AI的基本认知

对 AI 的基本认知很简单，我们认为 AI 的核心就是数据驱动来提升生产力、提升生产效率。凡是满足这个条件的，我们基本上认为它就具有 AI 公司的特点，即只要是获得了数据并且去利用数据来提升它的整个生产力、生产效率的，我们认为它都具备 AI 的元素。

对 AI 的第二认知是：AI 是互联网或者移动互联网发展的一个必然结果，因为移动互联网和互联网创造了大量的数据，那么目前来讲互联网、移动互联网当中的机会应该是很有限了，今天你要再做一个这领域的这个独角兽公司相对困难，但是 AI 里面有很大的机会，我相信大家也非常关注 AI 公司的融资，在中国不断有 AI 公司获得非常大额的融资，它的整个估值推高的非常快，这速度可能比以前的互联网，移动互联网公司要快很多，这里面给我们创造了非常大的机会，无论是创业者还是投资人。

第三方面，我想来分析一下 AI 公司常见的两种类型，第一种就是直接用 AI 来解决问题的，这里面的一个代表那就是无人驾驶，无人驾驶从一开始就是希望用 AI 来解决驾驶的问题，它一开始就希望用这种机器自动化的方式来解决；第二类公司是数据积累后的一种智能化，或者说是互联网、移动互联网公司发展后自然走向 AI 化，举个例子，像 LinkedIn、Facebook，他们在积累了大量的数据之后，可以用这些数据来做智能的好友推荐，它们的未来一定会越来越智能，未来很多互联网、移动互联网公司都会自然的成为 AI 公司。

下面我举几个例子，跟这两类 AI 公司相关的。这里讲的公司大部分都是我们投资的，但同时它也是在后续轮被美国非常主流的这些投资机构来领投的，同时他们又是 AI 在不同垂直行业当中的很好的范例，我觉得这几家公司在对 AI 垂直行业应用方面给大家提供了一些比较具体的例子。

我想讲的第一家公司就是叫 EverString，它是直接用 AI 来解决问题的。

因为 EverString 这些人大都是斯坦福出来的，他们最早做的事情是帮助 VC 和 PE 来发现有潜力的投资标的，也就是在 2013 年干的事情，现在大家看到的这张图，实际上是他把全球的很多公司的信息做了整合之后，通过可视化的方式呈现在一张图上，来帮助 VC 和 PE 发现很有价值的这些标的，比如图上的圈，比较大的这些圆圈可能代表的就是公司体量比较大，增长速度比较快的这些公司。

通过这种比较有意思的大数据可视化，能够发现一些增长比较快的领域，或者是某些其实存在很多机会的领域，但是暂时没有被主流的 VC 和 PE 盯上，总的来说，这家公司做的是这么一件事情。

但是这件事情其实当时做得是比较局限的，比如说他们后来发现，这个市场太小，虽然他们提供的东西有价值，但是很少有 VC 和 PE 会为他来进行比较大的买单，后来他们把这个产品升级到了一个大了几十倍几百倍的市场，也就是 AI 加销售的这个市场，把 AI 用在销售领域，利用 AI 来发现潜在的企业客户。

我们把刚才这个 VC 找项目的例子进行深层面的思考。

VC 要找投资项目，投资项目可以认为就是 VC 的潜在客户，在这种层面上你可以认为它是个 B2B 的公司，B2B 的公司希望找到好的企业客户，那么 VC 只是这种 B2B 公司当中的一小类。实际上有大量的 B2B 公司都要找到企业客户，比如说现在的图中展示的是 EverString 现在的一些客户，包括 Salesforce、Oracle、IBM 等等，这些都是非常大的企业。他们都要找到很多企业客户。

那 EverString 干的事情是当企业有一大堆潜在的客户时候，在我这张图上的这个左边，就是说这些灰色的人头，就是说每个人头可能都是个潜在的企业客户，那么你可能会有很多很多，比如说这个数以万计的潜在企业客户，你给一个企业过来，其实对企业来说，我要去跟这些客户聊，我要去销售，选择合适的企业客户来进行销售是很重要的，这个是很提高效率，减少销售人员的很多重复浪费工作，相当于提升他们效率，减少他们浪费很多时间在不太可能的客户上。

在拿到了很多潜在客户之后，EverString 就要进行下一步工作了：将企业已有的客户数据进行比对、分析，比如去分析这些潜在客户的 Web  Bhev。举个例子，比如亚马逊，我发现有个客户，他现在可能就在网上招一些能够做云服务、云计算方面的一些人，很可能这家公司就是在云计算、云平台方面有很大的需求。比如说有的公司可能刚刚新融一轮资，并且它说要在某些方面进行重要的战略性的发展，那么这些数据的分析也可以为这个企业，提供潜在客户这种筛选的信息。

总的来说通过在大量的客户当中去挑选出一些非常有潜力的客户，其中结合了 CRM 还有一些用户网上的行为，最终他可以给很多潜在客户进行打分，就是这里面这张图里面的最后一步，每个潜在用户都给他打了一个数字的分数，分数越高就是越有可能，之后就可以让公司的销售人员优先去和这些客户聊。

在这样的一个转型升级之后，EverString 发展的非常快，他们基本在美国要进入独角兽的行业，他们现在也是硅谷在 AI 领域发展的很有潜力的一家 B2B 的公司。

我再讲一家我们投资的也是用 AI 来解决问题的一家安防公司。

这家公司用 AI 来防护自动化的网络攻击。什么叫自动化的网络攻击？根据一项权威的研究表明，其实 90% 以上的登录页面访问都来自于自动化程序，也就是 Bot，什么意思呢？比如说你是一个类似淘宝的电子商务网站，规模比较大，其实大量的登录行为，用户名和密码这种行为都不是来自人，而是来自这个机器程序，机器程序这种登陆行为的目的是什么？当然是想盗取帐户，那怎么盗取？

实际上大家很多时候在不同的网站上，注册用户名和密码的时候都用的是同一套，但是很多网站其实它的安全性做得是很差的，比如说很多黑客程序就可能会侵入到一些安全性比较差的这些论坛、网站，然后把你的用户名密码信息泄露出去，又有大量的这种 Bot 拿着这些信息去很多主流的网站上去测试，比如说电商、银行、航空公司等等，在各种网站上测试，很容易就会窃取进去，只要用户名和密码配对成功，它就登录进去了，那就可能给你造成很大的损失，Shape  Security 这家公司就是来解决这个问题的。

Shape 的客户是谁呢？比如就是淘宝，Shape 的目的是帮助淘宝去分析出来登录我淘宝这些人到底是人还是 Bot。如果是 Bot，就要把它给阻拦掉，这个 Shape 也发展的非常快，它也基本上就是要达到这个独角兽的行列了，它的投资方也都是美国顶级的 VC，像 KPCB，Google，Ventures 等等，这张图是 Shape 的一个很好的体现。

你看到这张图上面，这个黑色的区域体现的就是这个网站的访问量，那么在启动 Shape 之前，网站虽然访问量很高，但是大量都是由 Bot 产生的，那 Shape 运行之后，Bot 的登陆就被大大的过滤，这个访问量就非常正常了，基本上就是来自人，Shape 就干了这个事情。

你可能会问说，那这个 Shape 的 AI 用的是什么？这里的 AI 主要是去判断这个登录行为来自人还是来自 Bot，这个判断并不是那么容易的，而且现在 Bot 也越来越智能了，它其实是用 AI 去反 AI，其实和这种杀毒软件等等也比较像，但是 Shape 解决的这个问题是很多现有的防火墙，杀毒软件等等的不太能解决的。这也是为什么 Shape 它的客户全是美国非常顶级的，最大的银行、最大的航空公司，还有像星巴克等等，都是它的大型客户。它也是 AI 在垂直领域，也就是安防当中的一个非常好的应用，而且它是直接用 AI 来解决问题的，解决的就是这个程序攻击的这个问题。

我要讲的第三家公司 ObEN，也是我们早期投资的一个公司，它也是有 AI 来解决问题。这个 ObEN 这家公司干的事情是挺有意思的，它是 AI 在娱乐行业的一个应用，它能够帮你建立人工智能的虚拟形象。

比如说大家看这里的这个第一张图，这是 ObEN 的两个创始人，给了一张照片之后，它在他们的右边就生成了他的人工智能虚拟形象，然后这个虚拟形象就不仅表情动作和它很像，声音也非常像。可能大家也或多或少了解这个技术，比如说在很多的影视当中也有应用。

ObEN 的核心亮点就是说它能够用很快速的方式来建立这种虚拟形象，并且赋予它娱乐的应用场景。比如说它要建立声音模型，只需要两分钟的音频；它要建立头像表情的这种形象，只需要少数的几张照片，当然数据越多，它的效果肯定是越好的，但是它可以快速的生成。

比如说在这里，可以看到最右边的这张图，就是它把公司这位印度籍的创始人的虚拟形象构造出了，让他在一个有点像这种 BR、AR 的场景当中唱歌，而且还能让他唱中文的歌曲，用的还是这个人自己的的这种声调，这些都是它的应用。它也可以让你唱出周杰伦的感觉，甚至可以做到非常像，它也可以让你去建立周杰伦的声音，让他去唱另一个歌手的歌曲，甚至可以让周杰伦来讲这个郭德刚的相声，这些都可以做到。

ObEN 它发展的非常快，它的投资方很强，包括软银，腾讯，华人文化，SM 娱乐等。SM 娱乐是韩国非常知名的娱乐公司，并且在去年 ObEN 和 SM 娱乐合资，合作成立了一家合资公司，就是叫 AI  Stars，就叫幻星，核心就是用 AI 来为 SM 旗下的很多明星提供虚拟形象的服务。

你可能会问明星造了这个虚拟形象目的是什么呢？其实这个目的之一就是能够和粉丝更好的互动，你可以想象，未来每个明星他都有一个虚拟形象，你可以通过一个 APP 去跟他互动，比如说你可以和周杰伦进行互动，你会问他很多问题，他都会尽量给你回答，有些问题他可能一时答不好，但是他可能就是通过后台他的经纪公司帮他回答了之后，他不断会学习，可以和人更好的互动。而且粉丝跟他互动的时候，他能发出周杰伦的这个声音，还有周杰伦的特有的这种表情等等，甚至用户可以点歌，让他唱什么歌他就给你唱什么歌，这个就非常有价值，会很多粉丝愿意为他进行付费，应该说是创造了一种新的娱乐体验。

ObEN 的整个发展它也很快，除了和 SM 合作，比如说在中国它现在就在跟 SNH48 在合作。其他地方也有很多应用，包括它和微信等等这些企业也有合作。所以 ObEN 也是我讲的一家 AI 在垂直行业的应用公司，它在娱乐行业来进行运用，也是用 AI 来直接解决这个问题的。并且现在 ObEN，它在布局整个区块链，它推出了全球第一个分布式的社交 AI 的平台，结合了区块链。

AI在垂直行业的应用和中美对比

我们今天讲得其实就是 AI 在垂直行业上的应用。我前面已经给大家举了不少例子，今天没有太多时间，我们去一个个探讨在不同行业上到底有什么样的应用，那些场景的这个探讨，我其实前段时间在长江商学院讲了好几个小时，就是去剖析 AI 在不同行业当中的这个应用场景，今天这个时间关系我们只能说做一些大致的总结，未来有机会，我还是可以跟大家去做些剖析。

那么 AI 现在在各个行业应该说都有很多应用的机会，而且确实也应用的非常火热。我们觉得有一个比喻可以比较好的理解 AI 它的这种应用的时候的这种功效，就是从照相机和摄像机的区别。

以前没有人工智能的时候，数据获取很像一个照相机，比如说我们在考虑 AI 和教育相结合的时候，以前学生可能每个月做一次考试，老师就会知道这个学生的表现怎么样，它就像照相机定期给你拍一下。但是一旦结合 AI，它其实能够分析这个学生整个的学习过程，它能够去监控他，能够去更高密度的获得他的学习数据，就像一个摄像机一样，它整天拍着，这个数据量就不一样，作为一个系统其实就可以在更短的时间内了解这个学员，这个用户的使用情况，来对他进行一些处理，这就形成了一种数据驱动，而且是高密度的数据驱动的这样一种应用潜力。

所以 AI 在很多行业当中的应用都符合这个逻辑，就是在有大量的数据之后，AI 可以做到自动化、个性化、自适应等等这些特点，数据越多，当然你就可以做到个性化、自适应这种千人千面这样的特点。所以这就是 AI 在垂直行业应用的我觉得是比较基础的一个思考。

举几个例子，比如说 AI 在医疗方面的运用，用 AI 来看医学影像，这个大家应该都很了解，那么这里面做得很多的就是自动化，快速的把这种专家的经验学习过来，然后来做分析。比如说个性化诊疗，根据你的这些情况，根据以往的历史数据，它可以帮你做更个性化的诊疗方案，这个就是一种个性化；比如说 AI 在教育方面的应用，现在一个很热的方向就是自适应学习，就是能够更快速地、更高密度地获得你的学习数据之后，为每个用户进行建模，然后来为他提供自适应学习的方案，让每个人的学习路径都可以有所不同。这也是贪心科技，就是我进行投资并且我在深度参与的这么一家公司在做的事情。我们贪心科技就是想把人工智能和在线教育相结合，来更好地分析每个学员的学习数据，为他进行建模，提升他的学习效率。

说到中美对比，总结一下，大概有这么几点：

第一点，目前我们还是觉得美国的人才优势是很大的。美国在 AI 的基础人才方面是中国的 10 倍以上，因为很多大公司高校都是花了很大的资本在培养这些人才。中国的人才优势会弱，但现在也在不断增长。根据我在国内的很多了解，AI 人才其实是非常紧缺的，我相信极客邦的平台也正在帮助推动 AI 的人才的建设，我觉得非常好。短期来说美国还是具备优势，但中国的市场优势，我觉得是非常有吸引力的，中国的整体市场非常大，而且现在很多公司愿意去结合创新，这是中国优势。所以我们作为一家 AI 的风险投资机构，我们也很希望把美国的优秀的人才、优秀的技术去和中国市场做对接，这也是我一直在努力的这个方向。

第二点，中国已经把 AI 上升到一个国家战略层面了。十九大之后各地都在主推 AI，这个其实是美国相对来说比较弱的，中国一旦政府主推一些事情一般成效都会非常大，它会引起整个资本市场，整个这些创业生态的一个很大的变化，人们更愿意去拥抱人工智能。所以这点，我们觉得在中国创业有很大的机会。

第三点，中国其实在一些门槛比较高的行业，我觉得有 AI 的应用的机会，比如说像能源、安防、农业、制造等等。这些行业往往资源相对垄断一点，但是现在因为国家战略之后，这些行业也都在寻求 AI 化，而且我觉得 AI 化在这些行业肯定是个必然，你不去做，往往就失去了这种转型的机会了。因为这些行业门槛比较高，资源相对垄断，所以创业公司可能进入的周期会长一点，不是说那么容易获得数据并且做起来的，但是我觉得有很大的机会。这方面我觉得可以借鉴美国，因为美国一方面在这些领域相对比中国来说更加市场化，比如说在能源，在农业制造等等方面，甚至安防你可以看到美国有很多不错的 AI 公司，我觉得中国可以在这方面多借鉴，大家如果对这些特定领域很感兴趣，我们也可以有机会多交流。

第四个建议，是把握 AI 发展的趋势。作为投资人，我分享几个我看到的未来 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+ 制造的公司 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。