对话明势资本黄明明在人工智能(AI)领域的创业机会

“人工智能是这个时代最著名、最重要的科学发现。它不仅仅是21世纪最重要的科学进化,也不仅仅是人类历史上最重要的科学进化,而是整个生命创始以来最重要的变化。”《人类简史》《未来简史》作者、以色列耶路撒冷希伯来大学历史系教授 尤瓦尔•赫拉利。

2017年创业邦首次推出了“人工智能创新公司50强”这一专项榜单,这次创业邦研究中心与明势资本黄明明,聊了聊他在人工智能(AI)领域的创业机会,以及选择人工智能领域的创业团队的标准。

创业邦:看好人工智能哪些细分领域的创业机会?

黄明明:算法、算力,以及机器视觉、语音识别等基础技术,美国是Facebook、谷歌这样的技术平台在开源,中国百度也在开源,我相信阿里、腾讯也在开发,但是他们的开放是和云服务连接在一起的。所以创业公司做这种通用的人工智能技术,我觉得机会不大。

当然人工智能通用技术离成熟还相差很远,还在演进过程中。只不过创业公司肯定没有巨头公司这么强大的实力,比如算力,腾讯、百度,都是几十万台服务器在后边支持。

基础技术服务在未来是开源的趋势,创业公司很难有什么优势。

比如国内做机器视觉比较成功的公司,Face++也好,商汤也好,最后都聚焦在安防领域。

第一这个领域有钱景,中国每年在安防领域有几千亿投入,至少有三家A股上市公司。第二落地容易,有现成的应用场景。创业公司最后一定是要落地到应用场景,没有应用场景只提供开源的技术服务是没有价值的。

创业邦:其他领域呢?

黄明明:我最看好的是自动驾驶。第一,这个领域未必是巨头的菜,去年谷歌的团队解散了,现在百度在做开源,但是举步维艰,不少核心人物出走。主要的原因,AI 要落地到具体的场景,一定要有一个能够产生数据的闭环。巨头纯做算法,如果没有整车公司,很难把算法落地。

做算法在自动驾驶各环节中是相对最简单的一步。如果将自动驾驶领域的各个难点排序,最难的是硬件,激光雷达的成本是整车的5-6倍,这么贵没有办法商业化。高精度地图的难度也在算法之前,美国有好多用视觉技术做识别的团队,但是真正做出一个完整的方案,只有特斯拉可以,原因就是它自己有整车。

将近10万辆特斯拉,装着自动驾驶系统,每天在世界各地的公路上跑,收集各种数据,训练自己的深度学习系统,产生世界各地的高精地图。谷歌那么有钱,也无法做到这一点。当特斯拉有上百万辆车在路上的的时候,它的自动驾驶技术一定是最靠前的。

在中国我们看好的创业公司的机会,是做Tier 1的解决方案,就是像博世、德尔福这样做汽车整体解决方案。国内目前缺乏提供落地的自动驾驶解决方案的团队。这就是为什么去年我们投的易航智能,不到6个月之后经纬就又投了下一轮,而且数额巨大。易航现在给李想的车和家、国内传统主机厂提供解决方案。

博世、德尔福还在服务欧洲、美国的车厂,根本时间服务国内的车厂。提供一个最简单的自动泊车的功能,估计要到2020年才能实现。李斌的蔚来汽车或者是李想的车和家,到2019年就要批量面世,如果连自动驾驶Level 2都做不到,怎么在市场上去和别人竞争?所以提供自动驾驶整体解决方案,是国内创业公司非常大的机会。

创业邦:谷歌和特斯拉的技术路线,看好哪个?

黄明明:谷歌的那一套,我们从一开始就不认同。现实中的技术革命没有一步到位的,都是渐进式的。特斯拉采用的技术路线相对而言是最保守的,例如电池,特斯拉用的是手机和电脑里18650的最成熟的电池技术。

易航采用的是渐进式路线,先实现Level 2,可以在高速上自动跟车、自动变道、自动泊车在一定特定的路段下自动驾驶,然后持续向Level 3和Level 4发展。

Level 2是未来主流车的一个标配。所以这个领域的创业公司有巨大的机会。

创业邦:无人驾驶领域还有哪些环节有机会?

黄明明:其它单一环节的价值不是特别的大,例如算法特别强的,我们就不太会考虑,因为它的价值只在单一环节,没有办法最终产生商业化的应用。比如普林斯顿的肖建雄博士,他是全球最牛的深度学习科学家,但是他根本不考虑硬件、工业化生产,只做算法。所以美国很多创业公司的路子就是把单一的环节做到极致,等着被大公司收购。

但是在中国,这条路可能很难走通,不会有很高的溢价。

去年我们看了十几家做激光雷达的公司,实在是没有办法下手,因为都还是在实验室里和小规模量产的阶段,到实现真正大规模量产,中间有遥远的距离,很难判断哪一家可以跑出来。

创业邦:怎么看drive.ai?

黄明明:也是偏算法的一家公司。大多数算法的公司,只是解决了其中一段的问题。硬件、车辆控制、高精地图,这些都比算法的重要性要高。这些问题还没有解决,只解决一个问题,我觉的这家公司路子还是指望被一个大车厂收购。

我们认为深度学习是做到Level 4,或者Level3以上的时候,才慢慢起到比较大的作用。在前期,一定是机器学习结合专家系统,可能更容易一点。纯用深度学习,可能在很多领域效果未必会更好。

创业邦:在AI跟医疗等领域相结合的时候,技术起到的作用有多大?

黄明明:人工智能这个领域,技术的重要性大大地提高了。有一个核心的原因,刚开始的时候,懂人工智能技术的人太少。我相信随着巨头的技术开源,难度会逐渐降低。即使是这样,技术起到的作用还是比纯模式的公司重要很多。但是一个创业公司能否成功,最终还是依靠对于行业的深度理解。

比如我们今年看了很多医疗领域读片的公司,如果稍微研究一下,就会发现读片在很长时间内不能替代医生的职能,是最不赚钱的一个环节。中国的法律规定,必须至少有两个医生写的报告才可以作为简单的报告,但依然不能作为确诊报告。比如肺癌,要确诊必须要做活检等检查,读片只能起到一个参考的作用,价值有限。

另外,每一家做读片的公司都号称搞定了多少家三甲医院,但是这些医院的数据没有被清晰的标注过,没法用,还是要找靠谱的医师去做样本库的标注。再加上每家医院的数据都是相对割裂的,所以这个细分领域的创业公司价值有限。

在医疗领域应用AI技术,什么样的公司容易产生新的商业模式?就是帮助医生做手术的公司。所以我们投了研发手术机器人的术康医疗。美国的手术机器人公司达芬奇,现在价值300亿美金。

中国最好的医生70%都聚集在北上广,政府投入大量资金,在二三线城市买了大量的医疗设备,但很多设备是闲置的,连能够操作的医生都没有。AI能够帮助一个不是那么好的医生,完成一台高质量的手术,或者把一个好医生的能力复制和放大。

例如骨折打骨钉,中国最好的三甲医院的医生,都会存在10%的失误率,二三线城市更严重。我们投资的这个手术机器人,可以帮助医生很快找到最正确的定位,精度误差少于0.1微米,帮助医生进行高精度的手术。这个需求在三甲医院很大,但是能想到这样的模式,还是依赖于对于行业本身的深入了解。

人工智能领域创业,第一批出来的一定最顶尖的研究深度学习的科学家和大牛。但是科学家和大牛最容易碰到的问题就是对于行业没有那么深入的了解,而且往往觉得深度学习就是个锤子,满世界都可以钉。只有当他们对产业和应用场景有深入了解之后,才有可能成功。

创业邦:选择人工智能领域的创业者有什么标准?

黄明明:懂技术是一个基础,是一个必须的东西。还要看进入到一个特定领域,对于那个领域的了解到底有多深,学习能力有多强。要对行业有敬畏,包括自动驾驶的团队,如果觉得用一个视觉技术就解决全部问题,是不行的。

创业邦:为什么国内的技术收购市场不发达?

黄明明:国内对于核心技术的收购偏少,这个和咱们国家发展的阶段是有关系的。我们国家现在的IP产权保护法尚待完善,和有力地执行。如果我们一直讲核心技术的创新和版权保护,但是不能用很好的法律手段进行支持,那么纯技术公司就很难获得高溢价,最后就是没有人敢对核心技术进行投入。

扫码
关注
意见
反馈
返回
顶部