绕过巨头围剿，AI创业我看好这三个领域

导读：从1956年开始有了“人工智能”这个概念到60几年后的今天，人工智能从人类脑中的一个幻象到当前最火热的创业风口之一，正潜移默化地改变着人们的生活。

这波创业浪潮是巨头们的独角戏吗？ 中国的AI技术在国际上处于什么地位？AI型创业者如何建造自身壁垒？人工智能与哪些领域结合更有前景？

在疯狂BP的第三期线上分享会上，之宝创投的主管合伙人陈兰飞与400余名创业者在线深聊了AI对于人类生活的影响、创业型公司的生存法则以及投资人的投资逻辑等。关于人工智能，你想要的答案这里都有。关注“疯狂BP”公众号，回复“人工智能”可获取4份关于AI的行业研究及推荐BP结构。

在阅读分享会的内容之前，听听分享者的自我介绍，他对这个行业理解的背景以及他的一些投资案例，相信你会对后面的长文分享理解更深。

   

之宝创投主管合伙人——陈兰飞

自我介绍

 

大家好，我是之宝创投的陈兰飞，希望接下来的一个小时我们都能有所收获。

之宝创投大概成立了三年多，我们最早做网游和互联网娱乐的投资。从2016年中我们开始关注人工智能这个行业。

很多我对人工智能的理解，来自于早期全球大学生数学建模竞赛得奖的朋友们。他们陆陆续续创立了一些人工智能的公司，普遍创立于2012年，但在2015年至2016年时候，这些公司就被市场所广泛认识，包括依图科技，第四范式，助理来也，万维思源等，在和这些朋友的互相沟通中，慢慢发现了人工智能广阔的方向。

早期的人工智能我们称其为“神经网络”，后来这个学科由于在算力和算法上的不足沉寂了大概二三十年。最近五六年，人工智能进入了高速成长期，人工智能也慢慢进入了群众的视野，大家也把这个学科的名字改成了“人工智能”。现在我们关注的这个时期，可能属于人工智能行业的高速上升期。我对这个行业大的理解就是这样。

之宝创投陆陆续续投资了包括湖南文盾等在内的人工智能公司，湖南文盾是军民融合在人工智能安全上的一个公司，此外我们还参与了“万维思源”和“助理来也”的前期设立。

现场问答

 

Q1：作为投资人，你是如何去定义人工智能的？

我认为人工智能首先是机器对人类的模仿，接下来是还原人类的思考方式，最后一个阶段是增强人类的思考方式。

人工智能的发展分成三个层次，第一个层次是模仿人类感知世界的能力，类似我们的嗅觉、听觉和触觉，所以我们做出了存储器、监视器等赋予了AI感知外界的能力；第二层是模仿重建人和世界的沟通方式，也就是自然语言。我们把计算机对自然语言的模仿可分析化、可视化，然后就有了NLP；第三层就是现在还没有进入的情感层，它牵扯的就会更复杂一点，也就是人工智能要学会人类的感情，并且对人类进行更深层次的思考，这是未来的探索。

回到当下，目前我们身处的这波人工智能的浪潮，或者说我们以人工智能创业为主的方向就是机器学习为主力。核心可归纳成深度学习配合大数据输出人工智能，即大数据和深度学习的技术结合，让人工智能变得有用。

Q2：目前国内外人工智能研发主要是针对哪些领域？哪些领域国内技术是领先地位？

人工智能的发展以国内和国外区分的话，目前国外比较领先的是微软、Facebook和谷歌，国内则以BAT为首。无论国内外，基本上都处于实验层面，还未进入实际应用阶段。

AI的应用领域比较广泛，可以把应用方向分成基础设施和细分应用两大类。基础设施包括语音识别、语义识别、计算机视觉和数据标注等。科大讯飞走在语音识别上的前列，算作是基础设施类，目前股价已经突破了60。

百度阿波龙无人驾驶微循环车

另外就是行业的垂直应用，比如AlphaGo、汽车领域的无人驾驶、金融领域的智能投顾等。我接触比较多的是无人驾驶在新能源汽车上的应用，比如两周前百度联合金龙客车开发的无人驾驶微循环车“阿波龙”，这是我所合作的基金参与的。医疗领域的人工智能应用比较受关注的一是看图，二是通过高通量分析和筛选对癌症进行靶向药物治疗。

从总体沉淀来讲，AI三巨头都是美国人，也集中在美国的几个大学里面，这是世界领先技术的源头。国内的AI研究人员，比如说中科院计算所史忠植教授、港科大的杨强教授、AI女王李飞飞、前百度研究院负责人吴恩达等基本上都处于一线AI工程师的地位。总体来说，我国AI起步比较晚，在短期赶超美国不现实，但国内的AI创业人员和研究人员在世界范围内基本上都处于一线。在设施配套完善和市场开放的前提下，在不短的时间内应该就可以达到世界的一级水平。类似中国O2O和共享经济。

Q3：人工智能爆发的机会会在企业还是高校？

我不认为把企业和高校割裂来看是一个明智的选择，比如斯坦福的人工智能实验室跟各大企业（特别是Facebook、谷歌）之间基本上密不可分的。我们需要根据目前市场的一个现状来关注“数据”。如果没有谷歌等公司的海量数据，AI发展速度可能会很慢；但如果没有高校的基础研究和纯科技型的研究，在工具上就会落后很多。

2016年Twitter花1.5亿美金收购了一家叫Magic Pony的公司，Magic Pony的创始人是英国帝国理工的博士。福州的帝视科技，技术和产品跟Magic Pony旗鼓相当，因为他们团队是同样来自帝国理工的海归博士。这两个企业就是千万个有高校背景的人工智能企业的缩影。所以我相信，高校和企业都有机会，关键是融合和共生。

Q4：如何看待“不拥抱人工智能会被淘汰？”的论调，目前的商业运用层面似乎很有限，如何理解AI+和+AI？

“不拥抱人工智能就会被淘汰”换一个说法就是“不拥抱先进生产力就会被淘汰”，这样一说就是一个基本的商业常识了。回头看电子商务和移动互联网两波热潮，谁不拥抱先进的生产力肯定就被拍死在沙滩上，所以就不仅仅是人工智能这个行业了。

说到商业应用的AI+和+AI，这个应该不难理解。

先说下+AI，其实在咱们现实应用比较广泛，比如精益生产。我们在企业里面的看板、产线平衡、库存管理、柔性生产等概念很早之前就被提出来，加上人工智能辅助后很大程度地弥补生产管理上的缺陷。比如福耀玻璃在玻璃质检上引入人工智能，在生产效率、不良品率等各方向取得了行业领先优势，超过了很多同类型工厂。

AI+的话，我们举个例子就可以知道，比如说Nvidia，从生产针对AI的GPU开始，支持了包括微软、Google、IBM、丰田、百度等高科技企业的AI研发和生产。通过AI+，Nvidia的股价2015年到现在涨了10倍。

Q5：为什么说人工智能的2C市场早期普及很困难？主要是哪几方面原因？有很多公司开发智能音箱等智能硬件，这是一个很好的人机交互场景吗？

我觉得在2C市场人工智能想要提升消费者的体验，通过单点突破是比较困难的，体验提升是一个比较系统化的过程。像车载语音的交互，智能家居等不仅需要单一产品的完成度高，更需要车载、居家环境的各项细节、配件等的整体配合。意思就是单点进入就已经举步维艰，或者说撬不动，因为配套设施和服务没有起来。互联网领域做个App就能够撬动很大的市场，但在AI这个领域基本就不大可能。

我个人觉得智能音箱并不是一个非常理想的人机交互产品，但可能是一个比较有机会的场景。我们有智能手表、是智能手机、智能电视、智能汽车等，这些都是与我们互动频率比较高的硬件设备，每个设备在非智能领域仍然有相应功能，比如说通讯、娱乐和出行。如果人工智能设备的换代周期比较长，刚性需求上也就会有一些不同。音箱作为非必需品，一方面功能相对单一，另一方面大家对它的智能追求和标准不会过高，只要做到了都是加分。

Q6：巨头林立，创业公司做AI方向会有机会吗？无论从数据层面、算法层面似乎都没有优势，是不是说AI与普通的创业者没有太大关系？

AI分成三大类:AI技术本身、AI技术行业应用和AI技术产品化。在我看来，AI技术本身的基础性设施机会已经不多了，BAT、Google等巨头已经把路堵死了。

在AI技术行业应用和提供解决方案上，不少的传统产业AI化改造，将技术和具体行业结合提升效率或者智能化升级。这个市场处于早期阶段，应该还有挺多机会，但机会一般在各个行业的老鸟身上。

AI技术产品化的机会比较大一点。创业者有两大类机会，一是To B 市场，针对各行业推出产品辅助人类工作，比如巡逻机器人、警用智能探头等；另一类是直接面对消费者To C的智能产品，比如说小米音箱、亚马逊echo，管家机器人等。

说回数据，目前研发所需要的数据大部分都由互联网巨头们所掌握，即使技术再领先，如果此类数据缺失，企业也很难快速发展。我们看到很多这类技术公司在美国的唯一出路就是被巨头并购，在中国就是被BAT参股，未来机会也不是特别大。这时候就可以考虑在哪些领域巨头也没有数据，我所想到的有医疗、金融和安全领域。

说到人工智能的应用，海康威视这家公司不得不提，通过无数的摄像头它采集到很多真实的人脸，因为掌握了海量的数据，我认为觉得这家公司的人脸识别技术不仅目前达到未来也有很大的机会在中国保持领先优势。有了数据之后加上算法，无论人脸识别还是医疗都能够赶超。

Q7：人工智能目前有哪些不错的应用场景？对于创业者来说有什么启发？以当前的技术水平跟发展态势，你最看好哪人工智能与哪些领域结合？

这三个问题可以看作一个问题。我们现在主要关注三个领域与深度学习进行较紧密的结合，无人驾驶、金融和医疗。无人驾驶在计算机视觉的识别技术上已经趋于成熟，具备与机器学习进行深入结合的条件。但是目前驾驶作为一个动态活动，相对于静态的图像识别，难度和复杂性要高挺多。

金融领域尽管积累了很多高质量的封闭数据。但噪声非常大，比如说在微信上发红包就属于无效的数据。金融受政策导向比较严重，政策不让你做payday loan（现金贷），那你也就做不了。AI技术不是金融交易的核心技术，交易的安全反而是比较重要的。智能投顾、金融安全包括数据系统的智能推送等是金融行业有可能能够分切一块蛋糕的地方。因为金融是特别大的一个行业，我们在里面切一小块也就够了。

人工智能在医疗领域的机会就比较多了，医疗影像的识别，流行病趋势的诊断、急诊科里的紧急处理和实时同步处理等。根据病人的生理指针进行指导用药，用电脑进行检测远比派个医生效率高，因为机器不会累。对疑难杂症的诊断上，医院的误诊率高达百分之五十，如果我们认同这个误诊率的话，在大数据和深度学习的背景下，对于癌症和肿瘤的诊断，AI其实是比较容易能够赶超主任医师的。

在这三个方向上现在都有比较多的投资案例，之后可以共享一些我们觉得符合逻辑的投资案例，大家可以共同学习。

Q8：什么样的企业最适合去和人工智能结合？人工智能的人才要到哪里去寻找？

AI+和+AI与互联网+类似。所以比较多的企业都能够去跟人工智能结合。

人工智能最容易满足并且替换掉这些行业中需要大量数据分析演算，进而提出决策结论的功能，比如前面提到的医疗、安全、金融、无人驾驶等行业都是特别适合去和人工智能做结合。

至于人工智能的人才要去哪里寻找，这是一个特别头疼的问题。比如说今日头条要招一个深度学习的博士生，如果你好用的话它开出来的薪水是四年一千万人民币。在这种水涨船高的情况下这个问题确实比较难解。所以大家都会把手继续往前伸，比如说acm竞赛的得奖人员、国内著名的高校的学生，国外博士生回流等，大致就是几个方向，关键还是事业留人，感情留人。

Q9：目前看到很多人工智能结合的黑科技，但是似乎都没有看到好的盈利模式，人工智能的商业路径会是什么？

智能的商业问题其实跟人工智能的创业方向非常类似了。第一个是解决平台及问题，你能够把脏活累活给做了，比如处理大量语言图片的技术，那就是一个商业路径；还有一种就是精确领域中实现难题的突破。任何一个已经成熟的学科或行业是相对封闭的。在精确的领域里人工智能可以把一个知识目标按照构架拆解成点装的数据。垂直领域目标清晰，就有可能达成刚刚说的医疗影像识别，神经外科的分析诊断。

从投资人的角度来看，我觉得精准领域的价值发现会是我们更擅长的。结合国情来看，医疗目前增长比较迅速，医疗数据的资源都在政府和医疗机构手上，这个壁垒相对BAT来讲还是比较容易攻破的。

国内比如碳云智能、推想科技、神州医疗就都做得不错。太原智能的创始人是前华大基因的CEO王俊，这是一个有很大野心的公司;推想科技创始人是陈宽，用深度学习方法来做医疗影像，做得很好，他们就是单点突破的典范;神州医疗的史文钊整合了包括哈佛医学院的资源、神州数码的IDC中心大数据超声中心、医疗数据等，再结合各地的肿瘤医院测算，他们应该有一个很好的前途。

Q10：小的创业公司估值贵不好投，头部的公司进不去，从投资角度说，会更喜欢什么样的投资标的？

这个问题其实不是在人工智能行业才存在，我觉得是各个领域都存在的这样一个问题。

从投资人的角度来看，我们遵循以下三点原则：首先，公司要有护城河，可能是技术壁垒，可能是商业模式，也可能是团队，我们称之为壁垒深。第二点的话是控得住，就是投资机构跟创始公司之间除了业务层面之外还有更深层次的联系，比如说是多年朋友啊，或者是一路相伴成长的，这个叫控得住。第三点，就是有短板，并且基于投资公司能够补充。比如说创业缺渠道，我们有portfolio（投资组合）里的渠道，或者企业公关做不好，咱们公关做得比他们好。

所以投资标的核心点就是：第一点是有长板有壁垒，第二点就是控得住，第三点叫帮得上，符合这三点原则的公司，那肯定是一个投资人喜欢的标的了。

Q11： 在人工智能创业的第一阶段，公司的估值是 “算法 x 人才”；现在号称进入人工智能2.0时代，人工智能创业公司的估值方式有改变吗？如果有，是改变了哪些估值维度？

算法加人才其实就是科研成果的转化，在2012年前后确实大概都是用这个估值。你是三巨头的门徒，回来就给你个一千万美金左右的估值，这就是咱们所说的刷脸到B轮。现在因为公司变多了，刷脸刷完了以后也得PK。

所以目前投资就开始考虑市场化的估值方式。算法是挺重要的，现在商业价值乘以数据是作为一个重要的考量对象。如果没有数据和商业价值，单纯比算法其实也是有点“空中楼阁”的意味。

我认为目前直接数据乘以商业价值，再加上算法，是普遍采用的一个估值方式。未来如果出现成熟可靠盈利模式，那就会殊途同归。现金流、品牌价值、运营效率等等也会都加入到估值体系里，这样也会更健康，更长久。

Q12：日本现在出现了机器人妻、丈夫、男朋友、女朋友，作为投资人，如何看待AI会带来伦理方面的问题？

这个问题应该是社会学家都关注的问题。作为早期投资机构，对这块确实研究得不够多。目前在座的各位如果关注到这个问题的话，那说明公司都已经做得比较大了，需要成立公共关系部要来处理这一类的问题了。

Q13：科技进步是如今收入不平等的主要推动力，是造成贫富差距过大的主要因素。人工智能能够通过更高效地为人们提供服务和创造产品，产生巨大的财富价值。是否意味着人工智能将加剧人类贫富分化？

这个问题很有哲理性。贫富差距的扩大，到底是因为先进技术和生产力的发展造成的，还是因为政治制度或者社会商业体系造成的，我觉得见仁见智的。

中国算获取信息相对比较平等的国家，这种所谓的贫富差距见仁见智，我就不做更多深层次的探讨了。我觉得本质上科技进步不会造成贫富差距扩大，反而有可能促进信息的流通。

Q14： 我们总在担心人工智能的出现会取代一些现有工作，让一部分人失业。人工智能会带来社会的不稳定吗？这项技术崛起会创造哪些新的工作机会吗？

本质上只要人存在，一项工作被代替，就一定会找到一个其他的工作来适应这个社会。AI技术的崛起，必然会对这个GPU产业、IDC的产业、机器人、电子制造业等产生很大的影响，这些都是直接影响。

间接影响是由于大幅提高了生产力，解放了很多的劳动力，所以有可能会出现很多我们不敢想的事情，比如我们去月球上建宇宙基地，或是我们把海洋变成我们的生产基地。这些都可能是我们的新机会。

Q15：投资人目前投天使轮是看想法BP还是要看数据为先？

我个人认为天使轮阶段的人工智能创业，如果你是在算法上进行优化的话，投资人更多的是看人。若是推出一个AI相应产品的话，我可能还是会稍微看一下初始数据。

AI公司目前其实有一个比较大的风险，就是这些公司的高估值和目前营收以及利润基本为零这两者之间的反差，让大家更多的押注于成长性和技术领先性上。

我相信这一点会在未来短期之内被抹平，只要有一到两家企业实现规模化收入和营收的话，马上就会让这个估值方式发生巨大变化。

Q16：人工智能会像互联网一样成为基础设施一样的存在吗？还是说只有少数公司和玩家才能涉足？

从目前来看的话，包括寒武纪、第四范式，大家慢慢把人工智能做成基础设施的方向。未来对于算法和算力的获取就好像我们现在获取水电煤一样。那在这种情况下，社会责任和公益属性其实是存在的，这也是中国和美国目前可能领先于其他国家的核心点。

对于这些特质，只有少数公司在这个方向上能在极低成本的情况下仍然有利润，所以自然也就只有少数公司才能参与。但这必然会占据比较大的一个市场份额乃至国家补贴。

Q17：请问为什么目前人工智能医疗领域医学影像类的项目比较多？

因为目前图像识别这块其实是人工智能发展了比较长时间的一个东西，技术比较成熟。医疗影像科方面的人手也是缺乏的，而且经历也比较不愉快。在这个方向上发展第一省时，第二省力，第三可能还会带来直接的C端收入以及获取B端的数据。

目前三甲医院的误诊率在普通疾病方面是百分之四十，在疑难杂症和重大疾病上是百分之六十，从概率上来说，在重大疾病上你得去看三次医生才能够得出一个正确的结论。在普通病症上，有时候不是因为诊断的正确，而是因为时间拖过去了病自然就好了。

在医学影像上百分之九十五的准确率跟百分之九十九的正确率，其实对我们的客户体验并没有特别大的影响，所以这个行业应该是红海。比较多人做的时候我并不建议大家继续深入这个行业，除非医院给你大规模订单了。

用疯狂BP向之宝创投陈兰飞投递项目吧！ 访问：http://chenlanfei.dartcome.com/#/

或扫 码

* 建议使用疯狂BP网页版制作并投递

点击注册疯狂BP，创建投资人想要的商业计划书，开启融资第一步！

本文版权归疯狂BP所有，转载请注明“来源：疯狂BP”