曹巍:基于交叉学科构建有深入壁垒的创新是AI创业的关键
2017-11-20 14:55 星期一

2017年10月18日晚,在北京国家会议中心举办的 AI WORLD 2017 世界人工智能大会上,蓝驰创投获得 AI WORLD TOP 10 AI 创投机构奖。会上,蓝驰创投执行董事曹巍参加了AI WORLD 投资领袖论坛,与多位业内同行和知名AI专家探讨了过去一年AI投资最大的变化,AI投资中VC最看重的方面,以及未来创业和投资的机会等。蓝驰创投早在2011年就开始布局人工智能领域,目前已经投资了趣店、车和家、青云、绿湾、亮亮视野、汇医慧影、CellRobot和AirRobotics等优秀企业。


过去一年AI投资最大的变化是从概念到落地

雷鸣:首先想跟大家聊一下从去年到今年,各位觉得在人工智能这个方向的投资上,你们感觉有什么变化吗?包括创业、投资这些方向有什么显著的变化?

曹巍:过去大家都在非常基础的层面比如围绕听觉、视觉、触觉等深度地做一些AI方面的投资。 但今年,大家开始思考软着陆了。我认为软着陆有两个关键指标——效率和体验。不管是在toC的行业还是在toB的行业,人工智能方案是不是能够给用户带来显著的效率和体验的提升是非常重要的。

我们看每一个项目都会用这两个指标去衡量。举个例子,我们投了一个AR眼镜团队——亮亮视野。一开始它是做toC的,从体验的角度看,它很难找到能飞跃式提升用户体验的点,因为有的技术支持还未实现。但从效率的角度看,它却有不错的突破。比如在安防领域,交警去街上查违章的汽车,或者在安防卡口追暴恐嫌疑人。警务人员使用了他们的AR眼镜,戴上之后就不想摘下来了,因为他们的眼镜能在40毫秒内识别人脸身份,也能判断一辆车是否为套牌。这个团队既找到了硬科技的支持,又找到了真正落地的场景。

李立军:去年到今年我觉得变化还是蛮大的。去年肯定是概念提得比较多,但是今年落地的比较多。从最近的几个投资案例看,一个是投资的额度是蛮大的,尤其最近几笔视觉领域的投资额度非常大。而且今年给我的感觉,就是逐步有一些具体的产业好像能够落地了。去年的话,更多的还是觉得这个有前景,这个是未来的方向。但是今年,有些项目很大程度上来讲是可以产品化了,可以去挣钱了。当然只是一个开始,我相信接下来几年会有更多这样的趋势,这是我的一些看法。

计越:去年感觉上大家投资的角度还是有点散,所以基本一个方向投很多家。从投资的角度看,基本上某一个方向以Pre-A轮、A轮为主,我想可能我们在座的很多机构都参与了不少。今年我感觉一个趋势是,大家重点关注的一些方向基本上跑到了B轮甚至到了C轮。比如视觉、听觉这些方向,前三名已经比较清晰了,而且可能金额都不小。同时,我觉得可能在人工智能这个领域,针对底层的投资体量都非常大,包括芯片级的。我感觉到了这个阶段中国人的机会涌现出来了。以前好像真正核心的芯片,基本上都被美国公司操办的,中国公司还没有什么机会。

另外一个特征是人工智能跟一些传统产业,或者垂直行业结合了。另外在医疗方面,我觉得也变革了。所以我觉得这也是一个比较鲜明的特征。我觉得未来几年,领先的公司会变得更加清晰。这是我的一个看法。

洪婧:我记得去年也是同样在这个新智元的会场,我们几个投资人在交流的时候,我当时分享了一个观点:很多时候人们会低估技术对未来十年的影响,但是有可能会高估技术对未来两年的影响。所以我想分别从长期影响和短期影响的角度跟大家分享一下过去这一年AI投资方面的变化。

首先,长期来看,AI对我们的生活必然会产生非常深刻的影响。在过去一年里,我本人就在硅谷试过好几个无人驾驶的汽车,至少在二三十分钟的时间里是没有完全司机参与的,完全遵守美国的交通法规。我们看到AI技术和应用确实是不断在往前跑的。同时,我们看到中国的创业者、科学家在全球的人工智能研发和特别是应用领域里实际处于非常领先的位置。

从大家经常会高估未来两年的影响这个角度,去年我们也分享了一个看法,说中国的很多应用场景其实可能通过垂直行业来落地,或者通过跟大的企业、大的真实应用场景来结合的,也有可能有弯道超车的机会。因为我们很多大企业其实心态还是很开放的。我们对数据也没那么敏感。那么我们今年看到,像我们投资的依图科技,除了安防之外也在跟金融、保险、电信场景结合,以及在医疗行业里面的落地,已经可以看到真金白银,而且是比较大的量级。

所以在这个领域中,一方面AI+硬件可能会有很大规模的突破,比如自动驾驶,比如机器人。另一方面AI+场景的结合,AI+行业解决方案就很可能像当年的软件一样,一个行业一个行业去解锁需求。这个商业化的速度可能仍然慢于大家的预期。所以从投资的角度来讲,真的还是需要大家有长期的耐心来支持他们去帮助中国的各行各业,去全面地应用AI的技术。

殷明:我想从泡沫的两个维度来说一下我对这个行业过去一年的观察。第一个维度是,中国跟美国很不一样的地方是甲方预算的特殊性,尤其是在视觉领域。比如中国政府在安防角度的预算,金融企业在人脸识别方面的预算都是远远优于美国同行的。其实视觉领域的很多公司实际的财务营收是非常好的。就今年来说,我们看到这些企业普遍的收入有两到三倍的增长,本身规模体量不小的公司以及很多龙头企业收入甚至接近过亿美元。某种程度上来说,这些公司的估值是得到了一定的支持。你很难想像在美国视觉领域出现好几家独角兽,但在中国这确实是发生了。

泡沫的另一个维度是比较好的、整建制的团队的高溢价在中长期内存在。比如一个团队既拥有顶尖学习框架的作者,工程优化的专家以及业务定义上的老手,这样一个在三个维度都有A级创始人的团队,很大程度上还是稀缺的。这些团队估值攀升的速度,也许没有办法短期地从财务角度去解释,但因人才的高稀缺度,这些团队在资本市场上能够长期得到投资人的追捧。所以我觉得在相当长的一段时间内泡沫还是会存在。这是我们对过去一年的观察。

宁柏宇:在整个教育领域里,老师是最核心的环节。就跟自动驾驶要替代司机一样,人工智能总是试图替代老师。但是到目前为止,人工智能仍旧是为老师赋能的角色,这种赋能往往体现在成熟技术在教育领域某一个细分场景得到应用。比如图像技术,我们投的两家公司其实都是通过图像技术来改变教学中的环节。比如试卷批改,这是老师每天要花费大量时间做的事情,而我们投的一家公司能够把试卷从扫描到批改完成只需一秒钟的时间,从主观题到客观题都能批改,最后给出一个合适的分数。这些技术已经在别的领域发展的比较成熟,结合学校的渠道资源就能形成商业闭环。

但是在教育行业应用的技术与通用领域的技术不太一样,它的用户数量增速受渠道摩擦力的影响,所以如果希望用户数量提速增长就需要找到痛点清晰的应用场景。比如蓝象投资的音乐笔记项目瞄准孩子练琴没有监督的痛点,通过人工智能技术识别你孩子在家里学习钢琴的情况,帮孩子进行钢琴的陪练。这个场景是音乐学习中非常主流的场景,所以用户增速很快。

AI投资,VC最看重什么?

雷鸣:如果有一个人工智能团队来拿一个商业计划书找你,你们各个VC最看重的是哪些点?

曹巍:我们坚持做中早期投资,对新项目持有比较开放的态度。在选团队时,我们首先看硬科技。硬科技又拆分成两点,一是交叉学科的创新,比如过去大家都强调软件或者硬件厉害,但现在如果你仅仅是软件或硬件强,而感知决策控制不好,没有厂商愿意跟你深度合作。所以现在软、硬件的综合能力非常重要。比如,大疆的团队,有技术交叉学科的创新,又把硬件和软件揉在一起。我们也在找类似基于交叉学科方向的创业团队,比如软硬件加上光学、区块链等组合,看他们是否能基于自己的平台更好地锁定数据形成长期壁垒。

另外一点,人工智能分成两个阶段——云端和终端。目前很多创新团队都在关注终端。假如一个在岗哨上执勤的干警,手里只有一个手机,我能不能让AI给他的手机赋能?他要解决的问题是什么?比如在路过的五十个人里帮他把坏人挑出来?基于边缘和有限资源的场景下,能否实现人工智能,并且给产业和这个场景带来深刻的改变,从这一点看,我们考虑的硬科技,就是关注基于交叉学科构建有深入壁垒的创新

其次是看软着陆。软着陆我们看的是需求和模式。我们更关注模式,因为在模式上,国内有很多这样的传统产业或者垂直细分领域,它们并不是缺乏底层的数据把模型跑出来,而是在模式的建设和方案上纠结。所以我们在选择这样的AI团队时,会关注它的团队里除了很厉害的大牛之外,有没有在咨询公司做过的成员?有没有在深度产业背景上具备方案整合能力和方案规划能力的成员?我们在很多项目上都遇到过的挑战就是这个团队技术很牛,但却很难和真正愿意买单的人形成对话的窗口。所以,优秀的技术人才加上咨询公司背景,或者产业背景的人才,再加上销售的人才,这是三位一体的结合,这种团队是我们在找的。

洪婧:我个人给技术创业者的建议就是,怎样才能够避免“拿着锤子找钉子”。从投资人的角度,我们也要避免和创业者一起凭空想象所谓的应用场景。在这个意义上高瓴其实有非常大的优势。大家可能听说过我们投了腾讯、京东、滴滴、美团、摩拜等互联网公司。我们其实在二级市场中,可能中国最大的房地产公司,最大的家电公司,最大的消费零售公司,最大的品牌公司都是我们的被投企业,都有非常好的关系。所以我们可以去做一个技术人才和应用场景之间的桥梁,我们去帮他找落地应用场景,帮他找企业预算。比如说我们投了依图科技之后带着他们去跟百丽合作,跟肯德基合作,跟平安合作。我们帮着惠安金科跟美团合作,跟京东合作。就是我们可以跟创业者一起去跟大的应用场景合作,一起去挖掘、去解锁企业的需求。我们希望能够真正帮助好的技术、好的产品更快地找到落地点。当然这个过程反过来也是我们尽调的过程。能不能够很快地满足应用场景的实际需求?这个其实也是我们尽调中很关键的一点。桥梁作用也是我们希望能带给创业者和被投企业的。

明:我觉得今天大家在找行业或场景的解决方案时所看重的:第一,要尽量远离大公司已经拥有比较良好数据基础的通用功能。比如机器翻译,广告推荐的算法。第二,这些年很多投资方向越来越偏近于传统行业,从投资纯粹的技术慢慢转向投资技术赋能的垂直行业。比如说对自动化放贷领域,技术如何能够在金融周期性当中帮助企业更早地觉察风险和甄别新的资产类别。比如对医疗检测领域,你需要明白在整个医疗行业的链条里到底是早期疾病的干预和治疗价值更大,还是检测本身价值更大。我觉得这些也是创业者要想明白的事情。

宁柏宇:在二十多个大的行业里面,教育与农业在信息化程度上排名后三位。所以我们要跟高大上的AI接口,我们在寻找创业者的时候会着重关注两点。第一要技术大牛,师出名门,比如我们投资的一维弦创始人唐博维出身于世界级殿堂机器人实验室,导师是风靡全球的《超能战队》里大白机器人的原型发明者,CMU 的Christopher Gatkeson 教授。创业者不仅需要有过硬的技术背景,还需要有对教育情怀的理解和认同。第二点,教育科技创业者要能快速适应中国的商业环境。因为教育是比较复杂的行业,它是高管制的、保障性的行业。所以想要在这个行业里获得商业成功,创业者必须迅速熟悉中国的商业环境。

创业的机会:一边赚钱一边赚数据

雷鸣:谢谢各位。如果一个企业想融资或者发展的话,究竟该怎么做?你们见过很多企业,投资的要点恰恰是企业在发展过程中特别重视的。你们觉得还有哪些机会可以让小团队成长起来?

曹巍:我们坚持看产业的痛点,看能不能“一边赚钱一边赚数据”。如果只赚数据,现在还是有很多机会的,但一般的创业团队,还是希望能够找到又赚钱又赚数据的方式,最好还能围绕自己的专注领域,把平台的框架慢慢通起来。很多边缘创新的机会,大公司或者成熟的产业巨头们还没有完全想清楚,也只能边打边看,所以大家不要因为巨头们已经把市场上各个板块都占据了而产生畏惧。

李立军:制造业需要提升它的效率,把品质做得更好,而人可以用得更少。所以我们其实在这块做了蛮多工作。我们觉得在这个领域还是有蛮多机会的。制造业足够大,行业足够多,而且目前中国,以及东南亚地区很多制造业还是以人工为主。这个领域我觉得我们中国能把智能制造做好是有道理的,反而欧美国家不太有这样的产业场景。不过,目前大型企业的智能制造,比如说汽车企业的生产智能化程度已经非常高了,所以未来的机会我个人认为在于中小企业如何通过智能制造的手段来实现柔性制造。包括现在正开始流行的C2M,把客户个性化的需求变成生产厂家生产线上实时的生产,减少库存,我觉得这方面是有很多工作可以做的。

特别在制造这个环节,现在我们讲工业机器人的时代,其实很多环节已经用机器人了,但是目前的工业机器人其实是蛮笨的一个东西,所有的动作都是要人去编程。在做一些批量性的生产,比如做大货的情况下它是比较合适的。但是C2M,它就需要小批量多批次,怎么样能够让机器人适应这样的环境,通过人工智能的手段来去实现机器人控制的闭环?现在已经有这样的趋势,也有这样的应用案例,比如把机器视觉应用到工业场景里面。早期可能只是通过机器视觉做定位、检测,和测量,但是现在已经有很多团队在尝试利用深度学习的方法,训练机器人自主的学习。我认为这可能是一个比较大的机会,特别是对于小规模的初创团队而言,大有可为。

计越:因为时间有限,我就简单说两点。首先还是继续我以前的说法,能够持续获得数据。那样的方向我觉得可能其他一些行业慢慢还是能够找到。我觉得创业永远有机会,永远能够推陈出新。但是我觉得在这个方向上具有产生持续的数据的可能性,团队去做这样的方向我们是比较愿意去投的。 第二点,假如创业方向还不清晰,我们就看创始团队背景,比如BAT出来有AI相关的背景经验的。

洪婧:我觉得现在还是有非常多的创业机会,AI创新才刚刚开始。如果说中国制造已经成为全球的领军产业,那么中国AI以后一定是全球领军的。现在只是因为很多创业者是技术背景的,不是很了解行业,所以有一个摸索的过程。但是如果能够找到好的行业,深挖下去是有非常大的潜力的。可能某种意义上AI公司要准备好把自己从AI公司做成软件公司,最后做成行业解决方案公司。最后可能大的公司不见得是通用型的,这其实需要大家一方面心存高远,一方面要耐得住寂寞,只要肯在一个行业里深挖我觉得机会还是非常非常大的。

殷明:我们总结了八个字,就是开源节流,提效合规。我们蓝湖非常关注垂直行业的智能化改造。虽然每个行业的周期不一样,比如零售行业、金融行业由于数据基础好,可以直接做到应用层的产品化,而工业领域则相对考验团队定义问题和架构数据颗粒度的能力。投资人第一步需要扮演企业的咨询顾问。但最终能体现创业公司本身的壁垒的,无非是数据的质量,以及所呈现的最终产品形态(可以是软件),能够最终改变了企业工作的流程,很深地嵌入到企业运营之中。这些能形成壁垒的模式也是我们相对看好的方向和机会。

宁柏宇:教育行业足够大,里面的痛点特别多。所以人工智能和四万亿的教育产业结合一定会有很大的应用场景。

雷鸣:谢谢各位。总结起来,人工智能其实机会还很多。现在还是人工智能创业的黄金时期,也是投资的黄金时期。本次论坛就到此结束,谢谢大家。