AI创企如果还关注技术是否可行,融资最多到A轮
今天，猎云网"2017人工智能产业创业创新峰会"在北京四季酒店隆重召开。此次峰会的主题为“精·识·致·用”，分别诠释为精准大数据，智能识别，产业结合，生活应用。上百位人工智能领域著名学者、*专家和知名投资人参与，共同探讨当今AI的发展创新与变革，将产业与人们的实际应用相结合，为人工智能的普及奠定可行性的基矗
在下午的演讲中，华创资本合伙人熊伟铭作为开场嘉宾，讲述了人工智能与应用之间的关系。
去年整个人工智能行业获得了50亿美元，2300个投资人参与了1700家公司的募资，包括很多大公司。熊伟铭表示，人工智能已经从图灵时代变成普遍能看到应用的时代，很多人还在讨论技术，当然这个非常重要，但和VC接触的时候，更多需要沟通业务。
其中包括5个关键观察点：
1.人工智能是对目前业务改善的一种工具，不是新流量入口
到底是因为人工智能获得流利，还是人工智能的加入使流量更加多。归到业务的根本，到底需求是能够持续多久的需求？大家在考虑自己业务的时候，先考虑这个业务是不是具有长期可成长潜力的一个有抵抗能力的业务。
2.和大公司抢人才，创业公司缺乏『大数据』
作为一个创业公司，可能有两个非常牛的创始人，一个CEO一个CTO或者一个首席科学家，怎么把剩下的七个人或者十七个人找齐，有没有能力和大厂抢人才？所以这是另外一个问题。
3.科学家是不是好的创业者
创业公司里面每天都是在着火一样，所以科学家创业自己创业或者加入一个创业公司，是不是能够习惯？这也是很大的挑战。其实这对人生来说是有很大的变化，这些专家或者这些大牛们做创业的时候，是不是能够知道等待他们是什么样的生活节奏的变化。
4.充分利用开源技术，可以打造一流新型服务
团队是不是别都是科学家，是不是应该从业务为先的角度考虑，反过来应该用什么技术实现这个应用，而不是现在手头有什么佐料做什么菜，而不是手头有什么创造什么功能，这个和大家的成功经验结合更紧密一些。
5.解决问题最重要，炫技没用
很多团队、BP都沉浸在自己的小技术里无法自拔。当你技术独占性越来越多低，拼的不止是技术，还是要回到行业上，什么样的技术可以改变行业。如果还在验证技术是否可行，它都到不了A轮，最多是个天使。
以下是熊伟铭的演讲实录，内容经猎云网整理：
今天上午有很多不错的演讲，主办方也说我们今天现场是大大的超员，所以也看出行业不只是我们小圈比较热闹。
我想我们最近半年来一年来看到各种各样以人工智能为主题的创业公司的一些业务，中间我觉得人工智能从图灵时代变成今天一个普遍的看到应用的时代。很多创业团队其实还是在讨论技术，技术非常重要，这一点不排除。还有VC，VC我们可以当成翻译，如果没有VC翻译很多资本不会进入技术行业。但有了VC你还要准备业务，要把BP变成产品。
AI有多火？去年整个行业投50亿美金，硅谷和北京加一起。今天我们讨论行业投资，我们不能只是看北京或者看硅谷，因为今天除了硅谷北京是第二大独角兽的聚集地。所以今天无论是移动智能还是互联网，我们两边都在同时看。海峡两岸投50亿美金，是2300个VC投资人参与到1700家公司的募集工作中，中间包括很多大公司。
这个和过去看到的不一样，比如2014年看到移动互联网，其实大部分是VC和独立的基金为主，很少有大公司在里面。但是这个行业其实很多大公司在这个里面，这是另外值得讨论的一点，我其实在后面几页也有一个讨论，我们到底怎么看待人工智能市场里的投资机会。
有时候一个好公司不一定是好项目，一个好项目不一定变成大公司。比如一个公司很不错，估值很高，那么对于基金，如果我的基金只有两亿美金，我投不了那样的项目。但是对于大公司来讲可以内部化，之前我们跟大公司相关部门，他们也说我们要不要投资人工智能的创业公司？或者干脆请一个科学家把这个事儿干了，或者开始外包一部分的工作，像98年新浪把搜索引擎外包给百度一样，最后外包公司变成一个独立的公司。这个机会很有可能人工智能领域也是这样，所以我们从这个角度出发我们给大家更多建议，你考虑到这个行业的布局特点。
所以如果在募资的时候，如果大家只是强调技术还是不够，你还是试图构架一个场景。我和嘉宾也讨论有没有一个行业一个技术像人工智能一样这么火，曾经可能面临很多行业应用，没有什么特别像样的例子。我可以想到的20世纪初的电力可能像，因为那个时候唯一应用就是照明，今天照明无所不在，我们丝毫不会感觉电力的存在，因为大家习惯了，人工智能可能是这么一个行业，再过几十年可能无所不在。那时候你不会讨论这是不是人工智能，就像我们不会讨论为什么这么亮，是不是有电或者其他技术的出现。
电力行业在美国花60年时间，从20世纪初到1960年才达到百分百，所以增长比较缓慢。但是这几年的科技创新，无论是互联网还是移动互联网，包括最近各种各样的硬件都是瞬间爆红。所以我们看到一个趋势技术为先，但是找到一个应用才能使渗透率上去。
这两天看到金沙江的朱啸虎讲15%是非常重要的，一旦过了这个线这个技术很可能爆发，有些技术可能没有到临界点，这是我们平常评价一个技术是不是值得投资。比如每个基金十年时间，2027这个公司在不在？上市或者被收购？可能被收购。反过来推我现在要不要投？什么价钱投？投多少？这些和基金策略有关。
从非常长期的角度来讲，很多事情都是值得投资的。如果从非常短期的机会窗口考虑，可能很多事情是不敢投资的，所以这是我们这个行业在看待每个新技术爆发的时候，我们会经常关注的一些点。
五个关键观察
经常困扰我们的五个问题。2013年我们开始讨论机器学习，然后到2014年开始讨论深度学习，2016年大家讨论人工智能。意味着整个机器应用如果倒推的话，2012年瑞士研究所同事发现用GPU来算算法，比CPU速度快很多。英伟达就是因为2011年的一次偶然实现，发现传统IT产品的新行业应用。
第一个问题你是因为人工智能获得流量还是因为流量加上人工智能这个事儿，变得更有价值。
亚马逊到底是因为Echo火还是因为它本身就是一个入口，我想创业者没有想明白这个逻辑。我现在的感觉人工智能是一个加强的业务，它可能替代了大部分的人工，于是能够减少错误提高效率，能够做很多人类无法在单一时间做的事情。比如计算机，我们从没有空调变成有空调，这也是不断升级的物质需求。但是有说有电之前或者有计算机之前，有人工智能之前这些需求存在吗？这些需求如果存在，那么意味着只在效率上增长，到底是增长30%或者300%这取决于技术撬动的能力。归到业务的根本，到底需求是能够持续多久的需求？这是我们经常问创业者的。所以我们建议大家在考虑自己业务的时候，先考虑这个业务是不是具有长期可成长潜力的一个有抵抗能力的业务。
第二点，和大公司抢人才。
这是我们任何一个人工智能公司，尤其是风口浪尖领域，比如说无人车，所有人都说无人车。最后我问被收购的公司，你们怎么评估收购？五百万美金一个人，这个公司十个人就是五千万美金，基本按照这个价钱收购。因为收购一个实验室和收购一个业务的价值不一样。那么作为一个创业公司，你可能有两个非常牛的创始人，一个CEO一个CTO或者一个首席科学家，你怎么把剩下的七个人或者十七个人找齐，你有没有能力和大厂抢人才？所以这是另外一个问题。
比如说无人车，这个行业不是一个传统的VC领域，因为涉及大量我们不熟悉传统行业的东西，可能大部分的风险取决于融资能力，跟*沟通的能力，是不是把这个业务落地的能力。而不像我们之前看待电子商务、移动互联网、社区这种新兴的业务。这个业务上面你是不是能够很快成长到一个地步能够和大厂竞争？你的竞争能力是不是够强？所以你考虑声音，你的公司能够跑多远的一个前提条件，这个是非常重要。
第三，一个创业者成功的素质可能和他是不是教育科学家没有关系。
我们经常说风水轮流转。最早的时候都是草根，99年开互联网大会庆祝全国1700网民，看到今天的创业者都是主流的社会精英，和1999年完全不一样。这个时候我们想创业者，一个创业者成功的素质可能和他是不是教育科学家没有关系，你到底是一个创业者还是科学家？很多时候你重新定义自己的角色。我们也参加一些项目在这里的感受是说，因为科学家过去在大机构，所以大家非常习惯按部就班，有非常明确的资源计划。
但是创业公司里面每天都是在着火一样，所以科学家创业自己创业或者加入一个创业公司，是不是能够习惯？这也是很大的挑战。
其实这对人生来说是有很大的变化，这些专家或者这些大牛们做创业的时候，是不是能够知道等待他们是什么样的生活节奏的变化？我觉得这也是很多人没有想明白一下进来了，进来之后发现世界好像不是这样，然后创业的市场完全和大公司不一样。大公司里面很容易做的事儿，自己创业可能不那么容易做。
第四，你是不是重新发明技术。
比如Face++，我们看到它的成功率很高，失败率很低，但是之后各种各样的学校开始慢慢公开各种各样的技术，今天各种各样的API越来越多，框架越来越多。
这个好处是说所有的业务是不是用人工智能替代一部分的人力资源工作，尤其这些人力资源工作还要不停的犯错，错误率很高，你的效率不高。这个时候AI是一个很好的补充品。
有些团队有些失落，因为好不容易自己用自己的方法，跑出了一套标准或者算法，使得这个东西非常独特。那么你是不是坚持自己的技术开发的路？这一条是今天需要重新考虑的点，这个和2012年做人工智能和深度学习的创业机会不一样。
因为今天很多基础设施已经开始变得，直接可以接入应用。所以狭义波我们看到技术还要归到应用，是商业价值，因为最后不是IT生意是一个业务生意。所以这一点供人工智能的团队考虑，你是不是更好的去利用开源社区里公开的技术，来更新你现在的业务。所以你的团队是不是别都是科学家，是不是应该从业务为先的角度考虑，反过来应该用什么技术实现这个应用，而不是现在手头有什么佐料做什么菜，而不是手头有什么创造什么功能，这个和大家的成功经验结合更紧密一些。
放到五年前人工智能或者深度学习，当时应用非常窄。一直以来我们说摄像头，我们说摄像头的应用，说了十几年，这不是新事，08年之前，那时候做平安城市，所有的城市上摄像头是06年的事情。那个时候摄像头从简单的单机到网络联网，从本地存储加上集中存储，加上视频分析，很久之前有人做视频分析，只是深度学习开始变得很普及的时候，使得视频分析变得更容易了。
所以这一点来讲我们鼓励你能够发现一些独特的机会，我遇到一个问题是我收的BP或者大家介绍的团队，沉浸在自己的小技术里无法自拔，很开心，获得很多奖，那些东西商业有什么进展？客户说了半天还是摄像头公司，那么最后拼的，当然技术很重要，但是那些先行者大家不是*。所以这个里面技术的独占性越来越低的时候，可能拼的不仅仅是技术，而且这个技术是不是，比如大家点牛排是几分熟。
现在时候我觉得是过分强调技术，忽略行业具体特征。所以这一点应该先回到行业，再看我用什么技术能够改变这个行业。
这是我推荐的两个博客，一个是基金的网站，大家可以查一下。他从2014年、2015年开始公布深度学习的公司，这是他去年发的图，密密麻麻看不清，但是一个启发就是如果你看这个上面，其实很多行业。为什么我现在说的，除了人脸识别就是无人车，然后是做一个东西，就是这三个方向。
大家没有想到这些行业里的应用，所以这个反而是我们跟硅谷那边的差距。我们觉得你到底解决技术问题还是解决商业问题？到最后你必须把，就算解决技术问题，解决一个商业化的技术问题，我们这帮商业人才才有价值，要不然不是我们帮忙是大学帮忙是*帮忙，如果不是商业化问题。
这是我推荐的博客，从大数据的时代，如果大家看2011年大数据开始，到今天人工智能的演变，中间有很不错的灵感，包括很多行业的应用，都是非常值得我们学习。还有就是人工智能100，是100家人工智能的公司，中间包括华大出来的大华侨探云智能，在用大数据或者人工智能的方式解决基因诊断。这些都是我们非常期待看到非常新的东西，为什么估值这么高？因为做的人少。如果有更多人能做或者懂如何做，可能我们看到市场新的价值回归，使这个行业更加繁荣。而不是憋半天憋一个大招，所以这一点给大家共勉。
更多还是说如果是创业者是不是应该更多的去考虑你在的行业，我非常害怕看到一个BP，20页中间17页讲自己的算法，自己和谷歌的分数做对比。如果现在我们还在验证这个技术是否可行，可能到不了A轮，最多是天使轮，如果是实现商业机会一定要非常清晰的定义人工智能在那个商业环境的最大贡献是什么？所以我希望对大家有所启发。谢谢。