专栏名称: 产业智能官
用新一代技术+商业操作系统(AI-CPS OS:云计算+大数据+物联网+区块链+人工智能),在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
目录
相关文章推荐
散户成长基地  ·  注意看,开年第一轮机会来了! ·  昨天  
散户成长基地  ·  注意看,开年第一轮机会来了! ·  昨天  
萧山网  ·  大涨!网友:现在要买点吗 ·  2 天前  
萧山网  ·  大涨!网友:现在要买点吗 ·  2 天前  
掌上长春  ·  涨幅已超黄金,创12年新高 ·  2 天前  
掌上长春  ·  涨幅已超黄金,创12年新高 ·  2 天前  
佳木斯广播电视台  ·  涨幅超过黄金!网友:现在还适合入手吗? ·  3 天前  
佳木斯广播电视台  ·  涨幅超过黄金!网友:现在还适合入手吗? ·  3 天前  
人工智能产业链union  ·  “人工智能产业链联盟投融圈”仅限靠谱投资人& ... ·  3 天前  
人工智能产业链union  ·  “人工智能产业链联盟投融圈”仅限靠谱投资人& ... ·  3 天前  
51好读  ›  专栏  ›  产业智能官

【AI创业】“靠谱”AI类创业公司的特征侧写 | 源码内参

产业智能官  · 公众号  ·  · 2019-05-24 05:48

正文


作者简介


郝毅文 投资部副总裁




郝毅文先生于2014年加入源码资本。在近十年的职业生涯中,他曾经在亚商集团与Frost & Sullivan负责企业战略和市场增长咨询项目;也曾在红杉资本的支持下创立了中国最早一批面向海外市场的网游发行商Ingle Games。郝 毅文 先生曾任职于腾讯公司,负责企业QQ产品线的整体规划。 郝毅文先生毕业于同济大学工商管理系。


联系方式: [email protected]





[ 编者按 ]

人工智能是2017年创投圈最火热的方向,在行业热潮背后,源码资本认为人工智能投资领域中依然存在一些尚未被完全认知的隐忧。 源码资本 经过分析研判独家呈现第二期 [ 源码内参 ]



观点


“靠谱”AI类创业公司的特征侧写

研究出品/源码


  • 实际接触到的AI项目中, 处于技术工具“造榔头”阶段的多,离产品化“造出房子”还远

  • 目前人工智能人才的最大缺口是技术型人才,但 下一个缺口将会是商业化人才

  • AI类型项目主要退出方式还是被巨头收购(15年69起,16年84起),目前尚未看到哪家有独立上市苗头,和热度略逊的大数据领域也差距较大, 基金退出渠道不明




1

AI:创投圈2017年最热方向


根据烯牛数据的统计,16年底-17年初,国内各大机构在关于今年投资方向的 98 篇讨论中,人工智能的提及次数占 48 次,是第二位“文化娱乐”的 1.8 倍。


按Venture Scanner数据,2016年,全球人工智能领域创业公司获得的融资总额达到了 50 亿美元, 658 个公司获投。市场火热程度毋庸置疑。


但繁荣之下也有隐忧。



Source:CBInsights




2

产品化与估值泡沫


我们认同AI技术的普及和爆发是必然趋势,但回到实际接触到的AI项目中,处于技术工具“造榔头”阶段的多,离产品化“造出房子”还远。


对比同样To B为主,以解决企业实际问题为目标的SAAS行业,AI领域有一定估值泡沫存在。


业内对SAAS公司有按Forward P/S 5-10倍来估值的共识,而AI类项目还在看人头,看简历定价阶段,或许存在按发表论文Paper数+H Index(学术产出水平)估值的P/P方法。


此外不少换包装的“准AI”项目也大量入市。 甚至有些消费类项目,商业模式关键点并不在于AI技术应用,也在融资时凑热点,堆砌一些技术名词“忽悠”投资人。这反而掩盖了自身特点,带来不必要的技术DD,以己之短博人之长。




3

人才瓶颈



人才需求爆棚,薪资翻番,创业公司招人难。北美地区16年AI开发的相关职位供需比是3:10。该领域人才在国内的供求失衡更为严重,或达到1:10。学术圈人才大量进入工业界,也有诸多大公司骨干按耐不住开始了创业。


Source:David Simonds


目前该领域最大缺口的是技术型人才,但下一个缺口将会是商业化人才: 理解技术边界和实现机制,更懂行业需求的“翻译官”类型。




创始人背景: 目前普遍受认可,也是最多见的创始人背景是有学术高度的海归博士,在产业圈公司工作3-5年,晋升快,又有商业思维的。


其次是大公司研发线高层创业以及教授选手,一般在副教授级别,30-40岁,有一定学术影响力,有全职下海决心的。科学家创业需要尽快找到商业合伙人,对要落地的行业非常了解的。






4

退出路径


全球范围,AI类型项目主要退出方式还是被巨头收购 (15年69起,16年84起), 目前尚未看到哪家有独立上市苗头 ,和热度略逊的大数据领域也差距较大,基金退出渠道不明。在国内的环境中,大公司依然倾向收购资源和收入,对人才和技术的收购并不积极。




学术界的技术从论文想法到产品落地,再到成为行业常识的时间越来越快, 具有技术收购价值的窗口期缩短 。例如去年的热门软件Prisma所用到的风格迁移技术,概念最早发表于 15 年 8 月的一篇论文《A Neural Algorithm for Artistic Style》,3-4个月后,开源社区将算法速度提升了几个数量级,16年上半年有2-3家创业公司拥有这个技术,7月Prisma引爆朋友圈后,现在已有不少于20个团队在这个方向创业,也成为所有美图类的标配。届时技术收购价值也大大降低。 过高估值的公司,自我造血能力跟不上的话,形势尴尬。






5

技术成熟周期




前沿科技领域的创业公司需要尊重商业规律,寻找价值创造点,敬畏技术成熟周期。 Gartner每年都会公布新兴技术成熟度曲线,创业者应审视自身实力,寻找技术到站距离比较近,或是至少有中途停靠补给站(商业化应用)的赛道,伟大的企业都从满足客户需求开始,而不是依靠赢得世界级的学术地位。




Source:David Simonds




AI领域巨头积极开源, 平台类型技术很快会商品化。 例如Google Tensorflow这样的框架,现在不少非AI公司都在实际应用了,就像3年前Hadoop的普及一样,靠这样的框架做AlphaGo还不可能,但分析一些离线业务数据已经足够。





6

源码所看好的AI领域公司特征








请到「今天看啥」查看全文