硅谷走一圈，为什么我们确信AI正当其时？

上个月，包括景林资产、中信产业基金、宽带资本、华米科技等企业的高管随英途潜入硅谷，探访了近20家标杆性AI创新公司。小编总结了所有参与者的考察心得：关于AI领域的发展现状，趋势和潜在机会点，以及AI投资的香饽饽和雷区。人工智能真的没那么虚无缥缈！不信你就往下看！

1.AI发展现状

目前AI的几个核心分支分别是：语音识别、语义识别（NLP）和计算机视觉（CV）；其中语音识别在国内外已经比较成熟，中国有科大讯飞为主的大家伙，这个分支是AI领域发展最早的子领域，在DL算法出现前已经做得相对成型。这方面的应用也比较成熟，未来单纯做语音识别可能不会有很大的创业机会，更多是变成一个工具，被应用到具体的场景中。语音很可能是是后搜索时代最主要的入口。

美国看一圈，发现CV这块儿技术也已经很成熟。这拨DL技术浪潮主要推动的就是CV。现在发展很快，应用很多，无人驾驶，无人机，物体/人物的识别跟踪，有很多具体的应用场景出来，下一拨会有比较多的CV项目值得看，因为技术成熟，项目会比较靠谱。

NLP语义识别这块儿技术还很不成熟，应用难度很大。国内现在有不少NLP项目都标榜自己可以实现很好的商业应用。现在看来，这是很有难度的事情，所以判断这些项目需要更谨慎。

AI在硅谷已经相当普及，各个梯队的建设相当完善，做理论的基础层的，做应用的实现的，人才分布的pool很广很齐备。国内做基础的很少（大公司有，比如百度），做应用的人才更多一些。

2.趋势和机会点总结

移动互联网这波浪潮之后，大家都在寻找下一个浪潮在哪里？现在看上去人工智能是最有前景的，没有那么虚无缥缈，现阶段已经可以解决各种具体的问题。

为什么人工智能正当其时？各行各业数据已经积累到一定程度，计算能力也有突飞猛进的发展。在这个阶段，以往大家认为很神秘的AI正在广泛跟行业进行落地开发。其实AI没那么神秘，它只是辅助人类解决各种各样的问题，最好能跟某个业务进行关联，大规模采集到数据，反过来使得人工智能更上一个台阶。

虽然AI目前的应用都比较早期，机器的智能程度现在还很低（不及3岁小朋友）。但是基于现有的技术，仍然是大有可为的。譬如Kaggle上一个案例 ——运用数据驱动的DL算法让外行人达到跟顶尖专家一样的医学诊断水平。有途友提到，很多小地方大夫的价值更多体现在理解患者的方言，后面的标准化诊断可以交给机器去做，由人机器协作，等于站在巨人的肩膀上，效率和效果都会有质的飞跃。

通用的AI/ML技术将会作为一种开源工具/平台分享给普通开发者来使用，训练自己的数据和模型。DL会从神坛上下来，逐渐下沉到各个垂直行业，用不了多久，图像识别/人脸识别/翻译这些普适性很强的功能会变成既廉价又普遍的服务由（可能是GAF这样的巨头）提供出来，然后被大家应用到很多场景（各种app啊wapp的UI中etc.），这可能是AI产生商业价值的方向，也是在中国很容易催生应用创新的点。毕竟，只有做理论研究和做产品实现的人结合在一起，才能最大程度地释放AI的价值，才能出现可行的符合实际需求的应用，到那个时候，真正的独角兽就会出来。

除了通用型AI作为开源工具将会日益普及外，另一个业务方向是垂直领域的AI，类似Enlitic（医疗），工业机器人（Fetch），金融领域反欺诈etc. ，它不会是很generic的AI场景，这些垂直领域的应用会是AI创业公司绝佳的机会点。尤其是如果再掌握了exclusive的数据，就更不得了了。就目前的DL技术体系来看，只要数据量足够大，效果就会足够好，就像谷歌搜索的产品体验总会比bing和yahoo好一点。

一些创业的途友表示，会考虑跟传统有数据的公司去合作，对方有数据，但还没意识到AI能帮自己飞得更高更远。说白了，DL这种工具/方法可以帮助大家更好/更深入地用好数据，在业务上实现难以想象的拓展和飞跃。

由这次看的Pilot AI Lab得到的启发，嵌入式设备上深度学习的应用会是一个值得关注的机会点。

国内现在主流的AI应用主要集中在digital world，无论是做算法或者软件。然而，真正商用的时候其实有两个方向：1）digital world（比如线上的电商客服，投顾机器人，泛场景的助理etc.）。2）real world （跟现有的基础设施、现实世界的东东打交道，比如Fetch Robotics这样的物流机器人）。Notably, 第二个方向同样很有前景，可以在工业环节提高生产效率。传统的工业机器人非常弱智，只能做简单的重复劳动，现在把AI加进去，做得就不是简单的重复劳动了，如果不需要对现有的生产场景做大的改造，又能迅速提升生产效率，那么商业价值是非常可观的。

虽然AI在感知认识方面（语音和图像）已经比较成熟，机器可以知道你在说什么看什么，但是距离下一步“理解”你在说什么和看什么，真正用人的大脑去工作，仍然有很大的技术挑战。延伸到现在，助手型/泛场景的东东，在技术上是很有难度的。当然，不排在非常限定的场可以做得很好，比如客服机器人，投顾机器人等等。前者涉及得肯定是产品相关的东东，只要前端有个好的算法引擎，后端产品的知识库和数据比较完整，这些应用的效果会很不错，准确率能到90%+。

不可否认，硅谷在全球创新领域还是步伐很快，但是AI领域中国也有自己独特的优势——中国离制造和供应链更近，再高大上的AI技术最终也需要硬件的落地，AI最终不是一个虚拟的存在，像在网上下个围棋那么简单，而是要落地到机器人、无人机等等。当落实到具体设备端时，中国在硬件/工业制造方面的优势就凸显出来了，中国的创业公司只要快速掌握AI技术，我们在供应链和市场方面的优势会让参与者有很大的机会。

3.关于AI投资

打造方便于消费者的机器人，49美元的众筹价格实惠亲民，满足任何渴望了解更多机器人、工程和生物学的消费者倾向于投非常明确的应用场景（比如无人机尾随、图像搜索），能很好地适应AI技术现状，清晰的商业化路径。

也会考虑投少数做底层技术的公司，可以应用到两三个领域的那种，类似这次看的NovuMind，这种投资会让自己在AI技术方面有比较好的理解和把握。纯做理论研究的（类似Vicarious这种）不会投，毕竟拿别人的钱做投资需要讲究中短期的投资回报。Vicarious主要是获得了硅谷有情怀的大佬的个人投资，Bezos，Zuckerberg之类的。

AI开源社区/平台不敢碰，在国内很难有好的商业前景。

国内的AI项目还是偏应用的多，底层技术基本直接用现成的，说白了就是把AI当成工具去用。在国内值得投的AI项目方向是：Data+Application，这一波AI需要数据，有数据才能把算法模型train好。没有数据等于没有竞争优势。有价值的数据是和应用场景相结合的。定位是：AI只是工具，Data是资源，最后要在有商业价值的应用上落地。

也有途友投资人觉得AI现在离商业化还有距离，自己暂时不能comfortably下单，会密切关注，但是从投资的角度有些早熟。

最后，附上

带给大家最多启发的6家公司:

- Enlitic：外行人将现有的机器学习技术应用到医学诊断领域，结果诊断精准度比6个世界级专家还厉害，说明现阶段DL在一些特定垂直领域，譬如医疗领域，有很好的应用空间，值得探索。掌握好的数据源很重要。很多传统企业已经握有一些独特的数据，可能还没意识到可以借助AI技术飞得更高。

- Skymind：深度学习算法的开源平台，虽然在国内这种开源平台很难变现，但是这个方向对大家有很强的借鉴意义，国内公司可能AI技术不行，但是或许可以应用这种开源平台更容易地调用AI技术，帮助自己的主营业务赢得更大的飞跃。

- Pilot AI Lab：计算机视觉技术很好的应用案例，切入点包括无人机尾随等等. 团队很厉害，一堆Stanford博士。真正让DL结合传统模式识别的技术，切实落地，做到产品化，这点很了不起。它不像一般互联网公司，通过大数据平台收集数据，只是在云端提供服务，而是真正在智能硬件这端把东西做出来，实现的一部分的AI能力，非常不容易。毕竟，虽然大家都在说AI/DL，但是真正落地的，实现产品化的公司凤毛麟角。

- Vicarious：颠覆性的底层技术，只有硅谷诞生这样的公司。它有别于主流的DL技术体系，这家公司模拟人的感官体验帮助机器利用很少的数据获取理解能力。虽然很难预知能否成功，离商业成功有多远，但是万一成功了会改变人类。投资者都是些赫赫有名的硅谷大神，比如Elon Musk，Zuckerberg，Bezos等等。

- Fetch Robotics：虽然技术含量不算太高，物流机器人是深度学习技术现阶段很好的落地场景，清晰的商业路径，easy toimplement，不需要对现有基础设施做改造。

- NovuMind：团队很厉害，百度系的大牛们，主打超级计算能力，技术门槛很高，很好的方向，清晰的商业化路径。

5月人工智能考察精彩回眸