[王德新收藏]2017投资风向：人工智能的虚与实

今年两会，人工智能突然又火了，多家券商频发研报，二级市场应声而涨。而早在二级市场开始重视人工智能板块前，一级市场著名投资机构都在热火朝天地投资人工智能。这给人一种错觉：无论对创业者还是投资者来说，人工智能都是不容错过的风口；人工智能产品和应用正在加速落地，各行各业和人类社会即将面临翻天覆地的变化。

大多追风口的创业者、投资者，最后都死得很惨，为什么？因为他们带着“赌徒”的心态进场，对风口形成背后的行业发展逻辑不理解，最典型的就是很多投资者仍以互联网思维在看人工智能，殊不知人工智能是没有网络效应的。对这一波人工智能，我一直有三个疑问：

1、这一波人工智能还会倒下吗？

2、从投资的角度，人工智能真的有那么“性感”吗？

3、近三年哪些人工智能没戏？哪些有戏？

这波人工智能可能不会倒下，语音和视觉识别应用崛起，其他技术仍将继续蛰伏

回顾过去60年人工智能的“三起两落”，算法的突破是每一次高峰形成的核心，但计算能力即使在摩尔定律下每隔18-24个月提升一倍，仍然无法满足机器大规模数据训练和复杂任务的要求，人工智能由此两次陷入低谷。

这一波人工智能的兴起依然是先在算法层面取得突破：2006年，Geoffrey Hinton提出“深度学习”神经网络，借由它，多处理层组成的计算模型可通过多层抽象来学习数据表征。用大白话来说就是深度学习拥有比传统算法牛逼得多的预测能力。这使得人工智能取得突破性进展。

前两波人工智能都输在计算能力上，这一波人工智能由于使用了GPU架构，甚至还有更先进的智能云被提出来，因而计算能力能够支撑非常多的大数据训练。从这个角度来看，这次人工智能热潮不会像前两次那样很快进入冬天。但人工智能能否突破各种限制，实现爆炸式的科技发展，仍要留一个疑问。

除了计算能力的提高，这一波人工智能还发生了几个重大的变化：

PC互联网、移动互联网的接连爆发催生了大数据，而大数据是人工智能战略性的竞争优势，因为高质量的数据集是各种复杂机器学习算法训练的基础。

大量资本开始涌进人工智能产业，根据2011-2016年人工智能初创公司融资折线图，2014年以后，人工智能领域投资笔数呈爆发式增长，投资金额和频次也大幅增长。

大量优秀人才也开始涌进人工智能产业。领英平台的数据分析显示，全球AI人才数量约为25万，主要分布在美国、欧洲、印度及中国。尽管人才缺口还比较大，但随着高级算法工程师、研究员和科学家的身价持续走高，还将吸引更多顶级人才进场。

在图像识别、语音识别等垂直领域，出现了垂直应用。这是人工智能从“狭义细分技术”阶段向“提供解决方案”阶段转变的重要标志，说明人工智能已经开始迈向商业化应用，开启更大的估值想象。

这些变化无疑是推动人工智能不断进步的关键力量，但每个变化仍然存在缺陷，只有这些缺陷不断被攻破，人工智能的发展才能真正走上快车道。

首先，计算能力仍然不足。这体现在单位成本和单位功耗上，就是说，你想获得一定的计算能力，但一方面，人工智能还未能被广泛地应用，它很难获得规模效应，降低成本；另一方面，目前人工智能的体系结构仍然需要突破，否则单位功耗很难降下来。

其次，尽管现今数据量爆发，但由于隐私、安全和商业利益等的限制，数据的孤岛化和碎片化问题比较严重。从数据的三个来源来看：

自筹数据多被谷歌、Facebook、亚马逊、IBM和BAT等互联网、科技巨头掌控。数据是未来人工智能发展最大的一座金矿，期望这些大公司把数据开放，那几乎是不可能的事；

公共数据主要掌握在政府手中，现在无论是美国联邦政府、英国、加拿大、新西兰等国，还是中国上海、北京、武汉、佛山等城市都陆续推出了政府数据开放平台，但开放数据量仍然较小，难以构建人工智能训练所需的大型的、分布式的结构化和非结构化的数据池；

产业协同数据是指上下游公司为促进合作而对接产品以及数据，这种具有丰富和明确场景的数据是相对来说离应用更近的。但它仍然面临开放性不够的问题。

再次，靠大规模融资推动人工智能迅猛发展的可能性为0。人工智能要想取得突破性进展，它背后需要整个产业链的支撑，而产业链的协同发展需要给予一定的耐心，因为技术发展有其固有的规律和节奏。谁要是抱着互联网时代那种急功近利的心态来投资和创业，必定载兴而来，失望而归。

从次，由于现今人工智能人才培养机制还未被建立起来，单凭25万规模的人才储备难以满足未来几年人工智能在垂直化领域快速发展的需求。

最后，尽管人工智能的发展已经超过60年，但不得不说，它仍然处于一个比较早期的发展阶段。现在比较让人兴奋的一点是它终于在某些垂直领域有行业应用了，如在营销、风控、智能投顾、安防等领域。除此之外，大多人工智能初创企业仍处于“提供狭义技术的阶段”，也就是最早期的阶段。那么人工智能的产业链发展会经历哪些阶段？

按照峰瑞资本早期项目负责人朱祎舟的划分方法，人工智能可被分为5个阶段：

1、提供狭义技术的阶段

2、提供解决方案的阶段

3、提供模块化产品的阶段

4、提供整体产品的阶段

5、业务闭环数据循环阶段

而现在的状况就是人工智能局部进入第二阶段，离真正产品化的阶段还是有点距离的。一般来说，投资者进入的时机最好是产品实现量产的前一两年。所以，我们认为现在投资机构开始赌人工智能赛道还为时尚早，过去一年的投资盛况也是一种虚假的繁荣。接下来两三年，当人工智能泡沫破裂，必定会有一大批创业公司倒下。

那从提供解决方案到提供模块化产品再到提供整体产品之间的鸿沟怎么才能跨越呢？也就是人工智能大规模应用的崛起需要什么条件？

第一，市场用户渗透率要达到20%。复盘过去PC互联网和移动互联网众多优秀企业的崛起之路，可知任何一个市场用户渗透率达到20%之后，就会从量变发生质变，市场加速渗透，做任何事情都能事半功倍。有大量PC互联网公司扎堆在05,06年成立，如赶集、58、去哪儿等，以及大量移动互联网公司在11,12年成立，如小米科技、优视科技等，都是由于市场用户渗透率在那段时间里达到20%。而现在人工智能市场用户渗透率估计连1%都不到，还是要等待数据慢慢起来，而且这无法预测。

第二，底层技术提供者要更深度和全面地开放人工智能服务。现在各大IT巨头都在竭尽所能地全面开放自家的服务，不仅提供能力、平台，甚至提供开源系统，例如谷歌的Cloud Machine Learning Group既提供图像识别、机器翻译，也提供GPU农场，将GPU做成云端服务，提供给第三方。国内百度也开放百度大脑和百度深度学习平台给开发者和企业使用，主要有语音能力、图像能力、自然语言处理能力以及用户画像。其他的公司诸如微软、IBM公司、亚马逊、Facebook也提供类似的服务。当各大巨头利用自身的资金、数据、技术、人才、产业链等优势打磨更成熟的技术和功能更丰富的平台，并将其开放，大量创业公司才能真正发挥他们自身捕捉用户需求的能力，推动应用的大规模爆发。

第三，人工智能的入口交互技术要更加成熟。在互联网时代，无论是内容入口、搜索入口还是社交入口都诞生了巨大的互联网企业，人工智能时代同样如此，并且人工智能作为未来万物互联的基础，人与人、人与物、物与物都会产生大量的交互，因而人工智能入口极有可能产生比互联网巨头体量大得多的超级企业。我们认为，在人工智能入口前端的交互技术中，自然语言处理、体感和手势的互动、视觉识别和图像处理最有可能成为入口级技术。我们分别来看：

现在视觉识别和图像处理已经达到一个比较高的水准，国内这一块的初创公司也非常多，并且惊人地诞生了四个独角兽企业，包括旷视科技、商汤科技、云从科技、依图科技。

做体感和手势识别的企业非常多，比较早的是微软的Kinect。Intel做了一个支撑体感的软硬件系统RealSense，能够极好地帮助开发商研发相关产品。

语音识别一直被宣传得比较猛，国内也有一些企业比如科大讯飞、云之声、思必驰在这一块做得比较好，但其实在所有技术里面，语音识别最不成熟，因为它能做到音和字的相互转换，实际上它却完全无法理解语义。

由于以上人工智能产业链中各环节种种的不成熟，期待人工智能在短时间内取得突破性进展，几乎是不可能的。2017年，对于人工智能，资本也开始理性了，一级市场投资开始慢慢降温。

从投资的角度，人工智能足够性感吗？

在这一部分，我们将从市场规模、商业模式、发展阶段来分别看人工智能的“性感”程度。

首先，未来几年，人工智能的市场规模相对来说还是比较小。BBC预测，2020年全球AI市场规模约为1190亿人民币，其中2015年中国人工智能市场规模约12.6亿人民币，根据市场增长率预测，2020年中国人工智能市场将达到91亿，年增长率约50%。可见，人工智能市场规模增速很快，但体量还是很小。未来只有当人工智能技术取得突破，才能真正实现指数级的增长。

其次，资本追求的是什么——回报。要想赢得好的回报，单单输出技术能力是不够的，还必须要与应用结合，打造足够性感的商业模式。那性感的商业模式都有哪些特征？

边际成本不断降低。比如生产产品，如果量足够大，单个产品的生产成本就会降低。

具备网络效应。网络效应是一种迷人又恐怖的力量，比如滴滴，当它吸引了足够多的乘客和车主来到平台上，双边的体验都会越来越好，就容易形成一个“黑洞”，吸纳一切，形成垄断。

不受地域或区域的限制。像苹果手机，既能卖到欧美市场，也能卖到非洲、东南亚，它就不会受到区域的限制。

其实前面提到了，人工智能只是局部进入提供解决方案的阶段，还远远未到要讨论商业模式性感与否的时候。但现在明确的一点是：人工智能接下来5年内都会以2B为主，在生产端帮助提高生产效率。企业提效降本现在已成为一个非常刚需而又迫切的需求，主要原因有两个：

第一，有效劳动力减少、人力成本上升是倒逼提效降本的核心驱动力。据测算，从2010到2015年，企业的平均规模从110多人降到了60多人，下降幅度达到47%！此外，企业的成本压力非常大，近20年中国就业人口的平均工资年涨幅约为13%。这些都使得企业主必须在控制企业规模的前提下，提升员工的工作效率。而这恰恰是人工智能擅长干的事。它在金融、医疗、安防、教育等行业都具有极高的应用价值。以金融行业为例，据高盛公司估计，到2025年人工智能可通过节省成本和带来新盈利机会创造大约每年340亿至430亿美元的价值。

第二，经济下行，市场红利枯竭，企业精细化运营至关重要。中国进入了“L型经济”，以前企业能够被高速前行的“经济列车”拽着奔跑，一旦速度降下来，企业臃肿的组织架构、粗放的经营模式必然带来种种不适。因此，企业将由市场驱动转变为管理驱动，若要创造更高效益，就亟需借由人工智能实现更加精细化的运营。

现在2B端提效降本的需求是由蓬勃发展的企业服务所满足。对比2015和2016年的创投动向，我们不难看出企业服务的风头越来越强劲。美国企业服务市场的路径是：传统软件→IT服务→云计算→大数据→人工智能，最后才有了人工智能。现在企业服务更多是基于云计算和大数据，但对中国而言，由于企业端基础设施比较落后，中国企业服务很有可能实现跨越式发展，直接过渡到人工智能。因此，我们比较看好人工智能在2B端的巨大潜力。

根据性感商业模式的三个特征，参照来看，人工智能是有规模效应的，也不受地域和区域的限制，但是它唯独缺乏网络效应，因为人工智能基于生产效率的提升本身是没有网络效应可言的。这也决定了人工智能未来的想象空间可以很大，但发展速度会非常缓慢，也几乎不可能取得垄断性的行业地位。因此，无论是投资者还是创业者，都必须要有耐心。

至于2C端，我们认为还没有什么商业模式可言，因为基础设施和服务都不成熟，做2C应用就很难带来比较好的体验。

最后，从发展阶段来看，人工智能需要走上“三级阶梯”，第一级以服务智能为主。

第一级阶梯：接下来3-5年，是服务智能的阶段。人工智能技术在局部取得较大进展，机器会作为人能力的延伸，成为一种辅助工具。人工智能将在多个垂直领域得到应用。随着数据增多，场景增加，人工智能创造的价值将会直线上涨。

第二级阶梯：5-10年内，可期待人工智能出现科技突破。例如，自然语言处理能够真正理解人的语义，甚至预测出“潜台词”，并自主帮助人类做出相应决策。在第一阶梯出现的应用也会随着技术的发展持续迭代，向纵深拓展。

第三级阶梯：10年甚至更长期来看，有可能出现超级智能。那时候，人工智能技术的显著突破将大大拓宽应用范围，人机完全共融，人工智能变得无处不在，对各个行业和领域形成颠覆性势能，创造极高的价值。

总的来说，无论从市场规模、商业模式还是发展阶段来看，人工智能在短期（3-5年内）都仍处于蛰伏期，但未来美好的前景可期，就像李彦宏所说“互联网只是人工智能的开胃菜”，或者像微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋所说“未来每一个商业应用都会被颠覆”。

普通创业者在人工智能领域有戏吗？

一般来说，人工智能适合解决那些已有行业数据积累的，从业人员不高兴的（即存在诸多痛点），以及商业流程重复性强、不太受整体商业环境复杂影响的商业问题。因此，针对这类问题，现在已有一些人工智能技术能比较好地解决诸如身份识别、智能客服等问题。在接下来3到5年，我们比较看好人工智能在以下三个领域的发展：

语音与语义识别。我们认为语音是下一代人机交互的主要形式，因为这种交互方式更加符合人性，更加便捷。尽管现在自然语言处理还存在诸多问题，比如不能真正理解人的语义，但它在现有的技术条件下，已经能实现比较好的体验了，比如科大讯飞的语音输入，亚马逊的echo音箱等。我们相信随着语音逐渐应用在智能家居，特别是智能电视这种更高频刚需的产品上，一定能带来更广阔的应用场景和更为庞大的商业想象空间。大家可以多关注那些与语音识别结合后能带来体验上的质变的创业方向。

图像识别。现在实验室里人脸识别的准确度已经几乎接近100%了，这是一项相对来说比较成熟的人工智能技术，也已经有非常多的创业公司，甚至诞生了四个“独角兽”企业。现在人脸识别最主要的应用在于安防和金融。但我们认为单纯输出图像识别技术是远远不够的，还是要深耕“产品+渠道+服务”的三板斧。大家可多关注那些图像识别领域能做到软硬一体，有较强BD能力，同时有创新方法做好售后服务的企业。

人工智能核心算法。前文有提到人工智能创业的五个阶段，在第一阶段，公司的估值是“算法×人才”，在第二阶段，AI公司的估值是“算法+数据×商业价值”。可见，能够掌握人工智能的核心算法，将在未来的竞争中赢得巨大优势。目前中国在AI算法层面仍然落后欧美，大家在关注前端应用层时，也要多关注后端拥有强悍算法的公司。

最后，我们要明确一点，业内一般把人工智能产业链分为三层：基础层（计算能力、数据等）；技术层（框架、算法、通用技术等）；应用层（应用平台以及解决方案）。现在IT巨头更多是在前两层进行布局，并且愿意把能力开放出来。这不是说这些公司有多么好的情怀，而是它们心里清楚，AI是一个大产业，要等整条产业链成熟可能还得20到50年，因此这绝不是一家公司闭门造车就能把人工智能给做下来的。

我们来类比一下，互联网最大的机会不在于基础层，也不在于技术层，而是在于应用层。人工智能也是如此，技术只有与垂直行业结合，才能真正产生有巨大商业价值的应用。IT巨头有技术、有数据、有财力，但它们对垂直行业的理解一定比不上那些浸淫行业多年的人。

而这就是创业和投资最大的机会。