來源：公眾號InfoQ

編輯：陳思 Eva；視頻剪輯：汪春良 

概要：本文作者 Henry  Shi是美國人工智能的博士,，連續(xù)創(chuàng)業(yè)者,，專注于 AI 領(lǐng)域的早期投資（AI List Capital管理合伙人）。

無論你是 AI 的創(chuàng)業(yè)者,、投資人,，還是對 AI 技術(shù)感興趣的愛好者或者是商務(wù)人士，希望我講的內(nèi)容可以對大家有一定的借鑒意義,。

AI的基本認(rèn)知

對 AI 的基本認(rèn)知很簡單,，我們認(rèn)為 AI 的核心就是數(shù)據(jù)驅(qū)動來提升生產(chǎn)力、提升生產(chǎn)效率,。凡是滿足這個條件的,，我們基本上認(rèn)為它就具有 AI 公司的特點，即只要是獲得了數(shù)據(jù)并且去利用數(shù)據(jù)來提升它的整個生產(chǎn)力,、生產(chǎn)效率的,，我們認(rèn)為它都具備 AI 的元素。

對 AI 的第二認(rèn)知是：AI 是互聯(lián)網(wǎng)或者移動互聯(lián)網(wǎng)發(fā)展的一個必然結(jié)果,，因為移動互聯(lián)網(wǎng)和互聯(lián)網(wǎng)創(chuàng)造了大量的數(shù)據(jù),，那么目前來講互聯(lián)網(wǎng),、移動互聯(lián)網(wǎng)當(dāng)中的機會應(yīng)該是很有限了，今天你要再做一個這領(lǐng)域的這個獨角獸公司相對困難,，但是 AI 里面有很大的機會,，我相信大家也非常關(guān)注 AI 公司的融資，在中國不斷有 AI 公司獲得非常大額的融資,，它的整個估值推高的非?？欤@速度可能比以前的互聯(lián)網(wǎng),，移動互聯(lián)網(wǎng)公司要快很多,，這里面給我們創(chuàng)造了非常大的機會，無論是創(chuàng)業(yè)者還是投資人,。

第三方面,，我想來分析一下 AI 公司常見的兩種類型，第一種就是直接用 AI 來解決問題的,，這里面的一個代表那就是無人駕駛,，無人駕駛從一開始就是希望用 AI 來解決駕駛的問題，它一開始就希望用這種機器自動化的方式來解決,；第二類公司是數(shù)據(jù)積累后的一種智能化,，或者說是互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)公司發(fā)展后自然走向 AI 化,，舉個例子,，像 LinkedIn、Facebook,，他們在積累了大量的數(shù)據(jù)之后,，可以用這些數(shù)據(jù)來做智能的好友推薦，它們的未來一定會越來越智能,，未來很多互聯(lián)網(wǎng),、移動互聯(lián)網(wǎng)公司都會自然的成為 AI 公司。

下面我舉幾個例子,，跟這兩類 AI 公司相關(guān)的,。這里講的公司大部分都是我們投資的，但同時它也是在后續(xù)輪被美國非常主流的這些投資機構(gòu)來領(lǐng)投的,，同時他們又是 AI 在不同垂直行業(yè)當(dāng)中的很好的范例,，我覺得這幾家公司在對 AI 垂直行業(yè)應(yīng)用方面給大家提供了一些比較具體的例子。

我想講的第一家公司就是叫 EverString,，它是直接用 AI 來解決問題的,。

因為 EverString 這些人大都是斯坦福出來的，他們最早做的事情是幫助 VC 和 PE 來發(fā)現(xiàn)有潛力的投資標(biāo)的，也就是在 2013 年干的事情,，現(xiàn)在大家看到的這張圖,，實際上是他把全球的很多公司的信息做了整合之后，通過可視化的方式呈現(xiàn)在一張圖上,，來幫助 VC 和 PE 發(fā)現(xiàn)很有價值的這些標(biāo)的,，比如圖上的圈，比較大的這些圓圈可能代表的就是公司體量比較大,，增長速度比較快的這些公司。

通過這種比較有意思的大數(shù)據(jù)可視化,，能夠發(fā)現(xiàn)一些增長比較快的領(lǐng)域,，或者是某些其實存在很多機會的領(lǐng)域，但是暫時沒有被主流的 VC 和 PE 盯上,，總的來說,，這家公司做的是這么一件事情。

但是這件事情其實當(dāng)時做得是比較局限的,，比如說他們后來發(fā)現(xiàn),，這個市場太小，雖然他們提供的東西有價值,，但是很少有 VC 和 PE 會為他來進行比較大的買單,，后來他們把這個產(chǎn)品升級到了一個大了幾十倍幾百倍的市場，也就是 AI 加銷售的這個市場,，把 AI 用在銷售領(lǐng)域,，利用 AI 來發(fā)現(xiàn)潛在的企業(yè)客戶。

我們把剛才這個 VC 找項目的例子進行深層面的思考,。

VC 要找投資項目,，投資項目可以認(rèn)為就是 VC 的潛在客戶，在這種層面上你可以認(rèn)為它是個 B2B 的公司,，B2B 的公司希望找到好的企業(yè)客戶,，那么 VC 只是這種 B2B 公司當(dāng)中的一小類。實際上有大量的 B2B 公司都要找到企業(yè)客戶,，比如說現(xiàn)在的圖中展示的是 EverString 現(xiàn)在的一些客戶,，包括 Salesforce、Oracle,、IBM 等等,，這些都是非常大的企業(yè)。他們都要找到很多企業(yè)客戶,。

那 EverString 干的事情是當(dāng)企業(yè)有一大堆潛在的客戶時候,，在我這張圖上的這個左邊，就是說這些灰色的人頭，就是說每個人頭可能都是個潛在的企業(yè)客戶,，那么你可能會有很多很多,，比如說這個數(shù)以萬計的潛在企業(yè)客戶，你給一個企業(yè)過來,，其實對企業(yè)來說,，我要去跟這些客戶聊，我要去銷售,，選擇合適的企業(yè)客戶來進行銷售是很重要的,，這個是很提高效率，減少銷售人員的很多重復(fù)浪費工作,，相當(dāng)于提升他們效率,，減少他們浪費很多時間在不太可能的客戶上。

在拿到了很多潛在客戶之后,，EverString 就要進行下一步工作了：將企業(yè)已有的客戶數(shù)據(jù)進行比對,、分析，比如去分析這些潛在客戶的 Web  Bhev,。舉個例子,，比如亞馬遜，我發(fā)現(xiàn)有個客戶,，他現(xiàn)在可能就在網(wǎng)上招一些能夠做云服務(wù),、云計算方面的一些人，很可能這家公司就是在云計算,、云平臺方面有很大的需求,。比如說有的公司可能剛剛新融一輪資，并且它說要在某些方面進行重要的戰(zhàn)略性的發(fā)展,，那么這些數(shù)據(jù)的分析也可以為這個企業(yè),，提供潛在客戶這種篩選的信息。

總的來說通過在大量的客戶當(dāng)中去挑選出一些非常有潛力的客戶,，其中結(jié)合了 CRM 還有一些用戶網(wǎng)上的行為,，最終他可以給很多潛在客戶進行打分，就是這里面這張圖里面的最后一步,，每個潛在用戶都給他打了一個數(shù)字的分?jǐn)?shù),，分?jǐn)?shù)越高就是越有可能，之后就可以讓公司的銷售人員優(yōu)先去和這些客戶聊,。

在這樣的一個轉(zhuǎn)型升級之后,，EverString 發(fā)展的非常快,，他們基本在美國要進入獨角獸的行業(yè),，他們現(xiàn)在也是硅谷在 AI 領(lǐng)域發(fā)展的很有潛力的一家 B2B 的公司,。

我再講一家我們投資的也是用 AI 來解決問題的一家安防公司。

這家公司用 AI 來防護自動化的網(wǎng)絡(luò)攻擊,。什么叫自動化的網(wǎng)絡(luò)攻擊,？根據(jù)一項權(quán)威的研究表明，其實 90% 以上的登錄頁面訪問都來自于自動化程序,，也就是 Bot,，什么意思呢？比如說你是一個類似淘寶的電子商務(wù)網(wǎng)站,，規(guī)模比較大,，其實大量的登錄行為，用戶名和密碼這種行為都不是來自人,，而是來自這個機器程序，機器程序這種登陸行為的目的是什么,？當(dāng)然是想盜取帳戶,，那怎么盜取,？

實際上大家很多時候在不同的網(wǎng)站上,，注冊用戶名和密碼的時候都用的是同一套，但是很多網(wǎng)站其實它的安全性做得是很差的,，比如說很多黑客程序就可能會侵入到一些安全性比較差的這些論壇,、網(wǎng)站，然后把你的用戶名密碼信息泄露出去,，又有大量的這種 Bot 拿著這些信息去很多主流的網(wǎng)站上去測試,，比如說電商、銀行,、航空公司等等,，在各種網(wǎng)站上測試，很容易就會竊取進去,，只要用戶名和密碼配對成功,，它就登錄進去了，那就可能給你造成很大的損失,，Shape  Security 這家公司就是來解決這個問題的,。

Shape 的客戶是誰呢？比如就是淘寶,，Shape 的目的是幫助淘寶去分析出來登錄我淘寶這些人到底是人還是 Bot,。如果是 Bot，就要把它給阻攔掉，這個 Shape 也發(fā)展的非?？?，它也基本上就是要達到這個獨角獸的行列了，它的投資方也都是美國頂級的 VC,，像 KPCB,，Google，Ventures 等等,，這張圖是 Shape 的一個很好的體現(xiàn),。

你看到這張圖上面，這個黑色的區(qū)域體現(xiàn)的就是這個網(wǎng)站的訪問量,，那么在啟動 Shape 之前,，網(wǎng)站雖然訪問量很高，但是大量都是由 Bot 產(chǎn)生的,，那 Shape 運行之后,，Bot 的登陸就被大大的過濾，這個訪問量就非常正常了,，基本上就是來自人,，Shape 就干了這個事情。

你可能會問說,，那這個 Shape 的 AI 用的是什么,？這里的 AI 主要是去判斷這個登錄行為來自人還是來自 Bot，這個判斷并不是那么容易的,，而且現(xiàn)在 Bot 也越來越智能了,，它其實是用 AI 去反 AI，其實和這種殺毒軟件等等也比較像,，但是 Shape 解決的這個問題是很多現(xiàn)有的防火墻,，殺毒軟件等等的不太能解決的。這也是為什么 Shape 它的客戶全是美國非常頂級的,，最大的銀行,、最大的航空公司，還有像星巴克等等,，都是它的大型客戶,。它也是 AI 在垂直領(lǐng)域，也就是安防當(dāng)中的一個非常好的應(yīng)用,，而且它是直接用 AI 來解決問題的,，解決的就是這個程序攻擊的這個問題。

我要講的第三家公司 ObEN,，也是我們早期投資的一個公司,，它也是有 AI 來解決問題,。這個 ObEN 這家公司干的事情是挺有意思的，它是 AI 在娛樂行業(yè)的一個應(yīng)用,，它能夠幫你建立人工智能的虛擬形象,。

比如說大家看這里的這個第一張圖，這是 ObEN 的兩個創(chuàng)始人,，給了一張照片之后,，它在他們的右邊就生成了他的人工智能虛擬形象，然后這個虛擬形象就不僅表情動作和它很像,，聲音也非常像,。可能大家也或多或少了解這個技術(shù),，比如說在很多的影視當(dāng)中也有應(yīng)用,。

ObEN 的核心亮點就是說它能夠用很快速的方式來建立這種虛擬形象，并且賦予它娛樂的應(yīng)用場景,。比如說它要建立聲音模型,，只需要兩分鐘的音頻；它要建立頭像表情的這種形象,，只需要少數(shù)的幾張照片,，當(dāng)然數(shù)據(jù)越多，它的效果肯定是越好的,，但是它可以快速的生成。

比如說在這里,，可以看到最右邊的這張圖,，就是它把公司這位印度籍的創(chuàng)始人的虛擬形象構(gòu)造出了，讓他在一個有點像這種 BR,、AR 的場景當(dāng)中唱歌,，而且還能讓他唱中文的歌曲，用的還是這個人自己的的這種聲調(diào),，這些都是它的應(yīng)用,。它也可以讓你唱出周杰倫的感覺，甚至可以做到非常像,，它也可以讓你去建立周杰倫的聲音,，讓他去唱另一個歌手的歌曲，甚至可以讓周杰倫來講這個郭德剛的相聲,，這些都可以做到,。

ObEN 它發(fā)展的非常快,，它的投資方很強,，包括軟銀,，騰訊，華人文化,，SM 娛樂等,。SM 娛樂是韓國非常知名的娛樂公司，并且在去年 ObEN 和 SM 娛樂合資,，合作成立了一家合資公司,，就是叫 AI  Stars，就叫幻星,，核心就是用 AI 來為 SM 旗下的很多明星提供虛擬形象的服務(wù),。

你可能會問明星造了這個虛擬形象目的是什么呢？其實這個目的之一就是能夠和粉絲更好的互動,，你可以想象,，未來每個明星他都有一個虛擬形象，你可以通過一個 APP 去跟他互動,，比如說你可以和周杰倫進行互動,，你會問他很多問題，他都會盡量給你回答,，有些問題他可能一時答不好,，但是他可能就是通過后臺他的經(jīng)紀(jì)公司幫他回答了之后，他不斷會學(xué)習(xí),，可以和人更好的互動,。而且粉絲跟他互動的時候，他能發(fā)出周杰倫的這個聲音,，還有周杰倫的特有的這種表情等等,，甚至用戶可以點歌，讓他唱什么歌他就給你唱什么歌,，這個就非常有價值,，會很多粉絲愿意為他進行付費，應(yīng)該說是創(chuàng)造了一種新的娛樂體驗,。

ObEN 的整個發(fā)展它也很快,，除了和 SM 合作，比如說在中國它現(xiàn)在就在跟 SNH48 在合作,。其他地方也有很多應(yīng)用,，包括它和微信等等這些企業(yè)也有合作。所以 ObEN 也是我講的一家 AI 在垂直行業(yè)的應(yīng)用公司,，它在娛樂行業(yè)來進行運用,，也是用 AI 來直接解決這個問題的。并且現(xiàn)在 ObEN,，它在布局整個區(qū)塊鏈,，它推出了全球第一個分布式的社交 AI 的平臺,，結(jié)合了區(qū)塊鏈。

AI公司分析的維度

那么接下來我想分享一下作為一個投資人,，我們分析 AI 公司可能有哪些維度,，當(dāng)然我們分析的維度其實非常多，這里我核心想講兩個維度,，可能對大家理解 AI 公司以及創(chuàng)業(yè)會有比較好的幫助,。

第一個維度就是價值。

就是 AI 在這個里面到底扮演的是什么樣的價值,，這個問題很重要,，因為它影響到了這個公司的商業(yè)模式和估值。當(dāng)然從投資角度來說,，投資就是尤其我們這種早期投資就是價值投資,，你有足夠的價值才值得投資，才能讓我們看到未來增長的潛力,。那 AI 在這些很多公司當(dāng)中這個價值主要體現(xiàn)在兩個層面：

第一個層面就是提高效率降低成本,，就是前面講的叫提高生產(chǎn)率，比如說它能降低客戶獲取成本,，可能它減少了客戶流失率,，或者降低了人工成本等等，比如說無人駕駛就明顯就是降低人工成本,，這是一種價值,。

另一種價值是它可能會創(chuàng)造新的價值，比如說 ObEN,，ObEN 它這個東西有減少什么成本嗎,？某種意義上說是，比如說它減少了明星和粉絲互動的成本,，提高了互動的效率，但是從一個更廣義的角度來說,，這種 AI 在娛樂當(dāng)中的應(yīng)用它往往在創(chuàng)造新的價值,，就是說它可能會產(chǎn)生新的用戶行為，這樣的話就幫助公司產(chǎn)生了新的收入來源,，或者它能夠幫公司很好的擴大這個用戶群,，也就是說，AI 可能有的時候,，它不是那么直接的降低了成本提高了效率,，而是它可能創(chuàng)造了新的價值，它為企業(yè)找到了一些新的和用戶進行互動的方式,。

那么剛才說到了壁壘,，AI 公司分析的我們覺得就是第二個緯度就是壁壘,。

壁壘很關(guān)鍵，你有價值,，但是你有沒有壁壘,？有沒有競爭力呢？壁壘的話,，我們首先看到這么第一張圖就是一個三角形,，如果我們把 AI 公司來進行分析的話，事實上它可以分成三類：

1. 最底層就是做基礎(chǔ)架構(gòu)的,，比如說包括了云計算,，芯片等等；

2. 上層就是通用技術(shù),，就是比如說像科大訊飛就是做語音識別的,；

3. 再上層就是叫垂直行業(yè)應(yīng)用，就是我們認(rèn)為 AI 和行業(yè)的應(yīng)用是創(chuàng)業(yè)公司的戰(zhàn)略高地,。

為什么呢,？因為通用技術(shù)和基礎(chǔ)架構(gòu)往往都是大公司做得，或者說它往往需要大量的人力和財力,，很多創(chuàng)業(yè)公司在這里面的機會并不大,，或者現(xiàn)在再進入的話也很難有獨特的這個優(yōu)勢了。并且像通用技術(shù),，很多大公司在做了比較成熟之后,，我相信一定會開源，或者以非常低價的方式來讓創(chuàng)業(yè)公司使用,，形成它的一種生態(tài),。

那還有一個維度，我也想補充的,，就是叫技術(shù)分析維度,。

這個也是我們在做投資時候要思考，而且我覺得對于創(chuàng)業(yè)者來說也是個非常關(guān)鍵性的問題,。

就是在這張圖上,，這里我提供兩張圖，第一張圖就是說：任何一個行業(yè)應(yīng)用它其實對于準(zhǔn)確率來講都有一定的要求的,。比如說在這里就是紅線,，比如說自動駕駛，它的準(zhǔn)確率的要求就非常高,。比如說用 AI 來做醫(yī)學(xué)影像的分析,，也要有一定的準(zhǔn)確率，往往這個準(zhǔn)確率是和人相比的,。但是有的時候,，它比人的要求更苛刻,，比如說無人駕駛，人駕駛可能事故率還是比較高的,，但是人們覺得 AI 的應(yīng)用時候,，事故率得低的多，但是 AI 算法到底能做到多少準(zhǔn)確率,？

那么前面我講到的這個概念可以從一個方面來講,，就是在應(yīng)用當(dāng)中它其實是有風(fēng)險差異的，有些叫高風(fēng)險應(yīng)用,，比如說無人駕駛,、比如說 Shape  Security 做安防的，安防的這個要求很高的,，別人用了你的系統(tǒng)萬一出了問題損失會很大,；有些是低風(fēng)險應(yīng)用，比如說 Ever  String 給你推薦企業(yè)客戶這一類的,，推薦錯了問題也不是那么大,，無非就浪費了你一些銷售的資源；ObEN 做娛樂的,，你說它聲音不是那么逼真可能風(fēng)險也不大,；Honey 也是，它給你做智能的消費,，給你推薦了一些商品不是那么準(zhǔn)確,，也還好，它至少不是一個高風(fēng)險應(yīng)用,。我們一定要去想明白,，我們的應(yīng)用是什么類型的。

還有一個就是在沒有足夠多訓(xùn)練數(shù)據(jù),，把算法提升到達到行業(yè)應(yīng)用要求的時候,，或者準(zhǔn)確率還不夠高的時候，怎么來解決這個問題呢,？那么往往是通過合理的產(chǎn)品設(shè)計來解決的,，比如說 ObEN，ObEN 這種技術(shù)用很短的聲音,，用少量的圖片,，沒有辦法做到很高精度的這種人工智能虛擬形象,，沒有辦法做到這種電影級別的,、特效級別的效果，我就增加它的娛樂性,，可以看到它的很多應(yīng)用就是可以做很多的娛樂方面的功能,，人們就覺得挺有意思的,。并且有的時候可以加入人工輔助，比如說 AI 不是百分之百都能解決問題的,，AI 解決不好時候前期就可以讓人來介入,，直到又獲得了很多訓(xùn)練數(shù)據(jù)之后再變得更加智能。

AI在垂直行業(yè)的應(yīng)用和中美對比

我們今天講得其實就是 AI 在垂直行業(yè)上的應(yīng)用,。我前面已經(jīng)給大家舉了不少例子,，今天沒有太多時間，我們?nèi)ヒ粋€個探討在不同行業(yè)上到底有什么樣的應(yīng)用,，那些場景的這個探討,，我其實前段時間在長江商學(xué)院講了好幾個小時，就是去剖析 AI 在不同行業(yè)當(dāng)中的這個應(yīng)用場景,，今天這個時間關(guān)系我們只能說做一些大致的總結(jié),，未來有機會，我還是可以跟大家去做些剖析,。

那么 AI 現(xiàn)在在各個行業(yè)應(yīng)該說都有很多應(yīng)用的機會,，而且確實也應(yīng)用的非常火熱,。我們覺得有一個比喻可以比較好的理解 AI 它的這種應(yīng)用的時候的這種功效,，就是從照相機和攝像機的區(qū)別。

以前沒有人工智能的時候,，數(shù)據(jù)獲取很像一個照相機,，比如說我們在考慮 AI 和教育相結(jié)合的時候，以前學(xué)生可能每個月做一次考試,，老師就會知道這個學(xué)生的表現(xiàn)怎么樣,，它就像照相機定期給你拍一下。但是一旦結(jié)合 AI,，它其實能夠分析這個學(xué)生整個的學(xué)習(xí)過程,，它能夠去監(jiān)控他，能夠去更高密度的獲得他的學(xué)習(xí)數(shù)據(jù),，就像一個攝像機一樣,，它整天拍著，這個數(shù)據(jù)量就不一樣,，作為一個系統(tǒng)其實就可以在更短的時間內(nèi)了解這個學(xué)員,，這個用戶的使用情況，來對他進行一些處理,，這就形成了一種數(shù)據(jù)驅(qū)動,，而且是高密度的數(shù)據(jù)驅(qū)動的這樣一種應(yīng)用潛力。

所以 AI 在很多行業(yè)當(dāng)中的應(yīng)用都符合這個邏輯，就是在有大量的數(shù)據(jù)之后,，AI 可以做到自動化,、個性化、自適應(yīng)等等這些特點,，數(shù)據(jù)越多,，當(dāng)然你就可以做到個性化、自適應(yīng)這種千人千面這樣的特點,。所以這就是 AI 在垂直行業(yè)應(yīng)用的我覺得是比較基礎(chǔ)的一個思考,。

舉幾個例子，比如說 AI 在醫(yī)療方面的運用,，用 AI 來看醫(yī)學(xué)影像,，這個大家應(yīng)該都很了解，那么這里面做得很多的就是自動化,，快速的把這種專家的經(jīng)驗學(xué)習(xí)過來,，然后來做分析。比如說個性化診療,，根據(jù)你的這些情況,，根據(jù)以往的歷史數(shù)據(jù)，它可以幫你做更個性化的診療方案,，這個就是一種個性化,；比如說 AI 在教育方面的應(yīng)用，現(xiàn)在一個很熱的方向就是自適應(yīng)學(xué)習(xí),，就是能夠更快速地,、更高密度地獲得你的學(xué)習(xí)數(shù)據(jù)之后，為每個用戶進行建模,，然后來為他提供自適應(yīng)學(xué)習(xí)的方案,，讓每個人的學(xué)習(xí)路徑都可以有所不同。這也是貪心科技,，就是我進行投資并且我在深度參與的這么一家公司在做的事情,。我們貪心科技就是想把人工智能和在線教育相結(jié)合，來更好地分析每個學(xué)員的學(xué)習(xí)數(shù)據(jù),，為他進行建模,，提升他的學(xué)習(xí)效率。

說到中美對比,，總結(jié)一下,，大概有這么幾點：

第一點，目前我們還是覺得美國的人才優(yōu)勢是很大的,。美國在 AI 的基礎(chǔ)人才方面是中國的 10 倍以上,，因為很多大公司高校都是花了很大的資本在培養(yǎng)這些人才,。中國的人才優(yōu)勢會弱，但現(xiàn)在也在不斷增長,。根據(jù)我在國內(nèi)的很多了解，AI 人才其實是非常緊缺的,，我相信極客邦的平臺也正在幫助推動 AI 的人才的建設(shè),，我覺得非常好。短期來說美國還是具備優(yōu)勢,，但中國的市場優(yōu)勢,，我覺得是非常有吸引力的，中國的整體市場非常大,，而且現(xiàn)在很多公司愿意去結(jié)合創(chuàng)新,，這是中國優(yōu)勢。所以我們作為一家 AI 的風(fēng)險投資機構(gòu),，我們也很希望把美國的優(yōu)秀的人才,、優(yōu)秀的技術(shù)去和中國市場做對接，這也是我一直在努力的這個方向,。

第二點,，中國已經(jīng)把 AI 上升到一個國家戰(zhàn)略層面了。十九大之后各地都在主推 AI,，這個其實是美國相對來說比較弱的,，中國一旦政府主推一些事情一般成效都會非常大，它會引起整個資本市場,，整個這些創(chuàng)業(yè)生態(tài)的一個很大的變化,，人們更愿意去擁抱人工智能。所以這點,，我們覺得在中國創(chuàng)業(yè)有很大的機會,。

第三點，中國其實在一些門檻比較高的行業(yè),，我覺得有 AI 的應(yīng)用的機會,，比如說像能源、安防,、農(nóng)業(yè),、制造等等。這些行業(yè)往往資源相對壟斷一點,，但是現(xiàn)在因為國家戰(zhàn)略之后,，這些行業(yè)也都在尋求 AI 化，而且我覺得 AI 化在這些行業(yè)肯定是個必然,，你不去做,，往往就失去了這種轉(zhuǎn)型的機會了,。因為這些行業(yè)門檻比較高，資源相對壟斷,，所以創(chuàng)業(yè)公司可能進入的周期會長一點,，不是說那么容易獲得數(shù)據(jù)并且做起來的，但是我覺得有很大的機會,。這方面我覺得可以借鑒美國,，因為美國一方面在這些領(lǐng)域相對比中國來說更加市場化，比如說在能源,，在農(nóng)業(yè)制造等等方面,，甚至安防你可以看到美國有很多不錯的 AI 公司，我覺得中國可以在這方面多借鑒,，大家如果對這些特定領(lǐng)域很感興趣,，我們也可以有機會多交流。

給 AI 創(chuàng)業(yè)者的建議

最后我想講一下,，就是創(chuàng)業(yè)的建議,。有幾點建議，可能給大家一些啟發(fā),。

第一個就是 AI 公司現(xiàn)在估值應(yīng)該會趨于理性,，人才紅利降低。2017 年有很多 AI 公司估值都非常高,，我相信 2018 年應(yīng)該也是這樣,，但相對來說估值會稍微理性一點，因為很多東西在風(fēng)口上,，它都有一個很狂熱后逐漸冷卻的過程,，但是相對來說 AI 公司的估值還是非常高的，因為它的整個市場潛力非常大,，我們預(yù)測它會更趨于理性一點,。人才紅利降低就是說以前你可能團隊里有一兩個 AI 很牛的人，你的公司的估值就會做得非常高,，靠稀缺性人才就可能非常吸引資本,，那么這樣的一種紅利可能會有所降低，就是說投資人也不只是看這一兩個 AI 大牛,，它還是要更關(guān)注公司的基本面,，這是第一個建議。

第二個建議也是和第一個建議緊密相關(guān),，就是在第一種環(huán)境下,，我覺得大家要更早地去確定付費用戶和盈利模式。如果你在創(chuàng)業(yè)的時候,，要去說服投資人,，你需要讓他看到實際的有用戶愿意付費,，你要有清晰的盈利模式。當(dāng)然很早期的公司可能還很難確定付費用戶,，那么至少你能找到一些有意向付費的,，先期的這些用戶，我覺得非常重要,。

第三點是可以多考慮在發(fā)展過程中去引入一些戰(zhàn)略投資,。戰(zhàn)略投資方往往能夠給這些創(chuàng)業(yè)公司帶來非常關(guān)鍵的行業(yè)資源，還有推出渠道,。這個在創(chuàng)業(yè)公司在融資的時候可以多去考慮。大家也可以看到就是這些 AI 公司融到的資很多都是來自投資方的戰(zhàn)略投資,。很多 AI 公司都關(guān)注,，比如說無監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)這些方面,，因為這個基于監(jiān)督學(xué)習(xí)的很多東西技術(shù)方面都應(yīng)用的很多了,，那么在這些方面可以多加關(guān)注，AlphaGo Zero 就是個很好的例子,。