在经历了无数期待之后,人工智能2017年问鼎创业风口。大数据、机器人、语音语义识别等创业公司,早已突破了既有定位。在复杂的环境下,大量的行为数据和客户信号是很难被准确描述的,但人工智能具备理解、查明这些数据和信号的潜力。这听上去是个很炫酷的东西,因此它也更需要去落地,需要一个载体来承载。
在“猎云网2017人工智能产业创业创新峰会”的现场,信天创投合伙人蒋宇捷与其他三位机构投资人在圆桌论坛中进行了热烈讨论,以下为重点观点实录。
猎云网2017人工智能产业创业创新峰会圆桌论坛
(嘉宾从左至右分别为联想之星执行董事李明、蓝驰创投执行董事曹巍、信天创投合伙人蒋宇捷、东方富海投资总监徐绍礽)
在人工智能领域的布局和思路
我认为人工智能从量化到智能分三个步骤:第一是获取数据,这里需要信息化工具或者传感器这样的基础设备;第二是连接,把这些数据更好的连接在一起,才能产生相关性和知识,这样的平台包括SaaS平台、云平台和BI工具;第三是智能,利用收集的数据,加上大数据和人工智能的手段,实现行业的智能化。
具体到行业,信天创投比较看重几个方向:第一是行业的智能化,即通过智能化的手段,在金融、医疗、农业等这些领域去实现行业的智能化改造;第二我们比较看好机器换人,比如说通过一些工业机器人、服务机器人去替代传统人工的劳动力,在目前来讲是比较大的趋势;第三我们更欣赏用人工智能去对B端提供服务,因为要实现C端的服务目前在技术能力方面很难达到要求,当然未来在2C端也会出现很多机会。
对人工智能的未来发展持乐观态度,行业想象空间巨大
回想起2014年和2015年时,可能大部分人没有听说机器学习、深度学习这样一些新的技术。这些名词到了2015、2016之后慢慢被大家接受。因为人工智能是一个底层的技术,或者我们叫做科技革命。我们回头去看人类历史上的科技革命,无论是蒸汽机、计算机,他们对社会的改造有一个深远的过程,而不是一蹴而就。这样一个历史过程大概会延续20、30年甚至更长时间,这个过程就像人工智能一样,会有一个非常长的渐进时间,不可能一两年达到一个顶峰。
目前的数据量还是远远不够,比如现在看大型的竞赛平台所稀缺的是什么?是优质的数据集,只有通过数据集才能训练算法,让算法变得更精准。而这些数据集是非常稀缺的,目前好的数据、优秀的数据还没有积累到足够的量,还需要长期的过程。
另外资本层面,刚才看了一下猎云网发布的2017年投融资白皮书。我们看到大部分项目还是处于早期的状态,43%是天使轮,41%是A轮,而进入C轮的企业数量相当少。那么证明我们去推动这样一个行业的变革,现在还是非常早期的阶段,所以未来存在大量机会,我认为这里的空间和想象力还是巨大的。
人工智能早期项目估值过高的几个原因
现在市场上不缺资金,但同时人工智能优秀早期企业相对来说比较少,所以竞争很激烈,争抢中把价格抬上去了;第二大家对于这个领域非常看好,认为它是值得投资的赛道,未来有很高成长性。谷歌CEO曾说过,如果未来有一个千亿美元级的公司出现,那么一定在人工智能这个领域。大家都认同或者认可这个论调;第三是人工智能这个行业的薪资很高,因为人工智能的优秀创业者基本都是科学家,从初中到大学都是人群中最优秀的,并在世界最顶级的大学有十年以上的学习经历,时间成本很高,薪水因此非常高,目前从国内来看公司里薪酬最高的不是CEO不是CTO,而是科学家,这样一位优秀人才能达到几百万甚至更高的年薪水平。
除了薪资高,行业供给不足也会导致项目估值过高。这个背后还反应了一个心态,整个社会对于人工智能行业都抱有很焦虑的心态,对于这个大潮的到来,没有太多心理准备,无论是投资人还是传统公司,都认为人工智能可能会颠覆自己的行业,但自己对于能否把握这个行业的机会却没有信心。因此整体来看,人工智能行业还是有泡沫的,但泡沫有时也是一件好事情,它会让更多的资源、人才和资本向这个领域流动,作为投资人才会有好的市场套利机会。如果在完全没有泡沫的市场,我相信不会有什么机会。
在人工智能项目价格过高的阶段,投资机构的资金能否产生最大的利用效率?这也对投资人提出了一个更高的要求,即投资人是否有敏锐的眼光和行业经验判断。
在挑选创业团队时更倾向于其拥有什么背景?
要分具体方向和细分领域来看待。人工智能分基础设施、技术层、应用层,不同的层次对于团队判断标准不一样。基础设施大部分是大公司的机会,在这里就不讨论了。在技术层,比如提供图像语音文本技术方案的公司,我们希望团队是世界一流的技术专家,在研发上面的能力可以得到保证。同时顶尖的科学家团队,在融资和信用方面会有加分。商业方面,要看他们针对什么行业和能力,评判商业化能力,最重要还是在技术上是否有领先性。如果在这个方面有一些好的指标或案例,我认为去商业化有合适的机会。
具体到应用层,我们更看重解决需求和落地的能力。不要求技术能力非常强,但是要有很好的销售能力和技巧,团队接地气,懂得如何把产品卖出去,这个和企业服务领域比较像,因此在应用层技术不是最关键,重要的是市场的认可度。