核心提示：
1.如果不能實(shí)現(xiàn)AI算力的平民化，后續(xù)的應(yīng)用就沒有底層載體去實(shí)現(xiàn)，特別是最后的商業(yè)化。 2.制造業(yè)的系統(tǒng)性機(jī)會已經(jīng)形成，行業(yè)智能化的待改造空間非常大。 3.可以在互聯(lián)網(wǎng)AI的基礎(chǔ)上，尋找更多的物聯(lián)網(wǎng)AI（AIoT）機(jī)會。 編者按：本文是36氪超級沙龍「新基建」系列第五期直播整理而來，有刪減。完整直播可以戳此回看。
AI行業(yè)應(yīng)用和基礎(chǔ)算力優(yōu)化迎來機(jī)會拐點(diǎn)  圖一 從投資人的角度，我們現(xiàn)在這樣看待整體的架構(gòu)，在人工智能領(lǐng)域里面，把它分成主要的三大層，從下往上分別是基礎(chǔ)算力層、通用技術(shù)層和應(yīng)用層。每一個領(lǐng)域其實(shí)都有非常多的投資機(jī)會和投資機(jī)遇。 舉個例子，基礎(chǔ)算力層中，核心組成部分是專業(yè)加速器，典型的代表是 NVIDIA。他們以GPU架構(gòu)為基礎(chǔ)，提供了非常多的 AI基礎(chǔ)算力，現(xiàn)在新興的比較大的海外創(chuàng)業(yè)公司Graphcore和國內(nèi)的基于FPGA架構(gòu)的創(chuàng)業(yè)公司寒武紀(jì)、以及華為都在加快研發(fā)專業(yè)加速器。隨著專業(yè)加速器的快速發(fā)展，以及隨之而來的虛擬化、分布式發(fā)展，底層基礎(chǔ)算力層價格的平民化，構(gòu)建了AI行業(yè)發(fā)展的基礎(chǔ)。 再往上一層的話是通用技術(shù)層，主要涉及到類似機(jī)器視覺，自然語義處理、自然語言處理、語音識別、文本轉(zhuǎn)換，像Google、華為等這些比較大的平臺在這個層面做了大量的工作。 再往上就是應(yīng)用層，我相信這是大部分的創(chuàng)業(yè)者都比較關(guān)心的，也是很多投資機(jī)構(gòu)比較關(guān)注的層面。當(dāng)我們架設(shè)完了底層基礎(chǔ)算力，通用技術(shù)得到不同程度的進(jìn)步發(fā)展以后，產(chǎn)業(yè)更多地會走到更上一層。怎么跟更多的場景結(jié)合，用好這些通用技術(shù)，做好應(yīng)用的開發(fā)，真正實(shí)現(xiàn)人工智能的落地和商業(yè)化是很多創(chuàng)業(yè)者都在關(guān)注的問題。 AI的商業(yè)化核心在于算力平民化  圖二 除了應(yīng)用層，我們也重點(diǎn)關(guān)注基礎(chǔ)算力層，為什么這么說？實(shí)際上它有點(diǎn)類似于互聯(lián)網(wǎng)的發(fā)展。之前云計算的發(fā)展，決定了移動互聯(lián)網(wǎng)、 IOT的發(fā)展，讓大家可以用比較低的成本使用到原來比較貴的服務(wù)器。
那么到底何時能夠讓AI算力真正平民化？大家可以從上圖看到，目前為止GPU的性能是指數(shù)級的增長，AI訓(xùn)練速度提升也非常快，但是整體的專業(yè)加速器的使用成本仍然居高不下。這也和現(xiàn)在加速器相對比較集中以及巨頭壟斷的格局相關(guān)。隨著云計算的發(fā)展，大家現(xiàn)在在做專業(yè)加速器的資源池來供客戶使用，按需訂購，但它的價格還是非常非常高的。 怎么真正讓算力降下來？國內(nèi)的很多公司在這方面都做了很大的努力，比如華為，大家對于他們的期待都是很高的。 我們自己也在做一些布局，比方說專業(yè)加速器硬件的虛擬化方案。除了硬件的高速發(fā)展，最核心的還是運(yùn)算能力的虛擬化，帶動了后續(xù)云計算的發(fā)展，包括帶動了上游的平臺和應(yīng)用的發(fā)展。這是我們一直比較重視的，如果不能實(shí)現(xiàn)AI算力的平民化，后續(xù)的應(yīng)用其實(shí)都沒有底層的載體去實(shí)現(xiàn)。特別是最后的商業(yè)化，目前處于一個比較早期的情況下，很多還是需要底層成本的快速下降來幫助應(yīng)用的發(fā)展和實(shí)現(xiàn)。 物聯(lián)網(wǎng)是后AI時代的重要機(jī)遇點(diǎn)  圖三 在應(yīng)用層，具備大量非互聯(lián)網(wǎng)化數(shù)據(jù)基礎(chǔ)的垂直行業(yè)創(chuàng)業(yè)公司，更容易構(gòu)筑核心技術(shù)壁壘。AIoT是人工智能落地的重要方向，過往在應(yīng)用層，大家很多人會聊，人工智能領(lǐng)域到底怎么去做商業(yè)化，到底怎么能夠找到創(chuàng)業(yè)方向。 從投資人的角度來看，在傳統(tǒng)互聯(lián)網(wǎng)領(lǐng)域，AI已經(jīng)有了非常多年的發(fā)展，我記得是從2016、2017年，市場里講的概念不只是大數(shù)據(jù)，而是講在大數(shù)據(jù)的沉淀過程中，是不是有很多 AI的機(jī)會？大家現(xiàn)在能看到的自然語言處理、語音識別、部分的機(jī)器視覺、人臉識別等類似的應(yīng)用，其實(shí)都是過往在傳統(tǒng)互聯(lián)網(wǎng)生態(tài)里，數(shù)據(jù)量比較大，做的比較好，現(xiàn)在來看商業(yè)化程度比較高的一些人工智能的應(yīng)用。 但是從現(xiàn)在來看的話，我覺得AI已經(jīng)經(jīng)歷了非常快的發(fā)展，對于很多創(chuàng)業(yè)者或者是有意向創(chuàng)業(yè)的人來說，可能目前已經(jīng)處于一個比較后期的階段了。如果大家還想要找一些新的機(jī)會，可以在原來互聯(lián)網(wǎng)AI的基礎(chǔ)上，尋找更多的物聯(lián)網(wǎng)AI（AIoT）機(jī)會。 可以跟互聯(lián)網(wǎng)相對應(yīng)的就是物聯(lián)網(wǎng)。隨著通信技術(shù)和新型傳感器的成熟，聯(lián)網(wǎng)設(shè)備的滲透率增長非常迅速，大家可以看得到，從原來的PC到智能手機(jī)，到現(xiàn)在越來越多的新型的智能終端聯(lián)絡(luò)網(wǎng)絡(luò)出現(xiàn)，以及現(xiàn)在行業(yè)設(shè)備的數(shù)據(jù)增長，都為人工智能在垂直行業(yè)的落地應(yīng)用奠定了一個非常大的基礎(chǔ)。 圖三中的右邊圖表，從早期的2012年移動互聯(lián)網(wǎng)爆發(fā)，到2016、2018年經(jīng)歷了非常快的成長，2018年之后我們可以看到，物聯(lián)網(wǎng)設(shè)備在增量里占據(jù)了非常大的比重。而且我們相信隨著5G的快速發(fā)展，未來物聯(lián)網(wǎng)行業(yè)的接入設(shè)備會越來越多，包括其中的一些分支，像車聯(lián)網(wǎng)、智能電力、智能制造、智慧城市，物聯(lián)網(wǎng)行業(yè)的諸多領(lǐng)域都會越來越多地占據(jù)新增的接入設(shè)備權(quán)重。同時，終端產(chǎn)生的數(shù)據(jù)，未來應(yīng)該會占據(jù)越來越大的比重，甚至超過我們現(xiàn)在C端形成的數(shù)據(jù)。圖三右下角圖片顯示，各類型的聯(lián)網(wǎng)設(shè)備占比中，智能制造已占34%、智慧城市占19%、智能安防占15%、車聯(lián)網(wǎng)占10%。其他各種各樣的業(yè)務(wù)領(lǐng)域占比22%。 制造業(yè)系統(tǒng)性機(jī)會已經(jīng)形成  圖四 針對智能制造比重較大這個現(xiàn)象，很多投資人或者創(chuàng)業(yè)者，其實(shí)都在這個領(lǐng)域里尋找到一些系統(tǒng)性的機(jī)會。
以我的觀察來看，制造業(yè)的系統(tǒng)性機(jī)會已經(jīng)形成，行業(yè)智能化的待改造空間非常大。 首先，中國制造業(yè)的基礎(chǔ)特別龐大，生產(chǎn)效率相比于海外的歐美發(fā)達(dá)國家和地區(qū)比較大型的規(guī)模化制造業(yè)來說，效率還是略顯低下，所以提升空間特別巨大。其次，過去10年，中國勞動力的成本也增加了三倍，對低附加值制造業(yè)形成了擠壓，中高附加值制造業(yè)提高資本化程度的需求已經(jīng)過期，此外，人口結(jié)構(gòu)的變化和用工成本的提高，也倒逼著整個中國作為制造業(yè)大國進(jìn)行自動化、信息化的改造。國家補(bǔ)貼政策也會加速改造落地，整個制造業(yè)已經(jīng)形成了非常大的系統(tǒng)性機(jī)會。 智能制造方向上新接入的終端，在新基建中的滲透率會大幅提升，它會產(chǎn)生非常大量的數(shù)據(jù)。而且在制造業(yè)領(lǐng)域，對其數(shù)據(jù)進(jìn)行分析的必要性和價值都是非常大的。 比如，智能終端方面，智能家居所產(chǎn)生的數(shù)據(jù)價值和一個工廠里面單一終端產(chǎn)生的數(shù)據(jù)的價值，肯定是制造業(yè)相對更大一些，而且它產(chǎn)生的數(shù)據(jù)量要比C端終端要大，當(dāng)然這也要看具體的場景。因?yàn)橹圃鞓I(yè)里面的設(shè)備就是主要的生產(chǎn)資料，這個設(shè)備產(chǎn)生了很多數(shù)據(jù)，大到設(shè)備的產(chǎn)能利用率、排班，小到運(yùn)行數(shù)據(jù)對應(yīng)的故障預(yù)測、設(shè)備維護(hù)，這都會有非常大的商業(yè)價值，因?yàn)樗旧砭褪怯脕碜錾虡I(yè)生產(chǎn)。可能在 C端會是無意義的，但在B端，它的商業(yè)化的價值是非常大的。 所以結(jié)合剛才我的一些分享，創(chuàng)業(yè)者也好，投資人也好，要找的一個點(diǎn)是：第一，它本身是在一個大賽道里面；第二，在這么一個大賽道里，它要產(chǎn)生非常多的新的終端的需求。因?yàn)樾碌慕K端需求才會產(chǎn)生非常多的新的、實(shí)時的數(shù)據(jù)。有了這些數(shù)據(jù)才有可能進(jìn)行分析、挖掘和進(jìn)一步商業(yè)化的應(yīng)用，這是一個基礎(chǔ)前提。 為什么會有這樣一個前提？是因?yàn)椋挥性诓粩嘈略觯粩喈a(chǎn)生海量數(shù)據(jù)的時候，我們才會用到真正意義上大數(shù)據(jù)的底層基礎(chǔ)架構(gòu)，去分析那么多的數(shù)據(jù)。如果這個數(shù)據(jù)是相對靜態(tài)的，不是那么動態(tài)，又不是那么大量，一般的BI都能夠解決這些數(shù)據(jù)分析的問題。但是當(dāng)這個數(shù)據(jù)的量在實(shí)時動態(tài)大量新增的情況下，技術(shù)門檻、數(shù)據(jù)處理的能力，包括整個整體的底層架構(gòu)，會完全不一樣。 早期創(chuàng)業(yè)者可切入AI中臺 商業(yè)化方面，大家都會面對的一個問題是：我是應(yīng)該服務(wù)頭部客戶，還是想辦法做成一個純SaaS的應(yīng)用，找更大的基數(shù)來做。 其實(shí)本身在中國To B的市場環(huán)境中，大部分的公司其實(shí)都是先從頭部企業(yè)客戶開始簽。但是這個過程中，往往有一個非常大的悖論，就是早期的創(chuàng)業(yè)者跟很多大公司談生意是比較難的，入門門檻也比較高，這在國內(nèi)是比較難直接系統(tǒng)化和成體量解決的。除非是有非常深的行業(yè)積累，來幫助你一開始就能踩進(jìn)他們的門，同時還要有非常強(qiáng)的銷售能力。因?yàn)閷τ陬^部大的B端客戶，對你的直銷能力要求會更高。 第二種打法還是以腰部客戶、長尾客戶為主的SaaS的打法，這個打法相對來說比較平臺化 —— 做一個廣泛適用的平臺，然后找一些案例，落實(shí)以后去廣而告之，希望越來越多的公司直接可以找上來做。 在這種情況下，AI的領(lǐng)域里面，AI中臺也具有比較大的潛力和機(jī)會。因?yàn)榈讓拥幕A(chǔ)設(shè)施大部分還是巨頭來提供，前端的應(yīng)用，至少在早期商業(yè)化不那么充足，客戶付費(fèi)意愿不高的情況下，還是會往下沉一些。用中臺的方式跟很多的合作伙伴渠道一起推廣，對于早期創(chuàng)業(yè)者來說，這可能是一個可以切入的點(diǎn)。 有行業(yè)背景且有成功案例的創(chuàng)業(yè)者更受資本青睞 過往我們也看到很多行業(yè)里面的創(chuàng)業(yè)者會出現(xiàn)一個狀態(tài)：一個公司A輪第一次出來找機(jī)構(gòu)融資，可能方向找的比較好，團(tuán)隊(duì)也比較出色，技術(shù)能力比較強(qiáng)，進(jìn)行了300萬美金的融資。但是融完資以后發(fā)現(xiàn)，除了團(tuán)隊(duì)正常的日常運(yùn)營費(fèi)用以外，可能要花150萬美元左右去買硬件設(shè)備。那么在這么一個環(huán)境下，公司的容錯率、試錯的空間都是非常小的。 從投資人的角度，我們其實(shí)希望從根本性的角度去解決這個問題，就是要讓底層的算力成本大幅下降，但是這需要很多同行去推動。 在具體的應(yīng)用層面，在國內(nèi)AI領(lǐng)域，能夠真正為AI的應(yīng)用付費(fèi)落地的，除了我剛才提到語音識別和面部識別，這些比較主流的賽道以外，大部分的行業(yè)應(yīng)用的客戶付費(fèi)意愿都比較低。處于雞跟蛋的狀態(tài)：很多客戶會想創(chuàng)業(yè)者是不是能夠做出一個比較完整的方案，直接告訴他放到哪里能夠用。而創(chuàng)業(yè)者剛開始做的時候，肯定需要很多客戶一起幫他們找這種場景，所以我個人覺得AI應(yīng)用的發(fā)展，會和垂直行業(yè)更相關(guān)。 如果是我去投創(chuàng)業(yè)者的話，我可能會更加傾向于本身有行業(yè)背景和行業(yè)屬性的創(chuàng)業(yè)者。因?yàn)楝F(xiàn)在AI的發(fā)展跟過往很多的技術(shù)的演進(jìn)相關(guān)，從互聯(lián)網(wǎng)技術(shù)，云計算的底層IasS、PasS 到SaaS。然后再對應(yīng)很多的 SaaS向垂直化領(lǐng)域發(fā)展。垂直化發(fā)展以后，有很多的垂直的行業(yè)屬性、行業(yè)的應(yīng)用、行業(yè)的數(shù)據(jù)，再在這些數(shù)據(jù)的基礎(chǔ)上進(jìn)行大量數(shù)據(jù)的分析，通過模型訓(xùn)練去推導(dǎo)，得出很多新的AI應(yīng)用。 所以，創(chuàng)業(yè)者需要真正對一個行業(yè)有深度的認(rèn)識和理解，這是首要條件。其次，就跟剛才我提到的商業(yè)化相關(guān)，在商業(yè)化的過程中，我非常建議創(chuàng)業(yè)者能夠跟客戶一起來找一些落地的場景。 從投資人的角度來看，如果有個團(tuán)隊(duì)現(xiàn)在就跟我說一個概念，可能我評估是不是能投資它的難度是非常高的。但是如果你作為創(chuàng)業(yè)者，能夠先進(jìn)行一些創(chuàng)業(yè)探索，不要只局限于自己內(nèi)部方向的發(fā)展。可以先去找客戶一起來找需求落地的場景，跟他們先做一些場景的匹配，并且能夠簡單地核算一下投入產(chǎn)出比，在這種情況下有了一個切入點(diǎn)，甚至有成功案例之后，去找投資人聊，我覺得成功的概率會大大提升。 戈壁有投資過一家公司叫Thingworks，它是智能制造領(lǐng)域的大數(shù)據(jù)中臺。我們當(dāng)時在評估這家公司的時候，它是有做一個公司的案例，但是還沒有做成，因?yàn)榕既挥龅剑覀兞牡搅艘黄穑⑶以谶@個過程中我們一起跟這家公司的創(chuàng)始人找到了這個行業(yè)的機(jī)會，并發(fā)現(xiàn)這個需求其實(shí)是客觀存在的，而且非常大，整個行業(yè)的下游的客戶的體量也比較大。我們愿意相信他，所以就對他們進(jìn)行了投資。 因此不要給投資人出難題，不能指望投資人在每一個領(lǐng)域都特別熟悉，創(chuàng)業(yè)者要自己真正理解這個行業(yè)。如果你自己準(zhǔn)備更充分一些，拿到投資的概率可能會更高一些。 氪友問答 1.AI什么時候可以代替人類？ @胡唐駿：我不知道什么時候能夠代替人類，但是我把它說得更加現(xiàn)實(shí)一些，投資人是這樣子這么看待這個問題的： 我們現(xiàn)在看AI的投資機(jī)會或者創(chuàng)業(yè)機(jī)會，會找剛才我提到垂直的領(lǐng)域，一般有具體的落地場景。所以我們現(xiàn)在找的很多方向都是比較實(shí)際和實(shí)在的，沒有去找泛AI、完全純通用型的AI。我們更多的其實(shí)還是垂直領(lǐng)域的專業(yè)屬性的AI。 在這些專業(yè)屬性里面，最早的像前兩年發(fā)展出來的語音識別、機(jī)器視覺，都是在部分替代人的感官功能。語音識別就是在部分替代語言、說話和聽力。當(dāng)然我們也看到很多有比較有意思的，比方說替代嗅覺，甚至于替代味覺。但嗅覺跟味覺，他們的商業(yè)化的進(jìn)展還是相對慢很多。在這種情況下，替代人的部分感官能力的已經(jīng)有一定的發(fā)展，還有現(xiàn)在機(jī)器人加上了人的機(jī)械運(yùn)動能力的智能化，也有一些AI的體現(xiàn)。 剛才提到的垂直行業(yè)垂直的應(yīng)用，相當(dāng)于是在部分取代人的一些工作能力。以剛才我說的智能制造的細(xì)節(jié)舉例，比方說我要記錄機(jī)器的數(shù)據(jù)，可能只有一個設(shè)備上有一個顯示器，人對著顯示器拿個筆去記，可能會有遺漏或者錯誤。但是機(jī)器在這方面就取代了這些重復(fù)性的工作，所以我覺得我們現(xiàn)在在找的核心的AI能力還是要能夠部分取代人低效的重復(fù)勞動的產(chǎn)品。而不是完全去尋找這種通用型的AI取代人腦，可能這樣一些領(lǐng)域更多是巨頭去做，因?yàn)樗麄�前期的投入會非常高，而且短期看不到收益或者商業(yè)化的難度會非常大，無論是投資人還是創(chuàng)業(yè)者，大家還是要落到實(shí)處。 2. 您覺得AI和哪些應(yīng)用場景的結(jié)合是目前來說比較有前景的？ @胡唐駿：現(xiàn)在整體來說比較大的場景，是AIoT。 落到一個細(xì)分領(lǐng)域，就是我剛才分享到的一些，比如智能制造、智慧城市、智能安防和車聯(lián)網(wǎng)是現(xiàn)在看得到的終端增量比較大的。體量來說，智能制造可能還是一個比較大的方向。 智慧城市是我們現(xiàn)在看到比較多的機(jī)會，但是進(jìn)入門檻會比較高。 智能安防的話其實(shí)已經(jīng)發(fā)展了比較長的一段時間，中間的頭部玩家已經(jīng)比較明顯，所以我覺得如果沒有特別好的切入點(diǎn)，可能對于早期創(chuàng)業(yè)者會難度大一些。 車聯(lián)網(wǎng)的話，我們現(xiàn)在比較側(cè)重的還是自動駕駛、車路通訊、車車通訊，包括跟周邊環(huán)境的識別，無人駕駛等等。當(dāng)然整個汽車作為未來的側(cè)重較多的終端載體，還是有非常多的需求。從車聯(lián)網(wǎng)的一些細(xì)分的應(yīng)用，到一些保險、駕駛行為數(shù)據(jù)的應(yīng)用等周邊方向，還是會有比較多的機(jī)會。 |
