论文部分内容阅读
创业公司的关键在于是否能拿到更多的数据，拥有独特的算法策略。
在人工智能领域的早期投资，我们会关注通过人工智能带来显著效率提升和商业价值的领域。在HR领域，光速A轮投资的e成科技利用大数据和人工智能机器学习更精确地在海量简历库里快速匹配最适合招聘职位的候选人，为腾讯、阿里巴巴和众多企业在招聘HR方面大幅地提高效率并减少成本。在新零售领域，光速投资的再惠科技利用大数据和人工智能帮助各类消费企业——包括餐饮、服务和零售企业——更高效地管理老客户，明显提高重复消费比例，为企业创造更多的收入。
投资“助理来也”又是另外一种思路。我喜欢投资连续创业者。助理来也的创始人一个是普林斯顿大学的博士，一个是宾夕法尼亚大学的博士，两个人毕业时分别拿到了高盛、麦肯锡的offer，但还是选择回国创业。后来他们把公司卖给了百度，自己也去了百度，在AI团队积累了经验，然后再出来创业。
助理来也第一轮（天使轮）是我们领投，红杉资本、真格跟投，微软投资了A轮。比如说你下班了需要一辆车，你就可以跟它说“帮我叫辆车从公司回家”;或者对它说“定一杯美式咖啡送到办公室”，会自动问“要中杯，热的？”确认后30分钟左右咖啡就送到了。还可以跟它说“电话提醒我明天上午10点有个视频会议”，它到时候会给我打一个电话，这以前是秘书做的;而且对没有秘书的白领也是个新的帮助。现在有很多公司——比如房地产商、消费品公司——会找助理来做人工智能客服。
所以人工智能技术在实际应用方面是很有潜力的。
人工智能要与实际应用结合
一是图像识别，像Face++、商汤科技这样的公司，这是因为在中国市场产生了很多这样的机遇。比如说安防、智慧城市，中国大城市交通罚单使用摄像头的比例远超过美国。以前是图像识别，现在视频图像识别也有很大的发展空间。
二是自动驾驶，现在还处于比较早期的阶段，大公司做得比较多，像谷歌、百度、滴滴、乐视，也不断有创业公司出来。要实现无人驾驶，路程还比较长，但是商業应用比较清晰，包括长途货车自动驾驶，一旦发展起来会是一个巨大的市场。
三是医疗影像，通过图像识别来帮助医生，提高医生的效率。在二、三线城市医生资源不足的情况下，人工智能可以帮助医生提高诊断效率，弥补资源短缺。这个领域也有很多公司在做。
四是互联网金融，包括我们投的融360，它在用人工智能技术做反欺诈。金融的核心是风控，而互联网金融是通过互联网接触到消费者的，不像传统的银行采用线下的方式做风控。在线上怎么去识别贷款人，这里面有很多机会。还有智能投资策略、量化投资等等。这是一个商业应用较为明确的领域。
与巨头对比，创业公司在那里有机会？
那么，大公司都在开源自己的算法，创业公司的机会在哪里？我认为，大公司开源人工智能算法或者提供云服务给创业公司，这对创业公司是一个利好。一个创业公司要研究算法，需要买很多服务器，这成本非常高，而且会花费很多时间和精力。现在算法开源了，就像云计算一样，把很多创业公司的成本降低了。
对创业公司来说，最大的挑战还是数据，关键在于怎样能拿到更多的数据和独特的算法策略。创业公司要找到自己的切入点，在一个细分领域内扎得深一些。另外，创业公司最后要提供的是一个解决方案，给医院也好，金融机构也好，能够帮用户提高效率，解决实际问题——巨头公司不见得有动力在细分领域做这么深。在无人驾驶领域很多巨头都在布局，不布局的话以后可能会被颠覆掉。其他的，像安防，我觉得他们不太会去做，所以创业公司的机会还是挺多的。
促进整人工智能整个产
业演变的关键因素，第
一就是数据，第二是应
用场景
所以，促进整人工智能整个产业演变的关键因素，第一就是数据，第二是应用场景。比如，斯坦福大学有学者在《Nature》上发表了一篇论文，说用人工智能技术可以通过图像分析诊断治疗皮肤癌，可以做到皮肤科专家的水平;但这只是一篇论文。在美国要拿到病患的数据不容易，有很多隐私条款（doctor-patient confidentiality）。这些数据在中国就比较容易拿到，另外国内消费者也多，这个市场也就很大。
关于看to B 和to C的项目，逻辑有什么不同，我们都会看市场趋势，作趋势判断，但to B我们会看得更深。投to B项目要对行业非常懂，知道真正的价值在哪里，技术壁垒在哪里。
举个例子，光速投资了旭创科技，它是提供云计算数据中心（data centre）里的光通讯模组的公司，客户包括谷歌、亚马逊AWS和阿里云等等。旭创科技和人工智能有什么关系呢？大公司都把算法开放出来了，像谷歌的TensorFlow，亚马逊也开放了人工智能云服务。人工智能的算法很重要的是要用GPU来做计算，它需要更多的并行计算，要用到很多GPU。所以NVIDIA的股票去年表现很好。亚马逊提供的带有人工智能的云服务后面也是GPU，有成千上万台机器在算。谷歌的AlphaGo也是。也就是说，人工智能对并行计算的需要大大增加了对网络传输数据的需求，而服务器与服务器之间的传输就需要用到旭创科技的光通讯产品。
在人工智能领域的早期投资，我们会关注通过人工智能带来显著效率提升和商业价值的领域。在HR领域，光速A轮投资的e成科技利用大数据和人工智能机器学习更精确地在海量简历库里快速匹配最适合招聘职位的候选人，为腾讯、阿里巴巴和众多企业在招聘HR方面大幅地提高效率并减少成本。在新零售领域，光速投资的再惠科技利用大数据和人工智能帮助各类消费企业——包括餐饮、服务和零售企业——更高效地管理老客户，明显提高重复消费比例，为企业创造更多的收入。
投资“助理来也”又是另外一种思路。我喜欢投资连续创业者。助理来也的创始人一个是普林斯顿大学的博士，一个是宾夕法尼亚大学的博士，两个人毕业时分别拿到了高盛、麦肯锡的offer，但还是选择回国创业。后来他们把公司卖给了百度，自己也去了百度，在AI团队积累了经验，然后再出来创业。
助理来也第一轮（天使轮）是我们领投，红杉资本、真格跟投，微软投资了A轮。比如说你下班了需要一辆车，你就可以跟它说“帮我叫辆车从公司回家”;或者对它说“定一杯美式咖啡送到办公室”，会自动问“要中杯，热的？”确认后30分钟左右咖啡就送到了。还可以跟它说“电话提醒我明天上午10点有个视频会议”，它到时候会给我打一个电话，这以前是秘书做的;而且对没有秘书的白领也是个新的帮助。现在有很多公司——比如房地产商、消费品公司——会找助理来做人工智能客服。
所以人工智能技术在实际应用方面是很有潜力的。
人工智能要与实际应用结合
一是图像识别，像Face++、商汤科技这样的公司，这是因为在中国市场产生了很多这样的机遇。比如说安防、智慧城市，中国大城市交通罚单使用摄像头的比例远超过美国。以前是图像识别，现在视频图像识别也有很大的发展空间。
二是自动驾驶，现在还处于比较早期的阶段，大公司做得比较多，像谷歌、百度、滴滴、乐视，也不断有创业公司出来。要实现无人驾驶，路程还比较长，但是商業应用比较清晰，包括长途货车自动驾驶，一旦发展起来会是一个巨大的市场。
三是医疗影像，通过图像识别来帮助医生，提高医生的效率。在二、三线城市医生资源不足的情况下，人工智能可以帮助医生提高诊断效率，弥补资源短缺。这个领域也有很多公司在做。
四是互联网金融，包括我们投的融360，它在用人工智能技术做反欺诈。金融的核心是风控，而互联网金融是通过互联网接触到消费者的，不像传统的银行采用线下的方式做风控。在线上怎么去识别贷款人，这里面有很多机会。还有智能投资策略、量化投资等等。这是一个商业应用较为明确的领域。
与巨头对比，创业公司在那里有机会？
那么，大公司都在开源自己的算法，创业公司的机会在哪里？我认为，大公司开源人工智能算法或者提供云服务给创业公司，这对创业公司是一个利好。一个创业公司要研究算法，需要买很多服务器，这成本非常高，而且会花费很多时间和精力。现在算法开源了，就像云计算一样，把很多创业公司的成本降低了。
对创业公司来说，最大的挑战还是数据，关键在于怎样能拿到更多的数据和独特的算法策略。创业公司要找到自己的切入点，在一个细分领域内扎得深一些。另外，创业公司最后要提供的是一个解决方案，给医院也好，金融机构也好，能够帮用户提高效率，解决实际问题——巨头公司不见得有动力在细分领域做这么深。在无人驾驶领域很多巨头都在布局，不布局的话以后可能会被颠覆掉。其他的，像安防，我觉得他们不太会去做，所以创业公司的机会还是挺多的。
业演变的关键因素，第
一就是数据，第二是应
用场景
所以，促进整人工智能整个产业演变的关键因素，第一就是数据，第二是应用场景。比如，斯坦福大学有学者在《Nature》上发表了一篇论文，说用人工智能技术可以通过图像分析诊断治疗皮肤癌，可以做到皮肤科专家的水平;但这只是一篇论文。在美国要拿到病患的数据不容易，有很多隐私条款（doctor-patient confidentiality）。这些数据在中国就比较容易拿到，另外国内消费者也多，这个市场也就很大。
关于看to B 和to C的项目，逻辑有什么不同，我们都会看市场趋势，作趋势判断，但to B我们会看得更深。投to B项目要对行业非常懂，知道真正的价值在哪里，技术壁垒在哪里。
举个例子，光速投资了旭创科技，它是提供云计算数据中心（data centre）里的光通讯模组的公司，客户包括谷歌、亚马逊AWS和阿里云等等。旭创科技和人工智能有什么关系呢？大公司都把算法开放出来了，像谷歌的TensorFlow，亚马逊也开放了人工智能云服务。人工智能的算法很重要的是要用GPU来做计算，它需要更多的并行计算，要用到很多GPU。所以NVIDIA的股票去年表现很好。亚马逊提供的带有人工智能的云服务后面也是GPU，有成千上万台机器在算。谷歌的AlphaGo也是。也就是说，人工智能对并行计算的需要大大增加了对网络传输数据的需求，而服务器与服务器之间的传输就需要用到旭创科技的光通讯产品。