投资人小红书：如何鉴别真假人工智能创业公司

　　 人工智能快速进入大众视野，源于今年 3 月谷歌围棋人工智能程序 AlphaGo 战胜世界冠军李世石。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。 BBC 预测， 2020 年全球人工智能市场规模将达 1190 亿元人民币。

　　 目前看，这一数据远比不上 2015 年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。

　　 离人工智能最近的 IT 互联网公司敏锐嗅到了这一机遇。从 2011 年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、 IBM 、谷歌、 Facebook 、 BAT 在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。

　　 和每一个新兴产业爆发初期相似，这一轮风潮还将一大批创新新贵，尤其中国的投资和创业环境已经相对成熟，风潮已经开始兴起。

　　 市场调研机构 CB Insights 的统计数据显示， 2014 年风险资本对人工智能的投资增长 302% ，达到 3.09 亿美元。

　　 中国人工智能领域已有近百家创业公司， 65 家获得投资，共计 29.1 亿元人民币，其中旷视科技、优必选、云知声、 SenseTime 四家公司登上艾瑞独角兽榜单。

　　 但人工智能和其他互联网创业不同，技术门槛和资金门槛都相对较高。很多初创公司只是打上了人工智能的标签。

　　 人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合；技术层是算法、模型和技术开发；基础层则是计算能力和数据资源。

　　 国内人工智能的典型代表公司 BAT 擅长第一层。 BAT 手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。

　　 国内创业公司的情况是，应用层百花齐放，技术层开始发力，基础层几乎缺失。

　　 它们大部分是用国际开源的平台，用数据训练模型，有的甚至照搬国际模型，这其实潜含危险，最大的风险是产品严重同质化，尤其在人脸识别、语音识别等成熟领域，这些公司的产品没有突破性创新，根本没有继续走下去或被收购的价值。

　　 腾讯副总裁姚星常常为投资人鉴定真伪人工智能公司。他说， 辨识伪人工智能公司有两个关键点：一是这家公司所采用的技术是否是最新、最前沿的技术，如果不是，则是用人工智能概念包装的伪人工智能。

　　 其二，这家公司的技术和业务是否具备可扩展性？若否，则是采用部分机器学习算法或浅层人工智能技术的商业公司，而非真正的人工智能公司。

　　iPIN 是一家拥有文本认知智能技术的公司，从去年开始， iPIN 收到了不少投资机构的投资意向，该公司创始人兼 CEO 杨洋表示，到目前为止，他还没有遇到真正有能力鉴别人工智能技术水平的投资机构。

　　 “这对于做伪人工智能的公司绝对是一个好消息。”杨洋调侃说。

　　 危险在于，就算是一些初创时期确实手握人工智能独特技术和商业模式的公司，也在资本的胁迫下慢慢走形。

　　 在资本的压力之下，一些人工智能创业公司开始过早商业化，研发投入逐步降低，人员结构也发生变化，销售开始主导公司，最终技术公司变成营销公司，失去了被并购的价值。

　　 投资人工智能公司，需要专业技术知识和长线投资眼光。

　　 根据 Gartner 的“智能机器炒作周期图”，由人工智能驱动的应用中，语音识别产业化最高，自动驾驶汽车和智能顾问处于炒作最高点，智能机器人、自然语言处理 / 生成和虚拟个人助手则处于爬坡期。这些都属于 5 年 -10 年内能广泛普及的颠覆性技术。而神经形态硬件 ( 如神经元芯片等 ) 属于 10 年以后才能普及的技术，但该技术可能还没研发成熟就被淘汰了。

　　 需要在这一轮变革中保持耐心和恒心的还有政府和高校。人工智能涉及计算机科学、生物学、社会学、哲学、材料学、工程学等多个学科，中国高校基础学科的研究能力无法被充分利用，体制内缺乏一套产学研流畅对接的机制。这导致中国高校在这次产业变革中严重缺位。从美国的经验来看，正是其从法律、机制上保证了产学研的平滑转换，才令美国在这一轮的人工智能研究中占据上风。

　　 一些乐观的投资人认为，技术发展本身就是驱逐泡沫的手段，“不用很长，一年或一年半的时间，很多真实情况就会暴露出来，泡沫也将逐渐散去”。

（作者微信号：caijingxiaoshijie，或长按下方二维码）