↑ 點擊上方藍字「IT桔子」
每天瞭解一點創投圈
星瀚資本創始合夥人楊歌 6 月 20 日在中國新時代企業家論壇 2019 北京峰會的演講中表示，目前，人工智能在各個領域的完整落地實現的道路仍然很長。
「對各個行業來說，只有把數據精煉化才可以進入人工智能階段，這是我們需要突破的屏障。」他說。
他還表示，通常來說人工智能都是長產業鏈，產品化過程較慢，展現投資成果週期較長，創業時間長，這是人工智能本質的特點。
以下是星瀚資本創始合夥人楊歌發表題為"人工智能與邊緣計算機遇"的演講實錄:
大家好，很高興今天在這裡跟大家分享，今天跟大家分享一下我們關於 AI 的投資理念。AI 行業內的項目我們這兩年已經看得非常多了，市場的關注度起起伏伏，2017 年火了一把又平靜去了，2018 年聲音比較少，2019 年又開始成為熱門話題，這個行業中有很多的企業仍然在快速地發展，這也是我們非常關注的板塊，今天跟大家分享一下關於投資邊緣計算和芯片的話題——星瀚主要是關注產業升級、文化消費、深科技應用三大板塊，我們只是把新生的行業和傳統行業進行結合，新生的行業主要包括數據、AI、人工智能，把他們應用在傳統領域，去發揮他們的價值，這是我們主要的目的。
AI 在醫療領域的應用尚早
關於人工智能，先講一個近期的案例。
首先我們認為人工智能主要分兩大方向，一是基於人的智能，以知識圖譜加上一個框架設計，逐漸形成數據化和人工智能體系。第二，基於大量數據構建一套監督式學習模式，訓練其中的規律，把規律提煉出來，有的是有邏輯的，有的是無邏輯的，人工智能主要是靠這兩種方法實現。目前人工智能在各行業領域的落地應用有很多難點，第一種情況是構建知識圖譜難度比較大，需要把各個行業的專家結合起來，讓他們無死角地對這個行業進行分析。第二種情況大家認為比較簡單，但實際難度比較大，就是數據偏差比較大，數據「噪音」比較大。
我們前不久在美國克利夫蘭診所看醫療項目，很多人都希望拿人工智能訓練醫療行業問診系統——難度很大。
首先，病例不夠多；其次，每個醫生診斷技術方法不一樣，所有技術的結果不夠標準，所以推行了很長時間都沒有完成標準化。但是我去克利夫蘭診所竟然發現，這個診所居然有五千萬個病例，十五年的積累，每一個病例都是一個季度至少有一個數據，他有一個非常完整標準的病例數據庫，將每一種病、每一個病人都清楚詳細地記錄下來，在這個數據庫的基礎上，人工智能在這樣的環境下才能得到很好的訓練。看到這個之後，我就知道咱們目前在醫療行業做人工智能、數據分析相對來說比較早，我們第一步需要做的是把病例標準化，今後才能對這些病例進行數據化、標準化提取和存儲，這是人工智能應用非常重要的基礎，對各個行業來說，只有把數據精煉化才可以推進人工智能，這是非常典型的問題。
人工智能三個層次
對於人工智能的應用我們把它分成三個層次，第一是基礎層——包括芯片、傳輸方法、數據結構存儲、算法框架，這兩年得到了大家的重視。2018 年開始，我們對人工智能的認識比較有深度，大家把目光迴轉到人工智能底層基礎的板塊。給大家推薦一本書《創新者》，大家閱讀這本書之後就會理解計算機發展 150 年的過程。
人工智能現在的狀態和計算機在 1960 年的狀態非常相似，經過大家有創造性的想象之後迴歸沉穩。人工智能底層的構建變得更成熟。等，然後就是模塊層包括語音、語義、情緒識別、運動機能識別，這些模塊的成熟將助推人工智能的成熟。看完這本書會發現，我們只能先把基礎的設施搭建完畢再進入到廣泛的應用層，否則很多應用場景都是不夠成熟的，底層的技術的應用難度也比較大。
在人工智能裡面尋求短產業鏈是一種本事
在現實的情況下，人工智能應用的方法有很多，但我們最多關注的並不是應用層，我們並不著急把機器馬上做出來或者是用無人機助力，我們認為如果太早做這些應用場景都是事倍功半。有一位老專家說人工智能行業是一個 B2B2B2B2C 的行業，也就是長產業鏈行業，在這個行業，大家都想迅速的把人工智能實現產品化，難度是非常大的，人工智能應用必須經過長時間的底層磨練才可以實現。
在人工智能裡面尋求短產業鏈是一種本事。短產業鏈，這個模塊基本成熟以後可迅速把它應用到某一個可商業化或者是有收入的場景。這種場景比較少見，比如說人臉識別在安防領域，道路交通、工業型安防都是簡單使用圖像識別人工智能在短產業鏈裡進行變現，這些產業相對來說是比較少見的，通常來說人工智能都是長產業鏈，產品化過程較慢，展現投資成果週期較長，創業時間長，這是人工智能本質的特點。
智能駕駛就是一個典型的長產業鏈。智能駕駛是我經常講的命題，是實現難度比較大的行業，智能駕駛大家都認為是一個場景比較明確的市場，但實際並不是，它的實現難度極大，不是交通問題，而是社會人群的心理和人群意識培養的問題，人工智能的實現難度是非常大的。
很多行業並不是我們想象的那樣，我們設計一個場景拿回來識別馬上就可以應用，並不是這樣，它對於人工智能的挑戰是非常大的。我自己也是做代碼和人工智能框架出身的，對人工智能來說，從模型構建到算力收集、數據挖掘到最後的分析難度都是非常大的，在每個行業都需要精湛的工程師在裡面進行調試，不是一個容易的工作，這裡我就不過多贅述了。
AI 最大的爆發點可能會在娛樂行業
基於上面的分析，我們認為人工智能會在什麼方向爆發？會在一個適應性、容錯性比較強的行業去爆發，智能駕駛屬於不能出錯的領域——只要出現事故就會出現難以挽回的結果，在適應性、容錯性、需求比較旺盛的行業，出一些錯，有一些 BUG 它還可以繼續往前走，所以我們認為人工智能第一個爆發點或者是迅速爆發點可能會出現在娛樂行業。
去年我們和原百度總裁陸奇一起投資和孵化了一家企業，他原來本身也是人工智能專家。這個創始人之前做了渡鴉科技，去年他重新開始創業，用人工智能輔助拍電影，對劇本進行語義分析，分析完成後，用計算機語言調動相應的 3D 模塊形成場景進行渲染，最後形成人工智能作品的場景，他們做的事情跟電影《頭號玩家》、《西部世界》比較像。用底層做完再用人工智能自動渲染，它的適應性、容錯性比較強，目前來說推廣速度比較快，包括數字偶像經濟我們認為這一塊應用也是比較快的。
邊緣計算是未來趨勢
邊緣計算可以算是人工智能底層技術，現在通過分析大量的市場項目發現，越來越多的中心型計算會下放到邊緣去。在十年前，大家都認為，因為數據傳輸速度越來越快、雲端越來越發達，大家都傾向於把所有數據傳向到雲端去，現在並非是這樣。
對於各種各樣的設備，智能化越來越完整，原來是一個簡單的電路芯片，現在是人工智能的芯片，也就是說，在終端設備裡，像攝像頭、照相機，所有終端設備裡以後會越來越多的摻雜人工智能和數據分析的能力，把最基礎的終端的邊緣進行計算分析，對一個人的識別，像圖像和語音的基礎分析，都會先在終端做完預處理，原來做安防用攝像頭進行監控，是把整個視頻傳輸到雲端再去分析——這樣做的數據量太大並且速度較慢，現在我們分析完以後，在終端把特徵點提取出來傳到雲端，把圖像分析在終端最快地解決掉，讓所有的計算消化到終端，這是非常明顯的趨勢。
之後智能城市、智能家居、智能硬件的整個發展過程中，和我們之前想象的不一樣，5G 代替 4G 以後，傳輸速度越來越快最終帶來的並非是把所有數據集中到雲端，而是讓終端計算能力越來越強，使得整個網絡具備計算能力，在雲端只負責數據的中心化收集和整體規律分析，這個是雲端和終端分解的過程。終端計算、邊緣計算是我們現在非常關注的板塊，在終端智能化、AI 芯片等發展起來以後，整體網絡會具備一個終端的市場，這個是現在互聯網+智能明顯的方向。
說不準以後雲端整個計算會完全拆解到終端去，雲端計算能力越來越低，使邊緣計算具備所有的計算能力，這也是區塊鏈的基礎理念。
AI 芯片是從零賽跑的過程
在這裡不得不提的是人工智能芯片，它是終端計算最重要的載體。我們所投資的鯤雲科技發展速度非常快，我國對於傳統芯片的製造能力距離世界領先地位相差有五到六年，我們現在拼命追趕，但目前仍然有差距，而人工智能芯片是一個從零賽跑、回到原點賽跑的過程，因為人工智能芯片整個計算結構是不一樣的，要回到 FPGA 層面調整計算結構，完成之後再從零慢慢工業化，這會給中國帶來非常好的機遇，在 AI 芯片上，中國目前具備比較明顯的優勢，這不會因為傳統芯片的差距而影響領先地位，而這兩年 AI 芯片是非常重要的板塊，從傳統芯片的發展軌跡可以看到 AI 芯片的過程——
《創新者》講到關於芯片的發展是典型的指數化過程，指數化過程有一個非常非常重要的節點，因特爾在 1959 年至 1969 年發生一個事情，那個時候製造商都是從特異化芯片走到功能化芯片，特異化芯片就是今天來一單做一單，把這個東西做好，按單個項目完成後交付，項目提交了以後客戶說不合格，需要再重新改，售後過程非常冗長，這個過程中主要提供的並非商品，而是服務。
現在人工智能芯片和這個階段非常像，1969 年因特爾接受了越來越多的特異化服務，有越來越多的客戶訂單找到他，於是因特爾開始走商業化之路，把通用化的部分總結成底層 CPU，然後給大量的客戶提供這個東西，把特異性的部分變成一個框架，讓大家自己去自由開發，逐漸變成這麼一個過程。在 1969 年之後，由因特爾帶來的傳統芯片形成一個量化的爆發，因特爾逐漸從項目型公司轉成商品型公司。
現在人工智能芯片就在這個階段，大量公司都有人工智能邊緣計算的需求，於是人工智能計算髮展逐漸變快，但還沒有哪一家公司迅速把人工智能芯片或者是邊緣計算變成廣泛的通用性商品，這一點難度是比較大的，但是在未來五到十年也會實現，這個市場非常大。
我們投資的鯤雲科技，它是典型的人工智能公司，評價人工智能芯片和 BAT 上一個很重要的基礎技術特點，就是剛才所說的技術效率，單位計算量裡邊耗能是多少、生產成本是多少、一個邊緣計算成本達到多少的計算力，這都是非常重要的基礎，除此之外從商業上的角度來說，對人工智能芯片的評價手段是什麼——就是通用性能否在多個場景中應用，所以我們對於人工智能芯片的挑剔程度是非常高的，在這個行業裡面發展難度也是比較大的，這個過程大家有機會可以關注一下。
最後給大家分享技術的發展歷程，我們關注了非常多的技術，今天所分析的人工智能和芯片只是其中的一個板塊。
我們把技術發展分成六個階段，從最開始的理論技術基礎到技術產品化，到商業化，到一個產業爆發的升級過程，進入到泡沫期，最後形成工具，經歷這六個過程。我們已經經歷了計算機、PC、手機、互聯網的階段，每一個行業在發展進程中基本上都會歷經這六個階段。
人工智能和大數據目前正處在上升的階段，正在從技術走向產品化的階段，然後產品化的過程還在進行摸索。這是我剛才跟大家講的 1960 年至 1970 年的因特爾，那個時候他的技術底層已經開源了，是否能夠出現被整個市場所接受的標準協議和產品，目前來說人工智能還不能做到這一點。未來十年行業將在這裡面投放更多的精力，找到前面幾十家能夠迅速標準化、商品化的公司，將它迅速推向市場，之後會迎來產業爆發期，這是我們對行業的預期。
注：
星瀚資本：彙集全行業優質資源，是一家專注價值投資、創新理念、產業結合的專業風險投資機構。
楊歌：星瀚資本創始合夥人，中生代投資人中的代表人物。近年重點投資產業升級、文化消費、深科技應用領域。他的投資風格鮮明、見解犀利獨特，活躍度高，是一位實力派投資人。
* 更多創投精選文章，戳下方【桔子洞見】：
推薦閱讀
▶巨頭們講的「新零售」到底是什麼？詳解騰訊、阿里的新零售佈局
▶ 出發18年，聯想旗下這家VC已投出70多家IPO公司
▶ 350億美元市場，多方角逐，NASH新藥的機會在哪裡？| IT桔子報告
相關推薦
