1. 首頁
  2. 創業文章

鄧鋒:人工智能行業的創業與投資機會

由創業邦主辦的“2017創新中國總決賽暨秋季峰會”于9月6日-7日在杭州舉行。北極光創投創始人鄧鋒出席并演講。

以下為演講實錄:

鄧鋒:各位嘉賓,各位朋友,大家下午好。

其實今天原來給我的題目叫人工智能的基點來臨,我想想又篡改了一下,因為基點這個問題,大家都在討論人工智能。首先什么是基點,是人工智能開始從這一點開始,很快就戰勝人類的智能,這一點我也想得到答案,也和很多人請教過,沒有很明確答案。我只能和大家說一點,人工智能戰勝人類智能,現在絕大部分科學家還沒有這個共識,絕大部分人工智能方面的專家,全世界一流的,大多數認為考慮這個問題還為時過早。

第二,我也和大家說一下,現在確實有越來越多的科學家認為這個可能性不太存在的,而且是越來越大,越來越多的科學家覺得前途沒有那么樂觀。

不過我想可能他們想的跟我們想的還不太一樣,我個人覺得,首先,人類是不是被人工智能戰勝,人類還可以被其它方面戰勝,戰勝科技來導致人類滅亡的方法有很多種。那天我想了好多種,比如現在人腦科學的發展,真的可以控制人腦,通過某種方法、儀器來控制人腦的思維感情,可能相對比人工智能來得更早。第二,有人悲觀的認為,前兩天有人說2029年是人類永垂不朽的那一年,到那時候開始長生不老。還有另外一種力量讓人類活得更長,我覺得還是不要想這些太遠的問題,想一些比較實際,對我們來說比較有用的。今天在座的都是創業或者投資的,到底人工智能在創業和投資帶來什么機會,可能對在座是更重要。

總結一下行業的歷史,從哪兒來到哪兒走,現在是什么情況,同時用一些案例講一下,我覺得創業、投資在人工智能這個領域今天和未來有什么機會。

其實人工智能,大家都知道這不是一個新詞了,這個詞從上個世紀50年代就開始被人第一次用。到現在為止已經經歷了第三次浪潮了,那第一次、第二次都很不幸,熱了以后又從風口上冷了下去。而且第一次是在60年代中、60年代末的時候最熱,由于有了算法的革命,第一次發明了神經網絡,覺得人工智能很好。但到了70年代初,60年代末時,發現計算能力在那個時候不行,解決不了大部分問題,所以又變成了研究經費下降,整個行業變得不熱。到了80年代初又開始,到80年代中后期變得最熱,這個就是發現了一些過去所說的獲取數據變得可能,又是一次算法的突破。而且大量的投入在超級計算機上,比如日本的日代機就是人工智能的計算機,花了很多錢。到了90年代初以后又下去了,覺得這個離現實還是很遠。包括從算力,數據本身上來講都不夠。

這次大概是從十年以前,05、06年開始又出現了,原因在于最根本的契機,提出了深度學習。嬰兒學圖像,都是母親告訴他什么內容,記在腦子里。一個不同的物體,放在不同的背景下,嬰兒能夠認出來。人類模擬這個過程,讓計算機學習了成千上萬,幾十萬,幾百萬,越來越多被標注過的,被專家們標注過的圖像,之后再給它一幅沒有看過的圖像,它可以認得很準。到幾年之后,認得比人很準,這個事情是用了深度學習的方法。而這種深度學習的方法被廣泛用在今天人工智能領域,這是人工智能帶來的第三次浪潮。

這次是不是又是一個泡沫,像上兩次一樣過一段又不行了。我們認為這次絕對是真的,真的是不一樣。為什么這么說,真正人工智能要發展有三個大的因素,大家可能聽說過,算法,機器學習,后來又出現了一個增強學習。一些新的詞都是在最近幾年迅速發展,因為機器學習本身需要大數據,數據沒有大能不能行,數據沒有那么全,或者別的領域的數據能不能用在這個領域,都有一些突破。算法在過去幾年有了一些新的突破,在未來可能還會有一些新的突破,現在發現算法進展速度比以前要快。其實更大的突破是在算力上,算力就是計算的能力,要進行一個計算,計算能力不夠的話是解決不了的。

過去由于摩爾定律,同樣的成本、同樣的時間,計算性能大部分提高,使得算力在迅速的增加。而這個又面臨著GPU的提高,過去計算都叫做CPU,CPU雖然做普通的計算很合適,但做人工智能的計算并不是最合適。

(圖示)GPU是一種不一樣的,大家可以看左下角的圖,CPU,傳統的計算,包括英特爾,ARM。左邊這張圖,這叫做GPU,GPU是一堆的計算單元,存儲器放在另外一塊,特別適合做人工智能的算法,深度計算。由于GPU,使得一個公司市值迅速增長,就是GPU在人工智能帶來大的應用?,F在又出來一個新的TPU,谷歌把它的一套計算價格重新設計一個芯片。算力迅速的提高,而且算力可以預測在未來五年時間內,可以是以數量級的速度在提高。

這里等會再說另外一個問題,使得人工智能今天的算法未來很復雜,需要大量算法的計算都有可能,而且是在可實現的成本上做到。

其實還有一個更大的變化,數據的變化。你要想做人工智能,你要想學習過去歷史的經驗,很多的數據。這個數據在今天由于有了無線互聯網,包括今天的手機。由于有了物聯網,IOT,使得數據在今天和過去都不一樣。大家如果知道,現在需要存儲的,和人類每天產生可記錄的數據,都是成千倍的增長。由于有了這些數據,才使得你的計算,加上算法和計算能力,才是過去不可能實現的計算機算法,今天都變得可能。

大家想象一下AlphaGo想戰勝人,先把過去棋譜讀一遍,人類下過的棋,它來學習。后來干脆不用棋譜,自己兩個機器對下,相當于它把過去人類幾千年來,或者自從有圍棋以來過去這些學習的過程,自己全練一遍,不看棋譜就可以學會戰勝人類。這個數據量多大,它要下多少盤棋,相當于把過去人類歷史上圍棋總和加起來,數據量巨大,數據變得很關鍵。

大家如果記得的話,有一次IT峰會上,馬云、馬化騰和李彥宏都在,李彥宏說人工智能算法最重要,馬云說數據最重要,馬化騰說數據、算法都重要。這里算法、算力和數據對人工智能發展都很重要,不同的問題、不同的階段重要性不一樣,但都是很重要。其實我們做投資,甚至可能都不是從這三方面看,算法好不好并不是投資的根據,數據多不多只是其中一部分。

我們要講人工智能,更大的范圍是科技公司,世界上最頂尖的科技公司,現在都在布局人工智能。而且科技公司的發展由于有了過去的互聯網,包括今天的人工智能,科技公司在全世界,整個大的經濟領域地位在迅速的提高。

(圖示)這張圖說明了一個新名詞,GAFAM。第一個G是Google,后面是APPle,五家最頂級的科技公司。如果看一下他們在世界產業領域、經濟領域的位置,在2001年時只有微軟在前五,2006年時還是一家,2011年時還是一家,只不過這一家換成了蘋果,不是微軟。我們看一下2016年,全世界前五大的公司全部是高科技公司,而且都是市值很高了。這個趨勢可能還是停不下來,我們相信由于人工智能的到來,這幾家公司都會受益最大,而且它的市值會更快的提高。

這幾家公司都在紛紛的布局AI,其實整個AI行業的發展,大量的機會是留給非常有錢,非常有數據的互聯網巨頭,因為他們的數據,他們的資金,成為人工智能這個行業發展最大的受益者。但同時他們也推動了行業的發展,帶來了很多小公司的創業機會和VC的投資機會。我們把公司分成了這幾家,看一下它們的布局,基礎層、技術層、應用層。一個公司從水平層面來看,有基礎層、平臺層,最上面是應用。豎著看有不同的產業,是金融、農業、教育,分成不同產業。分成不同方法,可以看出這幾家大公司的布局在哪兒。像谷歌,雖然是一家互聯網軟件公司,它已經布局到了基礎層,芯片,谷歌在設計芯片。過去是英特爾干的事,今天谷歌也開始做,因為他們知道要想做好這個東西的話,算力、算法和數據都會需要,所以他們布局了芯片。

微軟,微軟是一個純粹典型的軟件公司,從來不做芯片的,以前都和英特爾合作的。微軟現在也開始擔心是不是要走到芯片上,雖然它今天是用IBG做,但已經考慮了芯片是不是下一步要做的。

技術層的競爭更激烈了,過去的算法是一個競爭點,全都開源了,各個大公司把算法都開源了,放在平臺上。你在做人工智能應用時不像以前那么難了,過去需要人力,你需要從上到下都做。今天他們把項目搭好,你在下面做一個應用就簡單多了,只要有數據的話。

總的來說,這些巨頭們部署的都不是某一個應用,巨頭們部署的都是整個架構和平臺,未來人工智能無論用在哪個領域,誰來開發,都用它的系統、架構、平臺和云的計算能力,這樣的話它會成為最大的受益者。

舉兩個例子,谷歌,谷歌的DeepMind都是它的基礎層。在技術層的話,視覺上一個大陸科學家,他在計算機視覺上有非常大的貢獻。在語義語音識別上,谷歌也進展非???,特別在機器翻譯中,語義理解識別上。大家如果看一下谷歌翻譯最近進展的話,它的翻譯準確度進展非常大。當然在搜索,還有一些開源平臺上做了很多。

應用層的話,ALLO,Echo。谷歌特別領先的是自動駕駛,做得很早,并且有很多輛車一直在公路上跑,積累了非常多的數據。醫療也是大家在看的,包括微軟、谷歌,用人工智能解決醫療上的問題,造就在做,這都是應用層的。

英特爾是相對來說起步比較晚的,我說這兩個例子,不是說所有都在他們這兒做,還有其它公司都在干。剛才說的Facebook,ALLO都在干,這是世界巨頭的發展方向。

英特爾因為是做芯片公司的,它可能最關鍵是兩塊,人工智能的計算不是在手機上,是在云里,數據采集大量是在云里。今天講的數據中心,云計算,虛擬系統,計算都是在數據中心里。這里的芯片原來就是英特爾壟斷的,未來英特爾絕對不能丟掉這一塊,所以英特爾在這一塊下了巨注。包括它把Nervana收購了,都是要加強這一塊,把云上的計算能力提高。

Movidius是一家端上的芯片公司,它把CPU和CNN放在一起,這個英特爾看到了,在端口也需要一個計算能力。同時這一塊不能丟給其它的公司,所以英特爾布局是在這兒。這也是我們覺得未來大家在這里打得越來越厲害,甚至有一些是中國公司和小企業打得比較厲害的地方。

(圖示)這張圖大家比較熟悉,任何一個東西的發展都經過開始,忽然一下變得很熱,然后變成泡沫。泡沫再開始破滅,再回來的時候就變成真的了。

(圖示)最右面的虛擬現實,虛擬現實曾經的時候很火,后來泡沫破滅?,F在虛擬現實再回來,現在虛擬現實的游戲,虛擬現實其它一些體驗的內容,開發,都變得比較真了。而且我覺得是在上升過程當中,未來隨著內容越來越好,硬件基本上已經不是障礙了。過去大家說硬件是不是眩暈,其實這個都已經慢慢在解決,而且解決得很好。內容如果起來的話,虛擬現實就變得真的是一個可以影響我們生活的事。

增強現實等等一些,舉個例子,今天的人工智能發展得很不平衡,有些東西發展得很好,有些東西還是很早期。你不能以今天的人工智能判斷,AlphaGo能夠戰勝人類了,是不是以后人工智能什么都行了。就拿圍棋來說,舉個例子,圍棋可能比人腦要強得多,AlphaGo什么時候能夠教人下棋比人教人下棋強,這條路還遠得很。你去教另外一個小孩下棋,可能比AlphaGo教小孩下棋要好得多,這個原因是因為它沒有這個數據,它沒有教過幾千幾萬個孩子。它光是下過棋的數據,教的數據很難積累,走到教的那一步還差很遠。我們不能說人工智能一好了,什么都變得很好,對于感情的認知,人工智能還差得很遠。

今天雖然有很多在學習,可是你要想陪伴小孩的自閉癥,中年人的抑郁癥,老年癡呆等等,要陪伴,要讀懂感情,這個也在進展,但進展速度就慢一些。而提高效率,像人訂飛機票,金融管理的助手,這方面的進展很快,因為它的數據很多,很容易積累。這些方面的話,人工智能的發展很快,其實很不均勻,某些方面進展很快,某些方面還僅僅是剛開始。

就拿自然語言理解來說,其實也是有很多障礙沒有克服。和你對話的小冰機器人、siri等遠遠不能滿足人類的要求。專用的企業客服機器人和你對話,大家覺得進展挺快了。但真正互相之間聊天的還是不足,背后積累要有相當長的時間。

未來行業的發展,總的來說,我覺得人工智能這次不但是真的,而且還是一個加速的速度往前發展。在未來的話,帶給我們太多投資的創業機會。雖然說很多機會是留給大公司的,但是對小公司,對風投來說,也是有一些新的機會。機會是不是在中國,往往技術型的企業在美國投,中國做應用的比較多。到底人工智能在中國有多少機會,這次中國和美國起點的差距是最小的,而且中國追趕的速度可能是最快的。無論是在人才,在學習人工智能人才方面,美國缺得很厲害,中國也缺得很厲害,人才數量上中國并不大。在全世界,在美國最領先的一些搞人工智能的教授專家,大的來說,華裔,李非非。行業的領先很多都是華裔,或者有的已經回到中國了。而看未來很多學習人工智能領域里的人才,也有很多是中國人,他們很多回到了國內。

從論文的數量上來看,中國在2015年論文數量已經超過美國,論文不能代表很多問題,但你就看這個趨勢。而資金、專利,還有整個和人工智能相關的創業公司數據,中國都在迅速的追趕。這一點上我們很樂觀的說,中國這些人工智能方面的資金潛力、人才潛力,還有應用的潛力都不比美國差。還有一點很重要的,數據。大家知道人工智能很重要的是數據,你有再強的技術,可能不一定有數據。比如醫療方面的話,由于這些法律的問題,其實美國拿人工智能做醫療醫藥方面的研究就比中國進展慢,而中國在這方面有很大進展,因為我們相對來說可以拿到更多的數據,對中國自己的數據。

大的來說,我覺得創新和投資的機會,一個就是底層計算架構方面。在座都是搞互聯網,也許不知道其實在芯片層,在網絡層,在存儲,等等,還有操作系統領域都在發生一些很大的變化。而這些實際上給那些新的,中國另外一波有創業精神的人提供了機會。學半導體的也好,過去很多人都認為是夕陽行業了,現在帶來了巨大的機會。

另外,對中國更有意義的一塊是智能前端性。智能的東西分成云端,端和云,云講的是大的IGC,數據中心。而端這一塊小到智能攝象頭,做監控的,大到機器人。這個東西的特點是軟硬件一體化,不光是有一個軟件,而硬件恰恰是中國的優勢。中國IT行業硬件制造業的供應鏈和制造業的制造能力優勢,再加上芯片行業的優勢。從掃地機器人,到家庭陪伴娛樂機器人,到更復雜的工業制造機器人。除了機器人之外的所有硬件,甚至未來的自動駕駛,我們的制造業都會取得很大進展。包括傳感器,包括其它相應的東西,這和IOT相關。

我們的看法,單看人工智能時,不要光看到人工智能,可能更多要看到人工智能+大數據。而大數據最大的問題和挑戰是說,這個數據是不是你的。如果別人看到數據,你也能看到數據,算法就是開源的,你有什么能力比別人做得好,這就想到了IOT。如果某一種應用,你是用物聯網收集了自己的數據,那你就比別人有優勢,因為你拿到了數據,別人沒有。數據是未來越來越關鍵的地方,誰用了這個數據變得越來越關鍵。我不太相信數據能夠打開,分享出去,數據越來越重要。未來誰能夠通過傳感器,通過不同的方式收集到數據,那它的優勢就會很大。

如果你沒有自己的數據做這個行業,你的先發優勢可能并不大,因為機器學習速度越來越快。舉個例子,醫療信息圖片,X片的圖片。如果你的數據和別人數據是差不多的話,就你提前了半年,提前一年做這個事,人家可以很快追上來。而且準確度差0.1%沒有意義。但如果這個數據你有,別人沒有,那就很關鍵。

今天來講,最有機會的是一些垂直領域的智能化應用。而這種垂直化應用,今天很多領域里,它甚至連IT化,或者數據化都沒有做到。如果你能夠把數據化迅速做到智能化,就有一個先發優勢。在人工智能領域里先發優勢還是很關鍵,總的來說你把數據先做出來,將來別人在追你時,你還是比他做得準,做得更好,你的客戶鎖定會更好。我們認為在垂直領域,垂直領域大量是toB的,包括媒體、醫療、農業、制造等等方面。

實際上在計算領域的話一個很大的問題,存儲和計算能力的突破。今天想的所有的,包括GPU、TPU都有一個巨大的問題,存儲成為瓶頸,而不是計算能力成為瓶頸。誰要把這個問題突破,將會取得巨大進展。這只是計算架構的一個例子,計算架構有很多這樣的例子,有很多創新的機會。

另外,剛才講的端的這一塊例子,人機的交互變得更容易。我們大家都講車,講自動駕駛。車還有人機交互界面,你坐在車里,大概你是什么樣的想法,往哪兒去,這方面的突破一樣是人工智能很大的應用。而且今天我們看到一些新的產品,在這方面的突破更容易一些。包括小米的生態系統里一些公司在往這個方向走,對小公司來說是更實際的。包括交互的方式,交互的媒介是什么,都在發生一些變化。

時間有限,我不能講很細了。

在企業看人工智能做投資時,最先看的是應用,大垂直。這個垂直領域市場夠不夠大,這個垂直領域,能不能構造壁壘,你有沒有數據,這是很關鍵的。哪些垂直領域比較容易做呢,相對來說,比如個人助理,安防,醫療健康,自動駕駛,這些方面,我相信在未來幾年內都會有很大的變化。但是在教育,還有其它相對來說更遠一些,更難一些,也沒有很明確說哪個最容易。每一個大的垂直都會有人工智能的東西,最關鍵的是建立一個知識圖譜,每個垂直領域如果有一個很好的方法把知識圖譜建立起來,加上數據就會變成一個很好的,你在這方面的優勢,別人越來越難超越。這是人工智能領域創業很關鍵的一部分。

人工智能以不同的方式改造傳統行業,有些方式是建立應用型的平臺,有些方式是更深入的平臺。我們還有關注不但是今天的問題,做投資做創業不但考慮今天的問題,還要考慮三年以后,五年以后,你的壁壘在哪里。今天沒有人干,你去干。如果你的先發優勢不能變成一個長期積累起來的壁壘,可能這事就沒法往下玩了。比如今天大家講的SaaS,都是講企業級的服務應用。如果企業級應用只是一個工具的話,你把客戶鎖定,就不如說對它的數據進行改造,把它的數據提高企業級應用,包括決策的能力。如果把企業級應用從工具到最后決策的效率等等提高的話,決策準確度提高的話,那企業應用就會很好。類似這樣,在人工智能領域也是一樣的,要考慮到一個東西在開始進入的時候,你當然希望選擇一個門檻不是特別高的進去,大很快就變成很高的門檻,或者你建立一個很高的門檻。

北極光布局這個生態三年前就開始做了,從傳感器到芯片,到一些子系統,到軟件的模塊,到最后的應用。最后發現這些東西連在一起,不同的公司,比如做應用醫療的公司,和前面平臺公司的合作都來自于產業鏈的布局。而且這種布局的話,未來做一些更大的創新就很好。不要只盯住人工智能在某一個子領域,很多地方都有創新的可能,都能帶來很高回報。

舉個例子,比如做平臺的公司,Petuum。包括一些圖像的應用,聲學的前端,包括一些自動駕駛,還包括企業輔助的智能決策,這些東西都是在不同應用領域。今天來看的話,這只是很小一部分。我的感覺,人工智能真的還有很多東西要做。和大家分享這些,希望大家能跟我們一塊來探討你的創業是能更好,能夠跟這些未來的方向結合,希望所有的創業投資人都在人工智能領域取得巨大的成功。

原創文章,作者:聚創盟,如若轉載,請注明出處:http://www.hkywuh.live/38841

發表評論

電子郵件地址不會被公開。 必填項已用*標注

聯系我們

兼職小項目可聯系

在線咨詢:點擊這里給我發消息

郵件:[email protected]

工作時間:周一至周五,9:30-18:30,節假日休息

欲钱买瘸子打一生肖