大疆无人机的投资人：下一个人工智能投资机会是…….

人工智能 现在的火热程度和 智能硬件 2015年的情况一样。那时智能硬件非常火热，人们对它充满热议，但今天智能硬件市场已经完全冷静下来了。人工智能和智能硬件有一定的关联，也同样遵循着特定的产业规律。所以，虽然当前的人工智能市场甚嚣尘上，但公众眼中的很多“机会”并不是真正的机会，或者说并不是3-5年就能普及的机会，因为时机还不成熟，比如自动驾驶。

人工智能并不是一般热点引发的短暂风口，而是一种新的技术，就像移动互联网技术一样，它对产业和人类有全面、深远的影响。由于计算平台是人工智能赖以存在的物理载体，因此透过计算平台就可以大致了解人工智能哪里是机会，哪里还是遥远的未来。云端计算平台不是多数云端人工智能应用的计算瓶颈，因此人工智能的推进进程取决于那些拥有富数据、巨量计算资源、算法人才、行业经验的互联网及产业龙头。

手机芯片的计算能力虽按摩尔定律快速演进，近年来手机的主要创新都和图像相关（拍照、摄影、 图像识别 、分类），但是信息大爆炸时代，空间受限的手机满足不了“用户期望”，于是场景化人工智能新物种诞生了，比如Amazon的Echo和各类儿童 机器人 等等。

用户端人工智能芯片还在起步期。因此，如何分辨人工智能时代哪些是真正的机会，哪些是伪机会？哪些新物种能落地？最重要的是充分认识产业发展的7个制约性条件和关键成功因素。

1.算法

今天人工智能技术（包括深度学习在内）使用的很多数学模型在10年甚至20年前就已经非常成熟，但以前的数学模型主要是从逻辑的角度进行分析，而且算法复杂度相对较低，所以进度缓慢。近几年，人们对以往的算法进行了调整，采用人工神经网络算法，结合了非常深的网络结构（比如上百层网络）和大量的参数，模拟人脑神经的计算方式和对应的复杂度，从而使算法性能取得了很大的进步。

2.数据

数学模型在确立之初各项参数并不确定，需要投喂以大量的数据，让电脑根据数据自行对模型的参数进行调整，从而使模型更能拟合实际情况。投喂的数据越多，参数调整的次数越多，数学模型也就越精准。这点尤其适合深度学习技术。传统的机器学习算法在数据量达到一定规模之后，性能就基本上收敛了，而深度学习由于具有很高的模型复杂度和海量的参数，因此投喂的数据越多，性能就越强大。今天的互联网和传感器产生了大量的文字、图片和声音数据，这让数据模型得以不断优化，更加精准。

3.计算性能

计算性能这些年提高得特别快，以AlphaGo为例，它今年的计算性能比去年提高了10倍左右。计算性能的提高加速了对数据的分析和处理，让人工智能得以爆发。

4.软硬件

技术需要通过软件和半导体及传感器等硬件来实现。毫不夸张地说，没有半导体计算芯片的快速进步，就没有AlphaGo的横空出世；没有传感器的普及化，智能手机的很多功能如计步、人脸识别等也就无法实现。

5.价格

凡是面向消费者的2C端人工智能产品，如果价格不低到合理范围，消费者就不会买单。而产品的价格又和软硬件成本如半导体和传感器的成本密切相关。

6.功耗

消费者对家用产品的功耗要求较低，但对便携产品的功耗要求很高。因为人工智能产品如果功耗太大，续航就变短，给用户带来不便。

7.交互技术

交互技术决定交互体验。交互体验不好的产品不足以打动用户。VR之所以掉下风口，和交互体验太差有很大关系。

人工智能产品要想成功，算法、数据、计算性能、软硬件、价格、功耗和交互技术等7个要素都必须满足，否则就是“坑”，这是产业规律。当然产品要想热卖，还需要理解用户的心智内容，这样才能打动用户。很多 投资 者投不靠谱的项目，企业炒作不靠谱的产品，就是因为对智能产品的产业规律和用户心智缺乏清晰的认识。

人工智能领域投资机会有哪些？

图像识别

人类是视觉动物，脑容量的一半用于处理图像。在人工智能领域，这几年技术进步最大的也是图像识别技术。图像传感器还在不断进步，尤其是3D和结构光深度传感器。今天的图像传感器每秒可以成像上千帧，从而捕捉运动过程中的每个精彩瞬间。更重要的是，传感器价格保持在较低的水平，这不失为一个巨大的进步。过去两年里资本市场最炙手可热的投资标的都和图像识别尤其是人脸识别有关。

但是，图像识别、分析技术还存在一些难题，比如由于计算能力不足，目前还不能自动对图片进行标注，也不能像美化图片那样美化视频。未来这些都是图像识别、分析领域的机会。

语音识别

语音识别技术已经取得了一定程度的发展，一些语音识别系统也已渐渐发挥出影响力。2016年福布斯杂志评选美国十大人工智能应用，排名第一的就是智能语音控制系统Siri。当然，Siri的体验并不理想。

智能语音系统在一些垂直场景已经得到广泛应用，因为垂直场景语义比较固定，易于人工智能理解。我投资了上海元趣科技有限公司，创始人吴义坚被媒体称之为拟脑机器人之父，他们公司在儿童智能语音领域做到了行业第一。以他们最新产品儿童智能机器人小8为例（见下图），摒弃了通用版语音模块，切实针对儿童进行优化和研发，最终实现了儿童可以随心所欲和小8聊天，无特定指令，无特定按键，全程语音控制，识别率高达90%以上。

AR（Augmented Reality，增强现实）

AR的核心之一是识别，如语音识别、图像识别等。语音识别技术在垂直场景已经比较成熟，图像识别技术也在稳步发展中。AR在传统行业用途很大。比如在机器维修过程中，即使没有经验的维修工，戴上AR眼镜后也可以跟着指示进行操作，从而完成维修工作；在个性化服装生产过程中，机器可以自动对来料设计图纸进行识别，从而告知制衣工人应该怎么做。未来AR会取得更加广泛的运用，前景可期。

智能教育

智能教育目前的发展速度很快。我最近关注了几家比较有趣的公司，它们的产品已经进入很多高校。学生在上课过程中不使用纸张，而是使用它们的平板产品。老师能够追踪学生在平板上写什么字以及速度快慢等，从而全方位了解学生在课堂上的一举一动。

自动阅卷技术也已逐步投入应用。有的学科比如语文，机器人读完约300份试卷后，阅卷效果比很多老师还要好，阅卷失误率远远低于老师人工阅卷的失误率。当然，自动阅卷目前还不能识别一些书写不规范的字，这是它下一步需要改进和提升的地方。

智能教育未来具有很大的发展前景。很多年轻的父母并不懂如何去教育小孩，而优质的教育资源又比较稀缺。让人工智能产品成为教育专家，然后再和人类互动、协同，将知识传授给人类，是下一步需要解决的问题。

智能医疗

目前人工智能在医疗行业的技术应用并不多，主要是看片子和开药方等。开方机器人开的药方比很多经验不足的年轻医生开的药方要好。实际上，如果人工智能技术得到充分应用，未来医疗行业的效率还会有很大提升。有一家我特别了解的公司使用3D成像来做手术导航，取得了非常好的效果。

智能交通

最近几个月，大家开车时是否感觉不知所措，因为违章很容易就被发现，从而被扣分或开罚单？违章处罚效率之所以提高，主要是因为智能相机开始使用人工智能的算法和芯片。今天的智慧交通可以快速识别车牌，看出是否系安全带和副驾驶座上有没有异常行为等。以臻识科技的火眼臻睛车牌识别系统为例，它可以在各种极端情况下（雨雾天气、顺逆光、污损车牌等）快速识别车牌，车牌综合识别率高于98.5%。

最早的交通分析是相机采集图像后再传输到电脑进行分析。但当时的带宽不足以传输车流量产生的大量数据，同时整个处理过程很低效。而今天直接把芯片放到摄像机里，就能即时分析和处理交通违章行为。随着图像识别技术的不断进步，智能交通还有很大发展空间。

人工智能领域需要避开的“坑”

VR（虚拟现实）

VR为什么成为掉下风口的“飞猪”？一方面，目前的图像处理器还满足不了要求。通常图像分辨率达到8K的时候VR的体验最好。但是，目前大部分图像处理器只能处理2K分辨率的图像。更为重要的是，VR的交互没有做好，这极大地影响了用户体验，导致产品不能打动用户，VR也就掉下了风口。只有解决了在软件、传感器以及交互方面存在的问题，VR才可能得到广泛应用。

智能家居

当前的智能家居是个坑。它的技术壁垒并不高，没有科技门槛。没有科技门槛大家就一哄而上，最终导致同质化。更重要的是，大部分智能家居产品为了智能而智能，并没有真正打动用户。智能家居产品要想打动用户，一定要满足几方面的要求：首先要安全，其次要能带来愉悦的心理体验。现在很多智能家居产品给人感觉太过冰冷，缺乏人文元素，让消费者很难产生认同感。随着技术的发展，这一现状也许会得到改善。

智能家居未来的繁荣只可能出现在B2B而不是B2C市场。有人认为智能家居和房地产业进行合作会是一个方向，但我经过非常详细的调查，发现房子卖得好与否和它是否引入智能家居无关。即使少数房地产企业宣称使用了智能家居，也只是当作噱头炒作而已。房地产商之所以不愿意广泛使用智能家居，是因为目前智能家居产品品质还不够好，这势必会影响到购房者的居住体验。购房者一旦投诉产品质量问题，就会给房地产商带来压力，因此房地产企业并不愿意使用智能家居。所以，智能家居还有很长的路要走。