看毛大庆、李守宇、厉伟等如何解码AI创业迷局|投资人说&创客说

2016-09-27 图文直播的 创客猫 创客猫
“

新华社社长戴自更表示人工智能几乎是所有科技创业者的首选；松禾资本厉伟说，大公司掌握着人工智能的底层技术具有先发优势；深创投副总裁李守宇认为AI创业者一定程度上面临商业化如何落地的风险；优客工场创始人毛大庆则指出人工智能未来可能涉及国家命运和国家安全的问题……

近日新京报·寻找中国创客活动现场，多家投资机构大佬和行业资深从业人士就人工智能领域面临的机会和挑战展开了激烈探讨。创客猫分别从投资人和创客两个角度整理了他们的精彩观点，一起看看创投大咖们是如何解码人工智能创业迷局的。

投资人说
新华社社长戴自更：人工智能几乎是所有科技创业者的首选
年初的AlphaGo之后，人工智能一下子成为全球的创新风潮，人工智能将深刻的改变未来世界的产业格局，根据《科学》杂志在今年年初做的预测，到2045年人工智能将覆盖全球就业的50%，整个世界有可能被人工智能所颠覆，当然，这其中也意味着有无尽的机会。

人工智能几乎是所有科技创业者的首选，原因很简单，人工智能会带来新一轮的工业和产业革命，初创公司的机会，把某一个东西拿过来加上人工智能就成为人工智能+，就可以制造一个新的行业，但是从现在的格局看，人工智能的创业门槛依然很高，真正有实力引领技术革命的公司也不是很多，目前人工智能还处于技术成熟的早期阶段，仍然在计算能力、深度学习以及大数据进行阶段性的努力，距离人工智能时代真正到来还有一段路要走。


松禾资本厉伟：大公司掌握着人工智能的底层技术 具有先发优势
AlphaGo引发了人工智能热，且这个热度确实不低。其实现在大家谈的资本寒冬只是针对刚刚过去的互联网+热潮，大家突然觉醒，前两年到底干了什么，从过往的一系列起伏中我们得到了很多教训。刚刚过去的互联网+确实也有一些很成功的案例，成功的核心在于靠的是规模壁垒，比的是融资速度和烧钱的进度，但是人工智能的核心是技术驱动，如果缺乏核心技术，靠烧钱得来的用户靠不住。

人工智能现在底层的技术是少数几家大公司和先行者在掌握着数据，他们具有先发的优势，再找他们合作是不可能的。在这个底层技术的基础上，现在正在形成一些平台或者说人们正在期望使用他们的技术形成一些平台，而之后，最上面一层是行业应用，我们现在的特别多人工智能的创业是集中在行业应用上，包括无人驾驶、智能家居、人机对话等，实际都是在行业应用上给我们呈现出来的。而这些没有底层技术，自己也不掌握技术平台的应用，是不是很快变成同质化激烈竞争的红海，这点是值得思考的。

我们现在所谓的一些人工智能产品，比如在2C的领域，大量的小型的对话机器人，所谓给小孩子陪伴的，是不是实际上大量出现，已经预示着未来竞争的激烈，这其实是个前兆。大量的精力投在这个领域，会不会当你真正开始的时候，当你真正应该开始收获的时候你突然发现周围站了一批跟你一样的人，会不会这样？这也是值得投资人、创业者认真考虑的。


深创投副总裁李守宇：AI创业者一定程度上面临商业化如何落地的风险
巨头从事AI研究和产品开发有创业公司无可比拟的优势：计算能力，数据和人才。

计算能力：人工智能的算法的优化和执行需要强大的计算能力，阿法狗战胜李世石背后是1920片GPU的服务器，以及大数据分析经验的积累，以及计算的能力。创业公司在资金和经验上面都难以驾驭如此大规模的计算集群。
数据：无论是通过爬虫还是与外部机构或客户合作，创业公司可以获取的数据量都是和巨头无法比拟的。
人才：从事AI研究的顶级专家也看重巨头的上述两项优势。

人工智能领域的创业者多是极高智商的人士，但基于长远研发和专注研究的企业都面临一定的风险及商业化如何落地。

有好的技术如何做成好的产品是企业需要解决的问题，AI创业公司特别容易走入与同行比拼识别精度、正确率的竞争中，但忽略了一个粗糙的产品即使难度极大科技含量极高也是无法销售的。

技术目前在解决特定问题（下围棋、鉴黄、精准营销）等方面确实效果稳定，但还有很多应用没有找到把AI技术融入用户习惯的好方法（语音交互、文本分析）特别是在技术不成熟情况下的容错机制，实用性欠佳。


优客工场创始人毛大庆：人工智能未来可能涉及国家命运和国家安全问题
我们今天对人工智能的理解还停留非常表面，非常浅显的状态下，人工智能是一个非常崭新的领域，未来50年70年间会发生什么事，这个时代搞清楚趋势比摆正姿势更重要。

我在来之前跟开复老师也作了交流，我们有共同的认识是，人工智能未来不会像我们今天下午谈的那么轻松、好玩，未来可能是涉及到国家命运和国家安全问题的事情。

有些人说搞这么多人工智能，最后很多人没有工作怎么办，但其实不搞人工智能未来这一帮人也没有工作。如果不通过技术跟效率的提升来真正抵抗人口老龄化和人口红利的消失的话，我想未来我们更加麻烦。

说到人工智能涉及到国家命运和国家安全问题，在这一点上我希望国家更加重视人工智能的底层技术投入。深创投李总讲的投资理念我非常认同，底层技术必须要靠国家投入，而且这不是靠风投、天使投资能推动起来的，靠投资人推动往往会产生一些扭曲的问题，比如说这个行业浅尝辄止的问题。我们今天看到的很多人工智能，包括VR的东西，到一个阶段迅速转为商品，以为这就结束了，我想这种短周期的行为，往往会误导，甚至会压抑很多真正对未来产生重大科技和技术变革的产品和技术创新，所以底层技术的铺垫政府一定要大力度参与。如果不是这样，我们的创业者们很有可能会把自己的事业和人工智能整个发展建造在一个不坚实的平台上，这样会很危险。

创客说
对话创客：AI创业：技术驱动VS资本驱动？
云启资本合伙人黄榆镔：算法是个非常奇怪的东西，有很多边缘的案例，你们是怎么看待这个问题，怎么去解决这个硬科技、黑科技，你们怎么看算法？

驭势科技CEO吴甘沙：我们认为的大势就是智能驾驶。未来5到10年智能驾驶可能是体量最大的人工智能市场。我想用自动驾驶当中涉及到的一些算法来做例子，自动驾驶或者无人驾驶，第一要保证不撞上别人，也不被别人撞上，那就意味着要有感知的能力，怎么感知，首先要保证把车道线识别出来，顺着车道线走就不太容易撞到别人，但是在车道线里面可能还有其他车，这时就还要去识别前面的车辆，如果说从高速公路上开下来，还要去识别行人，甚至是识别动物，这里面就会碰到很多难度，因为在我们的计算机视觉或者是更宽泛的机器学习的算法里，有两个指标可能不能兼得，第一是误报，第二是漏报。

对于智能驾驶，漏报必须是零，因为一漏报可能就车毁人亡了。上次特斯拉的例子，就是没有识别到横在路上的一辆大卡车导致了，这就是漏报会产生的问题，所以必须得保证没有漏报，但同时也得保证误报是非常低的，所以这里面算法上就有很高的要求。紧接着下一件事，就是要开的更加舒服，这就需要算法去学习驾驶员的驾驶行为，这里面的算法就要做到动态的、可定制的、可学习的。与此同时在路上开的时候，除了被动的、静态的规划决策问题，还有可能产生跟别的驾驶人员的博弈，要预测这些人的动机、行为，然后用策略的思维来更好地获得路权，这里也需要更好的算法。在自动驾驶里面很多这种算法会碰到一个问题，就是很难测试，因为这种算法很多时候是随机的，没办法去重现。还有机器学习主要是一种归纳方法，归纳不可能穷尽样本空间，这是我觉得算法在这里面碰到的问题。

还有一个问题，算法并不是追求理论上的极致和完美，因为要追求理论上的极致和完美可能是非常昂贵的，这时就要要从系统论的角度获得一种权衡和设计上的妥协，比如提升一个百分点需要5倍、10倍的成本，那还不如用一个相对差一点的算法，配上另外一种传感器，通过这两种传感器的融合来获得一个百分点的提升。这也是我们做算法时经常考量的。

在术语上我们把自动驾驶和无人驾驶看作两类，今天来说自动驾驶一种简单的形态，辅助驾驶其实已经项目化了，特斯拉算做得不错，只不过它把应用范围放得太宽，更好的一种自动驾驶我认为会在2020年出现，另外在城市区的无人驾驶应该也会在2020年出现。

黄榆镔：陈总，现在数据都非常稀缺，你觉得从大数据切到AI，难处在哪？

第四范式联合创始人陈雨强：数据稀缺也要看角度，有些地方数据很多，有些地方数据非常少，传统的机器学习其实解决不了这个问题。人工智能、机器学习听起来很神奇、很厉害，但他其实也没有那么聪明，他的原理在于你教他什么他就会什么，所以从这个角度来说，传统机器会面临较大的问题，我们要真正把机器学习应用到工业界，第一个要解决的问题是，不是所有的领域都有大数据的情况下，依旧能让我们的企业能享受到人工智能带来的惠处，这个我们提出解决的方法就是刚才提到的迁移学习。

迁移学习用到一个概念，怎么从那些拥有大数据的领域学到比较高的智能，然后把它应用到类似的有关联性但又不完全一样的领域来，让他在没有那么多数据的情况下同样能享受到人工智能。一个很典型的在业务上的例子，就是用高频打低频，我们在高频应用上积累数据，通过人工智能的方法把这些数据变成智能，然后把这个智能应用到没有那么多数据的领域，比如我有信用卡的消费数据，我就更有可能知道你在消费大额汽车的时候，你的消费习惯、人群、属性是什么样的概念，在这样的技术上，其实我们在国际上已经非常领先，并且已经在消费金融以及个性化推荐上有成功的应用。

黄榆镔：如果要实现富士康从最多的100万人减到50万人，你觉得利用智能工厂、工业机器人、机器臂那些，多少年实现？

李群自动化CEO石金博：以下观点仅代表个人观点，我觉得五年减不了太多。什么叫智能的工业机器人，从智能自动化来讲，无非解决的是感知，感知环境，感知要操作的对象，接下来是做计算，通过感知的数据，了解接下来的对象是什么状态及解决什么通讯传输，把这些信息进行收集、处理，最后通过机器人通过自动化来实现。只有实现这四个方面的因素才能叫真正的智能的自动化或者叫人工智能的实现。

一个工厂开始上自动化，上设备的时候，让真正的人可以去掉是需要一个时间的，因为自动化的设备，它开始可能是很简单的，或者稍微复杂的考虑几种生产情形，需要整合一些不确定的信息，同时形成自动化的方案，形成感知方案、策略应对等，有很多需要解决的问题。而且我们往往还面临一个挑战，在这个过程中，自动化是逐步实施的过程，往往流动是需要和工人配合，还有一些人为的因素。我想说的是，自动化一定会在未来几年内大量实施但是真正把工厂彻底地、放心地交给自动化，其实是需要给做工厂管理的人，需要时间去整理供应链体系，包括对工人的培训、自动化升级的部分。

黄榆镔：你的公司是一个技术驱动型的公司还是一个资本驱动型的公司。

石金博：对我们公司来讲，现在更多是技术驱动和市场驱动，但是如果对于AI技术来讲我个人觉得应该是技术驱动+资本驱动，好的技术一定是需要时间去沉淀，前期一定要大量的资本投入才能让创业者心无旁骛的去做技术的沉淀。

陈雨强：在我们看来，AI的平台、AI的基石，因为有深度学习、迁移学习等已经搭好了，但是上层其实还有很多事情没有做好，所以我们还需要有非常多的技术驱动，去沉淀出更好的技术出来，但是一旦我们的技术到达临界点，到达可以被复制，被大规模应用的那一刻，资本就变得更加重要。

吴甘沙：十年以后的东西真的很难说，我们现在考虑更多的是怎么把技术做得可靠，做到非常容易使用，五年以后再考虑下一步的商业模式的问题，我觉得像这么一个大的产业，一定是通过生态合作去完成的，所以从这个角度我们虽然是技术驱动的公司，但是我们也非常欢迎好的资本，尤其是在目前阶段，也许我们不需要太多的钱，但是希望好的资本能给我们带来好的人才，能够帮助我们更好地切入市场，还有在政策层面给我们支持。

（以上，创客猫整理报道，如有转载请注明来源）

阅读原文