2017年3月27日，在新智元开源·技术峰会的AI 投资领袖论坛，在北京大学人工智能创新中心主任雷鸣的支持下，红杉资本中国基金合伙人计越；高瓴资本集团合伙人洪婧；蓝驰创投管理合伙人朱天宇；中科招商集团联席总裁、中科乐创创始管理合伙人纪顺友；明势资本合伙人黄明明；英诺天使合伙人李竹，6 位人工智能界顶级投资人齐聚，共同讨论 AI投资和行业发展问题。
这些“猎手”般的投资人，在论坛上分享了自己对行业敏锐而深刻的洞察。AI 如果要真正地产生社会效益、产生影响，除了技术以外，数据的产生、商业场景的选择、用户需求的理解等等都是实际而紧急的问题。如果不解决这些，人工智能可能永远只是缥缈的高端技术。
2017年会是各类 AI技术进一步落地的一年，那么，这些有着多年“狩猎”经验的投资人们眼中，哪一些行业机会最大？哪一类企业有机会成长为“独角兽”？他们会为哪一类技术、哪一种公司买单？一起来听听他们的观点。
AI 机会：新人胜旧人还是 BAT 牢牢掌握价值链顶端?
雷鸣：今天高朋满座，新智元这个活动做得特别好，我参加过好几场，每次都有新的收获。今天我主要是负责抛砖引玉，引出各位投资界的大佬对于AI的投资方面的观点。
第一个问题，先从大的概念讲起，现在国际企业比如谷歌、微软都把 AI 提升到前所未有的战略高度，政府也在大力支持 AI 。我觉得 AI 特别热，那么 AI 到底有多大的机会？跟云计算、大数据、物联网、互联网到底有多大的关系？未来在人工智能领域，会不会产生类似谷歌、Facebook 或者 BAT （百度、阿里巴巴和腾讯）这种规模的企业？看到这么多的创业企业路演，未来到底会是新人胜旧人还是 BAT 牢牢掌握价值链顶端，想听听各位的高见。
李竹：我认为人工智能应该是一个比移动互联网大千倍的市场。它将使人类更加强大、更加自由，它改变了企业之间的连接和人与人之间的连接，将来人工智能将无处不在。未来成功的 AI 公司不仅是 BAT，BAT 在 to C 应用上有优势，但在 to B 领域，比如医疗、金融等等，不一定有优势。例如，新能源车、智能车汽车是很大的市场，有很多大牛也冲到这个领域，以关键零部件为例，任何一个创业公司只要能进入前装市场，都可能上市，这一领域将来会出现若干百亿市值的公司。
黄明明：我个人认为人工智能这个市场是非常巨大的，但是任何脱离大数据讲 AI 都是耍流氓的行为。就像上个能源时代石油公司在汽车行业扮演了重要角色一样，AI在每个行业都有价值，因为它将会带来人类生产力的提高。
纪顺友：我认同上面两位嘉宾的看法。人工智能在这一波的角色有点像网络技术，最后爆发性的应用将会产生伟大的公司，但是这中间有一个时间差。从网络技术出来到了移动互联网时代诞生了新的巨头，比如谷歌、Facebook这样的公司，有一段时间差，我个人觉得人工智能也许需要经历一些过程，需要找到非常通用的机会，然后插上人工智能的翅膀变得更优秀。期待未来还会出现这样的公司，但具体什么时候还要观察。
朱天宇：刚才一开场讲到为什么现在AI行业那么热闹。先从大公司开始，因为大公司拥有最大的数据量。目前这个时点，在行业的领军企业里面有真正的大数据。未来AI有多大的机会？还是要看真正的大数据。真正的大数据是连续状态的大数据，其实现在真正意义上的大数据还非常少，如果十年之后回过头来看，现在能称得上真正意义上的大数据只是未来大数据的沧海一粟。未来的大数据从哪儿产生？之前李竹老师、黄明明老师讲的，信息产业在不断把整个产业重构，进而在业务中产生大量新的、延续性的大数据，再从数据里面真正抽取出需要的智能，帮助我们提升效率，去描绘更加科幻的未来。在这一点上，其实AI的想象空间是非常巨大的，但是同时我们要知道，AI 的基础是建构在海量的、真正意义上的大数据基础之上的，这也是蓝驰投资的逻辑。
洪婧：如果从人类整个历史发展的过程来看，人是在不断利用更多新的技术来提升能力。AI 可以看成是当年的蒸汽机，现在是第四次产业革命的大机会，就像当年各行各业都需要电一样。我们需要重新想象，重新定义行业的发展。人工智能会是深入到每一行每一个岗位，重新定义人类怎样进一步通过归纳法学习出来的认知进行预测，最终进行决策，形成集中行动的解决方案。这个过程一定对于行业的影响是非常深入的。
麦肯锡对 800 多种职业、2000多种工作做分析以后，认为现在已有的人工智能技术可以替代其中 51%的工作，这个相当于节约了 2.7 万亿美元的工资。当然他们也非常谨慎地说，深入到各行各业里面需要非常落地的解决方案，其中包括大数据的结合，还要解决伦理、财富差距问题。麦肯锡的初步预测是，到2025年，有 40% 的工作会被人工智能替代，但是这个技术有可能提前十几年完成，也可能拖后二三十年。计算机技术的萌芽是在二战前后，真正爆发是80年代，特别是现在的人工智能主要用归纳法做预测和决策，实际人类的认知科学和脑科学还没有本质性的突破，这种情况下，可能更多是效率的提升，大的爆发还是要靠大家整体的努力。
计越：我完全同意前面嘉宾说的。比较简单地说一句：过去的历史中有相当长的时间段每年人均生产效率的提高是非常小的，很长的时间内都维持在每年只有大概1—2%左右 。现在人工智能带来的机会，将会带来产生本质性的变化，带来巨大的生产效率提升。另外一个变化是人机交互界面的变化。
5-10年，什么样的人工智能公司会迅速发展起来？一致看好无人驾驶
雷鸣：大家讲的特别精彩，概括起来有两个关键词：一个是数据，第二个就是机会。大家都谈到工业革命和电力革命，谈到能源带来的机会。现在数据可以看出是一种新的能源，但是其实我也感觉到有一些不同点：比如，石油其实是一个标准的东西，所有的石油长的都一样，采出来之后用同样的方法可以把它做成能源。但是不同的数据形态不同。另外，石油既然是标准品，就有能源市场可以用于交易，市场期货价是标准的。但是数据的话今天能看到，非标这是第一个特点，第二是数据交易现在其实很少。并且，我个人认为，未来也不会有大规模的数据交易。所以这里面还是有一些相同点和不同点在里面。所以未来数据和技术之间的相辅相成的关系，数据和智能两个是叠在一块的。
第二就是机会有多大的问题。其实我自己也觉得这次智能革命很有可能跟过去的工业革命是一个档次的。工业革命其实有个特别有意思的点，大家一定知道工业革命之前所有的财富基本上都是农业财富，社会总价值基本上都是农田产生的物质财富：庄稼、牲畜等，其他的财产其实占社会总财产的份额并不大。但是，现在再看农业来在GDP的比例就知道了，这意味着工业革命之后90%以上财富都是新的。智能革命的机会会有多大？有90%的机会在等着我们，我觉得处处是黄金，这是我的唯一感觉。机会特别大，但是具体在哪儿，还需要再去挖掘。
回过来说另一个问题，最近5-10年，什么样的人工智能公司会迅速发展起来？看得见的机会到底在哪儿？
计越： 我们来看，最近能够看到人工智能超越人的能力很多在感知部分，今天很多项目都是和这相关的。无论视觉还是听觉，尤其像视觉。此外，我觉得还是回到咱们刚才讲的，数据是有很大价值的，数据在过去可能由人本身的局限没有办法很好的进行分析，进而产生极大的价值。这几年我感觉数据会产生更大价值，所以我觉得还是人工智能超越人的能力跟数据本身潜在的价值这两点，我们会更多的在这些领域挖掘，这也是这个领域有一些机会所在。
洪婧：我还是想从人工智能现在能解决问题的方式来讲：第一是认知，第二是预测，第三是决策，第四是集成的解决方案。从现在的技术发展来讲，我们知道认知方面其实技术已经相对比较成熟，不管是 watson 的图像识别、讯飞语音识别，和其他公司的人脸识别，很多都能超过普通人类的能力了。
接下来的决策，比如，智能驾驶就是希望把各种类似技术真正到行业的实际应用中去落地的，这应该讲还是在发展当中。所以从机会的角度来讲，我们觉得技术其实已经能够解锁很多需求了，只不过是一开始一些机会可能会在 toB。一些创业企业也还没有能够放下身段来去理解每一个行业的深度需求：它的流程是怎么样的，能解决什么样的问题，如何把产品真正做到企业流程里面来？某种意义上这跟过去是一样的，需要一个行业一个行业做下去，这个时间可能长一些。
朱天宇：到底哪个是最大的机会。作为早期投资者我觉得我们应该用更长的时间尺度来看未来。甚至我们提到第一次产业革命，第二次产业革命，到底什么因素深刻的改变了整个社会的经济的面貌？实际上第三次产业革命它对GDP的影响比例是小于10%的，回顾第一次、第二次产业革命，它们对实体经济的GDP影响比例是在超过30%以上的。从这个角度来看，我感觉与AI 趋势交织的另外一个可能性因素是跟能源相关的：最有可能触达的机会未来是自治机器，包含车、机器以及任何辅助设备，它有能源的支持，有自己的感知思考能力，能够帮你做很多的事情。这些东西它会重新改变我们的实体世界。
但是这些需要努力去实现认知、感知、决策，跟它交织的还需要一个能源方面的一个很大的提升。未来要衡量一个空间的智能化程度，其实有一个可能很重要的指标是，这个空间里 感应器的密度，感应器的能源连续性能不能支持感应器连续工作？所以，支持我们改变世界因素除了人工智能之外还有别的，这两年这方面需要做一些事情。
纪顺友： 我们看了很多创业团队，现在普遍存在一个现象，就是在做项目而不是做产品，这不是很健康的状态，我们希望看到创业团队能选择可以标准化、产品化的业务，这样对长远竞争力更有帮助。另一方面，我们也担心我们自己的同行把估值推高，尤其一些还没在市场站稳脚的项目，就已经是独角兽了，我们觉得这样不是好事。
黄明明：我就直接回答问题，我认为人工智能最先产生价值的一定是在自动驾驶领域。Uber 最多解决的是汽车领域变革的上半场，下半场一定是自动驾驶。我们做过多次的模型演算，不管是Uber 的模型还是滴滴的模型，如果在成本项目上不能去掉司机成本，坦率来讲，我看不到它未来5-10年可以大规模盈利的前景。我相信这两年对于这两家公司来说是很辛苦的，当然它们采取的规则不一样，Uber在四五年前就已经几乎挖完了国际上自动驾驶实验室大部分优秀的科学家和专家。
同时我觉得自动驾驶公司非常符合我们寻找AI领域有前景的公司的要求：第一，它能够自己不停地产生数据输出；第二，这样的数据现有场景无法生成。所以这也说明了谷歌也好、百度也好，它们走自动驾驶这条路走不通，因为他们没有驾驶这个车的场景。如果没有产生数据的场景，就没有新机会。
李竹：我同意在智能出行方面会有大机会，更确切地来说我认为是智能车，智能车领域实际上窗口开启大概也有一年时间了，其实汽车是非常大的也很传统的行业。我觉得智能车领域在未来5年之内能产生比较好的机会。
第二我比较看好的是跟医疗健康相关的，一个是替代大夫的；另外就是增强人本身的能力，可能会有胶囊机器人、细胞计算机等等。我们今天没有看到这样的项目我觉得特别遗憾，但是我认为需要一些具有创新精神的人来做这件事情。
第三我特别看好智能硬件：延伸人的智能硬件、让人跟数据智能交互的硬件。我觉得中国的公司在这方面有非常强大的能力的，因为中国人敢于试错。所以我觉得未来三星、索尼这样的公司会出现在中国，现在技术创新是没有国界的，我看好中国未来3、5年会出现这样一批公司，在下一个时代中国有非常大的机会。
有泡沫，但是是好事：伟大的公司正在泡沫下悄悄发展
雷鸣：谢谢，这次嘉宾回答比较多样化，有非常多的信息在里面，整体来讲我们对未来还是非常看好的，刚才提到自动驾驶、智能硬件、人机交互、医疗这些行业都是比较具体的。这里面我觉得石油能源加上机器算法才能赚钱，这里面有很大的问题是石油私有化的问题。其实现在看到如果你做一个东西需要的数据跟BAT有重合，这个难度可能比较大一点，因为这些企业它有丰富的数据，它训练起来更快一点。但是如果刚才提到的这几个行业，自动驾驶，其实BAT、Google、Facebook一开始也是没数据的，智能医疗他们也没有数据，传统医院有数据，但是数据的质量不是很高，中间还需要一个过程去迭代。也包括智能硬件。我当时跟李彦宏也聊过：为什么亚马逊最后在这块能起来，为什么像Siri、Google Now技术领先度不差于亚马逊，为什么没有出来用户特别喜欢的产品？
第二个很大的问题是一定要解决实际问题，不能算法好刷个榜就行，为什么人机对话实现通用这么难？因为使用者其实不是看你这个技术好不好，而是在拿你跟另外一个人比，如果比不过人就是零价值。通用背后牵扯到的是自然语言处理，语音、语义这两块可以很快做得很大，但是后面没有一个知识库，拥有最大知识库的是Google和百度这样的企业，搜索引擎其实拥有最大的知识库。
最后一个问题，大家回答的时候简练一点，现在大家看刚才提到，一个企业可能只有几个人，产品都不一定成形就成独角兽了。是不是真的泡沫很严重，在泡沫这么严重的情况下，你投资这些企业的时候你到底看中什么？怎么选择一个AI企业去投资？ 我们在座的VC界大佬阅人无数，他们选的时候为什么这么选？ 简单说来，就是怎么选AI企业？标准是什么？同时各位给AI创业的人提一点小建议。
朱天宇：我一直有一个特别简单的方式来表述：我们在寻找一边赚钱一边赚数据的公司。这句话背后的潜台词是，有些公司可能在赚钱，但是它依赖于过去的数据或者垄断性的数据，没有新鲜血液进来，没有形成新的智能，这样的公司没有前景。还有一些更多的公司，具备团队，找来很多数据，有很强的算法，但是没有赚钱的能力，换句话说其实还没有找到能够去解决某一行业问题的能力，不具备有人愿意为它买单的能力。这样的企业没有持续的造血能力支持它的话，它也不能持续地去形成更多的数据积累，在未来的竞争当中也没有自己的位置。但是这句话有它的时效性，这句话的时效性就是未来的三五年。
前半场你必须有一边赚钱一边赚数据的能力，换句话说你得能解决问题。解决问题的过程能够赚到钱，而且能够不断把新的数据带进来，这样的话在下半场才有机会跟所有人竞争。下半场数据积累已经被所有有行业解决方案能力的人瓜分了，那时候取胜的机会是基于大家已经有的数据，而且面对数据私有化的痛苦，在这之上再挖掘一层。这个也是刚才说的核心——伦理，智能还是来自于数据，一定要贴近场景去服务客户的需求，才能真正把所有的业务流程中的数据掌握在自己的手里。因为你有解决需求的能力、赚钱的能力，所以这个数据不太容易被迁移走，不太容易被替代，你才能享有未来的数据占有的优势。这是一个关键点。
回到泡沫的问题，是有泡沫，但是不是所有的项目都有泡沫。衡量的标准是如果你能一边赚钱一边赚数据，那就是一个值钱的公司。
纪顺友： 我的观点是，希望看到公司COO、CTO具备找到业务切入点的能力，有商业模式，把已有的技术应用好，同时不要放下研发下一块技术。有些领域很多年前市场已经做得差不多了，例如超算。
我觉得人工智能领域还是以技术为本，但是技术有时需要等待合适的时机，才能爆发，我举英伟达的案例，他们做GPU做到市场第一后一度没有找到下一个市场的爆点，当时他们推出了CUDA这个创新的理念，应用在超算领域，可是超算市场一直没有做大，他们都股价也低迷了好长时间，直到人工智能对GPU的浮点和平行运算能力有了需求，CUDA突然就变成了炙手可热的技术。可见一个好的技术总是会有派上用场的一天，问题只是一个初创公司能否活到那一天。因此，我很推崇所谓”COO养CTO”的思路，优秀的初创公司既需要坚持技术研发，同时又要有短期盈利的本领，这是我们寻找的投资对象。
黄明明：泡沫肯定是有的。很大的一个原因：前排的这些口袋特别深的投资大咖们在推波助澜。我有一个观点，像我们看移动互联网和互联网，它们刚起来的时候一定是有泡沫的，但是这个泡沫不妨碍伟大的公司已经在悄悄发展，有泡沫不是坏事情。
我们选什么样的公司？离行业更近一些，离钱更近一些。AI 领域很多创业的都是学术大咖、科技大咖，我们常说跟人谈钱多俗多伤感情，但是，事实上，不谈钱才伤感情。倒不是说我们急着要投那些早期会赚钱的公司，问题是如果我们投的很多科技类创业者连钱在哪儿都不知道的话，说明他们对AI能解决的行业问题还是没有比较透彻的理解。你总要知道钱在哪里？否则如何证明你的算法用力的点或者搜集的数据是否有用？
李竹：泡沫是有的。现在还是AI 还是更多地从技术转向应用，从科学家转变为企业家，在这两个环节上可能有的创业项目会存在泡沫。我们投资的时候，为什么我们也要考虑搞一个人工智能加速器，帮这些科学家转变成企业家，有企业家精神，会做生意。这个环节有点泡沫正常。
我认为真正的泡沫是在三年以后，在这时候出现一批独角兽，甚至出现公司上市了，这时候会有更多的人冲进来。像O2O一样，2009年、2010年大家不知道投O2O，2015年的时候很多公司成独角兽了，大量资金进来。新智元杨静这批人还算比较理性的人，还能在泡沫里面游泳，能够看得清楚方向，等忽悠再大一点，等到新智元这个圈子里面如果有十个500人的投资人群，这时候泡沫就来了。我们要警惕，以新智元管理的投资家的群作为一个标杆来看泡沫什么时候出现。
雷鸣：还是小泡沫，大家继续努力。
计越：我不是担心泡沫不泡沫，新智元之前对我有一篇采访，我说了一个看法，我一直很坚持这个看法。人工智能尤其对C感觉太虚，实际上对C的应用我举两个例子，今日头条我们投的，toC要非常跟产品结合。今日头条走出一条道路，把BAT都挡在前面，BAT积累了很多数据，但是人工智能通过技术的方法开辟了一条新的道路，它产生的数据更多。另外一家公司是网易云音乐。以前QQ音乐把几家公司收了感觉一统天下，用户也有，数据也有。网易云音乐走了另外一条方式，切中人在音乐方面真正从每个人的个性需求出发。to C方面BAT并不那么可怕，一个创业公司对产品，不要搞人工智能标签化，真正做成对用户产生价值的产品，这个时代找到应用的价值。最终有用的数据对客户产生价值，你觉得哪家公司好就去谈，估值高低不是重要的。
李竹：大家放胆投，过几年再说。
雷鸣：如果将来出几千亿市值多高都不算高。俄罗斯的大佬有一个观点，你只要看准了，多高都不算高。
洪婧：我的位置比较有意思，我们某种意义上并不靠下一轮接盘，我们就是接盘侠，我们更谨慎。我们更多的还是会看长期有没有结构性的壁垒，我们并不只看有没有需求。如果只看需求的话，蓝海会非常快地变红海。我们要看供给端有没有什么长期的产品，现在大公司做事情至少有这么个愿景，要把AI的很多功能、算法模块化，像 TensorFlow 已经比以前自己要去写程序的时候要简单很多了，甚至已经开始在尝试怎么样更快速地培养人工智能的学者，尽快地提升自己的水平。我们一直在思考，到底哪个算法工具在未来大规模的AI情况下有长期结构性壁垒。我们倾向在这个过程中作为一个投资人。像高瓴这样的投资人原来是中后期投，有大量的企业客户、银行、保险公司、汽车厂商、零售商都是我们的企业，我知道他们的预算在哪儿，知道他们的需求痛点，知道一年在某个事情上面有多少预算，把这样的应用场景资源带给早期投资人。我们专门成立了早期的人工智能产业基金，希望做人才、技术和应用之间的桥梁。最后一定要把技术真正和实际应用场景、预算结合起来，过程当中慢慢形成循环，积累更多的数据和对行业的深入理解，这个过程长期来看还是非常乐观的。
雷鸣：时间关系，我们几句话总结一下。刚才大家讲得特别精彩，大家反复强调要找到真正的市场，应用性、能赚钱，其实都是实用，反而没有强调中间有什么很牛的科学家，估计大家听多了，越来越讲实际。现在我们看到很多创业企业还是科学家领衔的，这给我们在座的创业团队带来一个思考的问题：要理解用户，团队要有人真正了解toC的用户，toB的要了解企业需求，真正做出他们想要的东西，这样的话我们的创业企业才能真正成长起来。
文章转自新智元公众号，原文链接
