AI界新机遇|AI技术

2018 年的 AI 创业和投资正面临哪些挑战和机遇?

在其中的创业者和投资者们还有哪些机会?

百应机器人AICC

从基础数据来看,互联网、移动互联网、物联网的发展,促进了基础数据的收集。但目前有效标记的数据还不够多,不少行业的数据需要人工标记才能用于AI 算法训练。

在算力和算法方面,云计算的发展提供了很强的算力,目前已能满足大部分 narrow AI 的应用需求,能支持深度学习技术的大规模应用。目前深度学习在很多 narrow AI 的应用上表现突出,但需要大量的训练数据和算力,成本较高,借助专门的 AI 芯片或能降低成本。对于 general AI 或 super AI 的算法,目前 AI 界还处于探索期。

如今,AI 的应用场景几乎渗透到各行各业。不过,绝大部分可行的应用场景还是 narrow AI。需要 general AI 的场景(如交互性强的服务机器人)还有诸多挑战,这一领域会是未来的投资热点。同时,部分应用场景(如无人驾驶)对 AI 的准确性要求很高,算法离落地还有距离,创业公司应该切入可落地的“过渡型”应用场景。比如,当无人驾驶还无法实现时,创业公司或可以先从智能辅助驾驶系统着手。

虑到不同行业的落地周期有所差异,我们更关注未来 3 年内百亿公司的赛道。短期内能落地的百亿级赛道需要满足几个条件:

1)AI 解决的问题是刚需且可以清晰定义;

2)AI 解决的问题具有规模效应;AI 可提供显著价值(提高效率或降低成本);

3) 有大量的数据积累或数据采集容易,且数据容易被标注;

4) 技术的可行性高(general AI 的技术难度比 narrow AI 高不少);

5) 对 AI 有一定容错率(对准确率的要求相对较低);

6)AI 能提供辅助而非直接替代作用(减少应用过程中的阻力)。

根据这些条件,安防、金融、新零售、教育、医疗、娱乐等行业都有潜力成为百亿级赛道,在中国会有较大的落地机会。因为数据更易获得、有政府推动等,中国 AI 在安防和新零售领域可能走得比美国更快。而美国 AI 则会在医疗、教育和金融等领域发展得更靠前。

目前,大部分 AI 公司采用的是 2B 模式(2G 模式也类似),因为解决的痛点相对明确,B 端付费能力较强,这种模式相对容易落地。但其缺点在于:B 端客户签约周期较长、需求较为分散,这导致 2B 公司的发展速度不如 2C 公司快,同时 2B 的解决方案比较难标准化、规模化。目前适合 2B 的细分赛道有安防、AI 医学读片、大数据风控、能源 AI 调度、智能农业、智能营销、智能制造等。

相较而言,2C 的 AI 企业往往市场更大,数据积累速度更快,同时产品容易标准化。目前适合 2C 的细分赛道有:教育、智能消费、虚拟社交、智能音箱、大数据健康管理、无人零售、无人驾驶、服务机器人等。

AI 行业确实存在泡沫,泡沫主要来自两方面:市场上存在大量伪 AI 公司,他们借用 AI 概念,但并没有真正通过 AI 显著提高效率或降低成本;另外,很多企业赶上了 2016 年和 2017 年的 AI 风口,获得了过高的估值,但其在商业化方面并没有真正落地,持续烧钱却难以“造血”。

目前,资本市场已经出现了“资本寒冬”迹象,机构的“子弹”变少,在投资时会更看重 AI 公司的现金流,无法商业化落地、估值过高的 AI 公司在后续融资上可能会很困难。我认为,2018 年年底会是个分水岭。

从细分赛道来看,目前新零售、医疗、无人驾驶等 AI 领域存在较大泡沫。泡沫大的赛道往往有如下特点:吸引的投资金额大;行业门槛不高,贴近大众;商业落地周期长。

对于创业公司,要做到不要盲目烧钱,应先集中火力把当下的技术/产品做好,尽早获得付费客户,达到或接近盈亏平衡。尽可能在发展势头好的时候进行融资,在估值和融资速度间找到平衡。此外,创始人还需要做好三件事:

1) 不断吸纳好的 AI人才

2) 保持对 AI技术 发展的敏感性,关注新技术颠覆现有技术的可能性;

3) 与客户密切沟通,深刻理解需求和痛点,提高场景验证和迭代能力。

能被数字化的行业,一般都存在着百亿级公司的赛道。这些行业会积累大量数据,而 AI 能通过分析数据显著提升效率,甚至完全代替人力,这是必然趋势。

浙江百应科技有限公司官方合作咨询处

地址:浙江省杭州市余杭区梦想小镇天使村11幢

咨询电话:400-0235-100

声明:本文由浙江百应科技原创,未经授权,禁止转载。