查看原文
其他

旷视印奇:事情永远是相对简单的,组织对的人完成这件事才是挑战 |创新无边界

创新无边界 创新工场 2021-08-04

很多时候,我们已经习惯了活在自己或是他人所划定的某种边界之中,这个边界可能是我们对自身能力上限的认知,可能是外界对我们身份的设定,也可能是我们基于常识而形成的一套「行为准则」。


人们似乎感觉,只有站在边界里才是主流的、稳妥的,但如果我们能够挣脱脑海中的这些束缚去迈出那一步,那么往往会有惊喜等在前方——


正如十年前李开复博士离开谷歌成立创新工场,帮助了许许多多年轻的创业者追寻心中的梦想,造就了一个又一个行业独角兽;正如那些经历、背景各异的一批批创业者选择跳出安全区、闯入无人区,投身到了自己所热爱的事业中去,全力缔造新的传奇。


回顾十年来时之路,「创新无边界」这一理念不仅深深烙印在了创新工场的骨血之中,还深刻影响着工场系的每一位创业者,也在指引着一代又一代人创造出更美好的世界。


「创新无边界」系列是创新工场在成立十周年之际推出的全新系列栏目。我们希望借此机会,去解读工场系创业者心中的创新基因,追寻这些创业者一路走来身上所留下的那些工场印记,希望能够为屏幕那端的你带来些许启发。

本期,我们邀请到了旷视联合创始人兼 CEO 印奇。


近年来,人工智能技术以惊人之势席卷全球,与此同时,许多人工智能企业新星也在冉冉升起,这其中,旷视尤为引人瞩目。
 
2011 年,三位年轻的清华学生将目光瞄准人脸识别技术,成立旷视科技。短短8年时间里,旷视一跃成为全球最顶尖的科创企业。


回想公司成立初期,人工智能并不像如今一样得到广泛关注和看好。要知道,绝大多数人是在 2016 年 AlphaGo 横空出世之时才开始意识到人工智能的「威力」。

而早在 2012 年,创新工场就率先预测到人工智能的巨大潜力,并押注了旷视。


「创新工场与我们一起走过了非常长的时间,在这个过程中,既有风光的一面,也有转型的困难,以及应对危机时一起想办法、一起去承担的经历,所以我觉得工场更像是一个家人。从 0 到 1 的时候,开复给了我们很多很具象化的建议,这对我们非常重要。」印奇说道。


在这篇文章中,他将分享:


  • 创新是什么?
  • 在实现创新的道路上,遇到的最大阻力或挑战是什么?
  • 对于「创新无边界」,个人的理解是什么?
  • 到目前为止,实现过的最大创新或突破是什么?
  • 对现在的创业环境,有什么感悟可以分享给现在的创业者?
  • 当初是如何与创新工场结缘的,有什么故事?
  • 创业路上是否走过弯路?
  • 一路走来,创新工场在自己的创业之路上扮演了怎样的角色?
  • 在创新工场成立十周年之际,最想对工场说什么?

在最开始创业的时候,我们认为创新可能是一个 idea,但后来我们发现,任何一个 idea,都需要一个非常长的时间去落地和执行。在这个过程中,真正有能力去落地一个创新的想法,对我们来说是最大的挑战。





















































































Q:创新是什么?

在我看来,创新本质上就是效率的提升

创新可能会来自于商业模式的革新,也会来自于技术的本质突破,但终归会回到一个行业、一个产品、一个场景里本质效率的极大提升。

Q:在实现创新的道路上,你遇到的最大阻力或挑战是什么?

在最开始创业的时候,我们认为创新可能是一个 idea,一个想法可能就是创新。但后来我们发现,任何一个 idea,
都需要一个非常长的时间去落地和执行。在这个过程中,真正有能力去落地一个创新的想法,对我们来说是最大的挑战。

所以事儿永远是相对简单的,但是组织一帮对的人把这件事去完成,永远是更具挑战的事情。

技术创新为各个行业所带来的效率提升,才是真正的创新无边界




















































































Q:对于「创新无边界」,你个人的理解是什么?

在创业初期,我们看到更多的创新来自于商业模式的创新和产品的创新。而在最近几年,我们看到越来越多的来自于本质技术的创新。

无论是 AI 还是 IoT,这些技术的创新,在本质上会跟各种各样的行业生成深度的结合和化学反应。

所以在我看来,在未来很长的一段时间里,技术创新为各个行业所带来的效率提升,才是真正的创新无边界

Q:到目前为止,你实现过的最大创新或突破是什么?

旷视诞生的契机,是我们看到了一个巨大的技术变革,叫深度学习。旷视在八年前成立时,就是看到了深度学习这样一个技术本质的颠覆和创新。


而在过去的八年时间里面,我们最大的创新实践是构建了 Brain++ 这样一套人工智能生态体系。Brain++ 是一套具备大规模算法研发能力的人工智能算法平台,所以我们不是在单一地重复产生一个个的算法,而是用这样一套流水线的方式,非常高效地产生海量算法,这个也是我们认为 AI 未来创新的核心基础和最高的技术壁垒

Q:对现在的创业环境,你有什么感悟可以分享给现在的创业者?

我认为现在就是创业最好的时代。

因为很难得在同一个时间点,我们既能够看到技术的本质革新,又能看到商业模式、甚至是社会结构的升级和创新。

当这两个浪潮能叠加在一起的时候,我们不得不说,这将是一个最好的创业的时代,也是一个呼唤创业英雄的时代。

旷视从 0 到 1 的时候,开复给了我们很多很具象化的建议,这非常重要。现在我们服务于各行各业的客户,而且服务得非常好,我想可能也是因为在从 0 到 1 的过程中埋下了一粒这样的好种子。
















































































Q:当初是如何与创新工场结缘的,有什么故事?


在我们开始创业之前,也就是我跟我的两位联合创始人还在清华读书的时候,开复就是我们青年人的领袖。他在技术上的洞见,和对于创业者的支持,给予了我们很大的鼓舞。

所以在旷视真正开始 A 轮融资时候,我们很幸运有一个很好的方式能去跟开复做交流。开复对于移动互联网、对 AI 技术未来的发展,都有非常好的洞见,也很理解我们这样的技术创业者,所以我想可能是一拍即合。

而在整个创业的过程中,也就是过去的 6 到 8 年时间里,开复也一直跟我们保持非常高频的沟通,给了我们很多关于商业、产品、组织转型的建议。一路走来,开复不仅给了我们很多指导,还给了我们很多陪伴。


Q:创业路上是否走过弯路?

我们虽然在技术上一直很坚定地沿着深度学习人工智能算法的方式不断探索,但在商业化上,我们其实走了很多很多的弯路,也探索了很多不同的方向。

从团队基因来说,我们最开始不太有勇气做一家核心 to B 的公司,因为我们觉得自己的行业经验比较浅,年纪也比较小,可能很难真正成为一家伟大的 to B 公司。

在这样的战略选择上,开复给了我们很多很好且很坚定的建议,这也是让我们最近 5、6 年以来,能够坚定地去用 AI 技术赋能传统行业的动力,真正帮助这些传统行业进行生态升级,用 AI 和 IoT 的结合让他们的效率得到提升。

我们初期的客户之一是当时的美图秀秀软件。最早,我们是一个开发者平台,把 AI 技术放在网上、放在云端,让更多的开发者来使用,很少直接去面向一个 B 端的客户。

当时美图秀秀跟我们合作之后,我很认真地跟开复讨论了很长时间。他觉得把技术给这样一个线下的场景、给每一个实实在在的客户提供高价值的服务,是一个更加确定的、务实的商业变现的方式。

开复给了我很多建议,比如如何去赢得第一个客户,如何去提供一个客户满意的技术解决方案,如何去表达你的技术优势。

旷视从 0 到 1 的时候,开复给了我们很多很具象化的建议,这对我们非常重要。有这样一个 0 到 1 的好的开始,也让我们坚定了信心。所以我们现在可以服务于各行各业的客户,而且我们认为服务得非常好,我想可能也是因为在从 0 到 1 的过程中埋下了一粒这样的好种子。


创业过程中,既有风光的一面,也有应对危机时一起想办法、一起去承担的经历,我觉得工场更像是一个家人的存在。














































































Q:一路走来,创新工场在你的创业之路上扮演了怎样的角色?


创新工场作为我们的 A 轮投资人,一起走过了非常长的时间,我觉得可能更像家人的角色。

在这个过程中,既有风光的那一面,同时也有很多转型的困难,有很多应对危机时一起想办法、一起去承担的经历,所以我觉得工场更像是一个家人的存在。

我现在其实也会隔一段时间和开复聊一聊我在思考的问题,既有关于公司的、也有其他方面的,工场之于我更多的是一种家人的陪伴、持续的指引。

一个公司越是往前走,越不能忘记自己的初心,不能忘记自己的原点,这样才可能走得更加坚定。


Q:在创新工场成立十周年之际,你最想对工场说什么?

十年前,在创新工场说要做技术风投、要投资 AI 的时候,可能还显得有那么一点点另类。而十年后, AI 已经成为大潮。

我觉得工场还很年轻,感觉开复也越长越年轻,所以希望未来十年工场会更好,创新工场一定会成为中国技术风投领域最亮的星。


欢迎关注创新工场微信公众号:chuangxin2009。创新工场拥有强大的投资和投后团队,持续输出关于创业投资、投后的真知灼见~ 还有机会参与到创业培训、沙龙和其他各类活动中。


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存