頂級投資人對AI怎麼看？你真的需要了解

編者按：2017年作為AI元年，市場空前火爆，前百度首席科學家吳恩達說：「就像100年前的電力、20年前的互聯網一樣，AI也會改變每一個產業！」，轉向雲和AI並迅速搶佔市場已經成為互聯網乃至通信巨擘的共識。那麼，無論作為科技愛好者的看官還是想在藍海中分羹的創業者，如何從甲方即投資人一方更加透徹的了解AI市場，作為頂級投資人，作者Sam Charrington在本文或許能夠給出一些啟示……

未來圖靈編譯如下：

上周我參加了券商KeyBanc的資本市場新興技術峰會。作為他們馬賽克領導者項目的參與者，我在會議上的角色是，作為機器人學習和人工智慧的主題專家，和他們的機構投資客戶參加一對一小組會議。

我花了滿滿幾天的時間，從各種各樣的角度回答了關於AI市場和那些服務它的市場狀況的相關問題，我想我會深思他們的問題所帶來的關鍵性主旨，連同我對每一個問題的呈現。

企業機器學習的興起

在過去的大約五年的時間內，企業很努力的部署機器學習。這項工作很大一部分是從一些有經驗的組織開始的，將統計分析應用於核心業務的挑戰。這些團體開始嘗試將機器學習技術應用於一些高價值的領域，比如，追加銷售/交叉銷售，場址選擇，線索打分，減少客戶流失。

在過去的幾年中，基於他們早期的成功，這些組織機構聚焦於使機器語言更加容易，廣泛的應用於企業中。這些包括建立或者擴展他們的數據科學團隊，並支持端到端數據管道，共享機器學習工具，平台和實踐。

開始對話的AI

最近，早期的採用企業已經開始探索「真實的AI」。這些成就已經和不同部分的組織機構有了很大的不同。它們經常始於企業最高管理層，在熟悉數碼的執行官或者為消費者體驗負責的副總裁管理下尋找原點。通常，這些努力的出發點需要將對話AI經由聊天機器人應用於客戶銷售和服務，個人設備助手，或者普通的古董郵件和電話等難題。

和科技公司不同，它們也非常積極活躍在對話領域而不是迴避預建平台，企業更加傾向於努力應用商業性的試用平台來支持他們的聊天機器人和聲音助手。這似乎是一個相當支離破碎的空間，隨著大型IT玩家以及相當多的專業供應商的加入，這些項目的絕大部分仍然處於襁褓之中。在今天的商業產品中，這些機構的主導者正在進行學習構築工具需要克服的內在鴻溝。

AI和雲

在每次的討論中都會提到AI和雲，簡而言之，應用程序和數據迅速轉移到雲上，因此機器語言和AI也會轉移到雲上。大型雲供應商，比如AWS，Microsoft，Google和IBM在數據棧的每一層都有相似的產品。因此，在初期，大多數企業選擇雲首先基於寬泛的標準，並且能夠勉強應對雲數據棧。這種情況下，對AWS十分有利。在較小的程度上對Microsoft有利。重要的專業買家和企業基於基本的數據棧做出決定，通常選擇Google。IBM商店和一些尋求完美解決方案的公司通常向他們的供應商尋求幫助。

谷歌豪賭Tensorflow（谷歌基於DistBelief進行研發的第二代人工智慧學習系統），通過培育市場並試圖建立基於能夠運行和生產模型性能最好的雲。該公司同樣對賭Kubernetes（k8s是Docker生態圈中重要一員，是Google多年大規模容器管理技術的開源版本），在這兩種情況下，市場識別到威脅，並通過阻礙Google成功的將開源轉化為雲優勢作為回應。舉個例子，AWS全力支持開放神經網路交換項目（簡稱ONNX）,其期望能夠在深度學習架構，EKS（是一款面向工業環境的電子許可權管理系統，用於過程和軟體應用的安全許可權控制），亞馬遜管理的Kubernetes服務之間協同工作。

AI晶元和硬體

另一個經常被提及的話題是雲加速市場的現狀。Nvidia以其GPUs處於明確的領導地位，很自然的引起每個人和他們的戰友向他們開火。該公司通過CUDA（Nvidia推出的運算平台）和它的生態系統創造了相當巨大的護城河，並且建立所有的深度學習框架來利用它。然而，我的想法是，這個護城河的意義在於減少超大規模計算的世界（即：雲優先）。沒有一個雲寡頭想要對其單一來源負有責任，於是他們都開始製造自己的晶元（比如Google的TPU，即Tensor Processing Unit專為機器學習量身定做處理器）來減少對Nvidia的依賴，以及降低成本和提高性能。Nvidia意識到了這一點，並一直在拚命的推動性能/價格。

基於超大規模計算的假設，我有點看空自主晶元廠商的前景，比如，Graphcore（英國人工智慧晶元硬體設計初創公司），Cerebras（人工智慧晶元創業公司）和Wave Computing （人工智慧半導體公司）作為長期的，可持續的，自主獨立的公司。即便如此，如果他們想迅速的將產品推向市場，並闖出一片天空，許多有趣的機會通道仍然存在。

Intel在這個領域仍然是百搭牌，它擁有廣泛的伺服器和資料處理中心CPU市場，擁有大量的企業和超大規模計算關係，通常帶來巨大的規模和資源來應對競爭。儘管，起步緩慢，每次的變革傳統創新者都需要面對進退兩難的困境，然而，他們意識到自己業務的威脅，並努力的迎頭趕上。看起來Nvidia的項目比如nGraph（Nervana Graph）看起來險勝，其期望能夠編譯深度神經網路寫入任何框架，能在任何硬體後端高效運行，包括當前的和未來的CPUs，GPU以及加速器。

贏家和輸家

即使它沒有明確直接的表達清楚，基本上所有的投資人終極渴望的問題在於弄清楚轉向AI的贏家和輸家。然而，我沒有給予任何投資者建議，如果你想買入一個無所不在的AI和雲優先這些所有是怎樣展開的的願景，有一些明確的贏家和輸家。

能夠區分他們自己並很好的執行保持規模的雲供應商，將會在機器語言和AI中取得巨大成功。對於機器語言／AI工具領域的初創公司，通往一個長期，可持續的，獨立自主的道路是艱難的，因為他們同時受到開源和雲的雙重擠壓（由相同對手提供的資金越來越多）。但是市場仍然不成熟，所以，再次有機會分化，創造巨大的客戶價值，並贏得市場。

儘管更大的潛在贏家是應用程序的提供商——舉個例子，早期進入AI並深入到他們產品中的SaaS供應商。這些使得他們通過更好的服務於他們的用戶群來創造巨大的價值，在這個過程中，建立高級專業的數據源，確實是一個良性的循環。

原文題目：

Here』s what top investors are asking about AI

發佈於：VB

作者：Sam Charrington

圖源：網路

編譯：趙晨希

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！