人工智慧：框架和投資邏輯︱查理行業分析
人工智慧熟悉又陌生的一個詞，熟悉是因為在最近一兩年里我們經常聽到它，以及物聯網、機器人、虛擬現實等；陌生是人工智慧到底是什麼？它從何而來，它如何影響我們的生活，我們卻知之甚少。但無論熟悉、陌生，人工智慧已經改變著我們的生活。
6月份我開始重點關注人工智慧，關注的第一家公司是——特斯拉，並從特斯拉的發展歷程中對電動車、自動駕駛有了新的了解，自動駕駛就是這一次人工智慧里最重要的應用。
沿著對自動駕駛的深究，我找到了李開復博士的《人工智慧》這本書，這本書展現了人工智慧的全貌，讓我對人工智慧有了更深入的了解，從而形成了人工智慧的框架、投資邏輯及投資方向。
2016年3月AlphaGo戰勝世界圍棋大師李世石，引發人們對人工智慧的關心、談論甚至是擔心。同時也代表人工智慧第三次回歸大眾視線，這一次回歸人工智慧做了充分準備，它已經在商業領域裡開始應用，只是大眾並沒有注意，AlphaGo和圍棋大師的對決讓大眾恍然大悟，人工智慧已經發展了這麼快！
人工智慧每次引起關注都和下棋有關，第一次是1962年IBM開發的一個西洋跳棋程序戰勝了一位高手。第二次比較著名，1997年IBM的「深藍」戰勝國際象棋大師卡斯帕羅夫。由於技術方面的影響前兩次人工智慧都沒有實現過多的商業應用，隨後不了了之。那什麼是人工智慧呢？
對人工智慧的定義有很多，比較權威的定義是，斯圖亞特·羅素和彼得·諾維格在《人工智慧：一種現代方法》中的定義，他們認為人工智慧是有關「智能主體的研究與設計」的學問，「智能主體是指可以觀察周遭環境並做出行動以達致目標的系統」。
也許是因為我們看慣了科幻電影，把人工智慧狹義的理解成和人長的一樣的機器，而忽略了人工智慧的存在，蘋果手機里的siri、谷歌翻譯、滴滴打車等背後都有人工智慧的身影。
第三次人工智慧之所以能在商業上得到廣泛運用，主要是因為技術的發展。
在半導體領域有一個很重要的定律——摩爾定律。摩爾定律指出，每隔18個月，在一個集成電路晶元上的晶體管數目就會增加一倍，這實際上意味著，每過18個月，以同樣價格可以買到運行速度是原來兩倍的電腦。
人工智慧的發展離不開計算機運算能力的進步。
我們通過人工智慧的定義得知，智能主體需要觀察周遭的環境，環境是什麼？——大數據。大數據也是這一次人工智慧得到發展的重要原因。
有了運算能力和大數據還不夠，最核心的也是最複雜的是——深度學習。
深度學習是一種機器學習，這個比較複雜，這裡不做解釋。
計算機運算能力、大數據、深度學習是人工智慧最重要的基石，同時運算能力和大數據又對深度學習有重要的影響。那人工智慧都產生了那些技術？在商業里有那些應用呢？
機器視覺、語音識別、數據挖掘、自然語言處理、自動駕駛等由於人工智慧的發展都得到了更好的效果。
我們熟悉的機器視覺是人臉識別，人臉識別只是機器視覺中的一部分，它還包括對圖片、視頻中的各種物體、場景、地點的識別等。
上圖是我理解的人工智慧的框架，以深度學習、計算機運算能力、大數據為基礎的人工智慧在機器視覺、語音識別、數據挖掘、自然語言處理、自動駕駛領域有更好的表現，從而在金融、交通、醫療、教育、營銷、安防、智能家居、智慧城市、機器人等方面有更好的應用，實際上人工智慧在每個行業上都能有所作為。
我們已經了解人工智慧的整個框架，現在就要在其中尋找投資的邏輯。
對於人工智慧領域的投資最核心的部分是：計算機運算、大數據和深度學習，其中擁有深度學習能力的公司是核心中的核心。
目前擁有深度學習能力的公司主要集中在大型的互聯網高科技公司，比如谷歌、蘋果、騰訊、阿里巴巴、臉書等，並且這種局面很難被打破，因為深度學習需要最頂端的科學家，這方面的人才很少。另外它們本身就產生大量的數據。最後還需要雄厚的資金。
在計算機運算領域目前最領先的公司是英偉達（NVIDIA）公司，英偉達公司研發的圖形處理器GPU是深度學習需要的重要硬體。而在GPU領域英偉達處於壟斷地位，另外IBM、高通（Qualcomm）也在研發相關的晶元。
在深度學習和計算機運算能力領先的企業基本上屬於國外企業或者在海外上市。從這一點來看，對人工智慧的投資是國際性範圍的，在這一方面我們並不佔優勢，所以在選擇A股市場里的公司時，還是要去找擁有核心競爭力的公司。
在應用方面，投資的機會要比核心方面多。目前我們主要關注機器視覺、語音識別、自動駕駛、機器人方面的機會。
這幾個應用市場潛力巨大，另外現在已經開始應用。比如在安防領域，國內就有公司做得相當不錯。
人工智慧的框架和投資邏輯我們先寫到這裡，下一部分我們會對相關的應用和公司進行了解，請繼續關注。
最後，文章提到一些人工智慧方面的術語，比如深度學習，大家可以參考李開復博士的《人工智慧》一書。
題圖：來自網路 李世石和AlphaGo對弈
TAG:查理學習投資筆記 |