841
機器人
人工智能風雲再起，前沿創業者摩拳擦掌，多位專家與投資人暢聊未來之道
2017年人工智能大行其道。年過大半，市場回歸冷靜。在經曆熱浪之後，投資人們開始用理性的角度判別其中奧妙。
2017年9月26日下午，由中關村天使投資協會發起並主辦，啟迪之星、北航科技園、品途集團、創投圈等多家創業服務機構聯合主辦，共同發起「星耀計劃」暨人工智能專場首場活動在清華科技園幸福科技實驗室舉行。
九家優秀創業公司參與路演，它們分別是：
北京未來智控科技有限公司
賓果智能
靈犀智能
北京豌豆派教育科技有限公司
北京蝶翼智能科技有限公司
蜂巢航宇科技（北京）有限公司
北京深度未來科技有限公司
北京雲漢通航科技有限公司
北京眸視科技有限公司
會場氣氛熱烈，觀眾積極踴躍。通過評委嘉賓打分與報名投資人投票，現場選出最佳人氣星和最佳潛力星。
最後，北京深度未來科技項目獲得人氣星、北京雲漢通航項目獲得潛力星。
路演環節過後，諸多投資人就人工智能話題展開了廣泛討論，以下是圓桌實錄。
本文由投資人說獨家整理
圓桌嘉賓（從左至右）：
騰業創投合夥人 孫敬偉
熊貓資本合夥人 毛聖博
啟迪之星創投總經理 劉博清
華大學信息交叉學院教授 李建
1
如何看待人工智能投資的邏輯或者打法？
毛聖博：我個人覺得人工智能最後還是要有用，這個我覺得是根本性的東西，就是你到底解決了什麼問題。我自己原來也做技術，我也是計算機係畢業的。人工智能到最後還是要看你到底能解決一個什麼樣的實際問題，其實看一個短期是很難很難的事情，這就是為什麼投資很難，但看得更遠一些反倒簡單，你不知道年5年內會發生什麼，但是50年以後會是什麼樣你可能更清楚，更簡單。因為50年，500年以後肯定人已經不幹自己不喜歡幹的事情。
500年後我相信人類不應該是自己在掃地，打掃衛生這個事兒肯定不是人類在幹了，也不是什麼阿姨在幹了，應該是機器在幹了，看得很遠我們是可以的，但是看三年、五年最難。往遠了看，人類要變的更自由，這是人類一個持久的追求，從古到今都是大家的一個追求，包括餓了麼送外賣也是為了變的更自由，我就不想出去吃飯，人類把時間用在他真正想用的地方。所以，我一直覺得未來機器人這個市場肯定是很大很大的。但是從遠期往現在看回來，到底你這個人工智能能解決什麼樣的人類的問題，怎麼樣才能讓人變的更自由，我自己看到現在，我覺得好像人工智能能解決一部分人類勞動力的問題，比如掃地機器人，雖然效果現在還不是特別的好，但至少可用。家裏電線不是特別多掃的還挺幹淨，但是桌子肯定擦不了，有個機器人幫你維護維護，本來一個星期要掃三次地，現在一個月掃兩次地，但桌子你還是要自己擦，但它至少解決了一個實際的問題。
我們這種理工男出來創業，我提醒大家第一市場調研要做好，到底這個需求夠不夠大，夠不夠準確，你滿足這個需求滿足的夠不夠好，你跟以往的競爭對手差異到底在什麼地方，你這種差異是你為了創新而創新還是真的有一個需求。我覺得凡是在我們機構裏我問的第一個問題肯定是需求，到底滿足一個什麼需求，這是我們應該想明白的。當然B端用戶跟C端用戶還不大一樣，B端用戶很理性，他的需求就是我怎麼降成本，怎麼增加收入，這個也要問問自己到底這個B端為什麼買你的產品，你的產品能夠標準化，不要變成一個項目公司，這個公私要做很大你要賣標準化的產品，不是那麼靠關係。2B還是有一些關係，有銷售成分在裏麵。但我覺得最終你要變成一個很大的公司你肯定還是靠產品來支撐的的。
劉博：說到人工智能，我剛幹投資的時候大概是2010年，當時接到的第一個case是一家做流媒體的架構的一個項目，後麵在一家上市公司主要是研究它上市之後未來的發展方向，做了兩年，在大數據和雲計算還有移動支付方麵的行業研究。所以，我覺得今天的人工智能跟當年的BI非常非常像，實際上從大數據的角度來講，我們2011和2012年的時候我們分析大數據裏有幾個重要的要素。
第一個是數據源，第二個是架構，就是怎麼能讓非結構化的數據通過更好的方式進行挖掘、清洗，還有計算。第三個是算法，第四個是應用。
在中國大家公認的數據源是非常非常豐富的，第二個是在架構層麵中國的能力可能照歐美大的IT公司還差一定的階段，算法在當時還沒有，第四在應用階段，中國市場在應用方麵是特別多的。所以，真正我們能看到未來有價值的就是在數據源端和應用端，數據源端相對來說是比較壟斷的，不管是互聯網的信息數據，當時移動互聯網沒有起來，不管是互聯網BAT掌握的數據，還是線下的一些結構化的數據，包括非結構化的數據全部都是由巨頭壟斷的，怎麼跟巨頭合作產生應用是一些初創公司在那個時候所謂的創新價值。
技術發展都有一個發展的曲線，實際上人工智能的技術也好，數據的質量也好，現在中國數據的質量在很多行業非常非常差，根本就沒有辦法把它做標注，或者標注的能力也非常非常差，也沒有辦法把它形成一個好的模型形成到一個好的應用裏。這個都是需要時間來發展的，並沒有大家想象的那麼快就能做到負責完美的狀態，在沒有這麼完美狀態的時候初創企業應該做到哪一些？就是圍繞著一個真正有價值的點，能夠用它現有的方式讓市場理解它，同時要具備在人工智能也好，大數據處理也好，這方麵的技術積累，不斷的迭代和更新自己的技術，在這個技術上，在市場逐步的培育和成長過程中通過技術去進行未來的可持續成長。
所以，我們以前做過一個分析，大多數的技術，99%的技術是失敗的，市場的曲線永遠是跟技術的曲線是交叉的，最前沿的技術永遠都是最大的市場，基本上在這個技術經曆了幾年，迭代了幾年，中間的技術產生了最大的市場，在這個市場裏再更新迭代出更好的技術，是這樣一個發展過程。所以，在這個發展過程裏更好的理解市場，理解市場上用戶的需求，這個是很重要的。剛才毛總也講了2B和2C的理論，我們主要還是以投2B為主，所以，能理解B端的需求很重要，因為B端和C端不一樣，C端是感覺、感受，我喜歡我就買，有的時候他會是一種營銷的策略，一種影響力，但是在B端來講，很多B端他也是要創造價值，那他怎麼去降低它的成本，提升它的效率，提升它的價值或者達到他的一些需求，這是它重點的東西。所以，我就講人工智能企業，我們投的速感，王老師也講了，它原來做室內定位我們很熟，它技術驅動型的公司。速感是非常典型的，它在人工智能，速感是咱們交叉信息學院的？不是。它是非常典型的我覺得非常理解市場的一個大學生創業項目，因為速感的技術可以在國內，不管是在單目、雙目，還是在更工業級的運算方法上做VC案做的都非常好，別人測試，包括英特爾是他的供應商，英特爾測完了它的跟英特爾所有的下遊企業推薦他的算法，因為他的算法的精度非常非常好。但是它並不強在技術，而是強在理解市場的能力，它找到了一個市場就是掃地機器人，掃地機器人第一可以量產，但是對於掃地機器人來說並不是它的精度越高越好，而是它能識別出電線還是狗屎就可以，基本上你隻要不到哪兒把電線絞起來或者你把狗屎倒完之後，大家都在開這個玩笑說這個問題，實際上它通過這個能解決這個問題，而且它現在的人工智能的技術可以通過大量的量產和大量的布局之後不斷的優化，現在是95%的清掃率，通過人工智能它自己在板子上不斷自己的迭代就能達到99%的清掃率，這個都不關鍵，這是它技術方麵的優勢，最關鍵的是他非常理解掃地機器人的痛點，因為掃地機器人的售價是一兩千塊錢，原來這個板子的成本在500-700，對於掃地機器人來說加500-700的成本為了滿足客戶的精準率它可能賣不出去或者量特別小。所以，他理解到這個痛點以後他就想辦法把它做小，想辦法把它做智能，想辦法把它成本低，最後他們想辦法把這個成本控製在200塊錢以內，那對於掃地機器人就不敏感了，很快一年就拿到幾十萬片的定單。所以，我覺得這個是理解市場的表現。當他有幾十萬片的板子在外麵跑，他的算法一定是領先於市場的，他未來在工業級也好，跟隨機器人也好，我相信他在算法也好，在應用方麵會更加的領先，我覺得這個就是你領先於市場的不斷發展的動力。所以，我覺得作為投資人我們更從宏觀的角度看問題，中國我們有很好的數據，因為中國的移動互聯網很發達，移動互聯網很多數據，中國的物聯網在未來也會很發達，因為現在所有的人都在談智能製造2025中國互聯網數據也非常發達，因為中國有這麼幾個大的公司，中國在傳感層方麵，不管在語音語義、視覺，還有很多方向上我們都湧現出很多的高科技公司，從感知數據上，從大數據層麵我們有非常好的積累。
另外，我們現在看到90後，看到00後，真的特嚇人，他不但技術能力強，學識好，視野還特別好，基本上還有國際化的工作經驗。所以，人力資本我們在人工智能這個領域在全球也還是有一定的競爭實力的，應用領域伴隨我們資本和創業環境，包括市場環境的驅動，我覺得將來這個方向一定會湧現出來在世界上能夠非常領先的這樣的技術公司，也希望我們今天在座的公司能夠成為將來可能是其中之一。
2
如何理解人工智能的技術路線？
李健：大家聽到“人工智能”這個詞感覺跟智能相關的一些東西都算，尤其人工智能比較火以後，原來各行各業的人都說人工智能，原來不是做人工智能的，原來他也不說，尤其人工智能比較冷的時候，他根本不說。
我們還要看具體的個例是不是有技術含量，確實人工智能有個階段非常冷，而且神經網絡那個階段非常冷，神經網絡很早就出現了，40年代，50年代就出現了，學術界限有關一段時間非常非常冷，論文也不被錄取，也沒有什麼用，隻有幾個科學家，其中人工智能一個最重要的科學家，他自己和他的小組在堅持做這件事情。那個時候有一些人在做人工智能相關的，但他從來不說我是做人工智能的，至少他是做機器學習的，做機器學習的人從來不說他做人工智能的，有一段時間，你去問他你做什麼的？我做機器學習不做人工智能。為什麼這麼說呢？因為人工智能在那個之前有一段時間非常火，大家對人工智能抱著太大的希望，就認為人工智能過幾天要超過人類了，要毀滅地球，終結者。
現在大家期望特別高，認為人工智能什麼都能幹，以後我們就什麼不用幹了，但科學發展了幾十年，一點動靜都沒有，感覺大家期望有點落差。同時，又有其他幾個方法跟深度神經網絡不同的方法又起來了，那個時候數據挖掘這些領域也起來了。
用深度神經網絡，證明了深度神經網絡比傳統的方法好很多，這個時候深度神經網絡和人工智能在學術界引起大家關注，直到AlphaGo把這個帶到每個人的視野。在人工智能領域，近年來最火的一個路線是神經網絡，但是深度神經網絡不是萬能的。首先它應用有一些局限，因為是要大數據，這個數據一般來說巨大。另外需要比較精準的標注，深度神經網絡一般我們機器學習分成有監督學習，無監督學習，有監督學習如果用深度學習來做有監督學習需要標注，如果你的標注有些噪音深度學習基本上會大打折扣，但有些傳統的機器學習方法反而對這些噪音容忍度比較高，在有噪音的情況下也能做的比較好，現在深度學習有噪音的情況下學術界研究的主要方麵。另外一塊相當於無監督學習，沒有標注的學習。沒有標注的學習深度學習現在也是大家正在研究的，做得還不是特別好。實際上真正的智能主要是無監督學習，有少部分的有監督學習。比如一個小孩怎麼學習，小孩不是通過看了一千萬張圖片我終於學會我怎麼認識貓。
人的學習過程跟深度學習網絡的學習過程非常不一樣，人主要是通過潛移默化的無監督學習，偶爾配監督學習，我們一般叫半監督學習的過程。這個過程現在學術界一個研究的主要重點，而且在短時間內並沒法突破，這個就是我們叫強人工職能的一個東西，我們希望達到一種智能，這個智能它能夠自己學習，能夠跟環境相互的交互。這個我們就叫強人工智能，人工智能不光一個領域拿很多數據我學學，它能適應多個領域。在這一點上像人類的智能，這個在學術界大家認為還得走很長的路才能達到。
深度學習已經可以下圍棋了，圍棋這麼複雜，大家感覺難以逾越已經下了，跟小孩對話這件事情反而做的不太好。隻能說我們都有特定的任務能夠做出很好的算法來，但是可能這種通用人工智能實現還有距離。
另外其他幾個技術路線，傳統方法用得還是非常多，我們現在產業工業界用的除了圖像，比如無人車其中一部分關於視覺相關的也是深度學習，但是其中比如像金融，金融領域有很大特點就是數據噪音非常非常大，因為是各方博弈的結果，價格曲線，各方博弈噪音非常大，深度學習有時候就不一定非常好使，可能需要傳統的這種對噪音不是很敏感的方法，其他還有很多數據挖掘方法，比如我們做的另外一個項目，反欺詐，它實際上處理的數據也都不太一樣。一般來說欺詐行為都是有一個團夥共同活動，他們一起打電話或者交流很頻繁，這種數據非常特殊，可能也不是用深度曲線來做的，一般用其他的數據挖掘或者其他的方法來做的，傳統的方法還是有很大的空間，尤其在工業界和實用界。可能我們說人工智能，因為現在這個詞比較熱，可能更貼切一點是大數據和數據挖掘技術，或者機器人的技術，這個可能是更接近工業這麼一個智能提法。
現在有另外一條想法，我們想改變深度學習的框架，因為現在的這些芯片都是去優化當前深度學習的框架，尤其是反向傳播算法裏麵有很多矩陣的運算，都是為了優化這麼一個過程。但是會不會在學術界某一天有一個突破，用其他一個什麼來完成深度學習過程，因為實際上人工智能創始人他們都認為真正的智能不是現在的智能學習算法這麼學習，現在智能學習算法反向傳播算法很複雜，但是他們相信認不是這麼學習的，人是通過另外一種方式學習的，或者真正的智能是通過另外一種方式學習的，方法並沒有找到，但是他們現在有一些在實驗，其他的方法是不是可行。我想其他方法如果可行可能會讓目前的這些芯片受到一定的衝擊，可能整個運行模式都不太一樣了，如果他們更有效的話，可能現在這些芯片就不一定，肯定會相當長的時間，因為現在這個提法還在萌芽階段，等它到成熟至少5年、10年都不見得能夠成熟，這是我的一個看法。
本次活動完美收官，如您對星耀計劃感興趣，請聯係我們。
加入星聚計劃，你將獲得：
孵化器——經評估通過的項目，納入啟迪之星/北航孵化器培育計劃中，享受創新孵化資源，從資金、技術、人才、產業鏈等各個角度，整合來自大學、企業、政府和國內外等各方麵資源，給予全力扶持和幫助。
創投圈——製作項目專題，展示在創投圈官網以及創投圈APP中，並推送給站內3800+認證投資人，幫助項目方獲得曝光，增加與投資人約見並獲得融資的的機會。
品途集團——對於符合「landoWork創新加速器「孵化培育標準的項目，享受一定入駐優惠支持，樹立案例典範。提供深度專業媒體報道。
最後更新：2017-10-10 21:47:13