朱天宇、黄明明、高天垚等大佬激辩AI：投资的关键是勇于占“坑”

2017年05月25日，在联想之星未来之旅之「人工智能」暨Comet Labs智能交通实验室中国推介会上，蓝驰创投管理合伙人朱天宇、明势资本创始合伙人黄明明、云启资本执行董事陈昱、Comet Labs主管合伙人Saman Farid以及联想之星投资副总裁高天垚，以《全球视野下人工智能的未来发展与投资》为主题，对以上问题进行了探讨，高天垚担任主持人。

【现场对话实录】

AI是提升效率的工具

朱天宇：从媒体或者公众讨论的话题来讲，人工智能是最近频繁出现的一个词汇。蓝驰作为早期投资基金，一直是在不确定性中去寻找确定性，而人工智能行业的确定性要从两个角度切入——行业供给和行业需求。

我们从算力、算法和工程三个方面讨论人工智能行业供给。去年，孙正义花了300亿卖出阿里巴巴，他卖掉了过去的同时也买入了一个未来，这就是算力收集的未来潜力和代表。加上算法，AlphaGo，再加上工程，我们大体上可以了解人工智能当前的发展状况：当整个市场技术积累到一定爆发期后，就为我们解决更多问题提供了更多弹药。换而言之，我们在期待下一个时间点会出现像二十年前的摩尔定律一样的下一个什么定律，即在算力多长时间内有怎样的提升，而整个行业又可以按照什么样的节奏去解决我们的效率问题。

关于行业需求。中国很多行业已经完成高度信息化，所以中国市场恰好更可能存在蛙跳式的机会去提升效率。但是无论是过去十年或二十年的互联网驱动因素还是人工智能、大数据或机器人，其本质都聚焦于解决行业效率问题。投资人和创业者关注的焦点还是我们手里有什么样的工具能解决什么问题，而解决问题的方案是否足够高效且秒杀之前的投资方案来进入投资市场，这也是近来AI热的原因。但事实上AI只是一个标签，其背后代表了更多细分领域，投资核心还是要看AI到底解决了哪些问题。

黄明明：抛开所有的模式，我们看一个项目主要看其是否对行业效率有提升，随着算力、算法和移动互联网智能硬件的发展，其所积累到的数据确实到了效率提升的阶段。

我们也发现一个好玩的现象，前年或者去年，各种O2O或其它互联网金融项目今天又换了一个名为“AI+”的马甲重出江湖。不论AI行业有多热，对创业者或者投资人而言，利用技术来提升原有行业的效率才是该项目的核心价值所在。

做好AI投资的关键：大胆布局、勇于占“坑”

陈昱：AI技术目前还达不到通用的智能，更多的是通过机器学习的方法解决实际问题。机器学习就像一个黑匣子，我们不知道里面有什么东西，只知道把一个东西扔进去，就会有另一个东西吐出来，让大家觉得机器看起来很智能，所以大家就将机器学习和人工智能连接起来。

从上个世纪五六十年代开始，人们就已经开始研究机器学习，但为什么它直到近几年才慢慢成为一个热点？因为，以前的机器学习效果不好，无法达到大家的期望，比如当时机器翻译出来的文章可能还达不到小学生的水平，而现在机器写出来的新闻报道，已经很难让人分辨出其到底是人写的还是机器写的。机器学习达到一定水平，大家就越来越深切地感受到它的存在。

这对于人类而言是一件好事，意味着机器能够帮助人们解决更多问题，人们可以花更多时间在休闲娱乐上。但对于投资而言却未必是件好事。比如，我们早在2015年就接触了ADAS项目，当时没有人知道什么是ADAS，我们投资的时候能够谈下一个不错的估值。但可惜最终没有投这个项目，现在来看十分痛心。而今，当我们意识到了其价值的时候，整体估值已经上扬，性价比高的项目也几乎不存在了，再进入这个行业十分艰难。

Saman Farid：如果想要在很早期的时候投资人工智能项目，需要更大胆地布局那些目前看起来完全不像人工智能的公司。比如，在自动驾驶时代，最有话语权的是Uber、滴滴这样的公司，他们做得好的原因不是技术，而是通过大量人力获得大量数据，使其运营效率大大提高，因此，它们得以提前布点。

实际上，目前真正达到人工智能程度的公司非常少，但核心在于，它们运用效益提升的工具获得了入门方法，它们在为别人提供服务的同时，又获取了更多独特、难以复制的数据。我觉得投资到人工智能公司的唯一方法，就是占有具备人工智能基础的公司。

大公司入局AI，创业公司的机会在何处？

朱天宇：创业者首先要摆正心态，大公司入局AI实际上是一件好事。大公司开放平台就像房地产一级土地开发商帮地产公司平整土地一样。大公司先入局AI，四通一平，把创业公司没有能力和资源做的事先做了之后，创业公司才有能力在这块土地继续发展。这一过程中，大公司必然收一些BP税，这是很难避免的。

其次，创业公司要清楚，大公司把这些资源开放出来的节奏反而是创业公司判断自己创业时机的很好的标志。

很多通用应用，比如之前的云计算和现在的AI，都是大公司内部的运营需求达到一定成熟度、解决了技术问题之后才慢慢开放出来，因此才催生云计算和其它一系列行业。所以，看大公司的动静实际上是创业公司判断自己节奏的依据，太早入局反而容易被灭，而这个时候大公司先入局反而是一件好事。

黄明明：大公司开放平台对创业公司而言是好事，因为创业公司的机会不在通用技术，而在于垂直行业的落地场景，最好还能形成自己的闭环数据。比如，自动驾驶和医疗领域的很多应用场景数据是闭环的，这就是创业公司的机会。而Google、百度的自动驾驶，因为它们本身没有车，没法像Tesla那样每辆跑在路上的车都可以生成大量的数据，从而生成自己正向循环持续提升自己的算法和自动驾驶的能力。

虽然百度前阵子开放自动驾驶算法，但是从自动驾驶的优先级和重要性来说，依次是硬件成本、执行层、高清地图，最后才是算法。所以，不要为了算法而去做算法，还是要看具体的落地应用场景产生的商业价值。

陈昱：大公司所谓的“开放”，并非免费的午餐，更多的是在商业上积蓄力量。比如，Google最近将算法、支撑AI应用的TPU准备好，其它公司入驻只需要简单收集数据、明确应用场景，就能做出一个特别棒的AI应用，但Google做这些也是为了在商业上谋利，在“云”竞争中取得胜利。百度“阿波罗计划”开放的无人驾驶也有类似考量。

此外，大公司开放平台还涉及产品整合，这其中的时间窗口也让创业公司具备更多机会。Intel收购的每家公司都很棒，有做图像处理的、有做MPG的公司，这些都是人工智能时代下炙手可热的核心技术。但Intel收购这些公司后，它面临一个更大的问题：如何整合这些公司的产品并将其推向社会，这一点其实Intel自己也没想得特别清楚。

Saman Farid：人工智能领域有些东西是通用的，有些东西具备独特价值，比如部分人工智能的算法都会变得非常通用，今天Google通过机器写了一篇文章，明天Facebook会出一篇更好的文章。所以，人工智能通用技术壁垒越来越少，真正能形成壁垒的还是高质量数据。

硬件公司的技术在目前的人工智能时代特别有用，但依旧是一个通用工具，在人工智能的应用场景越来越明确之后，算法越来越聚焦才能更好地解决问题，很多公司也在做一些定制化芯片，比如无人机上具备跟踪功能的芯片，上面都附带训练好的模型，其效率比GPU高200倍，而用电量只是GPU的1/80。

总而言之，大公司的技术越来越开放，因为它们希望将自己变成一个平台，并基于平台做收购或投资，甚至做更细的定制化产品。比如，Google在不久可能会将其TPU技术开放出去，但其核心能力是云服务，只有使用Google的云平台才能开发出更完善的框架。

中外AI项目发展差异

朱天宇：国内与国外项目在估值上还存在一些差距，国外项目比国内性价比更高一些，国内项目泡沫有点大。此外，美国的人工智能项目跨越的范围很广，而国内尚未呈现出这类特征。我觉得有三个因素能决定中国哪些行业可能会率先应用人工智能：

其一，行业大数据情况。我们蓝驰认为，没有云计算何谈大数据，没有大数据何谈AI，因此本身已经成熟的数据化行业可能率先应用人工智能；

其二，信息化洼地会率先成为计算机和大数据跨越式发展的领域；

其三，行业追求效率的动力越强，率先应用人工智能的可能性越大。比如医疗，其实医疗并不是最渴望追求效益的行业，但中国的医疗改革的执行动力非常强，所以其背后有非常大的国策驱动。

还有很多其它因素影响人工智能在某个行业的应用速度，有的行业会优先，有的行业会滞后，而以上是主要的三个因素。

黄明明：中国的AI项目总体来说已经不比美国便宜，但美国AI项目产生商业价值的速度会快于国内，这可能也是美国和中国人工成本的区别。

讲个笑话，几年前，一位VC同行说印度人工智能项目的自动化做得很好，后来他们去实地研究了一下，发现高大上的办公室后面建了一个巨大的工厂，工厂里有几百个工人在人工处理工作。

随着国内的人工成本变得越来越高，人工智能技术应用场景也会更加丰富。比如，中国医疗最优秀的医生中，有百分之七八十都集中在北上广三个城市，在二三线城市，由于医生不够，国家购买的高端医疗设备不少处于闲置状态。如何利用人工智能技术帮助二三线城市的医生达到大城市三甲医院医生的水准，这里面就存在巨大的机会。比如我们投资的术康手术机器人，就是在骨科、脑外科领域有巨大的应用前景。

陈昱：人工智能在美国的应用场景更丰富，但不代表以后中国不会诞生丰富场景，很多时候发展都是由需求驱动的。比如，中国近几年人工智能蓬勃发展，机器人项目如雨后春笋般涌现，其最大原因就是中国的人力成本越来越高，而且有比美国更贵的趋势，从这一点来看，未来人工智能在中国会有更多机会。

此外，美国人工智能项目对数据的重视程度远高于中国的人工智能项目。中国人工智能项目的数据来源和数量都有限，而数据数量和质量会直接影响到你所训练出来的模型好坏。而美国人工智能项目对数据采集更加认真，比如不会简单地请实习生标注医学图片，而是会将数据分类并请有名的医生团队做投票决定，这样至少能保证数据的高质量。

再者，中国人工智能公司的工程师质量与美国相比有一定差距，这可能与计算机基础教育有关，这就导致AI高端人才供给相对稀缺，也直接影响AI公司实际估值。

Saman Farid：人工智能在中国的机会更多，中国更具备快速应用新技术的能力。相对于美国而言，国内传统行业对人工智能改造的可能性更大。如果用人工智能技术重新设计一座发电站，在美国几乎不可能实现，但在中国，只要能证明其安全性，用新技术重新思考、设计和建造，其可能性要大得多。

当然在美国新技术的发掘速度要更快，我们目前一直在观察新技术到底是什么、人工智能的边界条件是什么、能解决什么样的问题，以及如何将这些技术落地，并鼓励创业公司去利用已有的技术等条件去做得更好。

最看好的AI技术应用方向

朱天宇：车，医疗和安防，在医疗领域，医疗行业是典型的信息化洼地，这里面的空间非常大，大家可以通过率先撸起袖子干点脏活儿累活儿去获得更多机会，但后续其实大家都会从大数据角度进一步提升其在医疗行业的效率。其次医疗服务更大的机会是保险，但这非常需要数字化驱动力去有效提升资源效率，这个市场不亚于车的市场。最后是安防领域，安防跟中国自己的国策产业政策甚至是目前的政治形势十分相关，所以AI在安防的运用更多的是由中国国情决定。

黄明明：自动驾驶、医疗和工业，在工业领域，我们较早投了智能制造、机器人，一些90后、95后年轻人更追求有品质的个人生活，不愿意干苦活儿、累活儿，因此机器人在中国有很大的发展潜力。

陈昱：自动驾驶、安防和工业。在工业领域，效率就意味着金钱，人工智能在工业领域有很多机会，能够改造整个行业、提升效率。

Saman Farid：我个人觉得，越传统的行业越有意思。我最看好的AI方向，第一个是农业，人们可吸收的数据或信息量非常有限，所以进入工厂就选择一个种类的水果浇水、施肥，其实有很多进步空间；第二是医疗相关数据，目前我们对人体的理解非常有限，从细胞到DNA到蛋白质和制药领域，都有很多人工智能可嵌入的机会；第三个是人工智能在建筑行业的应用场景，建筑行业基本上是全球唯一一个在过去20多年生产能力不断下降的行业。

后记：

在本场论坛中，投资大佬们针对AI的本质、巨头进入AI对创业公司的影响以及中外人工智能项目发展的差异等问题一一探讨。总之，作为效率提升的工具，人工智能代替人力活跃于各个应用场景是不可逆转的趋势。在投资人和创业者的共同推动下，大众的生活距离真正的智能化将更加趋近。