贪心科技内容合伙人关于AI公司及创业的演讲笔记
视频
目录
一、投资角度对 AI 的两个基本认知
二、简单分析 AI 公司的两个纬度四个层面
三、AI 垂直行业应用的三点中美对比
四、给创业者的四个建议
一、投资角度对 AI 的两个基本认知
1. 第一个认知：AI 的核心就是数据驱动来提升生产力、提升生产效率。→ 催生直接用 AI 来解决问题的公司（如无人驾驶、智能X——基于已有需求、智能文娱——它创造新需求）。
例子（这里仅指出其当前主要业务，不排除以后会有扩展）：
1) EverString 智能潜在客户挖掘
2) Shape Security 智能过滤恶意登录
3) ObNE 智能文娱
2. 第二个认知：AI 是互联网或者移动互联网发展的一个必然结果。→ 催生数据积累后的一种智能化业务。
例子：（接上）
4) Honey 智能购物助理
二、简单分析 AI 公司的两个纬度四个层面
1. 第一个纬度：价值
1) 第一个层面：（也是从第一个认知出发）提高生产率 ← 提高效率、降低成本 （基于已有需求）
2) 第二个层面：（从第二个认知出发）更多是创造新价值（创造新需求或新用户行为，同时也创造新壁垒）
2. 第二个纬度：壁垒（守护前述价值）
1) 第一个方面：壁垒机会（有没有机会形成壁垒）。从这方面看，基础架构（硬件研发）和通用技术（算法研发）对创业者来说都少有机会，前者准入门槛高，后者通常会开源以形成生态（变成一种标配，就像信息互联时代网络是一种标配，而信息智能时代智能算法就是一种标配），前后者一般都是大公司才有人力和财力去研发硬件和开源算法。所以创业者的壁垒机会在于智能垂直行业应用（利用现有的硬件和算法去提高生产力或创造新需求）。
2) 第二个方面：壁垒形式（壁垒形成的方式），数据网络效应是一种重要的壁垒形成方式，它是个正反馈，并且先下手为强，先积累数据就能更早地积累大量数据，数据多公司就大，公司大客户就多，客户多数据就更多——人工智能数据积累的马太效应。所以建议是：作为 AI 创业者，尽快的切入，尽快的去和行业的数据结合，尽快的把握领头的机会。
3. 补充纬度：技术风险
我们需要与时俱进地来看待技术，现在不能完成的，可能在未来发生技术突破时就能完成。并且在合理的时间段去做一些合理巧妙的产品设计，这点非常重要。创业公司一定要想明白，产品怎么设计？客户到底要的是什么？怎么样考虑到各种因素之后找到一个平衡点。
三、AI 垂直行业应用的三点中美对比
1. 第一点，人才优势。短期来说美国还是具备优势，但中国有市场优势，整体市场大，很多公司愿意去结合创新。所以这点，中国存在很大的市场潜力。
2. 第二点，政策优势。中国已经把 AI 上升到一个国家战略层面（十九大之后各地都在主推 AI），美国这方面相对较弱。中国政府主推的事情一般成效都较大，它会引起整个资本市场和创业生态巨大变化，人们会更愿意去拥抱人工智能。所以这点，中国创业有很大的机会。
3. 第三点，机会优势。中国的一些门槛比较高的行业都存在AI的应用机会，比如说像能源、安防、农业、制造等。
四、给创业者的四个建议
1. 第一个建议： AI公司估值将趋于理性，人才红利降低。市场在狂热之后更理性，投资人不只看这一两个 AI 大牛，更关注公司的基本面，所以创业者不要以为找几个AI大牛就万事大吉了。
2. 所以第二个建议，就是在这种投资者理性的环境下，创业者要尽快确定付费用户和盈利模式。当然很早期的公司可能还很难确定付费用户，那么至少要找到一些有意向付费的用户——早期用户很重要。
3. 第三个建议：多考虑在发展过程中引入战略投资，以及多关注技术发展与应用。战略投资方往往能够给创业公司带来关键的行业资源，以及推出渠道。关注技术发展及其应用，如无监督学习、强化学习等。基于无监督学习的技术应用中，AlphaGo Zero 是个很好的例子。
4. 第四个建议：把握 AI 发展的趋势。作为投资人的作者分享可见的未来 1-2 年的趋势。
从壁垒上说，AI 创业公司正在通过以下三个方式提升壁垒，包括：
1）结合硬件（关注一下 CES）
2）B2C 的商业模式（可以形成独有的数据壁垒）
3）渗透门槛更高的传统行业（如吴恩达创立的 AI+ 制造的 Landing.ai）。
从技术上说，大部分 AI 创业公司采用监督学习算法比较多，无监督学习和强化学习应该还有很大的应用潜力，比如 2017 年 AlphaZero 的成功。另外，随着最近区块链成为风口，AI 和区块链的应用也备受关注。区块链在解决数据安全和共享方面，和 AI 有着很好的结合点，相信会产生不少有价值的应用场景。