概要：将来能实现商业落地的项目具备什么样的特点？本文将详细回答这些这些问题。
导语：深度学习和阿尔法狗引领的人工智能热潮依旧在蔓延，巨头们纷纷布局人工智能，人工智能创业项目在创投圈尽显风头，越来越多的人进入到人工智能行业。那么，这一波人工智能创业项目的发展轨迹是怎样的呢？将来能实现商业落地的项目具备什么样的特点？本文将详细回答这些这些问题。
7月8日，在第二届全球人工智能与机器人峰会CCF-GAIR的AI创投专场上，星河互联人工智能事业部管理合伙人刘玮玮做了题为《2017，人工智能创投的新趋势》的演讲，提出“我们理解或者容忍技术创新带来的估值溢价，但是商业落地是更重要的投资要素”。对于未来人工智能的创投趋势，他说：“在2014—2016年的时候，我们看到了一些从算法和人才切入的AI创业项目，随着时间的演进，这种对于人工智能行业整个系统的影响，实际上关键因素是有变化的，我们现在看到场景需求、商业模式，包括该有的底层大数据训练的素材，变成了继算法和人才以后的第二个需要关注的重点方向。”以下是演讲内容部分整理，删减整理不改变原意，小标题为笔者加上。
系统地看人工智能发展的内外部因素
这这张图大家都不太陌生，这是Gartner的技术成熟度曲线。基本上我们半年、一年都会拿出来复盘一下，看一下Gartner的研究成果，包括我们这个细分领域到了什么样的发展成熟度，我今天不想过多的讲各个细分领域的东西，我们是想看一下这里面的一些内容，为什么这么多的细分领域的发展会是这样的规律，从初期概念的导入，到后面慢慢的概念的爆发，然后有个回落，然后有了成熟的场景，然后进一步回落，慢慢走向成熟，为什么是这样一个趋势，实际上这是比较有意思的一个话题。
实际上它有一些内在的发展规律，比如说我们过去上学的时候学过三论（系统论、控制论、信息论），这三论基本上可以解释我们目前攀登的这种技术领域的发展趋势，当然不限于技术。一个比较经典的讲生物系统的构成，有生产者、消费者、分解者，也可以看到它有内部因素、外部因素。我们需要从这个角度思考一下每个领域的行业发展，每个领域都有不同的影响因素相互在交织、影响、相互促进，甚至相互制约，都是有可能的。慢慢它会达到一个稳态。
如果我们把目前的人工智能行业看成一个系统，大概有这样一些关键因素，我们从内外部的角度把它分一下，内部的因素包括人才、算法、大数据、底层运算资源，包括商业模式、场景需求等等。外部的因素包括社会的发展、资本、政策，甚至是大的信息环境的改变，这个都是外部的一些驱动因素。这样一个系统分为内部和外部的因素，刚才讲到内部因素，实际上它是有一个内在的驱动力，外部因素有外在的影响。
底层算法和人才的壁垒将不断下降
从2014—2016年，我们看到了大量的AI的天使轮的项目出现，无论是国内还是国外都是这样的趋势：那时候的项目有一个特点，基本的切入角度是从算法和科学家人才，特别是2016年AlphaoGo爆发以后，这种趋势更加明显。我们在这个行业初期的时候，看到大量算法角度切入的项目。
我们把国内的某一个榜单的TOP100的项目做了一个梳理，我们发现其中61%的项目团队里面都有科学家的身影。怎么定义科学家或者学者？他的学历在博士以上，在本领域有一些相关的经验，我们把他定义为知名学者或者叫科学家，有61%的项目都有这样的科学家的身影。有3项以上软件发明专利的大概有73%。这些数据就佐证了刚才我们讲到的，2014—2016年我们看到的项目是有这种算法和人才的比较明显的创业标签。
看一下二级市场，二级市场人工智能相关的概念股也有一个现象，我们以计算机板块为例，会发现它的PE值基本是在上百倍左右，实际上这是非常可怕的，我们预计未来它也会随着行业的发展有进一步的回落。
我们又做了一个一手的统计和一些不同渠道的询问，发现TOP100的人工智能项目的主营业务可以盈利的基本不超过20%。我们从另外一个角度来讲，这张图从A股智能制造板块的PE值来讲，从2015年的6—8月它是一个高峰，慢慢随着政策的增量不再，它会落到一个相对理性的水平。这想说的是，政策的因素在我们前面讲的生态图里面是属于外部因素，外部因素究竟对于行业的发展能起多大的力量还不好说。
所以我们第一个观点是，要用发展和系统的眼光来看人工智能行业的发展。算法的壁垒一定会不断的下降，底层框架已经被大厂所垄断，谷歌、facebook、微软都有自己的开源框架，我们也有理由相信，未来在底层算法方面，这个壁垒是慢慢在变小的。同时，人才的壁垒也会不断下降，越来越多的人进入这个行业，包括潜在的人才，经过培训、经过不断地学习也会上岗，不断地为科研院所和海内外的知名院校挖掘出来。我们跟一些科研院所和一些学校的老师或者是实验室的博士生都有些接触，忽悠他们出来创业。另外，底层的算力成本也在不断下降，2014—2016年出现了大量的创业项目，随着时间的推移，这些项目要往前发展，总不能拿一个Demo，或者是我的API，或者是我的服务去讲故事，你一定要找到你的客户，找到你的场景，把你的服务给客户，然后你的商业要闭环，你还要往后走。随着时间的发展，这种项目会大量的从天使轮项目往A轮演进，这是时间对它的影响规律。
场景需求、商业模式和大数据是下一步关注方向
刚才讲到在2014—2016年的时候，我们看到了一些从算法和人才切入的AI创业项目，随着时间的演进，这种对于人工智能行业整个系统的影响，实际上关键因素是有变化的，我们现在看到场景需求、商业模式，包括该有的底层大数据训练的素材，变成了继算法和人才以后的第二个需要关注的重点方向，特别是从我的角度来讲，更关注上面这几块，刚才我们讲到算法和人才的需求，慢慢的这种壁垒就会下降。首先是场景需求，这就是说你的服务怎么去服务你的客户，你的工程化能力如何，给客户定制化需求能力如何，你的解决方案能力如何，这个叫场景需求。然后是商业模式，它是说你有了场景需求以后，不代表你一定能收费，不代表你一定能有现金流。还有一个就是我要训练我的模型，我的大数据资源从哪儿来，这个数据的质量如何，是不是经过清洗的，还是一些脏数据，这个数据的价值怎样，这些是我们现阶段比较关注的衡量一个项目比较重要的核心要素。
所以总结来说，我们理解或者容忍技术创新带来的估值溢价，但是商业落地是更重要的投资要素，这句话代表了我们看项目的逻辑，我们觉得商业落地是更重要的，但是前面的词（对估值溢价）我用的是“容忍”或者“理解”。
以商业落地为标准划分AI细分领域
从商业落地的角度，我们把一些我们看到的人工智能细分领域做了一个划分。
第一个维度是技术相对成熟的，在垂直领域有一些商业模式的落地。这里面包括某些垂直领域的Chatbot，利用模式识别进行卡证识别，封闭场景下的语音识别与处理，机器视觉在工业方面的应用，辅助驾驶后装今年会有尝试。
第二个是听上去很美好，但是商业模式落地需要再思考和考量的领域，这里面包括比较通用的语音智能助手，这个听上去很美好，但是你怎么在你的家庭环境里用，或者在你的某些场景里用，这个还要继续探讨，而且这个领域目前还是巨头比较多。
另外一个是智能投顾，还有智能硬件，这里说的智能硬件是说它和人工智能的结合，最后一个是服务机器人，实际上深圳有大量做服务机器人的创业项目。
第三个是需求很明确，但是原有的产业链不容易突破的几个领域，包括无人驾驶、医疗、安防领域。我觉得这几个领域有一个共同点，需求是有的，比如说医疗、安防显然是有的，但是原有的产业链里面的巨头，它会占据整个产业链里面利润的大部分，你作为一个技术的提供商，你能跟着巨头去分多少羹，这是看不好的。所以我觉得这样的领域叫做有需求，但是对于原有的产业链的突破是并不容易的。
第四个是持续重点关注的领域，包括特种机器人、安全、智能商业，教育，甚至是未来的脑机接口、新零售，这些都是我们在持续关注的新领域，目前还不大好下结论，当然脑机接口稍微遥远一点，现在它的应用主要集中在游戏等等某些应用方面。
欢迎加入未来科技学院企业家群，共同提升企业科技竞争力
一日千里的科技进展，层出不穷的新概念，使企业家，投资人和社会大众面临巨大的科技发展压力，前沿科技现状和未来发展方向是什么？现代企业家如何应对新科学技术带来的产业升级挑战？
欢迎加入未来科技学院企业家群，未来科技学院将通过举办企业家与科技专家研讨会，未来科技学习班，企业家与科技专家、投资人的聚会交流，企业科技问题专题研究会等多种形式，帮助现代企业通过前沿科技解决产业升级问题、开展新业务拓展，提高科技竞争力。
未来科技学院由人工智能学家在中国科学院虚拟经济与数据科学研究中心的支持下建立，成立以来，已经邀请国际和国内著名科学家、科技企业家300多人参与学院建设，并建立覆盖2万余人的专业社群；与近60家投资机构合作，建立了近200名投资人的投资社群。开展前沿科技讲座和研讨会20多期。 欢迎行业、产业和科技领域的企业家加入未来科技学院
报名加入请扫描下列二维码，点击本文左下角“阅读原文”报名
