大疆無人機的投資人：下一個人工智慧投資機會是……

文末有重磅福利

作為曾經成功投資過大疆無人機的投資人，中歐校友蘇仁宏說，在人工智慧領域打造中國品牌是自己的夢想。小歐精編了他在中歐創新傳媒班上講座的內容，幫助你辨識人工智慧的機會在哪裡，哪些熱點其實是「深坑」。

機會還是「深坑」？

只需看這7點

人工智慧現在的火熱程度和智能硬體2015年的情況一樣。那時智能硬體非常火熱，人們對它充滿熱議，但今天智能硬體市場已經完全冷靜下來了。人工智慧和智能硬體有一定的關聯，也同樣遵循著特定的產業規律。所以，雖然當前的人工智慧市場甚囂塵上，但公眾眼中的很多「機會」並不是真正的機會，或者說並不是3-5年就能普及的機會，因為時機還不成熟，比如自動駕駛。

人工智慧並不是一般熱點引發的短暫風口，而是一種新的技術，就像移動互聯網技術一樣，它對產業和人類有全面、深遠的影響。由於計算平台是人工智慧賴以存在的物理載體，因此透過計算平台就可以大致了解人工智慧哪裡是機會，哪裡還是遙遠的未來。雲端計算平台不是多數雲端人工智慧應用的計算瓶頸，因此人工智慧的推進進程取決於那些擁有富數據、巨量計算資源、演算法人才、行業經驗的互聯網及產業龍頭。

GIF/993K

手機晶元的計算能力雖按摩爾定律快速演進，近年來手機的主要創新都和圖像相關（拍照、攝影、圖像識別、分類），但是信息大爆炸時代，空間受限的手機滿足不了「用戶期望」，於是場景化人工智慧新物種誕生了，比如Amazon的Echo和各類兒童機器人等等。

用戶端人工智慧晶元還在起步期。因此，如何分辨人工智慧時代哪些是真正的機會，哪些是偽機會？哪些新物種能落地？最重要的是充分認識產業發展的7個制約性條件和關鍵成功因素。

1

演算法。

今天人工智慧技術（包括深度學習在內）使用的很多數學模型在10年甚至20年前就已經非常成熟，但以前的數學模型主要是從邏輯的角度進行分析，而且演算法複雜度相對較低，所以進度緩慢。近幾年，人們對以往的演算法進行了調整，採用人工神經網路演算法，結合了非常深的網路結構（比如上百層網路）和大量的參數，模擬人腦神經的計算方式和對應的複雜度，從而使演算法性能取得了很大的進步。

2

數據。

數學模型在確立之初各項參數並不確定，需要投喂以大量的數據，讓電腦根據數據自行對模型的參數進行調整，從而使模型更能擬合實際情況。投喂的數據越多，參數調整的次數越多，數學模型也就越精準。這點尤其適合深度學習技術。傳統的機器學習演算法在數據量達到一定規模之後，性能就基本上收斂了，而深度學習由於具有很高的模型複雜度和海量的參數，因此投喂的數據越多，性能就越強大。今天的互聯網和感測器產生了大量的文字、圖片和聲音數據，這讓數據模型得以不斷優化，更加精準。

3

計算性能。

計算性能這些年提高得特別快，以AlphaGo為例，它今年的計算性能比去年提高了10倍左右。計算性能的提高加速了對數據的分析和處理，讓人工智慧得以爆發。

4

軟硬體。

技術需要通過軟體和半導體及感測器等硬體來實現。毫不誇張地說，沒有半導體計算晶元的快速進步，就沒有AlphaGo的橫空出世；沒有感測器的普及化，智能手機的很多功能如計步、人臉識別等也就無法實現。

5

價格。

凡是面向消費者的2C端人工智慧產品，如果價格不低到合理範圍，消費者就不會買單。而產品的價格又和軟硬體成本如半導體和感測器的成本密切相關。

6

功耗。

消費者對家用產品的功耗要求較低，但對便攜產品的功耗要求很高。因為人工智慧產品如果功耗太大，續航就變短，給用戶帶來不便。

7

交互技術。

交互技術決定交互體驗。交互體驗不好的產品不足以打動用戶。VR之所以掉下風口，和交互體驗太差有很大關係。

人工智慧產品要想成功，演算法、數據、計算性能、軟硬體、價格、功耗和交互技術等7個要素都必須滿足，否則就是「坑」，這是產業規律。當然產品要想熱賣，還需要理解用戶的心智內容，這樣才能打動用戶。很多投資者投不靠譜的項目，企業炒作不靠譜的產品，就是因為對智能產品的產業規律和用戶心智缺乏清晰的認識。

人工智慧領域

投資機會有哪些？

圖像識別

人類是視覺動物，腦容量的一半用於處理圖像。在人工智慧領域，這幾年技術進步最大的也是圖像識別技術。圖像感測器還在不斷進步，尤其是3D和結構光深度感測器。今天的圖像感測器每秒可以成像上千幀，從而捕捉運動過程中的每個精彩瞬間。更重要的是，感測器價格保持在較低的水平，這不失為一個巨大的進步。過去兩年里資本市場最炙手可熱的投資標的都和圖像識別尤其是人臉識別有關。

但是，圖像識別、分析技術還存在一些難題，比如由於計算能力不足，目前還不能自動對圖片進行標註，也不能像美化圖片那樣美化視頻。未來這些都是圖像識別、分析領域的機會。

GIF/1561K

語音識別

語音識別技術已經取得了一定程度的發展，一些語音識別系統也已漸漸發揮出影響力。2016年福布斯雜誌評選美國十大人工智慧應用，排名第一的就是智能語音控制系統Siri。當然，Siri的體驗並不理想。

智能語音系統在一些垂直場景已經得到廣泛應用，因為垂直場景語義比較固定，易於人工智慧理解。我投資了上海元趣科技有限公司，創始人吳義堅被媒體稱之為擬腦機器人之父，他們公司在兒童智能語音領域做到了行業第一。以他們最新產品兒童智能機器人小8為例（見下圖），摒棄了通用版語音模塊，切實針對兒童進行優化和研發，最終實現了兒童可以隨心所欲和小8聊天，無特定指令，無特定按鍵，全程語音控制，識別率高達90%以上。

GIF/1431K

AR（Augmented Reality，增強現實）

AR的核心之一是識別，如語音識別、圖像識別等。語音識別技術在垂直場景已經比較成熟，圖像識別技術也在穩步發展中。AR在傳統行業用途很大。比如在機器維修過程中，即使沒有經驗的維修工，戴上AR眼鏡後也可以跟著指示進行操作，從而完成維修工作；在個性化服裝生產過程中，機器可以自動對來料設計圖紙進行識別，從而告知制衣工人應該怎麼做。未來AR會取得更加廣泛的運用，前景可期。

智能教育

智能教育目前的發展速度很快。我最近關注了幾家比較有趣的公司，它們的產品已經進入很多高校。學生在上課過程中不使用紙張，而是使用它們的平板產品。老師能夠追蹤學生在平板上寫什麼字以及速度快慢等，從而全方位了解學生在課堂上的一舉一動。

GIF/566K

自動閱卷技術也已逐步投入應用。有的學科比如語文，機器人讀完約300份試卷後，閱卷效果比很多老師還要好，閱卷失誤率遠遠低於老師人工閱卷的失誤率。當然，自動閱卷目前還不能識別一些書寫不規範的字，這是它下一步需要改進和提升的地方。

智能教育未來具有很大的發展前景。很多年輕的父母並不懂如何去教育小孩，而優質的教育資源又比較稀缺。讓人工智慧產品成為教育專家，然後再和人類互動、協同，將知識傳授給人類，是下一步需要解決的問題。

智能醫療

目前人工智慧在醫療行業的技術應用並不多，主要是看片子和開藥方等。開方機器人開的藥方比很多經驗不足的年輕醫生開的藥方要好。實際上，如果人工智慧技術得到充分應用，未來醫療行業的效率還會有很大提升。有一家我特別了解的公司使用3D成像來做手術導航，取得了非常好的效果。

GIF/846K

智能交通

最近幾個月，大家開車時是否感覺不知所措，因為違章很容易就被發現，從而被扣分或開罰單？違章處罰效率之所以提高，主要是因為智能相機開始使用人工智慧的演算法和晶元。今天的智慧交通可以快速識別車牌，看出是否系安全帶和副駕駛座上有沒有異常行為等。以臻識科技的火眼臻睛車牌識別系統為例，它可以在各種極端情況下（雨霧天氣、順逆光、污損車牌等）快速識別車牌，車牌綜合識別率高於98.5%。

最早的交通分析是相機採集圖像後再傳輸到電腦進行分析。但當時的帶寬不足以傳輸車流量產生的大量數據，同時整個處理過程很低效。而今天直接把晶元放到攝像機里，就能即時分析和處理交通違章行為。隨著圖像識別技術的不斷進步，智能交通還有很大發展空間。

人工智慧領域

需要避開的「坑」

VR（虛擬現實）

VR為什麼成為掉下風口的「飛豬」？一方面，目前的圖像處理器還滿足不了要求。通常圖像解析度達到8K 的時候VR的體驗最好。但是，目前大部分圖像處理器只能處理2K解析度的圖像。更為重要的是，VR的交互沒有做好，這極大地影響了用戶體驗，導致產品不能打動用戶，VR也就掉下了風口。只有解決了在軟體、感測器以及交互方面存在的問題，VR才可能得到廣泛應用。

GIF/1261K

智能家居

當前的智能家居是個坑。它的技術壁壘並不高，沒有科技門檻。沒有科技門檻大家就一哄而上，最終導致同質化。更重要的是，大部分智能家居產品為了智能而智能，並沒有真正打動用戶。智能家居產品要想打動用戶，一定要滿足幾方面的要求：首先要安全，其次要能帶來愉悅的心理體驗。現在很多智能家居產品給人感覺太過冰冷，缺乏人文元素，讓消費者很難產生認同感。隨著技術的發展，這一現狀也許會得到改善。

智能家居未來的繁榮只可能出現在B2B而不是B2C市場。有人認為智能家居和房地產業進行合作會是一個方向，但我經過非常詳細的調查，發現房子賣得好與否和它是否引入智能家居無關。即使少數房地產企業宣稱使用了智能家居，也只是當作噱頭炒作而已。房地產商之所以不願意廣泛使用智能家居，是因為目前智能家居產品品質還不夠好，這勢必會影響到購房者的居住體驗。購房者一旦投訴產品質量問題，就會給房地產商帶來壓力，因此房地產企業並不願意使用智能家居。所以，智能家居還有很長的路要走。

| 編輯：岳頂軍

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！