主题：智能投资分论坛
时间：2017年5月22日下午
地点：国家会议中心405
本文根据速记进行整理
Unsupervised early stage investment
Luke Tang（唐亮）
太库科技美国总经理
张泉灵：谢谢栾总，下面有请太库科技美国总经理唐亮先生，他之前是麦肯锡TMT行业的全球专家，也是著名的学术专家，让我们有请唐亮。
唐亮：谢谢主持人的介绍。大家下午好，非常感谢人工智能协会的邀请，今天我要分享的主题是“Unsupervised early stage invesment”。之所以说是Unsupervised early stage invesment，大家知道非监督学习，对于整个AI行业的投资来说，我们的历史相对比较短。
今天我的分享是三个部分，第一是整个行业的趋势，跟投资比较相关的趋势；第二是我们探索的投资理念；第三，我们所做的比较独特的地方。
首先看一下这个图，这是上周在硅谷的一场巨大的活动，有7000多人参加。这个活动是17号举行的，去年只有1000人参加，到了现在的7000多人，谷歌的CEO强调了他们公司的战略，从Mobile 第一到AI的第一。
每个时代都有标志化的产品，比如PC时代的Windows，比如互联网时代的谷歌，Facebook。
我们来看看人工智能的产业链，从下往上看，从基础层到技术层，到应用层，这一种分类方法。从计算能力，数据，算法，框架，通用技术，应用平台的解决方案，具有不同的研发路径，不同的短期价值和长期价值。更多的是高投入，高回报，适合长期布局的领域。从技术层，不管是算法还是框架，还是通用技术，也有很多企业在进行长期布局。在应用层，有特别多的激烈竞争。对于企业来说，人工智能产业竞争的模式，我们看到了五个不同的模式。最左边的是生态构建者，有谷歌，Facebook，亚马逊和阿里，整个产业链都进行了布局，不管是基础层，技术层，应用层。第二类是很多创业企业，很多软件公司都在布局，比如说IBM，微软，更多的是在技术层和应用层一起同时进行布局。第三类是垂直产业的聚焦者，聚焦在很多垂直产品的应用，不管是上面列的这些。最后是硬件与基础公司。从几类不同模式中可以看到，不同的场景应用是人工智能产业竞争关键的环节。
AI正在从过去5年技术创新的阶段跨越到产业创新阶段。我们可以看到在汽车领域的应用，医疗行业，家居，教育，机器人，金融等等，都有着非常多的机会。
我们先看一看AI+healthcare。斯坦福大学有一个比较重大的突破，过去花几天才能测试出来，现在可以看到只要用手机拍照，过几天就可以判断出来，甚至比医生更加准确。这提醒了我们在诊断领域里有中医的诊断办法，中医跟西医完全不一样，就用望闻问切来进行诊断，就能对很多疾病做出比较准确的诊断，这也是我们看到了很多创业企业在做的事情。对于望闻问切这几步，都有企业在探索当中。
很多领域当中我们都看到机器人比人做得更好，如何能够避免被机器所取代？最近有一个分析，在绝大部分的工作当中，很多人工会被机器所取代，是一些重复频率较高的活动会被取代，实际上大部分工作很难完全被取代。从这个角度出发，更多的是希望用AI来提升我们工作的效率，降低成本。今后几年，5到10年，最好的医生可能并不是人类的医生，而是人和机器的组合，一个替补，互相提升。
美国零售业遭遇了非常大的挑战，今后5年当中，预测整个零售业会降低大概1亿平方米左右，很多零售店都在关门，人工智能也提供了很多这样的机会。对于线下店来说，不仅是卖东西的功能，也可以是教育，也可以是娱乐，可以是体验。
汽车行业，可以看到很多价值将发生大的转移。2015-2030年整个行业收入的分布，右面是利润的分布。汽车行业的收入和利润，向出行服务，汽车娱乐等软件服务转移，福特拥有上千名的软件工程师，这在以前是不可想象的。
在AI各个领域的独角兽都还是涌现，垂直行业新的格局逐渐明晰，有用于药物开发，用于网络安全等等不同的案例，都涌现出巨大的机遇，自动驾驶也是新的独角兽。
垂直行业中，大企业更加快速的进行投资和并购，以前是很难想象的。战略投资在5年来已经增长了10倍，AI领域非常活跃。积极的参与到战略投资中，促使整个行业的创新更快的往前发展。
下面分享一下我们初步的投资方面的探索。首先，硅谷经过过去一两年的探索，我们发现很多企业只不过是一个概念，这些AI到底是不是公司的核心竞争力的一部分？对于我们的判断是非常关键的。第二个理念，我们比较看好的垂直行业有潜力成为平台类的项目，前面嘉宾也提到过，比如说智能音箱。还有什么可以成为流量的入口？智能教育，智能金融各个领域，是不是能够寻找到类似平台的机会。
对于精确度要求并不苛刻的应用，同时能够为客户创造非常大的价值。在AI垂直行业应用发展的早期，我们如何去发现一些对于精确度要求并不高，并不苛刻的应用？比如说广告投放，比如说药物开发，比如说大客户的客户关系管理等等。在客户关系管理中，比如今天有20个客户，在这个时候对于这些产品，什么样的客户是最有可能的，精确度要求并不苛刻，但是可以带来非常大的价值。
谷歌为什么对于人工智能如此的热衷？从2012年开始就把加拿大著名的公司卖了，机器学习提升了搜索精确度，给谷歌带来了大量的现金流。他们广告收入主要有两个来源，一个是AdWords，另外一个是Google AdSense。在整个搜索当中，我们并不要求精确度有多高，第一页的结果已经非常满意了。
另外一个案例是机器学习用于药物研发，药物开发的过程。很多的药物开发，比如癌症药物的开发，需要花非常长的时间，耗费数十亿美元，如何提升成功率，降低开发时间，在人工智能方面已经有不少的创业企业开始探索。比如硅谷一家企业Atomwise，在研究埃博拉药物中，通过机器学习，一天就把7000多种药物筛选完成。
刚才提到未来5到10年中，可能不是机器取代人，而是AI作为帮助我们的工具。这个图下面写的是在美国所有的工作当中时间的分布，左边是很难被取代的，右面是相对比较容易被取代的。从这些领域来说，右面这些东西如果用AI来说，可以大大提升效率。基本PS工作已经可交由AI自动完成。为
律师的工作，RAVN是律师的工具，右面这个是jist.tv，可以对视频进行摘取，能够大大提升工作效率。
重大行业的变革，比如刚才提到的汽车行业。对于这样的行业来说，我们比较喜欢的是从未来的5到10年可能的产品来倒推现在可能存在的机会。比如说未来的车辆销售和二手车交易的频率将大幅度降低，批量保养和维修可能会存在，停车场需求将极大降低，释放大量土地空间，出行效率提高。什么样的零部件是未来汽车仍然需要的？都有企业重新开始设计。甚至汽车具有一些用地地产的属性，我们把双手解放出来之后，车的空间上是否有其他机会？专业司机在无人驾驶时代如何转型？
过去两年当中可以看到追逐AI技术人才的方式，这是难以为继的，更看好的是“技术人才+行业专家”的跨领域的组合。
