华映资本章高男： 当所有人重注AI，我们看好这三大方向

过去八年总投资额超过1300亿元人民币、行业企业获得投资几率高于其他行业2-3倍，BAT与VC纷纷押“重注”入局……如果说能确切预见到的未来趋势，人工智能是热点之一。

从IT（Information Technology）转向DT（Data Technology）的当下，任何行业和企业面对人工智能的发展都不敢怠慢，而就在今天宣布“退休”的马云老师，也曾在演讲中公开表示，希望倡导教育改革，帮助年轻人适应人工智能时代的来临。

// 人工智能到底是什么？

// 人工智能正在切实的解决哪些问题？

// 当下还有哪些值得关注的趋势和投资方向？

近日，在2018“创响中国”创新创业大赛复赛颁奖典礼暨“人工智能&大健康”论坛上，华映资本合伙人章高男围绕以上三个问题展开了分享。他认为：AI不是风口，是现实。人工智能可以简化成四个层次：

首先，人工智能需要利用已有的经验， 这个经验的载体是海量数据；其次，有了经验以后，要通过各种数学模型去逼近这些经验，即算法和算力层；通过模型预测未来，将预测应用到不同的领域，就是各种学科；把学科应用到场景，就变成了商业应用。

面对人工智能的发展，章高男看好以下三大投资方向：

// AI+行业：强场景、强刚需，AI赋能升级产业模式。如智能物流，自动驾驶，无人仓储，安防；无人零售（深兰科技）等;

// AI paas 平台：能够降低AI使用门槛，提升效率。如天云大数据，第四范式等；

// 底层技术：AI 芯片，前端传感器等。

华映资本合伙人章高男

以下为章高男演讲实录（经整理）：

大家下午好，很高兴今天能够在这里跟大家做一个关于人工智能的探讨，其实人工智能对很多人来说已经是耳熟能详了，但每个人对人工智能的理解以及层次是不一样的。因为今天在座的很多都不是技术出身，所以我尽可能把人工智能这个技术领域简化成一个模型，方便大家去探讨。

人工智能到底是什么？

我把人工智能简化分成四个层次：

首先人工智能要利用已有的经验，而这个经验的载体就是海量数据。大部分的人工智能依靠的机器学习方法，都是有监督的学习，或者半监督的学习。当然也有一些简单的强化学习，但效果相对有限。既然是监督学习，首先要有数据，要利用已有的经验。

第二步有了经验以后，要通过各种数学模型去逼近这些经验，这就是算法和算力层。算法是理论基础，算力是工程实现。算法框架是人工智能的核心，所以国际领先的大公司都在不计成本打造，例如Tensorflow，Torch等。

第三步有了模型，下一步就是通过模型预测未来是怎么样的，这个预测应用到不同的领域，就是各种学科。例如，语音识别，计算机视觉，NLP，推荐，动态规划等。

最后把学科应用到场景，就变成了商业应用。例如自动驾驶，滴滴的路径动态规划，头条的信息流推荐，智能音响等等。今天下棋人类已经下不过机器，不仅是下棋，AI还可以去帮你做诗做曲，还有精准营销，安防等等。

有人说AI是泡沫，有人说AI是风口，如果你真正了解什么是AI，你会发现其实AI不是风口，AI已经在我们的工作生活中有了大量实际的应用，而且是广泛的应用。按上述四个层面分类，如今每个层次都已诞生出百亿千亿级的大公司。比如数据层的云计算，算法算力层的Tensorflow，TPU；学科层的商汤科技；应用层的今日头条等等。

AI不是风口，是现实

我判断AI已经成为现实，有如下理由：

第一，在技术层面，AI行业已经高度工程化。首先AI需要海量数据，今天企业拥有TB (Trillionbyte：万亿字节）级的数据已经很容易，大量小微企业都拥有足够多的数据，这在十年或者二十年以前是不可想象的，所以这是一个巨大的改变。今天企业拥有数据已经不是一个很大的门槛，都可以去做AI。

另外算法和算力也实现了大规模工程化。算法算力有国际大的公司的支持，他们已经提供了很好的平台和应用的框架，这都是已经可以工程化的框架。所以我们使用AI的门槛会大大降低。

当然这些算法的能力是有限的，今天我们想指望AI去产生思想和思维还不太现实，但是你只要给它一个明确边界，很多场景AI会比人做的好。譬如下棋是在死活约束和方格约束的前提下，需求最优面积的动态规划问题。有了这个边界，AI可以远超于人。而且最重要的是只要给出边界，它们的算力算法都有很好的工程化的方案，所以今天应用AI已经不是很难的事情。

第二点，除了技术工程化，AI要被广泛应用还要有刚需。事实上目前AI已经是企业里最大的刚需之一了。主要有两个原因：

首先，今天企业拥有的数据的维度，跟过去比，已经大大丰富。过去十年二十年前，企业里的数据很简单，无非是ERP和财务数据，拥有这些数据的企业已经是很好的企业了。但今天不一样，譬如企业要通过线上去卖东西，那么你选择天猫还是京东，产品的排位等等， 都有大量的数据需要商业决定。

当企业的数据维度有几百维的时候，很难用简单的BI（Business Intelligence）用因果关系类来分析了。这个问题要去解决，就必须应用到机器学习的方法了。

另外，今天企业拥有大量非结构化数据。比如说语音、视频、文字，图象，这些非结构化的数据只有机器学习的方法去做，用BI是没法处理这些数据的。比如我们的客服对销售的影响越来越重要，但是客服的通话记录是文字你怎么去优化呢？如果会用NLP和分类的方法，它可以产生更多的销售。

所以从上述两点讲企业对AI有强烈的需求。我们也看到很多传统行业，会有很多优化的需求。

这是我刚才的一个观点，这个观点还需要有一些数据的支持。下图是整个AI在过去几年投资的金额和项目数，黄色的曲线线是投资金额，去年已经投了将近600亿在AI相关的企业。

数据来源：天云大数据

再看第二个图，是从16年跟17年一对比，就会明显发现，16年投资集中在在早期，B轮、C轮，而17年到高点是C轮、D轮，这说明他们成长的很好，行业向成熟发展。

数据来源：天云大数据

再看一下人工智能公司，是资本的绝对热点。人工智能获投的公司以及未获投的公司，它的比例已经超过50%，也就是意味着每两家人工智能公司，就有一家会融到钱，这个在别的行业几乎无法想象的。无论是国内还是国外，投资机构都在对AI下重注。如果是一到两家这样做，那可能是去赌，但如果所有人去做，这说明了什么？大家可以思考一下。

数据来源：天云大数据

再从另一个维度，即企业端的态度来看AI。大家印象最深的是百度all in AI，其实何止百度，谷歌，跟微软， IBM，还有国内的阿里，包腾讯都在AI是全产业链布局的。无论从最底层的算力层，还是核心的到基础框架层，再到应用层，今天国内外最值钱的公司，他们都是在AI不计成本去投资布局的。

尤其在算法框架层，因为算法框架层是机器学习的核心，整个AI里面最核心的部分，但是这部分基本上由国外巨头主导，这个差距我们必须得认。当我们发现全球所有最成功的企业都在AI做大量布局，而不是一两家公司在赌，这说明AI的趋势确定性。

作为顶级的企业，你重注AI，你未必能够成功，但如果你不部署AI，你一定不成功。未来谁占里这个高地不知道，但是如果你不占领的话，也许很快会被被颠覆。

AI领域投资，我们看好三大方向

既然AI是刚需，大公司有都重注投入，那么从投资的角度，大企业都在部署AI，应该怎么去投呢？

我给一些自己的理解和建议：

第一，是跟场景结合。

目前，在国外多出手纯技术类公司，不考虑短期商业模式，因为他们相对鼓励原创，有很强的技术辨别和趋势预测能力，而目前中国的投资还是以商业模式判断为主。

所以在中国，AI企业要想存活，必须要跟一些场景结合。在投资AI企业的时候，建议去找一些传统行业，AI只是一个技术，我们要找那些行业里面做得比较好的，创始人可能不是做AI的，但他用到了AI，而且AI给产生很好的效果，这种公司值得我们去关注。这种公司有可能通过这一轮技术创新，对整个行业某种程度上进行革新和洗牌。所以不要为了AI去看AI，你要去行业里面看AI的因素是不是很强，真的帮企业提高效率，产生更大的价值。

第二，是利用AI帮企业赋能，降低企业使用AI的门槛。

这些企业主要是技术驱动，虽然没有直接的场景，但是能在不同垂直行业赋能，或者帮企业降低使用AI的门槛。因为AI要用好它，对企业还是有较高门槛的，首先要有数据的存储和分布，把它变成一个分布式系统。其次，还得懂算法和业务，算法和业务结合通常要花较多时间成本。第三，最重要的是工程实现。如果你没有做过，会趟无数的坑。这层面的人才都集中在之前拥有大量数据的大公司，人才很难获得。所以现在市面上出现一些做AI的中间件，让企业接近傻瓜式的使用AI。比如做物流，需要大规模路径规划，只要告诉目标，提供数据源，可以直接帮企业优化这个业务。华映最近投资的天云大数据，就是做AI paas平台，帮助企业降低AI的使用门槛。

第三，底层技术也值得关注，譬如算法芯片。

任何算法的硬件实现都有一定的局限性，很能适用所有的算法，所以大公司不会那么激进，这就给初创公司很好的从边缘切入中心的机会。

以上就是我对人工智能发展的一些观点，再次感谢！