华创资本熊伟铭：追逐能提高机器人视觉、感知等能力的创业公司

前言：在前沿科技领域， 机器人 是一个一直很火的词。但和之前基于传统机械的机器人技术不同，新一代的机器人技术结合了更多更先进的计算机技术，比如计算机视觉（Computer Vision）等等，推动了很多行业的平台升级。在大量创业公司进入这个领域后，VC机构更青睐什么样公司？华创资本合伙人熊伟铭近日在一次访谈中谈到了对这个问题的看法。熊伟铭表示：“我们更倾向于追逐能提高机器人视觉、感知等能力的创业公司，这才是能产生高额收益的公司。”

计算机视觉是 人工智能 发展的一大推动力

之前的机器人技术属于传统机械，而新一代的机器人技术结合了计算机技术。这个领域内的创业公司数量较少而且规模较小，中国工业机器人应用还处于早期阶段。

计算机视觉（Computer Vision）是人工智能发展的一大推动力，人工智能的概念在50年代就已经出现了，但受到算力的限制，人工智能一直没有大的突破，直到2006年，算力的问题才得以解决，2009年数据缺乏的问题才得以解决。工业机器人只是人工智能应用的一个分支，应用计算机视觉推动平台升级的行业很多，包括无人车、安防系统、广告，比如Google花费4亿美金购买DeepMind，但三个季度内广告效率的提升就将成本赚回，可见人工智能在很多方面都有应用。

算法、算力、数据是人工智能发展的重中之重。特别是从算法和算力角度来看。

首先，算法是十分高深的。20世纪50年代，只有顶尖科学家在研究算法。但从2012年美国卡耐基梅隆大学（CMU）开放了语义算法，行业的算法变得越来越开放。硬件也是如此，例如，ARM最近开放了某款芯片的IP。因此，在人工智能时代，开源的算法是非常重要的趋势。

其次，算力遇到的挑战也非常有趣。从半导体的发展史来看，自1958年左右开始，肖克利实验室（Shockley Semiconductor Laboratory，是贝克曼仪器公司的一个部门，是第一个为经营制造半导体装置所设立的机构，后来发展演变为硅谷）对半导体的研究逐渐深入，推动了后来仙童半导体 (Fairchild Semiconductor) 和英特尔的诞生。

1960年位于加州山景城的肖克利实验室

最早是由于无法承受日本Memory Chip（内存芯片）的成本压力，Intel从内存芯片转向在当时看来非常不靠谱的CPU。Nvidia在2007年左右股价跌入谷底，业务开始转向支持非传统数据的GPU，可见每一次算力的更新迭代都存在着一些被迫的意味。

但目前的环境与70年代Intel面临的环境有所不同，虽然现在英伟达在技术储备和下游应用上都非常领先，但也有许多公司也在这些领域里探索，是英伟达的竞争对手，所以我们认为，算力以后的竞争会越来越精彩。

回顾一下G（Graphic）PU时代，AMD的算法与架构有许多能够支持人工智能数据训练的优势，AMD最新芯片的表现有了极大提升，AMD有可能会成为黑马，但也需要警惕。

关于GPU与CPU的区别，我见过一个非常形象的比喻：CPU就像是几位大学教授，知识丰富，解决问题时逻辑能力强；GPU像是一群小学生，虽然无法解决高深的问题，但存储量大，在解决大量简单问题时速度快于CPU。

追逐能提高机器人视觉、感知等能力的创业公司

在机器人领域，传统四大家族（ABB、KUKA、FANUC、YASKAWA）主要是在机械性能上做到了极致，之前与计算机视觉是完全分离的，类似于特斯拉2003年开始做电动汽车，当时所有的汽车动力都来自于燃油机，但特斯拉试图用电动的方式制造汽车，完全改变了动力来源，这使得中国在电动汽车的时代可能有弯道超车的机会。

我认为计算机视觉对四大家族的产品会有促进作用。在机械领域，过去一百年的快速发展使得机械性能的提升空间变得很小，创业公司几乎无法打败四大家族。但是，机械性能好只是一个方面，除此之外，机器人能的价格、部署难度能否被大众接受也是非常重要的一个因素。

机器人部署的障碍很大，过去四大家族的程序就会把大量的工厂拦在门外，在标准的C语言、Python的编程环境里，程序语言非常复杂，需要考虑到机器人面对的所有情况，包括定时、抓取、定位等工作，普通工厂没有完成这项工作的能力。但编程的可视化使得编辑程序、部署算法的过程变得容易，完全是拖拽式的编程，业务人员就可以清楚地定义机械手臂的工作程序，随时进行编程。有了上层应用级别的系统，底层机械的销售难度会逐渐降低，这是四大家族的利好消息。

机器智能带给机器的感知能力对工业和生产最直接的影响不仅是减少人力，也增加了柔性，柔性是近年来的市场出现的一个巨大需求，大家都希望拥有和其他人不一样的个性化产品，意味着生产端要做本质的改变。而原来的产线虽然不缺少自动化，但机器人四大家族都是刚性的，也就是说只能通过前期的hard code（硬代码）进去固定的动作或者使用固定路线的传送带，做固定的作业，无法实现个性化和柔性化的生产。自动化改造和前期实施的周期通常很长且复杂，从而小批量的产品很难上自动化产线，定制化的产品变得成本就很高。

另外，现在的机器人因为有了智能，除了部署快之外，还能通3D仿真模拟产线流程，在电脑端就能先模拟部署机械臂需要完成的作业动作、在电脑模拟中调试力度、速度等参数，配置整条产线，和原来需要实际上产线部署调试来比，可以说是一个很大的效率提升所以人工智能赋能机器人感知这个世界的能力，带来的未来制造业的想象空间是巨大的，可能从根本上改变我们的消费社会。

机器学习把机器人调试这件事标准化了，一方面大量的机器学习使得机械臂有了自主学习能力，同时我们也为机器人加上了眼睛，就是为其加入了3D图像识别能力，这种能力也是非常关键的。这种创新并不会替代四大家族之前的价值，反而会对这部分价值有所增强，所以我们更倾向于追逐能提高机器人视觉、感知等能力的创业公司，这才是能产生高额收益的公司。

这一代机器人使得一切都变得更加容易操作、符合一线工业需求，这是这一代机器人的发展特点。但工业机器人环境相对比较封闭，任务可以轻松定义，但在无人车这样的复杂环境里，计算机视觉也需要其他设备支持，这也是激光雷达这类产品快速商业化的原因。

有许多人担心人工智能会抢走自己的工作机会，我认为这是错误的，人工智能首先解决人类不愿意做的无聊、重体力的工作，那些重复性的单调工作，反而是机器学习、计算机视觉最擅长的。除此之外，人工智能驱动的机械主要还应用在产业链里高端的部分，比如3C的整个产业链的设备检测环节。

关于熊伟铭：华创资本合伙人，主要负责技术领域的投资，包括在硅谷的众多投资。投资了梅卡曼德、猎上网、一呼医生、微知、智齿科技、特赞等项目。在加入华创资本之前，他是贝塔斯曼亚洲投资基金合伙人。此前，熊伟铭先生是美国中经合集团合伙人。在加入中经合之前，他担任Piper Jaffray中国分析师。熊伟铭先生毕业于北京大学经济学院国际经济系。

---

2017年8月25日，亿欧智库正式发布《2017人工智能赋能医疗产业研究报告》，该报告总结八大应用场景，从产品形态、业务模式、公司现状等角度对各场景进行深度解析，进而对我国医疗人工智能公司宏观数据和巨头企业布局进行盘点，最后提出“人工智能+医疗”未来发展机遇与挑战。了解更多报告内容，请点击： 《2017人工智能赋能医疗产业研究报告》