陆奇：在未来AI创业发展趋势中充满机会与挑战

钛媒体 • 4年前扫码分享

图片来源：Unsplash

文 | 奇绩创坛

在2020北京智源大会上，奇绩创坛创始人兼CEO陆奇以《AI创业发展趋势：机会与挑战》为主题，完整地剖析了人工智能系统的核心、AI商业化的宏观趋势以及当前AI创业最活跃的前沿领域。

在这份最新的演讲PPT里，陆奇认为，“未来有可能成为主流产业生态的有自动驾驶、智能场所、机器人、个人助手和城市大脑”。谈到当前AI创业创新最活跃的前沿领域，陆奇从AI基础前沿技术、AI交互、AI前端、垂直行业应用等七个维度详细拆解了创业最活跃的领域和创新模式，并指出了当下创业者可以长期参与的机会。

如下是演讲全文：

大家好，我是奇绩创坛陆奇，今天很高兴给大家分享 AI创业发展的趋势。我们会先从 AI技术的本质、数字化进程的生态和结构系统地分析 AI创业的发展趋势，然后讨论我们整个业界如何帮助创业者更好地抓住AI带来的创业机会。
陆奇：在未来AI创业发展趋势中充满机会与挑战

AI技术本质与AI价值产⽣模式

AI技术本质与AI价值产生模式

首先，我们讨论AI技术的本质和AI产生商业价值的核心模式。

现代的AI技术，从计算体系的维度来看，它的核心是基于深度学习的一个新计算基实（computing substrate），在分布式重叠向量的空间中自动地学习特征表达，而这些特征表达可以有效地解决多种任务，在本质上这是知识的获取。

基于新的计算基实，我们现在有工程化的能力，可以建立一个体系，它是一个三体合一的核心系统架构，包括感知体系（从环境观察当中获得信息）、思考体系（做记忆和归纳）、行动体系（通过规划与环境互动达到目的）。这个三体合一的系统架构，是任何智能体系的核心架构。

AI系统的核心是一种通用的、可以从环境当中获得知识、用知识来达到目标的能力。在技术发展的历史上，这是一个非常重要的里程碑。因为人类永远是用对自己和自然界的知识来创造价值、改变世界，而AI让人类可以更快、更有效地获得更多的知识。有了AI系统，我们创造价值的速度和空间将会在一个不同的层次，人类进程的历史会大大地加速，并产生大量的商业价值。

基于这样的AI技术内核，AI产生商业价值的主要模式也是稳定的，跟它的核心技术相对应。首先是需要一个完整的应用场景，其次，数据是创造价值的一个核心纽带，因为AI体系必须从环境当中（应用场景当中），通过感知来获得数据，同时通过软件+硬件+算法，从数据当中抽取知识，来解决任务。解决任务和满足人的需求是价值的核心。最后产生更多的数据，形成这样一个闭环，这个闭环迭代的循环，是商业价值长期提升的关键所在。

陆奇：在未来AI创业发展趋势中充满机会与挑战

AI商业化的宏观趋势

基于这样的AI核心技术和创造商业价值的主流模式，从信息工业发展的历史，我们可以推演AI商业化的宏观趋势，它包括4个部分：

首先第一点，我们将会有一个新的IT工业，会建立新的IT基础，因为AI是不同的计算实体。在传感器上的计算，芯片+软件+模型将是前沿。另外，新的、完整的硅晶片技术堆栈，将开启垂直化的时代。今天的所谓异构计算，本质上是未来的主流计算，因为这是一个完全不一样的计算实体。同时整个软件技术堆栈从底到上也会重新演变。从底层的fabric到中间的middleware，到设备的操作系统，到应用到开发工具类，一整套都会变化。

第二，开发应用。由于AI技术的本质是通过知识来提升效益，它可以运用到所有的产业（娱乐、制造、金融、医疗、教育、零售等）和人类所有的职能（律师、医生、教师、分析师、客服、设计师等），因此大规模的应用会被启动。

第三，用AI技术打造未来的智能平台，以及相关的产业生态。由于AI技术空前的能力，有几类AI未来可以形成的平台，它们将成为非常大的产业生态，包括自主系统（如自动驾驶车辆、机器人), 智能场所(会形成未来新的工作与生活的时间和空间的体验）以及个人助手等。

第四， AI商业化的过程当中，它会形成新的产业发展的基础环境，包括大规模的金融资本的投入、系统化的人才培养等。这里很核心的一点是，数据将成为新的主要生产资本。在过去的数字化历程当中，核心产能是开发者写代码，在人工智能时代我们也会写代码，但更重要的是从数据中抽取知识，数据的资产化将会释放非常强的创新能量和商业价值。同时AI商业化落地也需要新的基础设施和政策环境的支持，这也将是发展基础环境当中的核心要素。

创业创新是发展AI商业化的核心路径

如何来推进这样一个未来的宏观趋势呢？创业创新是核心路径。创业创新它是由三大要素的有机组合而形成。第一是创业者/创新者，他们用前沿的且已经可以实用化的AI技术作为起点；第二，必须要有明确的用户/客户的需求，它是创新落地的基础；第三，必须要有一个健康的市场环境，让这样的新产品可以得到商业价值，保持一个持续高速增长的良好环境。所以创业者用技术（AI技术）打造产品，用产品试探市场，满足用户/客户需求，这是AI商业化核心路径的重要结构。

同时 AI商业化发展，需要整个业界不同的实体一起合作。虽然创业将会是主流，但在AI发展的过程当中，需要大量的技术投入。现有的企业，特别是大企业，他们有丰富的人才资源，可以做大规模的、长周期的投入，基于他们的战略驱动，他们有很大的机会去开发产业，也对AI的发展作出贡献。

同时AI的发展需要保持在前沿和技术上的不断投入，把新的前沿技术开发出来，并把前沿技术更多地实用化，这需要研究机构、高校等不断地用高端的技术人才做前沿开拓。

最后商业化的主力军还是创业公司，因为创业公司非常灵活，见缝插针，他们会找到任何有商业机会的地方，然后用小的团队快速迭代，从0到1再到100，加速商业化进程。但并不是所有的领域都适合创业公司做，这是由创业公司的资本规模、资本结构和投入周期决定的。从历史来看，最终推动新的数字化时代核心的主力军还是新一代的创业公司。

AI商业化及创业创新的发展环境与趋势

那么，新增的创业公司，他们在AI这个新的创业环境当中，有哪些趋势可以把握住呢？我们可以从信息工业发展、数字化发展的历史和生态结构进行系统地分析与梳理。

这张图信息比较多，我给大家梳理一下。首先这张图的右上部分，这显示了过去60多年信息工业数字化发展的历史进程，其实它是有一定的节奏和规则，即平均每12年左右都会有新一代的平台和新一代的生态出现，由新一代的生态来驱动，而生态它有结构化的发展趋势。

任何新一代的平台和生态，它都是有这样几个层面来组成它的发展趋势。首先在早期，它关注于技术基础和早期应用的开发，而这些早期应用当中有一些会成长为大规模的应用，通过可延伸的开发，他们成为平台，再通过好的商业模式，把平台链接成生态，然后在生态基础之上引发繁荣的创业和创新。这些创新和创业，它的主要驱动力是数字化的广度和深度，在这个领域所覆盖的数字化，所以这是它的结构化的一个体系，可以以此来看到未来的趋势。

我们再细分一下，数字化更深层次的结构，用这个结果来帮助我们看，在人工智能时代，创业创新的前沿趋势在哪里？

这个更细的结构是在这张表的左边，首先只要有生态，它的核心是一个计算平台，由前台和后台所组成。前台是有交互的能力（比如说鼠标和键盘），还有交互所使用的设备和体验端（endpoint，比方说在这里是电脑和电脑上的应用）。后台是他计算的规模，它的支撑是基础技术的堆栈。比方说在第一个平台，后台就是服务器和局部网，它的技术堆栈就是X86的芯片、操作系统、数据库等等，这是计算平台的核心。

在计算平台之上开始有早期应用，到了一定规模有大的应用，就可以建立生态，生态的核心是要有一个可以定义新时代的体验，这个体验是可延伸的且可以再次开发的，比方说视窗、办公应用的软件，同时在后端的能力方面，比方说关系式数据库，它是一个完整的能力，也是可以延伸的。这些定义性的能力和定义性的体验，通过延伸和好的商业模式，建立了创新的生态，这个创新生态由此可以引发一个数字化的进程。比方说在PC这个时代，它核心是数字化了企业的信息流通和信息管理，产生的生态是一个接近4万亿美元的巨大信息技术产业，但生态的结构就这张图显示的。

接下来我们来看人工智能时代（在这张表的右边比较宽的那一个列）。从人工智能时代这里要提一点，人工智能时代它不是在平地上建立这样一个新的生态，它是在过去几代的平台和生态的基础上，建立新一代的人工智能时代的技术能力、平台和生态，特别是建立在移动互联网的基础上。

AI创业创新的前沿领域

这里我们先看一下人工智能时代发展趋势的前沿。首先看前台（交互能力），人工智能的核心是通过传感器和传动器来做交互，所有交互的模式完全被打开。未来长期可以有各种各样的交互，特别是自然交互，但是在早期需要开发的是传感器的能力、传动器的能力和对话交互的能力，视觉交互、触觉反馈交互也是早期发展的前沿趋势。同时人工智能时代它的交互体验端还有摄像头、智能音箱、个人助手、IOT设备、自动驾驶的车辆，机器人和嵌入式的工业设备等，这一系列都是在早期人工智能需要开发的交互体验端的能力。

接下来我们看一下这张表的下一行，在人工智能早期后台的能力，它是在前一代移动和云的基础上建立起来的，我们起步是智能云、智能的边缘计算、5G以及5G所带来的智能网络（如v2x）等等。在它后面支撑这些未来AI时代的是它的核心技术能力，从芯片开始（从GPU到FPGA到ASIC，像TPU、NPU等），到底层的系统软件，逐步形成一个全新的堆栈。同时，人工智能时代需要新一代的数据管理体系和数据管理基实，更为重要的是一个完整的开发工具链，它可以把新一代的核心基础堆栈建立起来，这是在人工智能早期非常活跃的创新领域，大公司小公司都在积极参与。

接下来人工智能时代在开发早期应用，这些应用中有一些很有可能成为未来生态的基础。这里要讲一点，由于人工智能时代的技术特性，它会诞生好多个生态，它的商业价值非常广。有可能成为未来主流生态的第一是自动驾驶，第二是智能场所（这里面有细分的大赛道如零售、智能零售、工作环境、学校、家居等），第三是机器人（工业机器人、家用机器人等），第四是个人助手，第五是城市大脑。这一系列的早期应用都有足够的宽度和价值的厚度，可以成为未来的定义性体验，成为未来的生态基石。同时在后台定义性的能力方面，深度学习是目前最核心的，智能云也有机会成为未来核心的、定义性的能力，还有更多其它有足够横向延伸的能力。后端平台可以被开发出来，这是很人工智能早期创业公司可以参与的很大的新领域和趋势。

接下来讲人工智能这列的最下面（最下面字比较多的），它本身描述了人工智能在目前这样一个早期的状态下有哪些应用在被高度开发，以及大量的创业公司在积极参与创造价值的领域。首先要讲一下，人工智能由于是传感器和传动器作为交互界面，它把数字化世界、物理世界、生物世界完全融为一体。它早期的应用自然更多的在B端，在工业和农业的各个垂类，早期相对来讲要从比较窄，比较细分的行业切入，开启核心的早期应用价值，更多的是带来数字化、信息化和自动化程度的提高。在C端也有类似的机会。

另外人工智能早期应用，它的核心赛道其实是在移动和云的生态。因为人工智能可以从大量现有数据当中获得知识为核心，来创造新的体验、新的价值。在移动和云这个生态，它是大有作为的。这里我简单讲一下云和移动时代，这是目前数字化创新的主流生态，它的数字化的能力和规模是空前的，因为它集合了前几代的技术，通过云的服务能力和移动端的能力，它不仅数字化了企业的信息和管理，它同时也数字化了全球基于文字图像的信息，包括商业的流通，用户的兴趣等，它在流通端的商业价值非常大。但移动和云的发展主流更是把数字化往下沉，特别是在未来10年20年，更多的云和移动时代的机会是数字化企业、数字化农业各个垂类行业，所以在这个大的基础上，人工智能有很大的用武之地。在C端人工智能在移动时代可以发挥作用的领域，包括内容制作、内容推荐、电商导购、自动定价等等。

所以总结一下人工智能时代早期的创业创新的趋势，可以系统地从数字化进程发展的生态结构和趋势来推演。正如这张表所显示的，这里我最后再稍微提一下，在人工智能之后，数字化进程有一系列的新前沿在被探索，比如说AR、VR、脑机接口，量子计算、区块链等等。人工智能是驱动这些新前沿的一个核心力量，也有早期的应用开发，可以给创业者提供更多的前沿创新的机会。

刚才讲了AI商业化及创业创新的前沿趋势，结合我们在投资、与创业者交流的过程中观察到的现象，接下来描述一下目前人工智能创业创新前沿是怎样一个情况，特别在中国。

我们按照这张表格从上往下讲，首先在AI的基础技术的前沿是非常活跃的，芯片开发、底层软件系统能力的开发、新一代的数据能力、新一代的数据管理技术和管理平台，不断地被活跃探索，包括开发工具链等等。同时智能云虽然是大企业的主要战场，但是智能云和智能边缘、5G智能网络也需要新的技术。这都是创业者在积极参与的，也是我们能看到一个创业创新的活跃领域。

接下来下一行是AI的交互能力，传感器和传动器是创业非常活跃的领域，特别是以激光雷达为主的各种光传感器，因为它未来的应用场景非常广，而不只是在无人驾驶领域。同时其他传感器比如惯性传感器、声音传感器（比如麦克风阵列）、热传感器、空气传感器和承载传感器的载体体系、卫星体系、低空无人机的载体和各类的定位技术，都是创业公司在活跃探索的领域。

这里强调一点，不同的人工智能创业公司，它其实是在不同的创业环境生态里面。生态不同，它整个的做法就很不一样，这涉及到你怎么开发、怎么搞定上下游等。前面讲的基础技术开发领域，它基本上是在比较坚实的IT工业基础生态里面开发，这是比较ok的。而刚才讲到传感器就会有些挑战，比方说激光雷达，它的主要早期使用者是汽车工业，创业者所处的生态基本上是汽车整车制造商的第一梯队供应商，或者是第二梯队供应商，开发的周期、需要的资本和推进的速度都是受汽车和汽车零部件行业生态影响，所以速度不会特别快，需要的资本也会很重，所以大家一定要关注这一点。

接下来我讲AI新的交互模式和应用。在人工智能早期，创业公司可以开发的是对话交互，特别是对话机器人，这已经有足够的能力在企业信息化、自动化中开始有相当不错的落地应用；视觉为主的交互也有非常活跃的早期探索，以后会有越来越多的落地场景。

再下一层是AI的前端。在前端，创新相当活跃的是摄像头、智能音箱、IoT设备，自动驾驶车辆、工业机器人、家庭机器人、嵌入式工业设备等一系列比较宽的设备端，里面都有活跃的创业公司。当然有一些资本非常重，投入时期非常长的领域，可能更适合大的企业来做，但是创业公司都有机会，原因是长期来看，像无人驾驶、机器人都可以成为未来大的产业生态。

在体验端，个人助手、虚拟人、3D交互，AR等这种新体验，有很多的人工智能创业公司，但是他们体验的主要交互端是手机，所以他们的创新生态会更有利。他们在以移动和云为主的生态里面，可以快速迭代、快速获客，上下游都有比较成型的打法。

下一层讲AI未来的产业生态，特别是目前AI应用当中非常宽、价值丰厚的领域。除了前面提到的自动驾驶、智能场所（包括零售、学校等）、机器人、城市大脑等，还有用AI智能计算的平台逐步切入药物开发流程的公司，它们未来有可能成为新一代的药企。这一系列都代表着未来通过AI赋能，可以成为新一代的大规模产业生态，这里有很多很活跃的创业公司。

下面是AI的技术基础生态，前面已经讲到有智能云、边缘计算、深度学习等，如果我们对比一下今天以云和移动为主的技术生态，会发现当中其实有非常多的子生态的机会，有非常多活跃的创业公司可以追求的产业价值。

再下面是AI早期应用更为重要的主流部分——垂直行业应用，这部分更多的机会是在B端。B端的核心，都是在一个很细分但又没法做横向拓展的领域，这是AI创业公司做得比较多的，这是对的。在一个细分领域，比如说自动光学检测——AOI（Automated Optical Inspection），用计算机视觉的新能力来提高检测效益，类似这样的机会有很多，它们主要是在现有的工业流程当中，去提升自动化的能力，这类AI公司的产品往往是设备+软件+服务+解决方案。他们经常遇到的挑战是他们的生态取决于切入的细分行业的生态，跟目前主流的移动云创业公司快速迭代的生态会很不一样，但是机会也非常大，这里也包括农业，因为农业数字化、自动化可以一起做，一个水塘也好，暖棚也好，都有大量的机会。这里在C端也有一定的机会，比如说可以通过一个健身设备或玩具切入AI的能力。创业公司所做的往往也是设备+软件+服务，他们的创新规则也是取决于这个行业，如果你做玩具，那这就是玩具行业的创新机会。

再下一层是目前早期AI创业规模最大、最活跃的领域，即在移动和云的生态里面，长期大量的机会在B端。这里要稍微提到的一点，中国To B端的SaaS还在早期，切入深度还不够，数字化的基础相对薄弱，所以AI的切入，虽然空间非常大，未来10年20年有很大价值，但是相对来讲，发展的进程会需要一定时间。同时机会特别多，每一种职能（律师、会计等）、每一个垂类行业（招聘、营销等），都有机会充分利用AI的能力创造价值。创业公司相当活跃的是机器人流程自动化RPA（Robotic Process Automation），未来会有更多类似的机会。 C端机会也相当多，在移动和云的生态里面，用AI能力是很常见的，特别是内容推荐、内容制作、游戏、视频理解、在电商行业的智能导购、自动定价等等，都有巨大的价值产生。对创业公司来讲，这里的挑战是玩家都比较大，都有巨头在大的赛道里面，但创业的空间还是相当大的。

最后是在数字化应用的前沿，前面提到的AR/VR、区块链、脑机接口、量子计算等等，它的核心还是非常早，可以做创业公司的探索，但更多的是To VC，核心要长期能活着，特别是要有造血的能力。

所以这张图总结一下，它代表了目前AI创业创新的前沿趋势里，在中国创新生态里面，我们所观察到的总体状况。
AI创业面临的挑战

AI创业面临的挑战

接下来讨论一下AI创业所面临的主要挑战，有几个层面：

第一是在技术上，今天可以被实用化的AI技术，在算法上，核心最大的弱点还是太脆弱，鲁棒性不够，特别是在使命关键的应用场景，它很难达到这个场景的需求，这是一个重要的技术受限的地方。

第二是数据，获得数据很难，并且标注数据成本很高，很多数据都在孤岛里面，难以打通，也很难从数据当中真正把模型训练出来，得到好的应用价值。

第三是门槛比较高，比如说AI自然语言翻译这样的技术，往往需要高端技术人才通过多年的累积开发才能实现。这造成一个结果，创业公司要么没有能力和时间去开发这样的核心技术，要么只能依赖于第三方。创业公司本身没有核心技术能力，这是一个很大的挑战。

在产品方面，由于技术上所带来的限制，特别是C端往往有长尾效应，很多AI创业公司在产品体验上不及格。同时，在B端也有类似的问题，大部分的创业公司带着AI能力去切入一个B端客户，结果往往没切到这个客户真正的核心需求，正确的做法应该是倒过来从需求开始。通常我们还观察到一个现象，有些产品虽然切进去了，但客户的满意度低。此外，AI创业公司的交付方式上，定制化要求非常多，集成商也还不够成熟，因此难以产品化和平台化，很难高速发展业务。

在市场方面，上游和下游往往带来很大的挑战。有一些创业公司的链条很长，供应链资金和时间需求往往给创业公司带来巨大的挑战。有些创业公司的下游渠道结构根本不存在，或者资源稀缺，有些赛道to G资源的获得是成功与否的关键因素。

另外在人才上，很多创业公司面临很大挑战是有效地聘用核心技术人才，聘用了以后，管理效益也是一个挑战。同时对To B行业，创业公司的人才需求更为特殊，他必须要对他所切入的领域有足够深的行业能力，最好是在甲方做过的有经验的销售和BD人才，所以人才结构也更加复杂。

最后，AI企业面临的挑战是在资本层面，他们往往很难从风险基金获得投资，因为很多AI创业公司的成长周期长，其细分赛道天花板不够高，所以融资也是一个巨大挑战，尽管这是由所切入的生态决定。那我们如何来系统化地帮助AI公司和AI创业者更好地抓住他们的机会呢？

在刚才讲的几个维度，我们都有重要的工作可以做。

第一在技术上，特别在算法的提高上，我们需要更多的大专院校、研究机构对前沿AI技术加强投入和研发，让AI技术的鲁棒性能够提高。

其次是数据，我们需要提供新一代的数据管理基础，特别是提供更多更开放的数据资源和数据平台。另外AI技术门槛高，我们要通过系统化的努力把门槛降低，可以开放数据集、服务接口，软件体系等。这里我要强调一下，开放的体系非常重要，在过去几十年的数字化创新领域，特别是移动和云的时代，大部分的创业公司不需要写很多代码，因为我们有30多年累积的开源软件的基础，在人工智能时代，我们要努力重新建立这样一个环境，把技术的门槛大幅度降低。

在产品方面，在体验上需要做很多的工作，特别是要管理好用户的预期。大部分的AI企业面临的都是对用户的预期管理不到位。这里大家可以借鉴历史经验和教训的是搜索引擎，搜索引擎某种意义上可以说是第一个真正的AI应用，它是从数据当中学到如何来服务用户的搜索需求，搜索的结果基本上一半是不对的，但用户看到不对的结果，不会去换搜索引擎，而是去换一个关键词。另外To B在体验上往往需要切得更细，从客户的需求出发，有的时候可能要分几个阶段，要切得细、切得完整，不能以技术为主，这样才能更好地把控企业落地。在交付方法上，创业公司需要通过合作来更多地累积平台的能力，逐步降低边际成本。同时在工业生态上，我们也需要通过多方面的努力来提高集成商的生态能力，探索新的有效的商业模式，让创业公司可以更好更有效地交付他们的产品，特别是在To B领域。

在市场方面，上游和下游，我们整个业界需要做得是更好的是帮助创业公司对接核心资源，特别是充分利用政策环境（比如说最近的新基建），这是需要多方面的系统化的努力。在人才方面也一样，我们需要系统化地帮助创业公司更好地聘用并管理好他们的核心技术人才。

在资本层面，我们也需要很多的努力来帮助创业公司，比如说对接一些其他的资金来源，如银行的贷款等，同时我们也认为风险投资这个行业也需要做适应的调整，这样的话我们可以更好地适合AI创业公司。他们虽然会长得慢一点，但是好多创业公司都是非常出色的投资项目，长期的价值将是巨大的。