中国人工智能学会通讯——智能化创业和投资的实践

我今天这个题目比较应景,叫做《智能化创业和投资的实践》。这两天很多参会专家在人工智能,包括人工智能在很多领域怎么落地和串接做了非常好的阐述,我自己也学了很多。下面就从投资机构的角度跟大家分享一下智能化创业和投资的实践。

我的议题分四个部分——智能化创业时代的阐述、智能化创业的领域、智能化投资的实践以及问题和思考。开宗明义,讲智能化,特别是人工智能,我一直觉得它不是平地起高楼的东西,必须要说历史。人工智能的发展历史是六十几年,我们不说那么长,而且我想把智能化归类到科技类创业的范畴里,就讲科技类创新创业。在座的各位从20来岁到40多岁,如果说以我们的经历来讲,大家应该都经历过电话,或者说经历过从固定电话到手机这么一个过程。再年轻一点的,家里没有固定电话,只有手机了。我想说什么?通讯领域是一个典型的科技不断创新创业的过程。以我个人经历来讲,我是做通讯行业的,从没有固定电话到有固定电话,从BP机到手机。那时的创新创业我印象是特别深的,中国被国外所有大公司垄断,后来才有了华为、中兴这些通讯公司。直到现在智能手机的普及,有30多年的时间。

生活中大家用到很多东西,基本上都离不开科技的创新创业。左上角这张图是在硅谷计算机历史博物馆里展出的计算机,不是最早的,但也是比较早的电脑。那时的运算能力,要达到现在一个手机的运算能力,即使用小型机,大概也是这么一个屋子的机器。科技创新这么多年发展还是非常快,一共也才三十几年。像自动驾驶,大家都在谈,但是经历过的人并不多。作为投资机构,我们在这个行业里投资,同时也伴随一些科研早期的接触和支持。在自动驾驶尤其是辅助驾驶,规定场景、规定动作方面已经做得非常好了,效果非常惊人。并不要像特斯拉这些,国内已经有非常出色的表现,相信智能驾驶未来会很快到我们的生活中。AlphaGO这个事,大家都知道,可能离大家比较远,更多的是做程序,或者是做科研的,觉得这是标志性的事件。但是设想一下,这类东西的背后,在教育行业,对孩子的教育会不会有特别大的影响?还有一些兴趣爱好、音乐的学习,会不会有很大变化?都是有的,所以科技发展,包括智能化的发展就在我们身边。

这个图可能大家很熟悉了,如果对这个行业了解的,基本上能够知道这个曲线里面每个点代表什么,我就不展开说了。我想说的是“AI+”,我们认为未来是无所不在的。主要表现在哪些方面?像智能机器人、智能交通、智能制造、智能安防、智能医疗、智能金融......

这里的核心我列举了一些,这两天的讨论大家加了一个“场景”,人工智能的四要素,核心就是这些东西。比如现在的热词,大家都会关注,如云计算、边缘计算、量子计算等。从行业来讲,刚才讲的场景,已经应用到了很多行业了,像金融、保险、法律、汽车、零售、制造、电力、交通、农业、运营商等,这些都有。

我们怎么看智能化过程中中国的地位?我们认为中国有机会领跑。目前来看,海量数据从数据的隐私性包括数据的获取,在中国相对来讲更有机会获得。从研究来讲,中国在AI领域论文的引用数量已经超过美国,成为全球第一。还有就是语音图像识别,跑得也比较快。在软的东西上,比硬件更容易突破,发展的确很快。创业人才这方面,我们的体会很深,因为天天面对创业者——国内的和海归的。现在有一些政策,鼓励高校教师创业,鼓励人才走向市场。包括大公司里面的创新创业,国际化人才的回归或者组合,公司间国际化合作,以及对境外公司的收购,都形成了中国的领跑机会。

说了这么多,我们看一看,从我们的角度看智能化创业的热点。前面也提到过一些,比如说VR/AR,嚷嚷了很多年,对内容的需求,以及技术的突破,可能会带来产品和体验各方面的变化,进而普及。工业机器人发展很多年了,四大家族在全球处于垄断地位。但是这几年随着中国人口红利的消失,包括南方很多工厂机器代人的诉求,在推动国内这个行业的发展和突破(比如减速器)。软硬结合的,比如说2D、3D视觉模组用在流水线检测,也用到人工智能的技术。消费机器人更多的是家庭陪伴教育,还有酒店的机器人。无人机我们也归类到机器人领域里,可能还没有那么普及。另外在康复领域,外骨骼也在不断地受到重视。安防这块,更多的是基于视觉、虹膜、指纹、步态等。交通,就是我们常讲的ADAS,或者自动驾驶,也涵盖智慧交通、智慧城市。医学影像,更多的是数字健康、医疗机器人、生物打印。

稍微总结一下,智能化怎么来看?我们认为智能化已经到来。智能化使未来人类的生活和工作更自由、更方便、更强大。是不是有一些不安全的因素?或者是其他新的问题,新的机会,我们也在不断的关注。还有一句话是,智能化快速改变和扩大机器的能力和人的边界。

我讲几个案例:刚才一直在讲自动驾驶,大家可能都知道行业里面最出名的这些智能驾驶的公司,像智行者,很快会在国内物流车、扫地车、园区低速车上应用,未来会往乘用车的方向去走,现在在自动驾驶领域已经获得很多传统车企和互联网车企的订单。(大家可能还不太知道,因为PR做得少。)

讲一下NovuMind,他们拥有全栈人工智能技术,能提供专为人工智能定制AI超级计算机。这个项目是为AI赋能。Versa是基于人工智能的视频和照片编辑器,可以对视频做实时渲染,轻轻一点就能幻化出艺术家风格的作品。

刚才提到AI可能会在医疗领域有比较好的应用,那么是什么?就是大家一直在谈论的读片。我们在医院的X光片、CT片、核磁共振,医生有大量的工作要去做,其中有两个就是标注和读片。推想科技正是利用人工智能的方式,可以极大提高效率,一个月前的测试数据显示,机器标注的时间是人工的一百五十分之一,现在还在不断提高。更加重要的一点,就是漏诊率的大幅降低,通过它们的读片辅助可以让医生降低50%的漏诊率,这是很重要的,未来我们期望这个数据不断提高。所以AI造福于人类,使人们生活更健康。

这个贝塔智能是智能投顾,奇智机器人是智能客服可以提高服务的准确率,降低人工的数量,甚至对公司的一些绩效改善起到非常重要的推动作用。阿丘科技是前面提到的3D视觉技术用在工业机器人上面的的识别和抓取,在工业生产线上使用。

最后讲一讲我们在这一领域的实践和思考。智能化创业的特点有哪些?如果是创业,你们是不是都能碰到?

从现在看到的,包括我们投了几十家公司来看,这几个特点贯穿了大多数企业。第一是综合跨学科,做软硬件结合,就涉及了诸多方向。小到一个模块,怎么设计尺寸,小一个框,或者小多少毫米和厘米,这都是很难的。第二是周期长。第三是需要行业背景。第四是需要工程背景。我们很多创业者没有工程背景,这件事你去做,idea变成产品,工程背景决定这件事,往往是多花几倍钱的事,甚至是成败的事。第五是对接产业资源。如果创业时多看一看大企业的需求,或者大企业的痛点,结合市场痛点去做,对接产业资源而不是闷着头去创业,会事半功倍。

什么是好的智能化创业项目?这也是我想跟大家探讨的事情。首先关于升级改造和革命性的问题。大多数革命性的东西,从创业的角度来讲是很难的,虽然我们特别喜欢找这样的标的,创业者也特别喜欢说这个东西有多牛,我来做以后能怎么改变世界。但是从统计来讲,大多数的创业不是革命性的。我们就做升级改造的事,为什么不可以?就是场景化,就是落地,然后不断地升级打怪,不断地创造能力边界,不断地去谋求创新,这是第一个。

我们关注的问题,第一,寻找什么方向的应用?刚才举了很多,在这个阶段来看,智能制造、物联网、金融、汽车、医疗、娱乐、文创都是不错的创业方向和领域。第二,产品是否符合市场需求,这句话要不断的强调,就是怎么识别和判断伪需求,真的是永恒的问题。创业时不断去挑战自己,不断去想清楚这件事,哪怕开始干了,也可以挑战自己,看看是不是走错方向了,调头来得及。我们也经常复盘,发现有的创业者一开始就想错了。

技术壁垒,我专门有一个分享。我第一次做投资,差不多20年前,与专利相关,收购一个“863”项目的know how。这么多年下来,我对这个方面的理解越来越深,而且现在来看,专利保护,构建全球化竞争能力,在很多创业创新中,尤为重要。我们投资的项目中,现在已经有专利大概几百个,这样的公司是全球化的。怎么写专利能够保护到自己,形成竞争力,未来走得长、走得远,有些项目走到一定程度,靠专利就能够挣大钱。

我就讲这么多,我们主要投资科技类早期项目。刚才举了几个案例只是一小部分,我们投了机器人、无人机,以及人工智能和大数据在垂直领域的应用,还有与新能源车相关、大健康相关。我们愿意投能够产业链协同的项目。从创业者的角度来讲,大家要注意把自己那个领域做深,同时考虑连接、考虑协同。从投资来讲,我们也有这么一个口号“连接创新者,发现未来”,而后可以“成人达己”。

(本报告根据速记整理)

时间: 2024-10-03 21:58:22

中国人工智能学会通讯——智能化创业和投资的实践的相关文章

中国人工智能学会通讯——蚂蚁金服智能金融实践

今天早上我们的副总裁.首席数据科学家漆远博士给大家讲了很多金融智能创新的例子,我主要是从"蚂蚁金服智能金融实践"这方面给大家作阐述. 首先,我们认为金融服务是AI创新的最好场景之一,主要是三个理由.第一,场景非常丰富,打开支付宝我们知道这不仅是一个支付工具,可以把AI应用到理财.投资.贷款.征信等业务中,还可以把AI结合到安全.保险.客服里.第二,数据量大,全球数十亿用户,日常交易量巨大:另外天然业务数据化,比起其他行业来说,业务数据化程度要好得多.第三,具有很大社会意义,我们的诉求是

中国人工智能学会通讯——金融机构的市场机遇与实践 1.4 人工智能——系统实现关键

1.4 人工智能--系统实现关键 最后一页是我的机器学习在金融科技中的实践体会.人工智能在书本里有比较清楚的定义,但是在工程中,这个定义就变得非常模糊和难以把握.我这里讲最基本的四个步骤:数据处理.特征提取.模型训练和评价测试. 工程的数据处理中,很多时候删除样本比增加样本更加重要.今天谭院士讲人工智能不是万能的,最关键的是把技术边界做好,能做的做,不能做的投降,这样最后系统的准确率和稳定性就提高了.但是数据删除,也就是挑选数据或者是过滤数据,好比是在数据中砍几刀.我们认为能够正确砍出这几刀的人

《中国人工智能学会通讯》——6.10 链接数据实践

6.10 链接数据实践 从语义网的理想被提出起,人们就不断尝试各种建立数据之间链接的技术和方法.比较典型的如LOD(Linked Open Data Project) [17] .Schema.org [18] .WikiData [19] 等. LOD LOD 的初衷是为了实现 Tim Berners-Lee 在2006 年发表的有关链接数据(Linked Data)作为语义网的一种实现的设想[20] .LOD 遵循了 Tim 提出的进行数据链接的四个规则,即: (1)使用 URI 标识万物:

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——人工智能发展的思考

2016 年是充满了纪念意义的特殊的一年:80 年前的 1936 年,"人工智能之父"图灵提出了"可计算机器"的概念,为人工智能乃至现代信息科技奠定了基础:70年前的 1946 年,世界上第一台电子计算机ENIAC 在美国滨州诞生:60 年前的 1956年"人工智能"的概念首次被提出:50 年前的 1966 年,第一次颁发"图灵奖",到目前为止已经有 64 位获奖者:10 年前的2006 年,深度学习概念开始为大家所熟悉,并流

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智