寻路人工智能：黑科技催化的产业变革

人工智能 被视为“互联网下半场”的重要风口，越来越受到各方关注。但巨大的蓝海背后，行业仍面临应用前景不明、估值过高等诸多痛点，一系列问题有待解答。

人工智能演变到什么阶段？是否存在泡沫？小公司如何弯道超车？在刚刚结束的“一π即合·华兴π对”上， 傅盛 、黄明明、邝子平、汪华、 吴甘沙 、 徐立 、 余凯 等一线创业者、投资人围绕行业热点话题展开了一场长达3个小时的对话，以下是这场对话的部分文字实录。

论坛嘉宾：

       傅盛 | 猎豹移动联合创始人兼CEO

黄明明 | 明势资本创始合伙人

邝子平 | 启明创投创始主管合伙人 

汪华 | 创新工场创始人/管理合伙人

吴甘沙 | 驭势科技联合创始人兼CEO

徐立 | 商汤科技CEO

余凯 | 地平线 机器人 技术创始人兼CEO

刘英航 | 华兴资本董事/科技及房产业务负责人

淘金时期

主持人刘英航：人工智能在现实当中演变到什么程度，什么时候可以颠覆现有的场景？

吴甘沙 ：现在基于 大数据 的暴力计算型人工智能在很多领域已经超过了人类智能，意味着人工智能在历史上第一次真正可以创造客户价值，不仅仅只是一个概念。当然人工智能目前解决的问题还是比较早期的，比如中低级白领做的事情。高级白领做的事情、需要深入思考的，以及需要灵巧控制的蓝领工作，人工智能做不了。

余凯 ：人工智能作为一个推动者的技术，本身构成一个产业缺乏很多关键要素。一些传统产业因为人工智能技术发生了两个变化，第一，这个技术在产业里有大规模应用；第二，使这个产业里面的新玩家能够颠覆老玩家，比如搜索广告，在电视里全国都看到同一个广告，搜索则是千人千面，这正是基于深度学习的技术。

我们地平线关注三个机会，第一，智能语音。第二个，智能摄像头，第三个 自动驾驶 ，从辅助驾驶，半自动驾驶，全自动驾驶里面有大量的机会。人工智能刚刚开始，像是一个淘金的时期，因为你不知道哪个领域你可以淘到金子。

徐立 ：现在从业者做的事情，短期来看可以分为两个阶段：第一阶段是超过普通人的能力。现在人工智能做的很多事情是纯数据驱动，需要大量的人把知识传递给机器。这些能给劳动力密集型企业带来效率提升，但不会带来新的场景。真正带来服务升级是第二个阶段：超过专家，因为专家的能力和知识比较稀缺。比如驾龄较长的司机、医院专家号等。

现在，第一阶段，超过普通人，很多垂直领域已经可行，未来可能应用到更多的垂直领域，实现工业的突破。第二阶段，超过专家，可能有待算法的进一步演进，包括用算法生成专家数据，这是值得探讨的问题。

傅盛 ：关于人工智能的应用，我认为基础是技术，但并不认为技术是唯一的决定力，技术完美了，到了一个显而易见的边界值的时候，这个世界不需要产品，不需要创业者，需要银行家就够了。

第二是产品，你要思考在不完美的情况下怎么组合你的产品，包括重组你对产品的思路，我不认为特斯拉今天真正解决了让电池可以跑两千公里不用充电，它真正改变的是你对电动车的定义。人工智能也一样，怎么找到一个尖端的产品应用？我那个时候自己催生的想法就是机器人。 

第三是需求，产品和技术的结合是为了满足需求，哪个大的需求一定发生，它就一定能倒逼技术重构。因此，要从需求角度重构产品和技术。很多人问，你要做机器人，机会在哪里？机会就是人越来越贵。当有一天机器成本比人便宜的时候机会就出现了，哪怕这件事是最简单的端茶送水。

黄明明 ：我认为判断人工智能领域是否有泡沫、价格是否贵，核心就要看有没有价值。一种商业模式能否帮助原有行业大幅度提升效率、降低成本，是我们判断其是否有价值的关键点。现在人工智能在很多领域已经能创造出切实的价值。比如自动驾驶。

邝子平：第一，我认为人工智能已经到了可以大规模商用的阶段。 前些年看的一篇文章认为，技术发展都遵循某种规律，就像在棋盘上放米粒的寓言，当一粒米变两粒，两粒变四粒的时候，没有人考虑用它做饭，而当过了某个红线，确实可以做一锅饭。现在人工智能就进入了棋盘的第二半，每一次的平方所产生的效率都是巨大的。

第二，最近确实存在很多伪AI。 现在很多项目，你去聊的时候，都会有人跟你说大数据、人工智能，这确实造成了目前行业的一些虚火。

第三，从机会上讲，现在还是蛮令人兴奋的一个时间点，还能够找得到纯技术的平台公司，而不是应用+AI。

汪华 ：我认为AI由两条腿驱动。一条腿是技术驱动，前几年，深度学习、GPU等各种新理论出现，成就了很多黑科技企业，这些企业往往驱动的是一些更加久远的、中长期的东西，比如自动驾驶、真正意义上的家用机器人等。但受制于科技、算法，产品大规模应用于生活可能还需要三到五年时间。但黑科技领域更容易产生独立的公司。

另一条腿是需求驱动。需求驱动跟技术没有关系，它来自于互联网和移动互联网在中国的发展，从1995年开始的互联网，到最近的移动互联网将所有的人和场景连接起来，使得交易量和交互量几何级数般上涨，如此庞大的数据不得不交由机器自动化处理。而只要一家公司采用人工智能技，效率提升到足够高之后，就会相比竞争对手产生巨大优势，逼着其他人不得不采取行动。因此，需求驱动这些公司不断提高线上化率，并向其他行业延伸。

但缺点是，这个领域产生的公司，很难是纯粹意义上的AI公司，大多是AI+场景或者AI+业务，且大多数是2B的公司，技术相对复杂，对创业者要求比较高。

向死而生 以强胜弱

主持人刘英航：巨头林立的AI行业，创业公司如何找到自己的突破点，实现弯道超车？

吴甘沙 ：小公司可以做一些事情：首先，试错要做到更好，试错成本要低。大家可以想象一下，探索一个未知海域的时候，万吨巨轮很容易触礁，但是小公司开着冲锋舟去，很有可能成功，要抱着一种向死而生的心态。

其次，小公司可以有一些创新的策略，第一，边缘创新，找主流市场边缘的垂直细分市场；第二，差异化创新，我不一定比大公司做得更好，但是我做不同的东西；第三，协同创新，两个大公司之间合作往往很困难，因为都有自己的傲慢，而且法务部门比较保守。但是小公司，放低身段，非常容易进行合作。这些都是小公司的机会。 

余凯 ：对小公司来说，一定要让自己的商业模式在大公司的射程范围之外。大公司有两种能力，一个是势能，一个是动能，动能是现在的业务，势能是他积累的人才业务和资金。

小公司如何在射程之外找到机会？两个因素比较关键。第一，对数据资源的独占性，这是一个关键的战略资源，我们看BAT，整个价值都建立在这上面。第二，数据转换成价值的效率，比如每秒钟处理多少数据。这往往不是大公司的优势，因为一些核心的技术，从零开始投入到最后形成战斗力，需要至少三年时间，跟大公司小公司没关系。

徐立 ：关于AI+行业：如果创业公司的核心技术能形成壁垒，而且在某个行业里面具备关键要素，那就需要在这个领域垂直打通，形成需求、数据、行业的回路，打通闭环。反过头来，核心要素并非都都具备的情况下，你就要找准合作伙伴。这是我们这几年核心的一个想法。

傅盛 ：小公司并非没有机会，要看它在垂直化方面有没有可能击穿一个行业。比如当年百度推外卖，高层的想法是做了总比不做好，但为什么不做今日头条？因为对他们来说机会成本太高。所以小公司一定要拼垂直化场景，一定要把应用想得非常深。另外，还有一个观点，前景越明朗的应用，对小公司越是巨大的前景。

黄明明 ：小公司的机会，在于专注，把力量用到一点。前几天和李想聊天，说到大众在中国的车型，密密麻麻有上百种，他随便问到一个投资人，你能说出朗逸和帕萨特以及宝来有什么区别吗？对方答不上来。如果真的把所有的资源集中到一个点，小公司能做到比大公司强，如果在这一点上比不上大公司，就别指望有什么以弱胜强的机会。

我认为在特定的应用场景产生数据的地方，是AI类创业公司的机会。这就是我们为什么投一家自动驾驶公司的原因，事实证明谷歌和百度的自动驾驶之路几乎走到了死胡同，因为他们只做算法，但没有应用场景，无法真正上车应用。要在垂直应用场景扎得足够深，自己可以产生数据，然后正向反馈，这是BAT没有的，小公司可以从这方面去寻找机会。

  汪华 ：在这个事情上千万不能有错觉，做创业不要把希望寄托于大公司傻，大公司懒，大公司反应慢。你没有任何的这个东西可以跟大公司拼。首先你要做的，是大公司在一段时间内，压根不会做的事情，或者大公司做了之后会自杀的事。比如说谷歌的Android对于微软来说，当时的微软就是自杀，他不能把自己的操作系统都免费了。

第二，别把大公司当作对手。大公司，你可以把它当作一个社会的基础设施，有些事情只有大公司推得动。比如说在全中国实现移动支付，只有大公司能做到。而大公司一旦把这件事做好了，大量创业公司可以从中受益。所以千万不要把大公司当做竞争对手，把大公司当做一个寄存生态来对待。

第三，从来不存在以弱胜强的想法。创业公司虽然一开始小，但在一开始扎进的领域想办法以强胜弱，随后每打一仗，搞到各种各样的资源，在局部战争里面以强胜弱。

贵与不贵不重要，关键是做成

主持人刘英航：人工智能领域是否有泡沫、估值是否贵了？

徐立 ：目前来看人工智能确实存在市场过热现象。过热会导致大家对市场应用的判断产生一些偏差。技术公司做垂直应用，第一要把产品深扎进去，第二需要大量的基础投入和长期的行业沉淀，但AI过热导致从业者比较浮躁，不停换方向尝试。关于估值，贵不贵关键还是看成不成，团队和方向很重要。  

余凯 ：现在应该考虑的不是估值问题，而是怎么把研发往前推进。从投资人的角度来讲，贵与不贵不是那么重要，关键是做成。从创业者的角度来说，高跟低也不是那么重要，关键是能够拿到足够的资源，让这个公司可以做成，这是我核心的观点。

傅盛 ：我不觉得人工智能太贵，最大的问题在于投资人对人工智能了解得太少，很少碰到靠谱的，所以造成了鱼龙混杂。

人工智能起源于学术，但是后续推进的是工业界。在今天学术这个阶段，推进是比较有限的，后面都要靠大量的数据实践和应用实践。所以，我觉得第一波项目估值很贵可以理解，但是后面工程化、产品化的人，会做得更靠谱一些。现在很多公司真正做的是模型，距离产品还有很长的路。

黄明明 ：纯做算法的公司估值有些偏高了，刚开始纯做算法出来的，大牛的背景，一定估值上天。但是现在大家看了一段时间，明白了光有算法没用，你得应用落地。所以贵和不贵其实是相对的，一亿美金天使轮贵不贵，肯定贵，但是你如果看到它是一个一千亿美金的公司，那肯定要进去，能投多少投多少。 

因此在人工智能领域，对产业的洞见和深刻的理解特别重要，要求我们作为投资的人必须要深入到产业里面，否则你怎么判断这是一个一亿美金的机会还是十亿美金的机会？    

邝子平 ：我总体觉得是贵。现在绝大部分技术型的、平台型的公司目前还是一个2B的场景，但（投资机构）却把它们当作2C的公司来做。这样的公司，后续还需要多轮的融资支持它的成长。如果天使轮一下子把估值做到一亿，那A轮总得三亿，做到F轮怎么办？

汪华 ：其实很多人工智能公司估值来自稀缺性，而不是来自技术、价值或商业模式等等。还想补充一点，在任何一个领域，如果最后大赛道里面出了十个公司，第一波出来的公司往往只占了两个，八个还在后面。

抢滩自动驾驶

主持人刘英航：想问一下三位投资机构，接下来人工智能的领域重点会是什么，你们会投资哪些方向？

黄明明 ：自动驾驶一定是一个超大领域。顺着自动驾驶，还可以看雷达、电池等一系列的产业链。但是，雷达看了十几、二十家公司，实在下不去手，每一家都很贵，连小批量的量产都没有，却已经按照传统有量产能力的估值飞上了天，但是我们会围绕这个产业链持续来看。 

另外我们觉得创业公司可以在特有的场景形成数据，从而产生正反馈，这个数据未必是大公司可以很容易拿到的，这个我们也在看，比如说人工智能+医疗。 

邝子平 ：人工智能在医疗、金融等垂直领域的应用，我们现在比较努力地在看。同时，我们相信未来在 无人驾驶 领域会有较多的辅助出来，虽然现在有一点难。离真正无人驾驶车辆大量应用的时间点再近一些，可以投一些能提供更好解决方案的企业。

汪华 ：我们就是按照刚才提到的两个科技来投的，一个是黑科技领域，无论是无人驾驶、数据，还是其他将来一定会产生重大突破的黑科技，比如自动驾驶、雷达、高清地图等，视觉领域我们也投了一些。

第二是需求驱动的方向，也就是必须实现自动化的领域，比如金融、医疗，等等。