星瀚资本创始合伙人杨歌：从互联网到人工智能
7月22日，在重庆市渝北区政府的大力支持下，希鸥网联合重庆仙桃国际数据谷，以“为创业加速”为主题，在北京歌华开元大酒店举办了第五届中国创新创业领袖峰会暨2017希鸥会社群大会。
星瀚资本创始合伙人杨歌为参会者带来了题为《从互联网到人工智能》的演讲。
大家好！很高兴跟大家在这里见面，估计有很多人也知道我们基金。先简单介绍一下我们公司的情况，我们主要关注的方向有两大方向。互联网发展到今天是什么情况，接下来是大数据，然后是人工智能。我们把这些东西叫工具，不叫赛道，这是很多产业需要的工具，这个赛道只是一个阶段性的产物。
我们真正认为有价值的投资是在这方面，就是实力产业的升级，这里面包括很多方向，工业、农业的升级，生命科学、医药、文创，都是我们非常关注的行业。
简单介绍一下自己，自己是一个连续创业者，我在学校做过七次创业，有很多创业经历，后来去做创业导师，由于久病成医后来做了星瀚资本。
讲讲干货。今天讲三个方向：互联网的基础、大数据发展到一定的产物、大数据之后所衍生出的人工智能。
互联网大家都已经非常清楚了，连续改变我们生活将近30年的时间，它重新定义了我们周边非常多的行业，比如说消费升级、智能科技等。它有非常多的形式，共享经济、O2O，这张片子里讲的所有东西。这些都是互联网在过去20年里所产生出来的不同的商业模式。
我们每个人每天的生活都离不开互联网这些所有方向，大家都已经非常熟悉了。互联网的特点是以一个技术的方法颠覆一个传统行业，就是互联网。
我们简单把互联网分成三个方向：
传统互联网。这是社区、门户、及时通信，以基础网页为基础的。从95年开始发展，到2005年，基本发展成熟，特别典型的是新浪、网易、搜狐，包括今天的BAT，以及格局不断变化的BAT，这也是传统互联网的特点。
从10年开始，我们大范围进入到第二个阶段，叫“互联网+”，在“互联网+”阶段里分两个方向，一个是重加，一个是轻加。重加就是加得多，把能放到线上去做的都放到线上，2013、2014、2015年主要是O2O加互联网。
我们发现并不是所有东西都可以O到线上，只是一些刚性需求可以O到线上，因为消费频次比较高。
2016年互联网已经基本结束，于是，我们就做互联网轻加，互联网可以让我们的信息交流更快，产生非常多的数据，管理能力增强、效率变高，我们利用这些技术，以及互联网化传播，自媒体、新媒体的产品，能够迅速的把一个公司的品牌做起来，用TMT去做传统产业的升级。
我们在农业、工业也做了很多的布局。这叫互联网智能化，这是大家现在非常关注，但是现在还没有发展到非常完整的阶段，还有很多机遇、挑战的一个行业。包括大数据、AI这些方向，这也是今天提的主题。第三阶段我们还处在一个摸索阶段，这就是互联网智能化阶段。
我们非常想认清一点，互联网之后我们应该做什么？互联网战场已经被打烂了，我们之后应该做什么？互联网最开始是一个基础的信息工具，不断从信息工具演化成一个生活的方法，变成了管理工具，从管理工具变成标准化的管理工具，于是，变成了一种商业模式。
这种商业模式不断的影响生活、影响交易、影响周边所有东西，变成了一种系统化的东西。在系统化的东西里建立商业模式，不断收集数据，变成产业升级的工具。产业升级之后，数据不断积累，最终让各个行业数据化、智能化。逐渐从技术变成的商业，然后变成了平台。
这里有两道线，第一道线以上的地方是利用互联网的基础能力，两道线之间利用互联网的衍生能力，也就是我们刚才说的TMT。原来有百年老店，现在没有的，互联网手段是用技术手段快速迭代一个公司。
我们投资的新尚本来只是一个线上普通的店，但是他学习到了互联网的精髓之后，马上变成了一家互联网公司。
第二条线以下，在过去5到10年里，我们把所有互联网的商业模式已经迭代完成了，大多数公司都在积累大数据，由于数据的积累，我们对很多行业的认识更加深刻，在这些行业里我们可以用一些算法去计算这些行业，然后去操作一些行业。
2017年之后我们进入到第三阶段，大量产业升级、利用数据，智能化的去处理商业。
这是我们对互联网的认识。我们做过什么？还有什么可做的？互联网作为一个基础的工具，最开始增强信息流动、增加接口、提高效率、产生非常多的迭代，这些方向是互联网在过去20多年做的事情，我们现在在干什么？积累数据，提炼数据价值。在大数据上开始做文章。
这些事情是我们还没有做的，在未来即将要做的，他们所对应的行业有区块链，进一步标准化，在数据里挖掘智能算法，产生更多的能源。现在受制于能源的问题，我们现在的能源还是比较低效的。我们要用新能源，用更先进的办法和生物进行结合，这些是我们在未来20年可以看到、感受到的，当然在硅谷已经快速发展了。
有了互联网硬件，你就可以收集大量的数据。这是大数据的积累，这是算法应用。互联网其实就这三个阶段。
对于互联网基础来讲，已经发展成熟了，对于互联网大数据来说，是半成熟，所以，大数据到现在为止是一个半成熟的阶段。我们有了数据之后，第三步就是利用算法。算法已经有大量的应用，包括机器学习。
但是，在商业领域里还不够成熟，所以，算法级的应用是这几年非常重点的一个方向。给大家推荐一本好书，叫《终极算法》，是比尔盖茨强推的一本书。
对于互联网来讲，推动了人工智能的发展，其实就是这么一个过程，最开始制造了通信和控制接口，可供训练的数据集。我们现在听到了大量AI公司，但是还不见成效，是因为数据不够成熟，对于模型化过程来说，每个行业要见仁见智，还需要大量的时间去训练。
大数据是进入人工智能的门票，是因为大数据是互联网和人工智能之间的衔接点。
对于大数据来讲，我有一个简单的拓扑结构。大数据是不断的收集定义、整理、分析、挖掘、抽象的这么一个过程，把数据不断进行迭代。
你想拥有数据，必须要有入口端，必须有要数据化来源，数据化来源可能是各种各样的东西，有可能是平台、有可能是电商、有可能是你只能化的手环、手表、有可能是硬件，有可能是GPS、有可能是定位系统。有了数据之后才可以进行迭代。
有了数据之后进行计算，计算出相关性，这是大数据的最基础。人工智能、机器学习最重要的也是通过数据去算之间的相关性。算出相关性之后，形成事件画像。比如说，有一个711的小店，小店店主发现下雨的时候，除了雨伞卖的好之外，蛋挞总是卖得好，他也不知道为什么，于是通过相关性，把蛋挞和雨伞结合在一起，结果发现蛋挞卖的更好，这就是基础的相关性应用。
他们之间可能存在一些内在逻辑，但是非常复杂，没有办法直接分析它。形成画像之后要形成反馈。
前两天有一个非常多应用的大数据画像，就是利用行车驾驶记录仪记录每个司机开车的用户习惯，通过用户习惯反过来修改他的保费。打方向盘猛的人可能容易撞车。最后，保险公司发现，动作敏捷的人不容易撞车，而是打方向盘非常慢的人容易撞车。举的这个例子是什么意思？通过大数据的结果还可以反过来再影响它的商业模式，不断通过数据分析和商业模式迭代这件事，这就叫反深性（音）。
我把它模块化，其实就是入口、算法、出口。这里面有很多的应用，比如说每天都会上携程、饿了么，各种各样的平台，我们被记录吃饭、被记录出行、被记录住宿的各种各样数据，于是这些平台就有了一个人物画像。当这些平台综合起数据的时候，就会你非常了解，甚至于比你周围的人还要了解你，这就形成了用户画像，形成画像之后会直接导出。
美国有一家他非特，有一个16岁的女孩，在她父亲知道她怀孕之前提示了她的父亲，因为这个女孩太年轻，不敢跟家里说，在网上一直在搜，搜完之后积累了非常多的数据，这家公司就开始通知她的家里说她怀孕了。还有有很多数据应用，今天不一一讲了，阿尔法狗就是一个非常典型的大数据应用。
另外值得一提的是机器人，机器人实际上从19世纪中，摩登时代的时候，就有很多人在想象未来的机器人是什么样子，一直没有做起来是什么原因？机器人总重要的不是机械，而是大脑、芯片。
芯片这个东西到1960年前后才逐渐发展起来，如果机器人没有大脑，他就不是机器人，只是一堆废铁。机器人要通过运动学的积累训练它的数据积累，然后产生最终的机器人。机器人到现在为止还有被训练的基础。
最典型的一家公司就是美国的波士顿动力，这是专门训练机器人运动系统的。
大数据在发展的时候存在着非常多的问题：
1、为了数据而收集数据
有一家公司拥有40亿某方向的数据，他仍然要融资大几千万去购买数据，他说我这些钱就是用来买数据的，从40亿数据变成50亿数据，我们进行调查发现，其实增加的这10亿数据对他来讲基本上没有意义。
我在调查他所有数据分类的时候，发现互联网、广告数据占到90%以上，其他的数据是非常零星的。数据由于太过于集中，多余的数据并不能给他提供很多的帮助。很多公司在收集数据的过程中非常盲从，这种竞争是非常没有必要的。
2、数据噪音太大，有效数据太小
这是大部分大数据公司所面临的问题，收集了好多数据，真正能提炼出来的价值非常小。最典型的是医疗行业，真正有效的数据并不是在历史上收集的病例数据。
3、数据密集而孤立
饿了么有很多咱们吃饭的数据，滴滴有很多交通的数据，但是它们没有交叉，所以，没有产生更深一步的智能。
我经常举的例子是什么？找一个男女朋友，你刚刚认识他，第一天你知道他想吃饭，喜欢吃西餐、牛排，两个月之后，你知道牛排要几分熟，浇什么汁，之后还要知道有什么配菜，你能跟他在一起吗？不可能，你从一个方面去了解他是非常没有必要的，你必须从全方位去了解，你要了解多元化的数据。到今天为止，很多公司的一个非常大的问题是数据非常孤立，大家没有进行数据的交叉。
4、大数据公司经常想解决一些复杂问题，而不是从简单问题入手。
最开始我们是收集数据，第二步标签化，第三步叫交互、耦合，把更多公司的数据穿插在一起，全面的了解一个事情、一个人。最后一步，形成一个精炼的数据集。我把这个过程比喻成什么？比如成买菜、择菜、洗菜、拌菜、烩菜。
在大数据之后，我们用了很多数据之后，我们就开始做人工智能。大家不知道人工智能和机器学习是干嘛的？把人工智能模型化过程分三个方向，告诉计算机、赋于计算机智能，这改变Y=F（x），在过往里，写一个函数是非常复杂的，现在不用了，现在可以自学习，阿尔法的程序非常简单，几百行到几千行。再就是随机误差，这个不讲了。
讲一个关于机器人的，赋予的智能，相当于是我们写好的程序，我们让这个机器人干一件事情，以后机器人是这样的，它有各种各样的APP，你放一个APP在这里，他就会帮你做菜。
第二个是学习出来的智能，你给他一个任务，你的任务是帮我谈判，以最低的估值把这家公司谈下来，他就开始学习，收集各种各样的数据。在纽约有一家公司真的在用算法进行谈判，两家公司在谈判之前收集他们所有的数据，然后这个计算机就开始算，算出一个最优的结果。越来越智能之后会变得感性。
我们知道能写出来的东西告诉计算机，这叫弱智能，在过去6、70年代里我们一直处于弱智能阶段，第二阶段是强智能。计算机可以学各种各样的语言，同时可以告诉你很多附加产品，大家是习惯用左边写字，还是用右边写字，大家习惯用什么颜色的纸去写做。
最后是超智能，实际上是一个综合化的智能，这里不得不提的是智能驾驶，大家都觉得智能驾驶要来了，但是难度有多大？对于美国来讲，它的交通问题和智能驾驶是强智能的问题，因为它的交通比较规范，很多交通规则大家都非常遵守。这个车停下来，那个车停下来，这个车走那个再走。
在中国交通是极其复杂的事情，有碰瓷的，有外卖小哥拍你。中国的交通规则非常混乱，而且中国还要保护弱势群体，人和自行车是要保护的，没有原理，你必须保护。要在中国想实现智能驾驶它叫超智能，要分析的东西太多。有一个碰瓷的人，如果你的分辨率不好，你直接就看不到他。
有一个荷兰的交通学家，说我用一年解决你们的交通问题，后来待了三年走了，说中国没有交通问题，只有社会问题。在中国要想实现智能驾驶，车必须具备人的智商。我们要想利用算法必须区别出是强智能还是超智能的差别。超智能是一个复杂场景，是一个非常复杂的场景。强智能在很多方向都可以做，比如说量化金融，物流仓储的数据优化，这些都可以用大数据和人工智能。这件事情我们一定要区分开。我在网上写了很多的文章，大家有机会也可以看一下。
对于人工智能，机器学习的基础就是网络。我要讲的并不是它的原理，我讲的是它的发展速度非常快。12年之前，无人问津，这个东西已经20多年历史了，包括我在大学，在清华做算法分析的时候，都用过神经网络，说实话，不是太懂。
这件事情在12年之后迅速发展，马上迭代出各种各样的网络。我发现一个非常可怕的问题，这个东西就像电路板一样，刚才讲的还是一些具体的数学，在这两年发展中，每一个神经网络变成了一个基础原器件。这个原器件越变越小，越变越密。
咱们在初中的时候都上过电工课，收音机里有一个晶体管，摩尔定律发展到现在这里面有几百万个、几千万个晶体管在里面，人工智能这件事跟晶体管很像，发展之快，让我们无法想象。
这是今年刚刚出来的，反馈性神经网络在前两年还很简单，去年的时候已经极其复杂，大家拿人工智能的原器件就像是一个小玩具一样，变得非常细。谷歌、亚马逊这种公司是非常疯狂的在训练这个东西。人工智能的特点是什么？发展速度非常快。
对于这个行业来讲，有时间就要学习。
对于人工智能的应用我做了一个总结，分三个方向。
1、AI是工具
最重要的两点，你要想利用人工智能、AI必须有两个基础条件，要有大量数据，没有数据你就没有办法迭代，你手上的东西只是一些干的知识。推荐大家一本书叫《大数据时代》，里面就讲了这个过程。
要有精准的模型化能力，这是未来10年对CEO的重大调整，CEO可以不会写代码，但是CEO一定要有理解算法、利用模型的能力，否则你就会被迭代。
我们跟鹰总还投了一个餐饮的公司，他说现在餐饮只是一个系统化的工程，如果你只会开店这家公司是坚持不下去的，一定要有云、有算法、有数据。
2、这点非常重要，AI应用于什么方向？不好应用在复杂系统里，易于应用在精密系统。
什么是复杂系统？智能驾驶是复杂系统，要考虑每个人的人性，并且把人性数据化、量化，这是一个非常困难的过程。很多数据的底层是不好进行数据化、量化的，你怎么评价一个外卖小哥这时候到底是想加塞，还是等一下。
真正的大数据和人工智能应该应用的方向是什么？是精密系统，这个行业本身就有非常标准的数据基础。金融行业就非常典型，一个月之前有一篇报导说最重要的大数据分三个方向，一个叫由个人在网络上产生的数据，没填写的博客和产生的视频，这些叫精密系统数据。
第二个是交易数据，我们每天买饭、打车这些所产生的金融数据是实实在在的，是能训练出很多智能的。第三个来自于各种各样的传感器，这种数据是我们每天运动、生活的基础，这些数据也非常精准。
最后一点，听起来比较拗口，叫强耦合。互联网是拿来主义，这个行业只要有人做成功了，我把这个模式放在我这个行业就可以了，但是AI行业绝对不是，AI行业是每个行业都有自己真正的AI，必须要由这个行业自身的专业人士进行迭代，把他的思路和计算机进行交互，把他的思路迭代成一种算法。
对于AI来讲，大家眼中所看到的智能是什么？都是这类东西（见PPT）。量化金融，这是我们现在自己已经开始孵化的公司，物流、仓储、农业、消费、医疗，这些有结构化数据的行业非常适用用AI。
最后，讲讲关于未来的理解，这个讲得比较白话文。我跟美国一个人经常聊天，他跟我讲了一个例子，今年60岁了，他在一九七几年的时候，小学同学、中学同学，家庭条件好的都去干飞行汽车了，他们完全不能想象，3、40年之后每个人抱着手机天天点赞，上个礼拜已经可以通过卡体基因治疗癌症了。
很多对未来的理解都是由当下自己的想象，线性的发展去认知，真正的未来是完全不一样的。现在手机的恶性竞争，手机屏变大，变得再大，这些其实并不是未来的发展方向，只是一个阶段性的商业竞争产物。
每一个技术在发展过程中都有一个兴衰的过程，就像这张图一样，技术是推动产业发展的，但是，最后要离开这个产业变成一个工具。
互联网最开始是一个技术，然后变成了一个摸索商业的过程。2001年到2005年是摸索成长期，05到10年典型互联网上升的红利期，这里面出现了大众点评、携程、去哪儿。只要你好好模仿美国的企业，把这些商业模式带过来就可以很方便的融资，在当时的情况。那个时候是上升红利期。当大家都看懂的时候就进入到产业升级期，也就是2010年到2015年，产业升级和应用爆发的过程，大家把什么东西都互联网。
2015年之后进入到增长泡沫期，有很多东西不适合做互联网化的，都去做互联网。到今天为止，互联网已经变成了一个纯粹的工具，和法务、财务都一样，每个公司都必须要有懂技术，能做网站，有互联网思维的人。它历经了这么一个起承转合的过程。
对于互联网来讲，它花了30年的时间在市场上进行发展，到今天为止，可以说已经告一段落，如果在今天还再继续逗留，你会承担同质化竞争非常高的风险。
一个技术循环完之后，你要做两件事，第一件事逗留在原来的技术里承担高风险，博取一些差异化竞争的收益。或者是走到下一个循环前面，做生物质能、生物医药。
在今天有一个特别有意思的点，互联网这个战场已经打完了，我们处在这个阶段，但是又有很多新的东西出来，我们不敢碰，这个时候就产生了一个博弈，你到底站在哪一边，觉得站在哪一边都可以，都有可能做起来，但是你要知道两边的风险是不一样的。
在技术和产业发展的过程中，永远都是交互迭代的，这个技术下去的，下一个技术就起来了。计算机这一轮下去的，手机这一轮就起来了，互联网这一轮下去的，大数据和人工智能就起来了。我们现在在今天正好处在一个交叉点上。
2016年为什么陷入资本寒冬？就是因为有很多东西已经被我们玩爆了。
最开始是工具，后来变成机械，主要由19世纪来开发，19世纪下半叶开始开发机电，1950年发明图灵计算机之后于是就进入到归集电一体化。这两年发展非常快的是碳，和生物进行结合。很多硅谷公司都在做脑机结合，和生物结合。作为一个人来讲，人50瓦，这一个灯几百瓦。说明人的效率非常高。
每一个阶段的变化都是降低成本、降低能耗的过程。飞行汽车这种东西，是一个伪命题，为什么？不降低成本、不降低能耗。飞行汽车是什么？就是私人飞机，是服务于极少数人群高成本、高能耗的产品。苹果手机之所以可以量产，是因为所有原器件的成本降到足够低了，所以才爆发起来，趋势是什么？要更加智能、高效。
如果大家有机会的话，可以跟我在线下多探讨。
本文为杨歌在希鸥网第五届创业领袖峰会演讲内容，转载请注明来源。希鸥网是国内领先的创业社交社群媒体，平台拥有15万创业者会员和千位投资人。
