線性資本鄭燦：AIOT 正在從「工具」演變為「方法論」

動點科技 | ID：technode

論起投資人的資歷，從事兩年半的鄭燦並不算資深。上交大研究生畢業的他，在芝加哥獲得了 MBA 學位，在矽谷工作過，也創過業，轉型做投資人是在與線性資本創始人王淮一頓飯之後敲定的事情。「我們對於技術的理解和未來的商業可能性幾乎是一拍即合的事情。」 鄭燦說。

從創業者到投資人身份的轉變，鄭燦說從上班第一天就適應了。「我們都是一群技術人，所以我們的很多判斷和自己感興趣的方向也都是在強技術和問題的結合點上，和最優秀的創業者在一起做偉大的事情，讓我覺得非常興奮的一件事。」

線性資本是專註在數據智能領域的早期投資機構，到現在為止我們大概投了為 60 多家企業，典型的投資案例有地平線機器人、威馬汽車、帷幄 whale、特贊等。6 月 28 號在南京舉辦的 2019 中國人工智慧峰會上，鄭燦發表主題了為《AIoT 投資觀察》的演講。鄭燦表示，線性資本致力於和強技術創業者一起為行業做出貢獻。而在 AIoT 領域，前端感測器、傳輸、運算、平台和應用等都非常關鍵。

在鄭燦看來，因行業的共同推動，很多原本在實驗室的感測器開始得以應用；在 5G 相關技術的加持下，遠程 實時傳輸也將得以很好的實現；運算方面，雲邊端的綜合應用也讓演算法更加智能；平台應用則是最重要的，預計未來將有大量創業公司湧現出來。

他講到，AIOT 的趨勢體現在兩個方面，一是 AIOT 在今天行業當中的應用，從之前更多的做物體的檢測、物體識別，演變到需要對行為、意圖進行理解，變成了行為檢測和行為識別。「比如今天在路上開車不禮讓行人這件事是違章的，通過 AI 做判斷，可以識別類似於這樣的違章大概三十多種，包括轉彎的時候做一些危險動作，大彎小轉，這是強應用規則，到底怎麼樣才算不禮讓行人，從業者對業務規則也會有更深的理解。」 鄭燦說。

第二個新趨勢，鄭燦認為，AIOT 在行業的應用當中開始從單點優化到全流程優化。單點優化是指在以前在工業線上裝一個機械手提高分解效率，或者關鍵結點上做質量檢測提高良品率，這些都是單點獨立問題。到今天在不同單點上慢慢有數據採集和反向控制之後，尤其在典型的場景當中已經開始出現端到端的全流程優化、全順序性的行業。他以最近投資的一個案例舉例，「我們最近投了一家熱門行業的公司，原來都是數據科學家，但他們去研究怎麼把燒鍋爐這個問題做得更完美，從最開始的煤水進去，到最後的蒸汽出來，一年之後他們對於鍋爐本身的操控優化更加專業，這個就是全流程優化，對從業者提出了更高的要求。」

除此之外，鄭燦還講到，AIOT 在今天已經從一個效率工具慢慢走到方法論變革。不管單點還是全流程，AI 或者 IOT 都是在適配現有的生產方式，把原來的生產效率變高。但在今天一些行業的引領者眼裡，怎麼用技術把今天整個生產方式顛覆， 但目前的問題主要是，技術發展太快，AIOT 技術發展太快，相關配套設施趕不上，導致 AIOT 的從業者內部和行業之間產生一些各種各樣的矛盾，第一個典型效果和隱私之間的矛盾。今天智能來源與數據，越貼近生產的生產的數據帶來的效果更大，這些數據隱私，大家對於提供的數據有很多的困擾，從業者得不到數據改善模型也影響落地。

提到人工智慧的應用落地，不得不提的是數據，而對於初創公司來說，缺乏數據的積累或者數據來源是人工智慧發展的桎梏。鄭燦認為在這樣的情境下，盡量提高準確率增加機器自身學習能力是突圍之道。「不一定說數據越多你的準確率越高，還是要看技術本身的行不行。」 鄭燦講。

教育方面，他認為數據智能從 「效率工具」，逐漸演變為在教育方法、教育理念、資源分發等更基礎的方面去進行變革。信息安全方面由於受到法律法規和決策者的接受程度的限制，數據智能的應用還處在非常早的階段，隨著一連串問題的發生，數據安全問題備受關注，空間巨大。DaaS 方面，線性資本尋找在大公司有過相關完整經驗的創業團隊，期待將這些技術 「平民化」，幫助更多中小企業提高效率。

對於數據智能的初創公司的選擇標準上，鄭燦表示：「作為技術出身，會充分了解他的技術本身還有商業模式，然後要在我的腦子裡把它整個流程跑一遍，跑的通才能證明是可行。」 同時，他也強調 「我們缺的真正理解行業的，並且有 AI 能力，要麼他自己有，要麼他有很好的方式和有技術的合作的解決方案商，需要 AIOT 走到行業當中去，是行業場景的邊界往前推的一個必要條件。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！