垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

猎云网 • 7年前扫码分享

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。

【AI世代编者按】美国风险投资家布拉德福特·克洛斯（BradfordCross）近日撰文，总结了2017年人工智能创业圈的5大预测。

垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

美国风险投资家布拉德福特·克洛斯（BradfordCross）

以下为AI世代（微信号：tencentAI）整理的文章主要内容：

1.聊天机器人覆灭

2.深度学习商品化

3.人工智能重蹈清洁科技覆辙

4.MLaaS二度灭亡

5.完整的垂直人工智能创业公司确有价值

随着人工智能行业全面升温，2017年将成为清算之年。纯粹靠炒作兴起的趋势将暴露其缺乏基本面支撑的本来面目。具有讽刺意味的是，2017年还将涌现出一批关注垂直领域的人工智能创业公司，他们将解决行业面临的实际问题，这都需要借助专业领域的技能、独特的数据和能够充分利用人工智能技术的产品，才能真正传递核心价值。

聊天机器人覆灭

垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

过去一年，bot引发了一股热潮。

在科技圈内，当我们谈到bot时，通常指的是一种软件代理，往往通过4大关键概念使之与随心所欲的程序区分开来：对环境的反应、自动化、目标导向和持久性。

企业则将bot的定义阐述成“任何形式的商业程序自动化”，并且创造了RPA这样一个词，意思是机器人处理自动化。

虽然商业流程自动化肯定会在未来几十年继续发展，但目前围绕“bot”的狂热指的是一种通过语音和聊天实现的对话界面，也就是聊天机器人，这种模式将在2017年开始覆灭。原因如下：

1.消费互联网市场的社交和个性化大战提供了较好的参考。最终胜出的个性化平台是Facebook，它同时也是最终胜出的社交平台。在多数情况下，人们仍然喜欢与其他人展开互动，我怀疑许多聊天机器人也将走上许多非社交媒体平台的老路，试图在缺乏社交元素的情况下实现个性化。围绕聊天机器人的很多想法都过于功利，但却缺乏社交智能来识别一系列需要通过人际互动才能满足的需求。出于这个原因，多数聊天机器人都将无法挽留用户——即便他们最初可以吸引用户。

2.世界各地掀起的聊天软件热潮、Slack的崛起以及中国微博等平台上的某些活动取得的成功，都形成了许多误导。很多人根据这些趋势认为应该向人工智能支持的数字个人助手大举下注。根据第一条，这些社交平台正在解决功利性和情感性需求。目前还不清楚我们能否将这些现象进行推演，将其应用于纯功利性的人工智能聊天机器人。

3.对话界面通常很无效，完成任务的效果比不上其他视觉元素更丰富的解决方案。对话界面很有趣，几十年前就已经在人机交互领域存在。某些应用领域的确效果很好，但实际上，我认为在多数应用环境中，都可以找到更加有效的界面。

4.请注意，在论证聊天机器人覆灭时，我没有一条理由认为“人工智能还不够好”。Siri这种系统的问题在于它们的落实情况糟糕。我们可以使用现代化的技术开发很多有趣的聊天机器人界面，我担心的关键问题在于，目前还不清楚人类真的愿意使用这样的产品。

深度学习商品化

垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

深度学习现在已经非常狂热。你可能对各种人工智能术语还不太了解，深度学习其实是机器学习的一部分，机器学习则是人工智能的一部分。

早在5年前，深度学习创业公司的人才收购就已经取代了iOS移动应用创业公司。很多公司都对深度学习的能力感到惊讶，尤其是计算机视觉的发展，这些技术可以带来更好的结果，还能解决很多新问题。因此，我们才看到谷歌、Faceboook、Twitter、Uber、微软和Salesforce等公司纷纷通过激进的并购战略来弥补短板。

既然这一领域如此重要，而且备受关注，我为什么还认为今年将实现商品化呢？从NIPS2016和整个2016年的各类会议不难看出，深度学习如今已经无处不在，有很多毕业生现在都具备这些技能。4年前的情况还大不相同。市场已经通过调节创造了更多供给。

综上所述，我需要明确一下自己的意思。我认为深度学习将在机器学习人才中变得更加普及，但我不认为机器学习本身将会商品化。机器学习人才仍将获得极高的溢价。在二线科技公司和科技行业之外的公司（例如底特律汽车巨头）完成了这波收购后，深度学习创业公司过去几年享受的人才收购溢价才有可能消失。我预计迟到者会在今年带着“笨钱”稳定流入，但到今年晚些时候，这股并购交易热潮可能开始放缓。

人工智能重蹈清洁科技覆辙

垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

1.清洁能源并不是一个市场，而是一种担忧。气候变化和可持续发展问题都很严重，值得我们思考相应的解决方案，并创办有利可图的企业。但这种担忧本身并不是一家企业，企业应该销售消费者想要的产品和服务。特斯拉和SolarCity可以称得上是清洁科技领域的成功故事，但它们都是“完整的企业”——这两家分别是汽车公司和太阳能公司。

所以，当清洁能源成为完整企业的一部分，而这家企业可以在真正的市场上销售实际产品时，便可起到效果。但为了清洁科技而发展清洁科技却无法奏效，因为它并不能符合客户需求。伟大的企业都要从客户需求开始。怀有伟大使命的企业秉承的愿景也要由客户需求来决定。如果一家组织秉承着社会使命，但却没有构建以客户为中心的愿景，那充其量只能算一家还算有效的慈善组织。伟大的企业会把客户需求放在首位，而不是科技趋势，即便这能给你带来使命感。

2.绿色能源并不是一个市场，能源才是。太阳能增长的确很快，因为它很经济。当沃伦·巴菲特（WarrenBuffett）和伊隆·马斯克（ElonMusk）争夺市场时，可能表明这的确有商业价值。他们都认为可持续发展是一项重要使命，但他们也都明白，要让企业成为真正的企业，还要把客户放在第一位。使命需要在服务客户和员工需求的过程中来实现。一家根本无法持续发展的企业却秉承着可持续发展的理念，恐怕没有比这更讽刺的事情了。

3.妄自尊大的救世主心态。在清洁能源领域，有很多人都秉承着傲慢的救世主心态，这也成为科技狂热的典型特征。过去几年，我们在人工智能市场看到很多自命不凡的人工智能伦理委员会，还有很多人在讨论：一旦所有工作都被机器人抢走，我们应该怎么办。诸如此类，不胜枚举。现在有一种观点认为，人工智能行业的人将负责引导人类的进程，因为他们正在从事真正重要的事情。这种傲慢自大蒙蔽了人们的双眼，他们并没有意识到，自己正身处一个回音室之中：所有人都在探讨科技趋势，而没有讨论客户需求和企业的经济效益。这是一种有害的现实扭曲场，正是这样的狂热吸引了很多聪明但却狂妄的人陷入即将来临的厄运。

4.从深层角度看，清洁能源和人工智能都是技术问题，而创业公司和风险投资圈越来越看重消费互联网，而琐碎的SaaS服务越来越无法与之抗衡。在第3条所说的狂妄情绪的推动下，人们只看了几篇博客、听了几场演讲，就争相涌入其中。在更新了自己的资料之后，转瞬即逝的专家就此诞生。

那么，这一切将会如何结束？

我认为，信息时代的经济周期已经与人类历史上的狂热-痛苦周期完全不同。作为曾经的对冲基金人士，我读过所有关于金融史和市场心理学的优秀读物。我一直很有兴趣追踪1990年代以来的市场如何遵循不同的进化模式。

我认为，社交互动和网络信息传播的快速增长，使得狂热会在商业周期开始之前形成。消费互联网就是个很好的例子，90年代，在商业周期尚未开始之前就过早进入狂热状态，最终引发了2000年的泡沫破灭。2年后的2002年，创立于1998年的谷歌在废墟中挖走了所有人才，确立了消费互联网的真正商业周期。

在《连线》杂志宣称清洁技术的死期后4年，太阳能成为最干净、最便宜的能源，马斯克和巴菲特都进入其中。特斯拉和SolarCity建起了完整的清洁能源王国。

所以，我认为目前还处在人工智能创业公司的提前狂热期。多数人工智能创业公司都会像过去10年那样失败。有一小部分人在人工智能创业领域已经干了10年甚至更长时间，而这场提前到来的狂热也将重蹈清洁能源市场的覆辙——他们都一味看重人工智能，而没有没有真正挖掘客户需求。

人工智能创业公司现在几乎都是“正在寻找钉子的锤子”。由于这种趋势将在未来12至24个月越发明显，而大企业也将后劲不足，降低对人工智能人才收购的胃口——这种现象已经在移动应用领域出现过了——我估计将有一些公司创始人和风险投资家逐渐意识到这一趋势。到那时，过去12个月才决定进入人工智能领域的创业公司通过LinkedIn发给我的宣传资料将会减少。

MLaaS二度灭亡

垂直人工智能创业公司有价值，顶尖风投预测2017年AI创业的5大趋势

机器学习即服务（MLaaS）的概念已经诞生近10年，一直都没有成功。

根本原因在于：知道他们在做什么的人直接使用开源软件，不知道他们在做什么的则完全置身事外。

由很多大公司都通过收购来加强自己的机器学习团队，包括IBM收购AlchemyAPI、英特尔收购Saffron、Salsforce收购Metamind。但似乎于事无补。

亚马逊、谷歌和微软都试图在自己的云计算战略中融入MLaaS。我还没有看到有创业公司或大企业大范围使用这些API，但人工智能已经大范围普及。也可能是因为我的观察样本太小。

无论这些云计算服务来自大型企业还是创业公司，结局都一样：他们今年都将被边缘化。云计算提供商可能会继续提供这些服务，但无法赚到大钱，MLaaS创业公司可能会因为增长乏力和投资兴趣降低而走向灭亡。

问题很实际：MLaaS解决方案没有真正的客户群——他们的服务对象要么有能力，要么没能力。

对有能力的企业而言，需要机器学习人才来构建真正可以使用的机器学习模型，因为很难恰当地训练和调试这些事情，而且需要在理论和实践上充分理解这些内容。这些机器学习人才使用的开源工具往往与MLaaS一样，所以可以排除这部分企业。

对没有能力的企业而言，他们不会通过API获取机器学习技术，而是会通过购买应用来解决更高层次的问题。机器学习只是他们解决问题的一个方面。要在内部开发机器学习技术本来就很困难，而要引入数据产品人才，帮助你找到正确的问题和方法来实现机器学习解决方案，更是难上加难。除了拥有强大机器学习和数据产品团队的科技公司外，所有企业都属于这一类。没错，这涵盖整个商业世界，是个很大的市场。如果你相信“软件正吞噬世界”，那就会认为所有行业的所有公司都要在某种程度上成为一家软件公司。同理，所有企业也都要在某种程度上成为数据公司。谷歌和Facebook等顶尖科技公司与科技行业之外的企业在技术实力上的差距已经很大。在数据领域，双方的差距还将更大。