查看原文
其他

他研究了5000家AI公司,说人工智能应用该这么做!

2018-02-06 Henry Shi 人工智能学家

来源:公众号InfoQ

编辑:陈思 Eva;视频剪辑:汪春良 

概要:本文作者 Henry  Shi是美国人工智能的博士,连续创业者,专注于 AI 领域的早期投资(AI List Capital管理合伙人)。


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。


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,今天你要再做一个这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投的,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 垂直行业应用方面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。



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。


总结一下上面讲的例子,这家公司拥有的两个属性:第一是 AI 加销售的一个垂直行业应用;第二是这家公司直接用 AI 来解决问题的。


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。


Shape 的客户是谁呢?比如就是淘宝,Shape 的目的是帮助淘宝去分析出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。


AI公司分析的维度


那么接下来我想分享一下作为一个投资人,我们分析 AI 公司可能有哪些维度,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。


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?


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。


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江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,让每个人的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。


第四个建议,是把握 AI 发展的趋势。作为投资人,我分享几个我看到的未来 1-2 年的趋势。从壁垒上说,AI 创业公司正在通过以下三个方式提升壁垒,包括 1)结合硬件(关注一下 CES) 2)B2C 的商业模式(可以形成独有的数据壁垒)3)渗透门槛更高的传统行业(如吴恩达创立的 AI+ 制造的公司 Landing.ai)。从技术上说,大部分 AI 创业公司采用监督学习算法比较多,无监督学习和强化学习应该还有很大的应用潜力,比如 2017 年 AlphaZero 的成功。另外,随着最近区块链成为风口,AI 和区块链的应用也备受关注。区块链在解决数据安全和共享方面,和 AI 有着很好的结合点,相信会产生不少有价值的应用场景。



未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。由互联网进化论作者,计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

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