人工智能公司的估值怎么算?

i黑马  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

人工智能公司的估值怎么算?

人工智能互联网是并行的,相对独立的。

本文由峰瑞资本(微信ID:freesvc)授权 i黑马 发布,作者 朱祎舟

/ 01 /   技术、人才红利都迅速放缓

过去在人工智能能领域创业的时候,大家会问我这些问题:

你的算法到底是什么?是不是深度学习的算法?

你是不是用了神经网络?神经网络多少层?

这是投资者或大众关注的第一点——“算法如何”?

然后,大家还会问:

你的团队里有 PHD 吗?有 BAT 研究院出来的人吗?有高校教授吗?

人工智能能刚刚起步时,大家的焦点基本集中在两个方面:算法和人才。

人工智能公司的估值怎么算?

这两张图反映了我过去一段时间对这两个方面的观察。

第一张图,我称之为“技术的红利”。这张图是在 ImageNet 历年图像分类任务中获得第一名的算法的错误率。2013 年的时候,获得第一名的算法错误率是 13%,2014 年时是 7%,2015 年时是 3.6%,到 2016 年时变成 3.0%。大家可以看到,从 2013 年到 2014 年,错误率下降了近一半,从 2014 年到 2015 年,又下降了近一半,而 2015 年到 2016 年的时候,下降的幅度就变得很小了。

做技术的人应该都知道,在深度学习的框架下,以现有的技术处理图像分类任务的能力,错误率继续下降的空间已经不多了。看到这个结论,我非常吃惊。技术放缓的速度远比我们自己想象的要快。

第二张图,我称之为“人才的红利”。

横坐标是时间,纵坐标是工资。过去,人工智能公司招人都很贵。最近,我随机选取了一家非常知名的人工智能公司的招聘列表,2017 年时,这家公司招聘图像识别处理工程师的薪水是15—30K/m,已经和普通的 IOS 工程师差不多。

目前,大家普遍的认知是:人工智能领域,所做事情的框架已经日趋清晰明了,但人才缺口比较大,学校的供给不够。任何一家人工智能公司招人,都更倾向于熟练的、很快能将想法实践落地的人,倾向于招有一定专业院校和学术背景的人才。

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,技术红利放缓的速度非常快,人才供给发展的速度非常快。

对投资人来说,在人工智能创业的第一阶段,公司的估值就是 “算法 x 人才”。它们的乘积,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,这是我们对第一阶段人工智能创业的的判断。

/ 02 /   AI 公司估值的阶段论

我把人工智能赛道上的公司分成 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

大部分创业公司处在 “狭义细分技术” 的阶段。这一阶段,判断公司的标准就是我们刚刚提到的公式:“估值 = 算法x人才”。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。

在这一阶段的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。接下来,我相信机会仍然会留给产品经理、工程师和商业人才。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。

现在,很多公司都已经进入第二阶段了。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。

在第二阶段,判断公司市场价值的方式也会发生变化。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”。算法后面是一个加号,主要原因在于,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,商业价值的重要性会迅速地超过算法,所以算法所占的比重会越来越少。

/ 03 /   人工智能并不是互联网的下一代

人工智能公司的估值怎么算?

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。

我觉得人工智能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。因此,移动互联网、互联网的机会依然有,并且依然非常大。互联网这条线本身会继续往前发展,人工智能做的事情则更偏向底层——在生产端提高生产效率。

这也是我们现在为什么觉得 to C 端的机会比较难: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。

这波人工智能的浪潮,凸显的是 “数据x商业价值”。我们从 to B 和 to C 两个角度来分析。

to B 端,我的判断是人工智能会向行业的纵深端去发展。从生产端来看,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:在医疗领域,提升诊断的效率;在金融领域,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技术被拉平了,而在于对行业需求的理解和产品的设计。

另外提到一点:大数据。这个词其实是老生常谈了。从企业服务端来看。美国企业服务市场的路径是: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,在美国做人工智能领域的创业,好处是基础设施非常成熟、完善,但很多事情都被大公司做了,初创公司需要在大公司的夹缝中寻找生存空间。

在中国,企业端基础设施还是非常落后的,是一片空白。因此,中国有一个特有现象:跨越式的发展。在电商、本地服务、金融支付等行业,跨越式发展的例子比比皆是。

to C 端,我的观点是:想用人工智能去提升消费者的体验,通过一个单点去突破比较困难,更多是一个系统化的工程。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,更是整体的居家环境、车载环境。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。

互联网领域,单点做个小 APP 就能撬动一个很大的空间。但在人工智能领域,这几乎不可能。关于这个结论,我自己心里也有个问号,我也很好奇人工智能里能够单点突破的产品到底是什么。

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。

/ 04 /   人工智能没有网络效应

最后,回答四个疑问:

第一个疑问是:人工智能是不是可以理解为互联网或者移动互联网后的下一个创新,或者是替代品? 

我认为这是不对的。人工智能和互联网是并行的,相对独立的。照套互联网的思维方式是很危险的。

比如,人工智能是没有网络效应的,也几乎没有马太效应。这句话是什么意思呢?马太效应基于网络效应,因为网络效应能快速地集聚资源、拉开与竞争者的差距,所以会出现行业通吃的情况。而人工智能是基于生产效率的提升,它本身没有网络效应。至少现在看起来,行业通吃的事情可能不存在。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。

第二个疑问是:人工智能领域创业有没有势能?

我们可以看到,在互联网、移动互联网的窗口期,创业公司要打仗,要迅速融资。但是看起来,在人工智能领域似乎没有所谓的 “势能” 。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。在同一个人工智能细分领域,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。在传统互联网领域或在移动互联网领域,或许可以在四年之内做出一个上市公司,但是在人工智能领域,这基本是不可能的。

第三个疑问和第四个疑问其实是连在一起的:投资人们都喜欢问,人工智能公司会变成什么?到底能做多大?这个行业到底能做多大?

大家以前对这类公司的期望是做成一个技术平台公司。技术平台公司的意义更多的是,怎么把算法和数据整合成一个产品,或者整合成一个服务。云计算就是很典型的一个例子。但现在看来,“技术平台” 只是其中一种选择,还有许多其它方式。

从人工智能领域公司的壁垒来看,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面的技术平台公司。

人工智能很难像互联网一样从单点突破,做横向整合。它做大做深最大的可能性是纵向整合,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头?还是做人脸识别、人脸识别摄像头,还要再加上人脸识别系统,做成一整个产品?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产业链下游往上做,也可以从上游往下做。

本文被转载2次

首发媒体 i黑马 | 转发媒体

随意打赏

中国人工智能公司美国人工智能公司人工智能创业公司人工智能科技公司人工智能 公司互联网公司估值人工智能 估值人工智能公司公司估值方法公司怎么估值
提交建议
微信扫一扫,分享给好友吧。