2017年火爆的AI热潮被区块链的3点钟群骤然打断，继而是小程序火爆了起来，不少小程序体系的公司拿到了融资。AI似乎如一阵风要轰轰烈烈的过去了。然而，谷歌一个机器人CALL又燃起了一腔AI沸水。
该如何审视越来越快速迭代的一个个热点？星瀚资本创始合伙人杨歌被业内赞誉为最懂技术的投资人之一。从清华大学物理系毕业的杨歌经历了7次创业，在创业中磨练了多方能力，会写代码的同时又懂金融，善于从基础理论上推演商业发展规律。转型投资人后，星瀚资本的成绩单上有了鲲云科技这样明星级的人工智能芯片企业、国内领先的农业规划种植平台企业甲加由，以及不久前与豆瓣音乐完成合并的流媒体原创音乐平台V.Fine等明星项目。面对市场热点不断地快速切换，杨歌认为要从底层逻辑来冷静审视，方能不错失真正的价值，不盲目追逐资本泡沫。
一、AI大浪潮是一条上扬价值线
“AI是个大浪潮，跟互联网是一个级别的大趋势。虚拟现实、智能硬件、机器人属于其二级子行业。这个大赛道的发展一定会是长期可持续发展的。”杨歌认为，不能把AI简单的等同于区块链、小程序或是共享单车这样的行业热点来放在一起看待。相对于其他热点，AI是真正意义上继互联网之后的一个大趋势，其影响的领域将层层渗透，就如互联网对信息、游戏、购物、出行等领域的改造一样，这是一个长期昂扬向上的价值增长趋势。而去年的图像识别、语音识别，包括自动驾驶等等都是围绕AI价值增长曲线波动的一个个热点。自动驾驶虽然很火，但还需要在数据、场景上完成优化并找到更优解决方案，才能在市场中应用，图像识别、语音识别则在商业化应用的初级阶段，还并未找到真正突破的应用爆发场景。
今年，AI似乎被区块链、小程序等热点抢了风头，主要源自于大众对AI的认知还需进一步深化，在AI方向有所布局的企业预期AI的话题性和功能性能为其产生价值。结果实际应用落地并没有市场期待的那么快。“AI是你拿任何一个既成的模块都没法直接用的，需要根据场景一个个算法去运算，CNN、遗传算法、LSTM、优化算法等你可能都要试一遍，再进行算法简化、调优，才能有一点点效果。这个周期非常长，不像互联网网站的建设，无论是旅游的还是卖东西的，都是前端、后端的框架搭建起来就能看到效果。”
二、不要盲目低估AI的复杂性
杨歌认为，目前市场对AI的认知相对简单化了，好像自动驾驶的实现指日可待，期待指数过高。而实际上AI的算法变化、搭建框架、落地方向等都是非常难的。“我认为人工智能目前所需要解决的难点有以下几点：第一点是算法的变化特别快，组合越来越复杂。神经网络之后有对抗神经网络，基于神经元的卷积神经网络之后又提出了最新的胶囊神经网络（CapsNets），不断有新的算法产生，有些算法甚至连TensorFlow（谷歌第二代AI学习系统）都不支持。第二个问题是人工智能与商业需要强耦合性。即必须要非常深度地了解关于算法的特性，同时还要了解商业场景，只有把对商业场景的理解转成算法语言，才能实现。而这并不是找到一个算法工程师就可以实现的简单过程。例如，用CNN来做人脸识别、图像识别有效，但对自然语义理解就未必，实际自然语言理解中有很多上下文远距离相关的信息，需要LSTM来训练就更有效。”
三、AI距离C端应用还很远，TO B的商业化才刚刚开始
鉴于AI本身的复杂性，杨歌认为AI正在处在摸索成长期，底层技术基本上已经成熟，但是商业化过程还不是非常明确。“五年之内，我认为AI的爆发点是在To B的应用上，就是基础层结构化数据的优化处理。”杨歌将AI分层三层结构：底层是算法、芯片等；中间层是图像识别、语音识别、自然语义的识别、运动机能识别等；最上面的应用层则涵盖了自动驾驶、机器人、智能音箱、量化金融、AI教育等等。目前，应用最广泛的图像识别、语音识别公司如科大讯飞、商汤科技、旷视科技、思必驰等业内领先企业，杨歌认为这些公司研发的中间层模块，很难独立形成商业场景，必须和应用层结合才可以。据了解，目前这些公司在车载、音箱、安防、翻译机等方面进行了初步的商业化落地尝试。例如，智能音箱大多只能实现简单的对话和语音识别调用，远未达到无障碍的人机交互程度。“这些场景的入口模块都需要完整的、完全标准的算法模块层，中间模块层，就是说语音识别、语义识别都需要非常精准，无论是器械，还是一个机器人，都需要中间算法模块层要非常成熟，同时需要底层芯片层也需要很成熟。我预计大概五年之内，中间的模块层就能基本上成熟，在这个层面上一旦技术成熟，就会促成应用层的大爆发。应用层首先爆发的就是机器人，工业机器人会形成大范围的改造，家用机器人会高度的智能机械化。”杨歌认为，AI的使用最重要的在于两点，一方面是要有成熟的海量数据，另一方面是要对场景问题进行精准的模型化设计。智能驾驶虽然具备明确的使用场景，但场景模型化的算法方案却很复杂，另外也不具备已成型的可供训练数据集，需要模拟真实场景长期积累数据，目前在上述的两个必要方面都不具备优势。“
在未来的几年中，AI势必会爆发在量化金融、物流仓储大数据、有数据积累和标准的传统产业升级、以及机器人运动行为学习等方向中。”杨歌称，对于数据积累成熟，模型化场景清晰明确的行业，人工智能将会带来更多创新性的颠覆，这也是星瀚资本投资的主要方向之一。“量化金融方向已经在爆发前夕，就差临门一脚。但这个行业大型公司主要在国外，中国在做量化金融的公司还有待壮大。”
大数据处理信息服务商金盛网聚WJFabric认为，所谓人工智能的中间层结构，也就是赋予人工智能的工具特性。而应用层所需要的是，通过中间层与具体行业的结合进行新模式的诞生。由此可见，目前人工智能只发展到第二层次的初级阶段，因此可以说作为风口还将持续相当长一段时间。因为对于人工智能想象空间会伴随着行业发展的进程而持续扩大。从历史意义可以预见，人工智能是一项有可能超越互联网，实现重塑人类社会的伟大创造。
閱讀更多 金盛網聚 的文章
