於創業者來講也是個很是關鍵性的問題。

就是在這張圖上，這裏我提供兩張圖，第一張圖就是說：任何一個行業應用它其實對於準確率來說都有必定的要求的。好比說在這裏就是紅線，好比說自動駕駛，它的準確率的要求就很是高。好比說用 AI 來作醫學影像的分析，也要有必定的準確率，每每這個準確率是和人相比的。可是有的時候，它比人的要求更苛刻，好比說無人駕駛，人駕駛可能事故率仍是比較高的，可是人們以爲 AI 的應用時候，事故率得低的多，可是 AI 算法到底能作到多少準確率？

其實和訓練數據是很相關的，當你訓練數據量少的時候，你確實就很難作到行業應用的要求，這個時候你該怎麼辦？或者說當我做爲一個投資人我來判斷一家公司的時候，我以爲你可能在必定程度上作不到那麼好的準確率，這種公司可投仍是不可投？這個地方除了數據量的變化，咱們也要看到還有技術的進步，昨天還不太可能的，也許過了幾天，過了幾個月就有可能了。

這裏面其實很是好的這張圖，就是這個 ImageNet 上面的錯誤率的一個變化，在 2010 年的時候，ImageNet 剛推出不久，這個 AI 的準確率是很低的，它的錯誤率達到了接近 30%，可是短短几年下來，由於 Deep learning 的緣由，在如今這個 AI 就已經超越了人類的 Performance，每年都有極大的進步。

這個對於創業者和投資人來講都很重要，你們要去思考將來幾年技術到底會作到什麼程度，這些技術上的發展又可能對於這個行業應用產生什麼樣的影響，今天我 AI 無法在這個裏面很好的應用，也許明天就能夠，等等，這是你們要去思考的。

那麼前面我講到的這個概念能夠從一個方面來說，就是在應用當中它實際上是有風險差別的，有些叫高風險應用，好比說無人駕駛、好比說 Shape Security 作安防的，安防的這個要求很高的，別人用了你的系統萬一出了問題損失會很大；有些是低風險應用，好比說 Ever String 給你推薦企業客戶這一類的，推薦錯了問題也不是那麼大，無非就浪費了你一些銷售的資源；ObEN 作娛樂的，你說它聲音不是那麼逼真可能風險也不大；Honey 也是，它給你作智能的消費，給你推薦了一些商品不是那麼準確，也還好，它至少不是一個高風險應用。咱們必定要去想明白，咱們的應用是什麼類型的。

還有一個就是在沒有足夠多訓練數據，把算法提高到達到行業應用要求的時候，或者準確率還不夠高的時候，怎麼來解決這個問題呢？那麼每每是經過合理的產品設計來解決的，好比說 ObEN，ObEN 這種技術用很短的聲音，用少許的圖片，沒有辦法作到很高精度的這種人工智能虛擬形象，沒有辦法作到這種電影級別的、特效級別的效果，我就增長它的娛樂性，能夠看到它的不少應用就是能夠作不少的娛樂方面的功能，人們就以爲挺有意思的。而且有的時候能夠加入人工輔助，好比說 AI 不是百分之百都能解決問題的，AI 解決很差時候前期就可讓人來介入，直到又得到了不少訓練數據以後再變得更加智能。

無人駕駛就是很好的例子，如今你們還不是很信任這個無人駕駛的這些技術，那麼它就能夠成爲叫作智能輔助駕駛，當人們不斷地信任它，以及它在輔助駕駛的時候獲取數據以後，它又能夠不斷來提高性能來知足這種無人駕駛更加高的要求。因此第三個維度就是技術風險，咱們須要與時俱進地來看待技術，而且在合理的時間段去作一些合理巧妙的產品設計很是重要，創業公司必定要想明白，產品怎麼設計？客戶到底要的是什麼？怎麼樣考慮到各類因素以後找到一個平衡點。

AI在垂直行業的應用和中美對比

咱們今天講得其實就是 AI 在垂直行業上的應用。我前面已經給你們舉了很多例子，今天沒有太多時間，咱們去一個個探討在不一樣行業上到底有什麼樣的應用，那些場景的這個探討，我其實前段時間在長江商學院講了好幾個小時，就是去剖析 AI 在不一樣行業當中的這個應用場景，今天這個時間關係咱們只能說作一些大體的總結，將來有機會，我仍是能夠跟你們去作些剖析。

那麼 AI 如今在各個行業應該說都有不少應用的機會，並且確實也應用的很是火熱。咱們以爲有一個比喻能夠比較好的理解 AI 它的這種應用的時候的這種功效，就是從照相機和攝像機的區別。

之前沒有人工智能的時候，數據獲取很像一個照相機，好比說咱們在考慮 AI 和教育相結合的時候，之前學生可能每月作一次考試，老師就會知道這個學生的表現怎麼樣，它就像照相機按期給你拍一下。可是一旦結合 AI，它其實可以分析這個學生整個的學習過程，它可以去監控他，可以去更高密度的得到他的學習數據，就像一個攝像機同樣，它成天拍着，這個數據量就不同，做爲一個系統其實就能夠在更短的時間內瞭解這個學員，這個用戶的使用狀況，來對他進行一些處理，這就造成了一種數據驅動，並且是高密度的數據驅動的這樣一種應用潛力。

因此 AI 在不少行業當中的應用都符合這個邏輯，就是在有大量的數據以後，AI 能夠作到自動化、個性化、自適應等等這些特色，數據越多，固然你就能夠作到個性化、自適應這種千人千面這樣的特色。因此這就是 AI 在垂直行業應用的我以爲是比較基礎的一個思考。

舉幾個例子，好比說 AI 在醫療方面的運用，用 AI 來看醫學影像，這個你們應該都很瞭解，那麼這裏面作得不少的就是自動化，快速的把這種專家的經驗學習過來，而後來作分析。好比說個性化診療，根據你的這些狀況，根據以往的歷史數據，它能夠幫你作更個性化的診療方案，這個就是一種個性化；好比說 AI 在教育方面的應用，如今一個很熱的方向就是自適應學習，就是可以更快速地、更高密度地得到你的學習數據以後，爲每一個用戶進行建模，而後來爲他提供自適應學習的方案，讓每一個人的學習路徑均可以有所不一樣。這也是貪心科技，就是我進行投資而且我在深度參與的這麼一家公司在作的事情。咱們貪心科技就是想把人工智能和在線教育相結合，來更好地分析每一個學員的學習數據，爲他進行建模，提高他的學習效率。

說到中美對比，總結一下，大概有這麼幾點：

第一點，目前咱們仍是以爲美國的人才優點是很大的。美國在 AI 的基礎人才方面是中國的 10 倍以上，由於不少大公司高校都是花了很大的資本在培養這些人才。中國的人才優點會弱，但如今也在不斷增加。根據我在國內的不少了解，AI 人才實際上是很是緊缺的，我相信極客邦的平臺也正在幫助推進 AI 的人才的建設，我以爲很是好。短時間來講美國仍是具有優點，但中國的市場優點，我以爲是很是有吸引力的，中國的總體市場很是大，並且如今不少公司願意去結合創新，這是中國優點。因此咱們做爲一家 AI 的風險投資機構，咱們也很但願把美國的優秀的人才、優秀的技術去和中國市場作對接，這也是我一直在努力的這個方向。

第二點，中國已經把 AI 上升到一個國家戰略層面了。十九大以後各地都在主推 AI，這個實際上是美國相對來講比較弱的，中國一旦政府主推一些事情通常成效都會很是大，它會引發整個資本市場，整個這些創業生態的一個很大的變化，人們更願意去擁抱人工智能。因此這點，咱們以爲在中國創業有很大的機會。

第三點，中國其實在一些門檻比較高的行業，我以爲有 AI 的應用的機會，好比說像能源、安防、農業、製造等等。這些行業每每資源相對壟斷一點，可是如今由於國家戰略以後，這些行業也都在尋求 AI 化，並且我以爲 AI 化在這些行業確定是個必然，你不去作，每每就失去了這種轉型的機會了。由於這些行業門檻比較高，資源相對壟斷，因此創業公司可能進入的週期會長一點，不是說那麼容易得到數據而且作起來的，可是我以爲有很大的機會。這方面我以爲能夠借鑑美國，由於美國一方面在這些領域相對比中國來講更加市場化，好比說在能源，在農業製造等等方面，甚至安防你能夠看到美國有不少不錯的 AI 公司，我以爲中國能夠在這方面多借鑑，你們若是對這些特定領域很感興趣，咱們也能夠有機會多交流。

給 AI 創業者的建議

最後我想講一下，就是創業的建議。有幾點建議，可能給你們一些啓發。

第一個就是 AI 公司如今估值應該會趨於理性，人才紅利下降。2017 年有不少 AI 公司估值都很是高，我相信 2018 年應該也是這樣，但相對來講估值會稍微理性一點，由於不少東西在風口上，它都有一個很狂熱後逐漸冷卻的過程，可是相對來講 AI 公司的估值仍是很是高的，由於它的整個市場潛力很是大，咱們預測它會更趨於理性一點。人才紅利下降就是說之前你可能團隊裏有一兩個 AI 很牛的人，你的公司的估值就會作得很是高，靠稀缺性人才就可能很是吸引資本，那麼這樣的一種紅利可能會有所下降，就是說投資人也不僅是看這一兩個 AI 大牛，它仍是要更關注公司的基本面，這是第一個建議。

第二個建議也是和第一個建議緊密相關，就是在第一種環境下，我以爲你們要更早地去肯定付費用戶和盈利模式。若是你在創業的時候，要去說服投資人，你須要讓他看到實際的有用戶願意付費，你要有清晰的盈利模式。固然很早期的公司可能還很難肯定付費用戶，那麼至少你能找到一些有意向付費的，先期的這些用戶，我以爲很是重要。

第三點是能夠多考慮在發展過程當中去引入一些戰略投資。戰略投資方每每可以給這些創業公司帶來很是關鍵的行業資源，還有推出渠道。這個在創業公司在融資的時候能夠多去考慮。你們也能夠看到就是這些 AI 公司融到的資不少都是來自投資方的戰略投資。不少 AI 公司都關注，好比說無監督學習、強化學習這些方面，由於這個基於監督學習的不少東西技術方面都應用的不少了，那麼在這些方面能夠多加關注，AlphaGo Zero 就是個很好的例子。

第四個建議，是把握 AI 發展的趨勢。做爲投資人，我分享幾個我看到的將來 1-2 年的趨勢。從壁壘上說，AI 創業公司正在經過如下三個方式提高壁壘，包括 1）結合硬件（關注一下 CES） 2）B2C 的商業模式（能夠造成獨有的數據壁壘）3）滲透門檻更高的傳統行業（如吳恩達創立的 AI+ 製造的公司 Landing.ai）。從技術上說，大部分 AI 創業公司採用監督學習算法比較多，無監督學習和強化學習應該還有很大的應用潛力，好比 2017 年 AlphaZero 的成功。另外，隨着最近區塊鏈成爲風口，AI 和區塊鏈的應用也備受關注。區塊鏈在解決數據安全和共享方面，和 AI 有着很好的結合點，相信會產生很多有價值的應用場景。

更多幹貨內容，可關注AI前線，ID：ai-front，後臺回覆「AI」、「TF」、「大數據」可得到《AI前線》系列PDF迷你書和技能圖譜。