记者：伍小仙
3月20日，Xtecher杭州第一场私享会在杭州市西溪艺术集合村Rokid研发中心如期进行。
人工智能时代何时会来，人工智能的未来之路到底如何？私享会从这两点切入，围绕“探索人工智能的未来之路”主题展开。峰瑞资本投资总监朱祎舟从投资人角度谈了自己的一些看法。
朱祎舟指出，在AI刚刚起步时，整个市场处于AI的第一阶段，大家的焦点基本在于算法和人才，这两者的乘积就是一个AI公司在市场当中的价值，而现在，很多公司都已经开始进入第二阶段，也即提供解决方案的阶段，在这个阶段，公司的市场价值判断方式演变成“估值=算法+数据x商业价值”。朱祎舟表示，在大家都还没有数据和商业价值的时候，比的是算法。但是当大家都有了数据和商业价值后，之后的商业价值会迅速地超过算法，所以算法所占比重会越来越少。
最后，朱祎舟指出，AI体验更多的是系统化的体验，它不像互联网通过单点做小APP就能撬一个很大的空间，且AI并不是互联网的下一代，也不是互联网的替代者，这两者是并行的。
以下为分享内容全文：
我们认为人工智能领域，目前看起来在toB领域的应用会更加实际一些。因此，这次分享的内容会比较偏向创业，也和大多数创业者的相关性会高一点。
在加入峰瑞资本做投资之前，我在AI领域创业。下面，我会从交叉的角度和大家聊聊自己最近的一些观察，也大家欢迎随时交流。
先简单介绍一下，峰瑞资本这一支新基金，成立于 2015年8月，我们希望做成一支研究型导向的全链条基金，不看风投，长期持有。我们算是比较早就看到了AI这个领域，目前已经投资了数十家初创公司。目前，我们管理资产规模超过40 亿。拥有一支规模15亿人民币的早期基金，一支 10亿人民币的成长基金。还有几支专项基金和美元基金。
下面切入正题。
AI创业投资阶段论
这是我昨天手画的两张图，反映过去一段时间内的一些观察。
大家可能也知道，过去，在AI领域创业的时候，大家基本会问这么些问题：
l 你的算法到底是什么呀，你是不是深度学习的算法？
l 你是不是用了神经网络，神经网络有多少层？
这个是投资者，或大众关注的第一点——“算法如何”；
然后大家还会问：
l 你的团队里有PHD吗？有BAT研究院里出来的人吗？有高校教授吗？
AI刚刚起步时，大家的焦点基本在两个方面：算法和人才。
上面两个曲线图很有意思。
第一张，我称之为“技术的红利”。
这张图是ImageNet历年图像分类任务中获得第一名的算法的错误率，2015年的时候，第一名的错误率在3.6%，到2016年的时候，变成3.0%，在2014年的时候是7%，做2013年的时候是13%，大家其实可以看到，从2013年到2014年降了差不多一半，2014年到2015降了差不多一半，2015年到2016年的时候，其实下降的幅度就很慢了。
做技术的人应该都知道，在深度学习的框架下，现有技术处理图像方面问题的能力能下降的空间已经不多了。这挺让我吃惊的，这个结论告诉我们技术放缓的速度远比我们自己想象的要快。或许2017年没有特别大的突破，那这个节点就意味着瓶颈期， 技术红利的放缓速度非常明显。
第二张图是“人才的红利”。横坐标是工资。大家都听说过，过去的时候，人工智能公司招人都很贵。我随机选取了选了一家非常知名的人工智能公司的招聘列表。
在2017Ian公司在招图像识别处理工程师的时候，薪水是15—30K/m，这个薪水跟普通的IOS工程师是差不多的。目前，大家对人才最新普遍的认知是，人工智能领域业界，所做的事情的框架已经日趋清晰明了了，但人才缺口比较大，学校的供给不够。现在任何一家人工智能的公司招人，需要的是很熟练的软件工程师，是能很快实践落地的人。所以大家现在比较倾向于招有一定专业院校和学术背景的人才，但不一定是念过PHD的。
通过上面两张图，我想说的是：人工智能技术跟其它技术一样，到了一个阶段性平台期，技术红利本身放缓速度都是非常快的，然后人才供给发展的速度也非常快。
AI创业的第一阶段大家最关注的是算法和人才。对于投资人来说，基本上公司的估值，就是算法乘以人才。这两个东西的乘积大概就是你的公司在市场当中的价值。
而目前这个乘法的两端都在快速地下降，所以这是我们对第一阶段 AI创业的的判断。
我把AI赛道上的公司分成5个阶段
1. 提供狭义技术的阶段
2. 提供解决方案的阶段
3. 提供模块化产品的阶段
4. 提供整体产品的阶段
5. 业务闭环数据循环阶段
1. 钻研狭义技术的阶段
我们看到过去的第一阶段，创业公司都处在基本是“狭义细分技术”的阶段，判断公司的标准就是我们刚刚提到的：估值 = 算法x人才。所以，我们可以看到这个公式下的公司，价值在被快速地拉平。在我看来这一波的机会红利已经基本结束。
在第一阶段人工智能创业浪潮中，获利最大的科学家创业团体，现在在创业上的优势不会那么大了。接下 AI领域的机会，我相信仍然会是留给产品经理、工程师、商业人才来发挥的。
过去的估值方式，过去的价值判断方式，和过去的技术人才红利都已经基本结束。
2. 提供解决方案的阶段
现在，很多公司都已经开始进入第二阶段了，不论是图像公司还是语音公司，大家都开始进入提供解决方案的阶段。
但是这个阶段也有很明显的瓶颈：规模性或是扩张性。AI 领域，和以前任何一种互联网创业都非常不一样。在传统互联网领域或在移动互联网领域，可能可以在四年之内做出一个上市公司；但是在人工智能领域，基本是完全不可能的。
而第二阶段的，公司的市场价值的判断方式也会发生变化。我自己列了一个公式，就是从算法x人才，演变成“估值=算法+数据x商业价值”。算法，之所以是一个加号的原因，主要在于，大家都还没有数据和商业价值的时候，比的是算法。但是当大家都有了数据和商业价值后，之后的商业价值会迅速地超过算法，所以算法在里头占的比重会越来越少。
人工智能不是互联网的替代者
互联网在过去做的最主要的事情是解放渠道，释放渠道的效率。所以我们看到，过去的创新型模式都是为了让产品能够直接抵达消费者。不论是电商打掉中间的零售商和经销商的渠道，还是滴滴打掉出租车的渠道，其实都是在渠道上做文章。
人工智能，我觉得它并不是互联网的下一代，也不是说互联网的替代者，这两者是并行的。因此，我觉得移动互联网、互联网机会依然有，并且依然非常大。互联网本身这条线会继续往前发展，人工智能做的事情更偏向底层，在生产端，去提高生产效率。
这也是我们现在为什么觉得toC的机会比较难的原因所在。因为，生产端还没有被改造，于是就不太会有新的产品出来，没有新的产品出来，用户端体验也就不会有特别大的提升。
这波AI的浪潮，是凸显在数据乘以商业价值。我们从 toB 和toC 两个角度来分析。
我的判断是，在toB方向会向行业的纵深端去发展。从看生产端来看，不论是服务业、农业还是工业，大家对效率提升的需求是非常明显的。在医疗里，提升诊断的效率；在金融里，提高金融数据服务的效率……需求和商业空间是巨大的。于是我们的挑战不再是因为技术被拉平了，而是在于行业的理解，对行业的需求的理解、产品的设计。
另外提到一点：大数据。这个词其实是老生常谈了。还是从企业服务端来看。
在美国，人工智能的产生路径是：传统软件→ IT服务→云计算→大数据→人工智能，最后才有了人工智能。所以，对比美国的人工智能发展路径，我们的结论是在企业服务端，基本上都还是要在大公司的软件里去找 AI 的生存空间。
在中国，企业端基础设施还是非常落后的，是一片空白。在有一个中国特有的现象，：一种跨越式的发展。这种事在企业端会发生，在电商和物流是同时跨越式发生的；二手车的发展是跨越的；金融支付也是如此。
人工智能在 toC端，我们观点是：消费者的体验，通过一个单点去突破比较困难，更多是一个系统化的体验。比如，车载语音的交互体验，智能家居体验等。它需要的不仅仅是产品本身做得多好，而更多的是说需要一整居家的环境、车载的环境。这些基础的传感器和基础的服务、数据足够完整之后，我们才会有一个体验足够好的东西出来。反之，现在做这个事情，就会感觉很累或者说撬不动，因为基础设施和服务没起来。
AI体验更多的是系统化的体验，它不像是互联网可以单点做个小APP就能撬一个很大的空间，几乎不可能。这个结论，我自己心里也有个问号，因为我自己也不知道AI里能够单点突破的产品到底是什么。但就我们观察来讲，在人工智能领域 toC市场不一定比toB大，但是显而易见toC的市场量要更sexy一点。这是我对于AI创业第一个阶段和第二个阶段的一些投资思考和笔记。
如果照套互联网的思维方式，进行 AI 创业是很危险的
最后，回答四个疑问：
l 过去大家很大的一个误区是：AI理解为互联网或者移动互联网的下一个创新，或者是替代它。我认为这是不对的。AI和互联网是并行的，相对独立的。如果照套互联网的思维方式是很危险的。
就比如，AI是没有网络效应的，也几乎没有马太效应，然后AI的发展也没这么快。这句话什么意思呢？就是说，AI是基于生产效率的提升，它本身是没有网络效应的。马太效应是基于网络效应，因为网络效应能快速地集聚资源和拉开竞争者的差距，所以会出现行业通吃的情况。这些现象，AI几乎不太会有。至少现在看起，来通吃事情可能就不存在。同一个AI领域，不见得谁比谁快，谁能把谁灭了，而是大家都能找到自己的一块地盘。
l 还有一个误区是：AI创业有没有势能？什么是势能，是我们可以看到在互联网、移动互联网的窗口期之内，创业公司要打仗，要迅速融资。
但是看起来，在AI领域似乎没有“势能”这么一个事情。它没有网络效应和马太效应，它不太能够进行快速的融资，技术有它固定的规律和速度，不太可能用融资的方式拔苗助长。在同一个AI领域，谁先做谁后做差异并不会特别大，能够扎扎实实把事情做好倒是更加重要。
l 最后两个疑问，其实是连在一块的。投资人们都有个毛病，喜欢问一个问题就是：这个公司会变成什么？这个公司到底能做多大？这个行业到底能做多大？大家以前，对AI公司的期望是什么，很多人都期望是一个技术平台公司。技术平台公司的意义更多的是说，怎么把算法和数据整合成一个产品，或者整合成一个更加服务。云计算就是很典型的一个例子。
现在看起“技术平台”只是其中一种选择，还有其它更多种方式。
我认为从整个AI的壁垒来看，要从算法开始，让你的公司从一个技术平台公司做到一个数据产品服务公司，然后再抽象到一个更高层次的，更高层面的技术平台公司。
最后还有一点是：AI很难像互联网一样从单点突破，做横向整合。AI做大做深做的最大可能性是纵向的整合，整合整条产业链里不同的生产者、生产资料，再往上整合到产品层面。这比较抽象。举个例子比如你做人脸识别，是只做人脸识别？还是做人脸识别加上人脸识别摄像？，还是又做人脸识别、人脸识别摄像头还要再加上人脸识别系统做成一整个东西？它不是只做一个人脸识别就把所有人脸识别都做全了，而是做人脸识别，可以选择从下往上，也可以从上往下。而这两种方式在整个产业链里头都有。
这是AI整体创业、AI公司的状态和规律，它和现在的互联网公司完全不一样，我的这一点思考供大家借鉴。
