投资人眼里的智能机器人产业现状

金慧瑜

“在美国，2015年是机器人元年，而对中国，机器人还只是萌芽。”常年奔波于美国硅谷和中国的谢殿侠近日在一场小型沙龙里对在场的机器人爱好者说。

其实这也是当下很多对机器人感兴趣的投资者的共识，他们期待这张尚未有太多色彩的白纸上，有更多新技术的应用、更多行业数据的开放以及更有创意的应用场景。

界面、场景与数据

谢殿侠是上海海知智能科技的CEO，从事语义分析理解方面的基础技术平台服务，他最近和一家知名风投设立了一支专项天使基金，专注于人工智能应用领域，尤其是智能机器人的极早期天使投资和YC 式创业企业孵化。

在美国，2015年被称为智能机器人的元年，不同类型的智能机器人每台售价从几万美元降到2000美元以下，像上世纪80年代初的计算机一样走进日常办公和普通消费者家庭。

而在国内，在面向消费领域的智能服务业机器人以及人工智能技术在各个领域的应用，显然还处于比较早期的几乎空白期。

“只要想法相对靠谱、人相对靠谱，经过了筛选即投资80万元人民币，占8%的股份。”谢殿侠告诉记者，投资范围尤其是面向服务业的智能机器人，把美国、中国有潜在经验和技术积累的团队发掘出来，帮助他们用几个月时间把创意想法变成可演示的原型产品，并推动进行下一轮的融资。

“在国内，智能机器人的发展需要一个生态链，我们希望能整合国内外的产业链资源以及资本，帮助这些团队快速、低成本地把想法早一点变成现实。”谢殿侠说。

谢殿侠告诉《第一财经日报》记者，他们自己提供的是一个AI（人工智能）语义分析理解的技术平台，让机器人以及任何应用可以通过接口理解人的自然语言进行交互，因而他关注的是产业链上游的内容、知识、服务和下游的各类智能机器人以及智能硬件等。

产业链下游是和用户直接接触交互的界面，包含了智能耳机、智能音箱、汽车车载，甚至机器鱼等各类“机器人”，不限于手机上的各类应用。

天使投资人、起点创业投资基金的创始合伙人查立认为，机器人作为一个界面的应用场景尤其重要。“比如在某些不适合人类工作的领域，比较脏、危险的地方，或者是人类无法实现的功能，如飞行器。它们的共同点是延伸了人类在视觉、触觉、伸展方面的能力。”

他在美国接触到一个和人类打网球的机器人：一边是个运动员，另一边是4个飞行器牵着一个网，它们的准确率、打球策略、整体配合、速度表现都非常好。此外他们还在了解一个帮助盲人的机器人的项目。

关于产业链上游，谢殿侠认为，可包含时间、地点、人名等的日程助理等提醒服务，以及音乐、演出票务、活动、健康、金融财经等领域，通过这些领域合作伙伴合作形成领域知识图谱，为下游服务。

“例如在音乐方面，拥有内容的平台合作，相当于塑造一个机器人DJ，不仅可以根据曲目名称、专辑或者演唱者等播放，也可以根据你的情绪、感受来推荐适合心情的音乐。”谢殿侠说，他们还在做的一件事情就是推动国内的开放数据联盟，鼓励各行业各领域尤其中小企业将数据开放共享并连接起来。

华创证券认为，数据是智能化的基础，大量的数据不仅是机器学习的前提，而且智能化效果直接跟数据量成正比，在万联网的初期阶段，竞争更多表现为数据入口的竞争，掌握数据入口的企业，是他们看好的一级和二级市场的方向之一。

技术是核心

纪源资本合伙人于立峰指出，目前投资界的投资热点主要集中在云计算、移动互联网和大数据三个方面，而未来三到五年中的投资热点还将包括智能技术领域，包括机器智能。

于立峰指出，其中的一个投资热点就是识别技术，它包含了语音识别、视频、图形、行为识别等。“有很多小型创业公司在从事这方面技术软件的研发工作且取得了进展，这些识别技术还将不断地迭代更新及不断适应智能技术的发展和未来的需求，不断地去提高识别技术的精确度和可靠性。”

谢殿侠告诉记者，支付宝、腾讯所做的远程开户已经运用了人脸识别技术，这一技术领域国内的参与者包括了百度、腾讯、face++（旷视科技）等。“人类可以达到95%的准确度，而Facebook、百度研发的技术已经可以做到超过这个数字。”

曾获IDG资本1000万美元注资的SenseTime（商汤科技）CEO：“通过深度学习和大数据分析，机器人可以来判断人与人之间是什么样的关系。如果我们做陪伴机器人，就可以分析情感，甚至可以通过看网络照片、视频来分析人物之间有没有竞争、依赖、信任等关系。”徐立说。

而除了识别技术以外，围绕智能机器人的各类关键技术都是科技巨头看好的领域。

就人工智能机器人而言，一般分为操作层、感知层、认知层三个部分。工业机器手臂就是操作层的东西，感知层包括很多视觉产品，更多是传感器。

“未来人工智能机器人要有大的突破，核心在于认知层，但目前国内做认知层的不是很多，主要是IBM和微软做得多一些。”图灵机器人CEO俞志晨在近期硬蛋举办的一场机器人论坛上表示。

在很多人看来，当下的人工智能仍处于婴幼儿水平，不过，制约人工智能发展的三大壁垒（运算能力、数据积累、有效算法）正在渐渐消解。

在运算能力方面，IBM 研发的仿人脑芯片True North有上百万个数字神经元，每个神经元分别和其他神经元连接产生的突触有2.56亿个。这可堪称计算机行业最具颠覆性的变革。

中国人工智能协会青年分会主席、复旦大学教授张文强认为，不断积累的数据使机器智能可以不断自我进化，而移动互联网等产生的大数据，使得机器智能的数据瓶颈可以得到解决。

而数据量和运算能力的突破也带动了算法的进步，深度学习算法的出现，将人工智能的发展带上了一个新的高度。