大家好，我是 Henry Shi，我是美国人工智能的博士，连续创业者，同时我也专注在于 AI 领域的早期投资。我投资的公司大部分都是在美国的早期公司。但是也有其中的一部分现在发展到中国市场上，有一些也在中国的多个城市进行了落地，所以我对人工智能在美国和中国整个在不同行业的应用都是非常关注的。我们也做了很多的研究，包括我们的团队研究了全球超过五千家人工智能公司，去分析他们的技术和商业模式等等。
同时我也是贪心科技的内容合伙人。我们是一家人工智能和教育相结合的公司，成立于美国洛杉矶。贪心科技旗下的贪心学院是国内首家以 AI 和大数据内容为主的自适应学习平台。平台提供最专业、最标准化的 AI 课程体系，通过人工智能技术给每一位用户提供量身定做的个性化学习路径。互联网革命带来的人工智能时代正在迅速重塑着我们对课堂、教育乃至人类学习模式的理解。我们坚信人工智能和在线教育的结合会带来教育行业的巨大变革。
我致力于为这家公司的这个平台提供非常优质的人工智能的内容，把美国最前沿的人才和一些科技资询可以更好的向中国来进行传播。贪心科技是 AI List Capital 基金投资的一家公司。大家可以关注公众号“贪心科技”来了解这家公司。
无论你是 AI 的创业者、投资人，还是对 AI 技术感兴趣的爱好者或者是商务人士，希望我讲的内容可以对大家有一定的借鉴意义。
我今天主要讲几个方面：
AI的基本认知
对 AI 的基本认知很简单，我们认为 AI 的核心就是数据驱动来提升生产力、提升生产效率。凡是满足这个条件的，我们基本上认为它就具有 AI 公司的特点，即只要是获得了数据并且去利用数据来提升它的整个生产力、生产效率的，我们认为它都具备 AI 的元素。
对 AI 的第二认知是：AI 是互联网或者移动互联网发展的一个必然结果，因为移动互联网和互联网创造了大量的数据，那么目前来讲互联网、移动互联网当中的机会应该是很有限了，今天你要在做一个这个领域的这个独角兽公司相对困难，但是 AI 里面有很大的机会，我相信大家也非常关注 AI 公司的融资，在中国不断有 AI 公司获得非常大额的融资，它的整个估值推高的非常快，这速度可能比以前的互联网，移动互联网公司要快很多，这里面给我们创造了非常大的机会，无论是创业者还是投资人。
第三方面，我想来分析一下 AI 公司常见的两种类型，第一种就是直接用 AI 来解决问题的，这里面的一个代表那就是无人驾驶，无人驾驶从一开始就是希望用 AI 来解决驾驶的问题，它一开始就希望用这种机器自动化的方式来解决；第二类公司是数据积累后的一种智能化，或者说是互联网、移动互联网公司发展后自然走向 AI 化，举个例子，像 LinkedIn、Facebook，他们在积累了大量的数据之后，可以用这些数据来做智能的好友推荐，它们的未来一定会越来越智能，未来很多互联网、移动互联网公司都会自然的成为 AI 公司。
下面我举几个例子，跟这两类 AI 公司相关的。这里讲的公司大部分都是我们投资的，但同时它也是在后续轮被美国非常主流的这些投资机构来领头的，同时他们又是 AI 在不同垂直行业当中的很好的范例，我觉得这几家公司在对 AI 垂直行业应用，可以说是给大家提供了一些比较具体的例子。
我想讲的第一家公司就是叫 EverString，它是直接用 AI 来解决问题的。
EverString 最早做得是什么呢？其实他们在大概五六年前创业之后，很早就拿到了真格基金的投资，因为 EverString 这些人大都是斯坦福出来的，他们最早做的事情是帮助 VC 和 PE 来发现有潜力的投资标的，也就是在 2013 年干的事情，现在大家看到的这张图，实际上是他把全球的很多公司的信息做了整合之后，通过可视化的方式呈现在一张图上，来帮助 VC 和 PE 发现很有价值的这些标的，比如图上的圈，比较大的这些圆圈可能代表的就是公司体量比较大，增长速度比较快的这些公司。
通过这种比较有意思的大数据可视化，能够发现一些增长比较快的领域，或者是某些其实存在很多机会的领域，但是暂时没有被主流的 VC 和 PE 盯上，总的来说，这家公司做的是这么一件事情。
但是这件事情其实当时做得是比较局限的，比如说他们后来发现，这个市场太小，虽然他们提供的东西有价值，但是很少有 VC 和 PE 会为他来进行比较大的买单，后来他们把这个产品升级到了一个大了几十倍几百倍的市场，也就是 AI 加销售的这个市场，把 AI 用在销售领域，利用 AI 来发现潜在的企业客户。
我们把刚才这个 VC 找项目的例子进行深层面的思考。
VC 要找投资项目，投资项目可以认为就是 VC 的潜在客户，在这种层面上你可以认为它是个 B2B 的公司，B2B 的公司希望找到好的企业客户，那么 VC 只是这种 B2B 公司当中的一小类。实际上有大量的 B2B 公司都要找到企业客户，比如说现在的图中展示的是 EverString 现在的一些客户，包括 Salesforce、Oracle、IBM 等等，这些都是非常大的企业。他们都要找到很多企业客户。
那 EverString 干的事情是当企业有一大堆潜在的客户时候，在我这张图上的这个左边，就是说这些灰色的人头，就是说每个人头可能都是个潜在的企业客户，那么你可能会有很多很多，比如说这个数以万计的潜在企业客户，你给一个企业过来，其实对企业来说，我要去跟这些客户聊，我要去销售，选择合适的企业客户来进行销售是很重要的，这个是很提高效率，减少销售人员的很多重复浪费工作，相当于提升他们效率，减少他们浪费很多时间在不太可能的客户上。
在拿到了很多潜在客户之后，EverString 就要进行下一步工作了：将企业已有的客户数据进行比对、分析，比如去分析这些潜在客户的 Web Bhev。举个例子，比如亚马逊，我发现有个客户，他现在可能就在网上招一些能够做云服务、云计算方面的一些人，很可能这家公司就是在云计算、云平台方面有很大的需求。比如说有的公司可能刚刚新融一轮资，并且它说要在某些方面进行重要的战略性的发展，那么这些数据的分析也可以为这个企业，提供潜在客户这种筛选的信息。
总的来说通过在大量的客户当中去挑选出一些非常有潜力的客户，其中结合了 CRM 还有一些用户网上的行为，最终他可以给很多潜在客户进行打分，就是这里面这张图里面的最后一步，每个潜在用户都给他打了一个数字的分数，分数越高就是越有可能，之后就可以让公司的销售人员优先去和这些客户聊。
在这样的一个转型升级之后，EverString 发展的非常快，他们基本在美国要进入独角兽的行业，他们现在也是硅谷在 AI 领域发展的很有潜力的一家 B2B 的公司。
我再讲一家我们投资的也是用 AI 来解决问题的一家安防公司。
这家公司用 AI 来防护自动化的网络攻击。什么叫自动化的网络攻击？根据一项权威的研究表明，其实 90% 以上的登录页面访问都来自于自动化程序，也就是 Bot，什么意思呢？比如说你是一个电子商务网站，比如是个类似淘宝的电子商务网站，规模比较大，其实大量的登录行为，用户名和密码这种行为都不是来自人，而是来自这个机器程序，机器程序这种登陆行为的目的是什么？当然是想盗取帐户，那怎么盗取？
实际上大家很多时候在不同的网站上，注册用户名和密码的时候都用的是同一套，但是很多网站其实它的安全性做得是很差的，比如说很多黑客程序就可能会侵入到一些安全性比较差的这些论坛、网站，然后把你的用户名密码信息泄露出去，又有大量的这种 Bot 拿着这些信息去很多主流的网站上去测试，比如说电商、银行、航空公司等等，在各种网站上测试，很容易就会窃取进去，只要用户名和密码配对成功，它就登录进去了，那就可能给你造成很大的损失，Shape Security 这家公司就是来解决这个问题的。
如果 Shape 的客户，比如就是淘宝，Shape 的目的是帮助淘宝去分析出来，来登录我淘宝这些人到底是人还是 Bot。如果是 Bot，就要把它给阻拦掉，这个 Shape 也发展的非常快，它也基本上就是要达到这个独角兽的行列了，它的投资方也都是美国顶级的 VC，像 KPCB，Google，Ventures 等等，这张图是 Shape 的一个很好的体现。
你看到这张图上面，这个黑色的区域体现的就是这个网站的访问量，那么在启动 Shape 之前，网站虽然访问量很高，但是大量都是由 Bot 产生的，那 Shape 运行之后，Bot 的登陆就被大大的过滤，这个访问量就非常正常了，基本上就是来自人，Shape 就干了这个事情。
你可能会问说，那这个 Shape 的 AI 用的是什么？这里的 AI 主要是去判断这个登录行为来自人还是来自 Bot，这个判断并不是那么容易的，而且现在 Bot 也越来越智能了，它其实是用 AI 去反 AI，其实和这种杀毒软件等等也比较像，但是 Shape 解决的这个问题是很多现有的防火墙，杀毒软件等等的不太能解决的。这也是为什么 Shape 它的客户全是美国非常顶级的，最大的银行、最大的航空公司，还有像星巴克等等，都是它的大型客户。它也是 AI 在垂直领域，也就是安防当中的一个非常好的应用，而且它是直接用 AI 来解决问题的，解决的就是这个程序攻击的这个问题。
我要讲的第三家公司 ObEN，也是我们早期投资的一个公司，它也是有 AI 来解决问题。这个 ObEN 这家公司干的事情是挺有意思的，它是 AI 在娱乐行业的一个应用，它能够帮你建立人工智能的虚拟形象。
比如说大家看这里的这个第一张图，这是 ObEN 的两个创始人，给了一张照片之后，它在他们的右边就生成了他的人工智能虚拟形象，然后这个虚拟形象就不仅表情动作和它很像，声音也非常像。可能大家也或多或少了解这个技术，比如说在很多的影视当中也有应用。
ObEN 的核心亮点就是说它能够用很快速的方式来建立这种虚拟形象，并且赋予它娱乐的应用场景。比如说它要建立声音模型，只需要两分钟的音频；它要建立头像表情的这种形象，只需要少数的几张照片，当然数据越多，它的效果肯定是越好的，但是它可以快速的生成。
比如说在这里，可以看到最右边的这张图，就是它把公司这位印度籍的创始人的虚拟形象构造出了，让他在一个有点像这种 BR、AR 的场景当中唱歌，而且还能让他唱中文的歌曲，用的还是这个人自己的的这种声调，这些都是它的应用。它也可以让你唱出周杰伦的感觉，甚至可以做到非常像，它也可以让你去建立周杰伦的声音，让他去唱另一个歌手的歌曲，甚至可以让周杰伦来讲这个郭德刚的相声，这些都可以做到。
ObEN 它发展的非常快，它的投资方很强，包括软银，腾讯，华人文化，SM 娱乐等。SM 娱乐是韩国非常知名的娱乐公司，并且在去年 ObEN 和 SM 娱乐合资，合作成立了一家合资公司，就是叫 AI Stars，就叫幻星，核心就是用 AI 来为 SM 旗下的很多明星提供虚拟形象的服务。
你可能会问明星造了这个虚拟形象目的是什么呢？其实这个目的之一就是能够和粉丝更好的互动，你可以想象，未来每个明星他都有一个虚拟形象，你可以通过一个 APP 去跟他互动，比如说你可以和周杰伦进行互动，你会问他很多问题，他都会尽量给你回答，有些问题他可能一时答不好，但是他可能就是通过后台他的经纪公司帮他回答了之后，他不断会学习，可以和人更好的互动。而且粉丝跟他互动的时候，他能发出周杰伦的这个声音，还有周杰伦的特有的这种表情等等，甚至用户可以点歌，让他唱什么歌他就给你唱什么歌，这个就非常有价值，会很多粉丝愿意为他进行付费，应该说是创造了一种新的娱乐体验。
ObEN 的整个发展它也很快，除了和 SM 合作，比如说在中国它现在就在跟 SNH48 在合作。其他地方也有很多应用，包括它和微信等等这些企业也有合作。所以 ObEN 也是我讲的一家 AI 在垂直行业的应用公司，它在娱乐行业来进行运用，也是用 AI 来直接解决这个问题的。并且现在 ObEN，它在布局整个区块链，它推出了全球第一个分布式的社交 AI 的平台，结合了区块链。
大家可以在网上查一下，最近他们的新闻也是非常活跃的，这是人工智能和区块链的一个很好的结合，我相信在座的很多可能也知道最近区块链相当火，可能是基于去年人工智能达到风口之后，今年又达到风口的就是另一项技术，AI 和区块链确实有很多让人很兴奋的结合的方式，ObEN 是走在这个方面的前列了，我相信很快也会有很多这方面的优秀的公司会诞生。
我要讲的下一家人工智能的公司叫 Honey。我这里的标题其实是有问题，Honey 不是我想讲的直接用 AI 来解决问题的公司，Honey 是我前面讲的 AI 公司当中第二类，它本身是个互联网公司，只是因为它获得了大量的数据之后，它自然的变成了一个 AI 公司，或者说它自然的就发挥了很多 AI 在这里面的功效。
比如说在 eBay check out 时候，Honey 就根据你买的这些东西进行分析，发现最多可以省一百块钱，然后它说我帮你自动填进去。它做的这个事情，概念非常简单，大大节省了人们工去找 coupon 的时间，而且能保证自动搜索应该是全网最便宜的优惠券。
Honey 概念非常简单，它就是个互联网公司，甚至它小到它就是个浏览器的插件，但是它发展的非常迅猛。它的盈利模式比较简单，就是通过销售分成，因为它相当于是最后一步导流，所以一般电商就会分给它这个行业大概在百分之三到四的这个 Cormition，所以 Honey 最近两年，有了一个迅速的增长，它现在已经有超过六百万的用户，并且它的净收每月超过一千万美金，这是一个非常大的一个收入了，但是其实就是靠这么一个很简单的浏览器的插件。
这也是我们很早投的一个公司，现在它也完全盈利了，而且还在增长的非常迅猛。它本来是一个互联网公司，但是它获得了很多的授权，这时候他就开始利用 AI 了，它 AI 在这个领域的运用主要是两个层：
第一个能够自动抓取优惠券，这里面也用到了一些自然语言处理，因为优惠券它可能往往处于不同的形式，有的是结构化的数据，有的是非结构化的数据，就是会出现，那么 Honey 需要去分析这些数据，相当于把这个优惠券提取出来存到它的数据库里面，这是 AI 一个非常简单的应用，甚至可能大家也不叫它 AI，更多叫它一个智能的爬虫；
Honey 具备的是一个跨了六千多个电商上的用户行为数据，它更多是能够帮助你去更智能的购物，你可以想象现在很多电商都有了自动货物推荐的这个功能，但它实际上是以电商为出发点，核心就是更好的去让客户去买单，推荐它更好的东西。但是 Honey 你可以认为是一个从客户角度方出发的智能助理，他知道你在很多电商上的消费行为，他知道你到底喜欢什么、敏感什么，所以这也是他在未来 AI 方面的我觉得是一个很大的应用，也是他现在在重力打造的。那么 Honey 就是我举的一个例子，它是 AI 和消费上结合的，并且它区别于前面这些公司，它就是说它不是用 AI 来直接解决这个问题，他是在大量数据积累之上，它自动产生的这种智能化的应用场景。
我们刚才其实就给大家分享了四家公司，就是这个我简单给大家这个回忆一下：
那么这是四家公司，是我给大家举的例子，相信可能对大家理解 AI 在垂直行业的应用起到一个比较具像化的作用。
AI公司分析的纬度
那么接下来我想分享一下作为一个投资人，我们分析 AI 公司可能有哪些纬度，当然我们分析的维度其实非常多，这里我核心想讲两个维度，可能对大家理解 AI 公司以及创业会有比较好的帮助。
第一个维度就是价值。
就是 AI 在这个里面到底扮演的是什么样的价值，这个问题很重要，因为它影响到了这个公司的商业模式和估值。当然从投资角度来说，投资就是尤其我们这种早期投资就是价值投资，你有足够的价值才值得投资，才能让我们看到未来增长的潜力。那 AI 在这些很多公司当中这个价值主要体现在两个层面：
第一个层面就是提高效率降低成本，就是前面讲的叫提高生产率，比如说它能降低客户获取成本，可能它减少了客户流失率，或者降低了人工成本等等，比如说无人驾驶就明显就是降低人工成本，这是一种价值。
另一种价值是它可能会创造新的价值，比如说 ObEN，ObEN 它这个东西有减少什么成本吗？某种意义上说是，比如说它减少了明星和粉丝互动的成本，提高了互动的效率，但是从一个更广义的角度来说，这种 AI 在娱乐当中的应用它往往在创造新的价值，就是说它可能会产生新的用户行为，这样的话就帮助公司产生了新的收入来源，或者它能够帮公司很好的扩大这个用户群，也就是说，AI 可能有的时候，它不是那么直接的降低了成本提高了效率，而是它可能创造了新的价值，它为企业找到了一些新的和用户进行互动的方式。
并且这个价值其实还有一个很有意思的特点，就是它往往能给这个企业产生独特数据，就是它有点像一个 UGC 的引擎，用户它会在互动当中会产生独特的数据，这个数据是 BAT 是不可能有的，也不是说你跟某一个传统行业公司结合就有，这是你独家的这个数据，这种新创造新价值的这个 AI 公司也是一个我们非常关注的一类公司，因为它产生的这个数据壁垒比较强。
那么刚才说到了壁垒，AI 公司分析的我们觉得就是第二个纬度就是壁垒。
壁垒很关键，你有价值，但是你有没有壁垒？有没有竞争力呢？壁垒的话，我们首先看到这么第一张图就是一个三角形，如果我们把 AI 公司来进行分析的话，事实上它可以分成三类：
1. 最底层就是做基础架构的，比如说包括了云计算，芯片等等；
2. 上层就是通用技术，就是比如说像科大讯飞就是做语音识别的；
3. 再上层就是叫垂直行业应用，就是我们认为 AI 和行业的应用是创业公司的战略高地。
为什么呢？因为通用技术和基础架构往往都是大公司做得，或者说它往往需要大量的人力和财力，很多创业公司在这里面的机会并不大，或者现在再进入的话也很难有独特的这个优势了。并且像通用技术，很多大公司在做了比较成熟之后，我相信一定会开源，或者以非常低价的方式来让创业公司使用，形成它的一种生态。
那么目前来讲创业公司的这个很大的机会还是把 AI 用到一个垂直的细分的行业里面，这些应用往往是具有一定行业门槛，而且也是很多大公司它现在可能没有那么多的精力去投入的，但是对创业公司我们觉得是有机会。这是从壁垒的一个角度，就是当你面对很大的竞争的时候，创业公司我觉得多考虑和垂直行业的应用。
第二方面还有形成一个壁垒的这个概念叫数据网络效应。这个也很重要，数据网络的效应的意思是说，当你数据越来越多的时候，其实你的公司越来越强大，并且你也可以获得越来越多的数据，这是一个正向的循环，当你有客户的时候你肯定会获得更多的数据，当你有更多的数据之后你的算法性能就提高了，算法性能提高之后又帮助你获得更多的数据，这是一个循环。
那么数据网络效应往往也是 AI 的公司的壁垒，我们经常讲：AI 公司先发优势很重要，你先进入这个市场，先获得数据你才能够不断的获取更多的数据、更多的客户。有的时候我们从投资角度来讲，AI 的数据壁垒往往已经超过了它技术的壁垒。
随着现在很多 AI 公司都在使用深度学习，或者说底层使用的这些 AI 芯片等等越来越标准化的时候，很多时候这个数据还是核心，算法层面的差异性，或者它的产生的优势可能在不断的结构，当然不排除特定行业里面，可能一些特殊的算法仍然具有比较强的优势。尤其我们觉得像创业公司做 AI 加垂直行业应用的话，数据的壁垒很重要，而且要充分利用这个数据网络效应，快速的扩大你的数据的体量，先发优势很重要。作为 AI 创业者，我们的建议就是：尽快的切入，尽快的去和行业的数据结合，尽快的把握领头的机会。待会我会再讲一些创业方面的建议。
那还有一个维度，我也想补充的，就是叫技术分析维度。
这个也是我们在做投资时候要思考，而且我觉得对于创业者来说也是个非常关键性的问题。
就是在这张图上，这里我提供两张图，第一张图就是说：任何一个行业应用它其实对于准确率来讲都有一定的要求的。比如说在这里就是红线，比如说自动驾驶，它的准确率的要求就非常高。比如说用 AI 来做医学影像的分析，也要有一定的准确率，往往这个准确率是和人相比的。但是有的时候，它比人的要求更苛刻，比如说无人驾驶，人驾驶可能事故率还是比较高的，但是人们觉得 AI 的应用时候，事故率得低的多，但是 AI 算法到底能做到多少准确率？
其实和训练数据是很相关的，当你训练数据量少的时候，你确实就很难做到行业应用的要求，这个时候你该怎么办？或者说当我作为一个投资人我来判断一家公司的时候，我觉得你可能在一定程度上做不到那么好的准确率，这种公司可投还是不可投？这个地方除了数据量的变化，我们也要看到还有技术的进步，昨天还不太可能的，也许过了几天，过了几个月就有可能了。
这里面其实非常好的这张图，就是这个 ImageNet 上面的错误率的一个变化，在 2010 年的时候，ImageNet 刚推出不久，这个 AI 的准确率是很低的，它的错误率达到了接近 30%，但是短短几年下来，因为 Deep learning 的原因，在现在这个 AI 就已经超越了人类的 Performance，每一年都有极大的进步。
这个对于创业者和投资人来说都很重要，大家要去思考未来几年技术到底会做到什么程度，这些技术上的发展又可能对于这个行业应用产生什么样的影响，今天我 AI 没法在这个里面很好的应用，也许明天就可以，等等，这是大家要去思考的。
那么前面我讲到的这个概念可以从一个方面来讲，就是在应用当中它其实是有风险差异的，有些叫高风险应用，比如说无人驾驶、比如说 Shape Security 做安防的，安防的这个要求很高的，别人用了你的系统万一出了问题损失会很大；有些是低风险应用，比如说 Ever String 给你推荐企业客户这一类的，推荐错了问题也不是那么大，无非就浪费了你一些销售的资源；ObEN 做娱乐的，你说它声音不是那么逼真可能风险也不大；Honey 也是，它给你做智能的消费，给你推荐了一些商品不是那么准确，也还好，它至少不是一个高风险应用。我们一定要去想明白，我们的应用是什么类型的。
还有一个就是在没有足够多训练数据，把算法提升到达到行业应用要求的时候，或者准确率还不够高的时候，怎么来解决这个问题呢？那么往往是通过合理的产品设计来解决的，比如说 ObEN，ObEN 这种技术用很短的声音，用少量的图片，没有办法做到很高精度的这种人工智能虚拟形象，没有办法做到这种电影级别的、特效级别的效果，我就增加它的娱乐性，可以看到它的很多应用就是可以做很多的娱乐方面的功能，人们就觉得挺有意思的。并且有的时候可以加入人工辅助，比如说 AI 不是百分之百都能解决问题的，AI 解决不好时候前期就可以让人来介入，直到又获得了很多训练数据之后再变得更加智能。
无人驾驶就是很好的例子，现在大家还不是很信任这个无人驾驶的这些技术，那么它就可以成为叫做智能辅助驾驶，当人们不断地信任它，以及它在辅助驾驶的时候获取数据之后，它又可以不断来提升性能来满足这种无人驾驶更加高的要求。所以第三个维度就是技术风险，我们需要与时俱进地来看待技术，并且在合理的时间段去做一些合理巧妙的产品设计非常重要，创业公司一定要想明白，产品怎么设计？客户到底要的是什么？怎么样考虑到各种因素之后找到一个平衡点。
AI在垂直行业的应用和中美对比
我们今天讲得其实就是 AI 在垂直行业上的应用。我前面已经给大家举了不少例子，今天没有太多时间，我们去一个个探讨在不同行业上到底有什么样的应用，那些场景的这个探讨，我其实前段时间在长春商学院讲了好几个小时，就是去剖析 AI 在不同行业当中的这个应用场景，今天这个时间关系我们只能说做一些大致的总结，未来有机会，我还是可以跟大家去做些剖析。
那么 AI 现在在各个行业应该说都有很多应用的机会，而且确实也应用的非常火热。我们觉得有一个比喻可以比较好的理解 AI 它的这种应用的时候的这种功效，就是从照相机和摄像机的区别。
以前没有人工智能的时候，数据获取很像一个照相机，比如说我们在考虑 AI 和教育相结合的时候，以前学生可能每个月做一次考试，老师就会知道这个学生的表现怎么样，它就像照相机定期给你拍一下。但是一旦结合 AI，它其实能够分析这个学生整个的学习过程，它能够去监控他，能够去更高密度的获得他的学习数据，就像一个摄像机一样，它整天拍着，这个数据量就不一样，作为一个系统其实就可以在更短的时间内了解这个学员，这个用户的使用情况，来对他进行一些处理，这就形成了一种数据驱动，而且是高密度的数据驱动的这样一种应用潜力。
所以 AI 在很多行业当中的应用都符合这个逻辑，就是在有大量的数据之后，AI 可以做到自动化、个性化、自适应等等这些特点，数据越多，当然你就可以做到个性化、自适应这种千人千面这样的特点。所以这就是 AI 在垂直行业应用的我觉得是比较基础的一个思考。
举几个例子，比如说 AI 在医疗方面的运用，用 AI 来看医学影像，这个大家应该都很了解，那么这里面做得很多的就是自动化，快速的把这种专家的经验学习过来，然后来做分析。比如说个性化诊疗，根据你的这些情况，根据以往的历史数据，它可以帮你做更个性化的诊疗方案，这个就是一种个性化；比如说 AI 在教育方面的应用，现在一个很热的方向就是自适应学习，就是能够更快速地、更高密度地获得你的学习数据之后，为每个用户进行建模，然后来为他提供自适应学习的方案，让每个的人学习路径都可以有所不同。这也是贪心科技，就是我进行投资并且我在深度参与的这么一家公司在做的事情。我们贪心科技就是想把人工智能和在线教育相结合，来更好地分析每个学员的学习数据，为他进行建模，提升他的学习效率。
说到中美对比，总结一下，大概有这么几点：
第一点，目前我们还是觉得美国的人才优势是很大的。美国在 AI 的基础人才方面是中国的 10 倍以上，因为很多大公司高校都是花了很大的资本在培养这些人才。中国的人才优势会弱，但现在也在不断增长。根据我在国内的很多了解，AI 人才其实是非常紧缺的，我相信极客邦的平台也正在帮助推动 AI 的人才的建设，我觉得非常好。短期来说美国还是具备优势，但中国的市场优势，我觉得是非常有吸引力的，中国的整体市场非常大，而且现在很多公司愿意去结合创新，这是中国优势。所以我们作为一家 AI 的风险投资机构，我们也很希望把美国的优秀的人才、优秀的技术去和中国市场做对接，这也是我一直在努力的这个方向。
第二点，中国已经把 AI 上升到一个国家战略层面了。十九大之后各地都在主推 AI，这个其实是美国相对来说比较弱的，中国一旦政府主推一些事情一般成效都会非常大，它会引起整个资本市场，整个这些创业生态的一个很大的变化，人们更愿意去拥抱人工智能。所以这点，我们觉得在中国创业有很大的机会。
第三点，中国其实在一些门槛比较高的行业，我觉得有 AI 的应用的机会，比如说像能源、安防、农业、制造等等。这些行业往往资源相对垄断一点，但是现在因为国家战略之后，这些行业也都在寻求 AI 化，而且我觉得 AI 化在这些行业肯定是是个必然，你不去做，往往就失去了这种转型的机会了。因为这些行业门槛比较高，资源相对垄断，所以创业公司可能进入的周期会长一点，不是说那么容易获得数据并且做起来的，但是我觉得有很大的机会。这方面我觉得可以借鉴美国，因为美国一方面在这些领域相对比中国来说更加市场化，比如说在能源，在农业制造等等方面，甚至安防你可以看到美国有很多不错的 AI 公司，我觉得中国可以在这方面多借鉴，大家如果对这些特定领域很感兴趣，我们也可以有机会多交流。
给 AI 创业者的建议
最后我想讲一下，就是创业的建议。有几点建议，可能给大家一些启发。
第一个就是 AI 公司现在估值应该会趋于理性，人才红利降低。2017 年有很多 AI 公司估值都非常高，我相信 2018 年应该也是这样，但相对来说估值会稍微理性一点，因为很多东西在风口上，它都有一个很狂热后逐渐冷却的过程，但是相对来说 AI 公司的估值还是非常高的，因为它的整个市场潜力非常大，我们预测它会更趋于理性一点。人才红利降低就是说以前你可能团队里有一两个 AI 很牛的人，你的公司的估值就会做得非常高，靠稀缺性人才就可能非常吸引资本，那么这样的一种红利可能会有所降低，就是说投资人也不只是看这一两个 AI 大牛，它还是要更关注公司的基本面，这是第一个建议。
第二个建议也是和第一个建议紧密相关，就是在第一种环境下，我觉得大家要更早地去确定付费用户和盈利模式。如果你在创业的时候，要去说服投资人，你需要让他看到实际的有用户愿意付费，你要有清晰的盈利模式。当然很早期的公司可能还很难确定付费用户，那么至少你能找到一些有意向付费的，先期的这些用户，我觉得非常重要。
第三点是可以多考虑在发展过程中去引入一些战略投资。战略投资方往往能够给这些创业公司带来非常关键的行业资源，还有推出渠道。这个在创业公司在融资的时候可以多去考虑。大家也可以看到就是这些 AI 公司融到的资很多都是来自投资方的战略投资。很多 AI 公司都关注，比如说无监督学习、强化学习这些方面，因为这个基于监督学习的很多东西技术方面都应用的很多了，那么在这些方面可以多加关注，AlphaGo Zero 就是个很好的例子。
Return to Top ▲
友情链接