【启示录】人工智能全球投资脉络

导读:全球有 900 家公司致力于人工智能领域,大部分都专注在商业智能、金融和安全领域。从 2015 年 1 月 1 日 到 2015 年 12 月 1 日,我们看到了人工智能产业已经发生了 300 个交易,其中在退出市场已经看到 33 个并购交易和 1 个新股发行,其中欧洲公司 6 个,亚洲 1 个,其余都是美国公司。这给资本市场带来了强劲的回报。而交易的大部分是出于收购人才的考虑,在收购的时候,团队人数的中位数是 7 个人。

人工智能投资在 2015 年占到总投资的 5%,这相比 2013 年 2% 高出不少,但仍然远远落后于其他竞争领域,例如广告、手机和商业智能(BI)软件。

这篇文章详细梳理了全球人工智能产业投资的脉络,包括人工智能产业繁荣背后的基础,人工智能技术应用的六大考虑,人工智能公司面临的挑战,投资者的关心问题,为什么要建立“用户在环中”的系统,生活中的人工智能系统,以及对未来发展的展望和启示。

正文:

人工智能是我们这个时代最激动人心,以及有很多改革机会的事业。作为 Playfair 资本的风险投资者,我有一些优势的视角,专注在投资以及建设围绕人工智能的社区,我把这看作是对于投资者的巨大机会,帮忙在这个区域建设公司。有三个原因。

第一:全球 40% 的人能够上网,也有超过 20 亿的手机被使用,而且每天的新增手机也非常多。我们创造了很多数据集,它们是人工智能的初始材料,定义我们的行为、兴趣、知识、联系和活动。这种微观尺度,是过去从来没有存在过的。

第二:计算和存储成本以数量级的方式急剧下降,而今天处理器的计算能力不断增长,使得人工智能应用成为可能,在经济上能够支撑起来。

第三:我们最近在学习系统、架构和软件基础设施上看到了显著的进步,这能给加快未来的创新速度。实际上,我们很难完全体会到明天究竟会怎样。

我们必须意识到,人工智能驱动的产品已经在生活中大量存在了:提高搜索引擎效果,推荐系统(电子商务、音乐等),广告服务和金融交易。

这些拥有资源并投资于人工智能的公司,给了其他公司如法炮制的动力,同时也带给它们失去竞争力的风险。总之,人们对此有了更好的理解,也拥有更强大的工具,建立学习系统应对日益复杂的任务。

你会如何应用人工智能技术?

拥有了如此强大而又广泛应用的技术,人工智能公司可以通过不同的方式进入市场。我们列举了一些公司,总结起来有六个方面需要考虑:

1.大量的企业和开放数据都处于不同的数据孤岛中,无论是在线上还是本地部署。可以在这之间建立联系,在复杂的问题中看到全局情况,从中发现新的观点,做出预测。

代表企业:DueDil、Premise、Enigma

2.充分利用团队专业知识,找到专注的、高价值的、反复出现的问题,用人工智能技术拓展人类不足。

代表企业:Sift Science、Ravelin

3.针对各种各样的商业问题,用现有或新的人工智能框架做工程设计、超参数优化、数据处理、算法、模型训练和部署。

代表企业:H2O.ai、Seldon、SigOpt

4.那些重复的、层次分明、容易出错而又知识更新换代慢的工作,使用情境决策来完成日常事务。

代表企业:Gluru、x.ai、SwiftKey

5.赋予机器人和自动代理以感知、学习和在物理环境中做决策的能力。

代表企业:Tesla、Matternet、SkyCatch

6.以长远眼光来看,那些充分风险的基础研究,一般由学术界完成。但由于严格的预算,最近可能不会这样发展。

代表:DNN、DeepMind 和 Vicarious

关于这方面的讨论还有很多,其中关键的考虑因素是,大公司(Google、微软、Intel、IBM)的开源运动,大量公司提供廉价技术,这意味着技术壁垒会被侵蚀的更快。在未来世界会出彩的,是那些有自己的数据访问、获取能力,有经验丰富的人才,以及令人上瘾的产品的公司。

运营者面对什么,投资人关心什么?

当企业运营者和投资者进入到人工智能领域,我看到了一系列经营上、商业上和财务上的挑战。这是其中的主要部分,需要牢牢记在脑海中。

运营问题

1.如何平衡长期研发路线和短期货币化目标?虽然更多的库和框架工作开放出来了,但是一个产品要被接受,还有大量的前期工作。用户往往会对由人产生的结果进行基准测试,这是运营的竞争所在。

2.现在人才库还很浅,只有很少人恰好有到位的跨界技能和敬仰。所以你会从哪里招聘,并留住什么样的人?

3.在产品早期就得考虑工程和设计之间的平衡性。如果你在事后才致力于产品美学,无异于给一头猪涂上口红:无论如何它还是一头猪。

4.大多数人工智能需要有用的数据。当你早期没有足够的符合条件的数据时,如何启动自己的系统?

商业问题

1.拥有人工智能的产品还是很心的,所以购买者可能并不是做技术的人(或者没有足够的领域知识,理解你的小产品)。他们很可能成为你的新买家,所以必须密切意识到销售周期的步幅和障碍。

2.你如何发布产品?是通过 SaaS、API 还是开源?

3.你是要进行收费咨询,建立系统并做支持服务么?

4.你是否会使用客户的数据进行更高等级的学习,并为其他公司提供服务?

财务问题

1、哪种类型的投资者,能站在比较好的姿态来评估你的业务?

2、什么样的业务会被视为可供投资的?MVP(最小可执行产品),出版物,开源社区的用户或者是持续性的收入?

3、你是要专注于核心产品研发,还是紧密和客户定制的产品进行合作?

4、在筹集资金的时候考虑缓冲区(Buffers),以确保在达到重要的里程碑之前,你不会在市场中出局。

建立“用户在环中”(User in the Loop)的系统

在人工智能产品中,用户参与被视为最重要的因素,这有两方面的原因:

第一:机器还不能对人类的认知能力总结概括。要知道软件在哪个地方有缺陷,还得在用户的帮助下进行改善。

第二:软件购买者和使用者现在有了很多选择,通常来说他们都是一些易变的人。(应用程序 90 天后的平静留存是 35%)

要去建立用户的习惯,给予他们超出期望的价值。这里有一些伟大产品的案例,它们证明了把用户纳入环中能够提高产品表现。

搜索(Search):Google 使用自动完成功能,作为语言、查询意图的理解和消除歧义的方法。

愿景(Vision):Google 翻译和 Mapillary 交通标志监测系统,都会让用户参与改错。

翻译(Translation):Unbabel 的社区翻译者,在机器学习翻译上交出了完美的成绩单。

垃圾邮件过滤器(Email Spam Filters):还是 Google 的例子。

我们甚至可以更进一步,通过解释如何获得机器生成的结果。例如,IBM Watson 在肿瘤病人诊断的支持方面,会阅读公开的相关论文。这么做改善了用户的满意程度,这帮助建立了系统鼓励长期使用和进行投资的信心。记住,我们很难相信我们不能真正了解的东西。

我们还可以更进一步,解释如何获得机器生成的结果。例如 IBM Watson 在支持肿瘤病人的诊断前,会阅读公开的相关论文。这么做改善了用户满意度,帮助建立系统的信心,鼓励长期使用和获得投资。请一定记住,我们很难相信我们不能真正了解的东西。

人工智能生态大探秘

我们先陈述以下讨论的背景,看看全球风险投资的市场:

从 2015 年 Q1 到 Q3,总共是 472 亿美元的投资。这是什么概念?如果你把过去 20 年中的 17 年投资总额相加,也不及这个多。(来源:NVCA)

到了今年底,投资额很可能会超过 550 亿美元大关。现在全球有 900 家公司致力于人工智能领域,大部分都专注在商业智能、金融和安全领域。而在 2014 年 Q4,我们也看到了很多受人尊重、有所成就的学者,创立了一系列的人工智能企业。例如 Vicarious、Scaled Inference、MetaMind 和 Sentient Technologies。

从 2015 年 1 月 1 日 到 2015 年 12 月 1 日,我们看到了人工智能产业已经发生了 300 个交易,人工智能产业定义包括:人工智能、机器学习、计算机视觉、NLP、数据科学、神经网络、深度学习。(来源:CB Insights)

在英国,像 Ravelin、Signal 和 Gluru 的企业拿到了种子轮融资,在一些金融企业的支持下,例如消费和商业贷款供应商(3.39 亿美元债务和信用贷款),ZestFinance(1.5 亿美元债务),LiftForward(2.5 亿美元信用贷款)和 Argon Credit(7500 万美元信用贷款),还有大约 20 亿美元被投资到了其他地方。重要的是,80% 的交易是小于 500 万美元规模的,而 90% 的现金投入到了美国,相比之下只有 13% 投入到了欧洲。另外 75 % 投资轮次,都发生在美国。

人工智能公司,财务回报和资本退出依然不成熟

在退出市场已经看到 33 个并购交易和 1 个新股发行,其中欧洲公司 6 个,亚洲 1 个,其余都是美国公司。最大的交易是 TellApart 和 Twitter(5.32 亿美元收购,1700 万美元溢价),Elastica 和 Blue Coat Systems(2.8 亿美元收购,4500万美元溢价)和 SupersonicAds 和 IronSource(1.5 亿美元收购,2100 万美元溢价),这给资本市场带来了强劲的回报。其余的交易,大部分是出于收购人才的考虑。在收购的时候,团队人数的中位数是 7 个人。

总而言之,人工智能投资在 2015 年占到总投资的 5%,这相比 2013 年 2% 高出不少,但仍然远远落后于其他竞争领域,例如广告、手机和商业智能(BI)软件。

退出关键点

1、人工智能公司的财务回报和退出,依然不成熟,特点是小的轮次(Small Rounds)和低交易体量。

2、绝大多数交易活动发生在美国,所以企业必须和美国市场进行接触。

还有哪些问题需要解决

健康保健

我花了很多个大学的夏天,以及三年研究生的时间,寻找癌症在身体扩散的遗传因素。我看到的关键点是,治疗的发展非常有挑战性,昂贵、漫长而且需要很强的规范,最终才能提供一个暂时性的疾病治疗方案。

我相信相反的发展方向,我们必须改善医疗领域,更精密和纵深的对身体和生命进行检测。这能让健康状况更早被监测到,几乎到了实时的程度,有效降低照顾病人的成本,最终提高医疗的效果。

考虑到我们今天领先的数字连接生活方式,我们今天交互的设备,能够追踪我们的移动轨迹、生命体征、运动、睡眠甚至生殖健康。我们离线的时间已经少于在线了,不过我觉得大家也没有那么担心,把不同的数据存储到云端,即便在那里可以在同意时被第三方访问。当然了,媒体可能会有不同的观点,但真相是我们依然在使用网络,并享受它的产品的财富。

在整个人类的数量水平上,我们有机会访问之前并没建立起来的数据集。在这里我们可以收集到一些洞察,去看先天和后天是如何影响疾病的发生和发展的。这是巨大的机会。

生活中的人工智能产品

再来看看我们今天的临床模型。当病人感觉不对劲的时候,他会去医院看病,医生必须进行检查以获得诊断。这些诊断是在单一的时间点(往往是后期了),在这个时候就很难做什么来挽回伤害了(例如癌症)。

我们现在想象未来,在对生理和生活方式的连续、非侵入性的监测中,我们可以预测到疾病的发作和结果,理解病人可能遭受到的情况,以及他们会如何应对不同的治疗方式。人工智能在这里有很多应用:智能传感器、信号处理、异常检测、多元分类、在分子间的相互作用做深度学习。

部分公司已经解决了这些问题

Sano:持续使用传感器和软件监测血液中的生物标记物

Enlitic/MetaMind/Zebra Medical:为决策做支持的视觉系统(MRI/CT)

Deep Genomics/Atomwise:学习、建模和预测,基因改变如何影响健康和疾病,以及药物可以如何在新环境里找到目标对象

Flatiron Health:为诊所和医院搭建基础设施,以进行肿瘤数据的共同研究

Google:提出了一项关于无针采血发明的专利,这是迈向可穿戴式采样设备的一小步

有一点值得我们注意,英国在数据访问上有一些领先的地方,比如英国生物库(有 50 万病人记录),英国基因组(10 万基因组测序),HipSci(干细胞)和 NHS 健康数据程序,搭建了一个中心化的数据库,给公众健康和治疗研究机构提供数据。

企业领域的自动化

业务能够自动化么?带有人工智能的知识自动化工作,到了 2020 年可以减少 9 万亿美元的就业成本(数据来源:BAML)。这可以带来效率提升,19 万亿美元的收益价值都会是由机器人驱动的。我认为这是一个大机会,那些重复性的企业功能,未来它的核心都会接近完全自动化。

我认为产品化的 SaaS 工具,未来可能都会变成标准化的,例如客户管理、市场、开单、支付、物流、网络开发、客户互动、财务、雇佣和商业智能。考虑像 Zapier 或 Tray.io 这样的工具,能够帮助应用程序进行业务逻辑对接。这些可以进一步扩大,利用上下文数据点进行决策。

我们也许可以对新 eBay 进行重新画像,在那儿会有完全自动化的库存采购、定价、上市清单、翻译、推荐、交易处理、客户互动、包装、订单和航运。当然,这可能只是一种方式。

我也看好人工智能带给我们个人和职业生活的价值。我觉得现在这一行的风险投资承受能力变得很低,特别是很多都考虑缩短投资变现的时间。所以需要很多支持,推动公司的长期创新,特别是考虑到,我们给与学校的支持更是非常的少。风险投资天生就应该给艰难的事情(Moonshots)以资金支持。

我们必须记住,技术会随着时间的推移商品化。因此,关键是要了解技术应用在什么地方,产品的客户和带来的价值,以及它是如何被体验和评估的。这就得确立战略,以建立一个可持续性的优势,让其他人很难复制你的产品。

这个战略可能实际上是非 AI 和非技术性质的,例如用户体验。因此在核心原则上会有新的重点:建立解决方案,针对一个没被解决/或没被很好解决的高价值、长期的问题,为消费者或企业解决问题。

最后,你必须接触到美国的市场,在那里真正的雄狮,它的价值能被创造和实现。我们也有机会促进欧洲人工智能产业的发展,但如果不密切关注那些工程,就会像在池塘工作一样。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2015-12-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【投资人不懂AI】为什么说AI创业不是4、5个人的团队就能搞定的事

【新智元导读】本文是Journal的创始人、《Machine Learnings》杂志的编辑Sam DeBrule与风投公司FristMark的合伙人Matt ...

3138
来自专栏新智元

沈晓卫:AI、量子计算、区块链三大浪潮,人工智能时代的创新战略前瞻

1595
来自专栏AI科技评论

【业界】Marc Andreessen 访谈(上):大疆赌 AI 是功能,我们赌是全新构架的颠覆性产品

近年来,随着科学家们在人工智能和机器学习领域的持续性突破,计算机理解世界并根据环境做出适当反应的能力明显比以前提高了几个等级。谷歌最近在 Android 中引进...

2875
来自专栏AI科技评论

现场 | AI Frontier大会开幕 最干货的AI应用不容错过

AI科技评论消息,美国时间11月3日,第二届人工智能前沿大会(AI Frontier)在硅谷 Santa Clara 会议中心隆重开幕。这是继今年年初第一届AI...

1883
来自专栏大数据文摘

企业数驱文化探索:别止步于一群受过专门培训的分析师

1202
来自专栏腾讯研究院的专栏

Gershon Dublon & Nan Zhao:用传感器网络感知世界

image.png image.png 演讲摘要 Gershon Dublon & Nan Zhao:用传感器网络感知世界 都说好事成三,互联...

1718
来自专栏CSDN技术头条

拥有数据不再重要,懂得利用才是王道

大数据时代,手握海量数据已是企业常态。如何充分利用数据并对加以挖掘和利用才是赢在未来的王道。在与数百家企业协作的过程中,英特尔总结了如何通过人工智能、机器学习以...

1935
来自专栏新智元

CNCC专访 | 被Gartner挑中的小i,人工智能虚拟客户助理的故事

在 Gartner 的技术成熟曲线图,如果对比 2014 年和 2015 年,你会发现一些有趣的现象: 最近非常火热的人工智能虚拟个人助手(VPA),2015...

3379
来自专栏云社区全球资讯抢先看

凯文•凯利:未来25年的十大科技趋势

来源:雷锋网 如果我25年前作这个演讲,可能就不会提到任何互联网的问题,因为互联网还没有产生,所以,在未来25年最伟大的产品肯定是今天还没有涉及到的产品。 以下...

1900
来自专栏机器之心

机器之心「AI00」四月榜单:云端智能机器人达闼科技

2227

扫描关注云+社区