邓锋:人工智能行业的创业与投资机会

由创业邦主办的“2017创新中国总决赛暨秋季峰会”于9月6日-7日在杭州举行。北极光创投创始人邓锋出席并演讲。

以下为演讲实录:

邓锋:各位嘉宾,各位朋友,大家下午好。

其实今天原来给我的题目叫人工智能的基点来临,我想想又篡改了一下,因为基点这个问题,大家都在讨论人工智能。首先什么是基点,是人工智能开始从这一点开始,很快就战胜人类的智能,这一点我也想得到答案,也和很多人请教过,没有很明确答案。我只能和大家说一点,人工智能战胜人类智能,现在绝大部分科学家还没有这个共识,绝大部分人工智能方面的专家,全世界一流的,大多数认为考虑这个问题还为时过早。

第二,我也和大家说一下,现在确实有越来越多的科学家认为这个可能性不太存在的,而且是越来越大,越来越多的科学家觉得前途没有那么乐观。

不过我想可能他们想的跟我们想的还不太一样,我个人觉得,首先,人类是不是被人工智能战胜,人类还可以被其它方面战胜,战胜科技来导致人类灭亡的方法有很多种。那天我想了好多种,比如现在人脑科学的发展,真的可以控制人脑,通过某种方法、仪器来控制人脑的思维感情,可能相对比人工智能来得更早。第二,有人悲观的认为,前两天有人说2029年是人类永垂不朽的那一年,到那时候开始长生不老。还有另外一种力量让人类活得更长,我觉得还是不要想这些太远的问题,想一些比较实际,对我们来说比较有用的。今天在座的都是创业或者投资的,到底人工智能在创业和投资带来什么机会,可能对在座是更重要。

总结一下行业的历史,从哪儿来到哪儿走,现在是什么情况,同时用一些案例讲一下,我觉得创业、投资在人工智能这个领域今天和未来有什么机会。

其实人工智能,大家都知道这不是一个新词了,这个词从上个世纪50年代就开始被人第一次用。到现在为止已经经历了第三次浪潮了,那第一次、第二次都很不幸,热了以后又从风口上冷了下去。而且第一次是在60年代中、60年代末的时候最热,由于有了算法的革命,第一次发明了神经网络,觉得人工智能很好。但到了70年代初,60年代末时,发现计算能力在那个时候不行,解决不了大部分问题,所以又变成了研究经费下降,整个行业变得不热。到了80年代初又开始,到80年代中后期变得最热,这个就是发现了一些过去所说的获取数据变得可能,又是一次算法的突破。而且大量的投入在超级计算机上,比如日本的日代机就是人工智能的计算机,花了很多钱。到了90年代初以后又下去了,觉得这个离现实还是很远。包括从算力,数据本身上来讲都不够。

这次大概是从十年以前,05、06年开始又出现了,原因在于最根本的契机,提出了深度学习。婴儿学图像,都是母亲告诉他什么内容,记在脑子里。一个不同的物体,放在不同的背景下,婴儿能够认出来。人类模拟这个过程,让计算机学习了成千上万,几十万,几百万,越来越多被标注过的,被专家们标注过的图像,之后再给它一幅没有看过的图像,它可以认得很准。到几年之后,认得比人很准,这个事情是用了深度学习的方法。而这种深度学习的方法被广泛用在今天人工智能领域,这是人工智能带来的第三次浪潮。

这次是不是又是一个泡沫,像上两次一样过一段又不行了。我们认为这次绝对是真的,真的是不一样。为什么这么说,真正人工智能要发展有三个大的因素,大家可能听说过,算法,机器学习,后来又出现了一个增强学习。一些新的词都是在最近几年迅速发展,因为机器学习本身需要大数据,数据没有大能不能行,数据没有那么全,或者别的领域的数据能不能用在这个领域,都有一些突破。算法在过去几年有了一些新的突破,在未来可能还会有一些新的突破,现在发现算法进展速度比以前要快。其实更大的突破是在算力上,算力就是计算的能力,要进行一个计算,计算能力不够的话是解决不了的。

过去由于摩尔定律,同样的成本、同样的时间,计算性能大部分提高,使得算力在迅速的增加。而这个又面临着GPU的提高,过去计算都叫做CPU,CPU虽然做普通的计算很合适,但做人工智能的计算并不是最合适。

(图示)GPU是一种不一样的,大家可以看左下角的图,CPU,传统的计算,包括英特尔,ARM。左边这张图,这叫做GPU,GPU是一堆的计算单元,存储器放在另外一块,特别适合做人工智能的算法,深度计算。由于GPU,使得一个公司市值迅速增长,就是GPU在人工智能带来大的应用。现在又出来一个新的TPU,谷歌把它的一套计算价格重新设计一个芯片。算力迅速的提高,而且算力可以预测在未来五年时间内,可以是以数量级的速度在提高。

这里等会再说另外一个问题,使得人工智能今天的算法未来很复杂,需要大量算法的计算都有可能,而且是在可实现的成本上做到。

其实还有一个更大的变化,数据的变化。你要想做人工智能,你要想学习过去历史的经验,很多的数据。这个数据在今天由于有了无线互联网,包括今天的手机。由于有了物联网,IOT,使得数据在今天和过去都不一样。大家如果知道,现在需要存储的,和人类每天产生可记录的数据,都是成千倍的增长。由于有了这些数据,才使得你的计算,加上算法和计算能力,才是过去不可能实现的计算机算法,今天都变得可能。

大家想象一下AlphaGo想战胜人,先把过去棋谱读一遍,人类下过的棋,它来学习。后来干脆不用棋谱,自己两个机器对下,相当于它把过去人类几千年来,或者自从有围棋以来过去这些学习的过程,自己全练一遍,不看棋谱就可以学会战胜人类。这个数据量多大,它要下多少盘棋,相当于把过去人类历史上围棋总和加起来,数据量巨大,数据变得很关键。

大家如果记得的话,有一次IT峰会上,马云、马化腾和李彦宏都在,李彦宏说人工智能算法最重要,马云说数据最重要,马化腾说数据、算法都重要。这里算法、算力和数据对人工智能发展都很重要,不同的问题、不同的阶段重要性不一样,但都是很重要。其实我们做投资,甚至可能都不是从这三方面看,算法好不好并不是投资的根据,数据多不多只是其中一部分。

我们要讲人工智能,更大的范围是科技公司,世界上最顶尖的科技公司,现在都在布局人工智能。而且科技公司的发展由于有了过去的互联网,包括今天的人工智能,科技公司在全世界,整个大的经济领域地位在迅速的提高。

(图示)这张图说明了一个新名词,GAFAM。第一个G是Google,后面是Apple,五家最顶级的科技公司。如果看一下他们在世界产业领域、经济领域的位置,在2001年时只有微软在前五,2006年时还是一家,2011年时还是一家,只不过这一家换成了苹果,不是微软。我们看一下2016年,全世界前五大的公司全部是高科技公司,而且都是市值很高了。这个趋势可能还是停不下来,我们相信由于人工智能的到来,这几家公司都会受益最大,而且它的市值会更快的提高。

这几家公司都在纷纷的布局AI,其实整个AI行业的发展,大量的机会是留给非常有钱,非常有数据的互联网巨头,因为他们的数据,他们的资金,成为人工智能这个行业发展最大的受益者。但同时他们也推动了行业的发展,带来了很多小公司的创业机会和VC的投资机会。我们把公司分成了这几家,看一下它们的布局,基础层、技术层、应用层。一个公司从水平层面来看,有基础层、平台层,最上面是应用。竖着看有不同的产业,是金融、农业、教育,分成不同产业。分成不同方法,可以看出这几家大公司的布局在哪儿。像谷歌,虽然是一家互联网软件公司,它已经布局到了基础层,芯片,谷歌在设计芯片。过去是英特尔干的事,今天谷歌也开始做,因为他们知道要想做好这个东西的话,算力、算法和数据都会需要,所以他们布局了芯片。

微软,微软是一个纯粹典型的软件公司,从来不做芯片的,以前都和英特尔合作的。微软现在也开始担心是不是要走到芯片上,虽然它今天是用IBG做,但已经考虑了芯片是不是下一步要做的。

技术层的竞争更激烈了,过去的算法是一个竞争点,全都开源了,各个大公司把算法都开源了,放在平台上。你在做人工智能应用时不像以前那么难了,过去需要人力,你需要从上到下都做。今天他们把项目搭好,你在下面做一个应用就简单多了,只要有数据的话。

总的来说,这些巨头们部署的都不是某一个应用,巨头们部署的都是整个架构和平台,未来人工智能无论用在哪个领域,谁来开发,都用它的系统、架构、平台和云的计算能力,这样的话它会成为最大的受益者。

举两个例子,谷歌,谷歌的DeepMind都是它的基础层。在技术层的话,视觉上一个大陆科学家,他在计算机视觉上有非常大的贡献。在语义语音识别上,谷歌也进展非常快,特别在机器翻译中,语义理解识别上。大家如果看一下谷歌翻译最近进展的话,它的翻译准确度进展非常大。当然在搜索,还有一些开源平台上做了很多。

应用层的话,ALLO,Echo。谷歌特别领先的是自动驾驶,做得很早,并且有很多辆车一直在公路上跑,积累了非常多的数据。医疗也是大家在看的,包括微软、谷歌,用人工智能解决医疗上的问题,造就在做,这都是应用层的。

英特尔是相对来说起步比较晚的,我说这两个例子,不是说所有都在他们这儿做,还有其它公司都在干。刚才说的Facebook,ALLO都在干,这是世界巨头的发展方向。

英特尔因为是做芯片公司的,它可能最关键是两块,人工智能的计算不是在手机上,是在云里,数据采集大量是在云里。今天讲的数据中心,云计算,虚拟系统,计算都是在数据中心里。这里的芯片原来就是英特尔垄断的,未来英特尔绝对不能丢掉这一块,所以英特尔在这一块下了巨注。包括它把Nervana收购了,都是要加强这一块,把云上的计算能力提高。

Movidius是一家端上的芯片公司,它把CPU和CNN放在一起,这个英特尔看到了,在端口也需要一个计算能力。同时这一块不能丢给其它的公司,所以英特尔布局是在这儿。这也是我们觉得未来大家在这里打得越来越厉害,甚至有一些是中国公司和小企业打得比较厉害的地方。

(图示)这张图大家比较熟悉,任何一个东西的发展都经过开始,忽然一下变得很热,然后变成泡沫。泡沫再开始破灭,再回来的时候就变成真的了。

(图示)最右面的虚拟现实,虚拟现实曾经的时候很火,后来泡沫破灭。现在虚拟现实再回来,现在虚拟现实的游戏,虚拟现实其它一些体验的内容,开发,都变得比较真了。而且我觉得是在上升过程当中,未来随着内容越来越好,硬件基本上已经不是障碍了。过去大家说硬件是不是眩晕,其实这个都已经慢慢在解决,而且解决得很好。内容如果起来的话,虚拟现实就变得真的是一个可以影响我们生活的事。

增强现实等等一些,举个例子,今天的人工智能发展得很不平衡,有些东西发展得很好,有些东西还是很早期。你不能以今天的人工智能判断,AlphaGo能够战胜人类了,是不是以后人工智能什么都行了。就拿围棋来说,举个例子,围棋可能比人脑要强得多,AlphaGo什么时候能够教人下棋比人教人下棋强,这条路还远得很。你去教另外一个小孩下棋,可能比AlphaGo教小孩下棋要好得多,这个原因是因为它没有这个数据,它没有教过几千几万个孩子。它光是下过棋的数据,教的数据很难积累,走到教的那一步还差很远。我们不能说人工智能一好了,什么都变得很好,对于感情的认知,人工智能还差得很远。

今天虽然有很多在学习,可是你要想陪伴小孩的自闭症,中年人的抑郁症,老年痴呆等等,要陪伴,要读懂感情,这个也在进展,但进展速度就慢一些。而提高效率,像人订飞机票,金融管理的助手,这方面的进展很快,因为它的数据很多,很容易积累。这些方面的话,人工智能的发展很快,其实很不均匀,某些方面进展很快,某些方面还仅仅是刚开始。

就拿自然语言理解来说,其实也是有很多障碍没有克服。和你对话的小冰机器人、siri等远远不能满足人类的要求。专用的企业客服机器人和你对话,大家觉得进展挺快了。但真正互相之间聊天的还是不足,背后积累要有相当长的时间。

未来行业的发展,总的来说,我觉得人工智能这次不但是真的,而且还是一个加速的速度往前发展。在未来的话,带给我们太多投资的创业机会。虽然说很多机会是留给大公司的,但是对小公司,对风投来说,也是有一些新的机会。机会是不是在中国,往往技术型的企业在美国投,中国做应用的比较多。到底人工智能在中国有多少机会,这次中国和美国起点的差距是最小的,而且中国追赶的速度可能是最快的。无论是在人才,在学习人工智能人才方面,美国缺得很厉害,中国也缺得很厉害,人才数量上中国并不大。在全世界,在美国最领先的一些搞人工智能的教授专家,大的来说,华裔,李非非。行业的领先很多都是华裔,或者有的已经回到中国了。而看未来很多学习人工智能领域里的人才,也有很多是中国人,他们很多回到了国内。

从论文的数量上来看,中国在2015年论文数量已经超过美国,论文不能代表很多问题,但你就看这个趋势。而资金、专利,还有整个和人工智能相关的创业公司数据,中国都在迅速的追赶。这一点上我们很乐观的说,中国这些人工智能方面的资金潜力、人才潜力,还有应用的潜力都不比美国差。还有一点很重要的,数据。大家知道人工智能很重要的是数据,你有再强的技术,可能不一定有数据。比如医疗方面的话,由于这些法律的问题,其实美国拿人工智能做医疗医药方面的研究就比中国进展慢,而中国在这方面有很大进展,因为我们相对来说可以拿到更多的数据,对中国自己的数据。

大的来说,我觉得创新和投资的机会,一个就是底层计算架构方面。在座都是搞互联网,也许不知道其实在芯片层,在网络层,在存储,等等,还有操作系统领域都在发生一些很大的变化。而这些实际上给那些新的,中国另外一波有创业精神的人提供了机会。学半导体的也好,过去很多人都认为是夕阳行业了,现在带来了巨大的机会。

另外,对中国更有意义的一块是智能前端性。智能的东西分成云端,端和云,云讲的是大的IGC,数据中心。而端这一块小到智能摄象头,做监控的,大到机器人。这个东西的特点是软硬件一体化,不光是有一个软件,而硬件恰恰是中国的优势。中国IT行业硬件制造业的供应链和制造业的制造能力优势,再加上芯片行业的优势。从扫地机器人,到家庭陪伴娱乐机器人,到更复杂的工业制造机器人。除了机器人之外的所有硬件,甚至未来的自动驾驶,我们的制造业都会取得很大进展。包括传感器,包括其它相应的东西,这和IOT相关。

我们的看法,单看人工智能时,不要光看到人工智能,可能更多要看到人工智能+大数据。而大数据最大的问题和挑战是说,这个数据是不是你的。如果别人看到数据,你也能看到数据,算法就是开源的,你有什么能力比别人做得好,这就想到了IOT。如果某一种应用,你是用物联网收集了自己的数据,那你就比别人有优势,因为你拿到了数据,别人没有。数据是未来越来越关键的地方,谁用了这个数据变得越来越关键。我不太相信数据能够打开,分享出去,数据越来越重要。未来谁能够通过传感器,通过不同的方式收集到数据,那它的优势就会很大。

如果你没有自己的数据做这个行业,你的先发优势可能并不大,因为机器学习速度越来越快。举个例子,医疗信息图片,X片的图片。如果你的数据和别人数据是差不多的话,就你提前了半年,提前一年做这个事,人家可以很快追上来。而且准确度差0.1%没有意义。但如果这个数据你有,别人没有,那就很关键。

今天来讲,最有机会的是一些垂直领域的智能化应用。而这种垂直化应用,今天很多领域里,它甚至连IT化,或者数据化都没有做到。如果你能够把数据化迅速做到智能化,就有一个先发优势。在人工智能领域里先发优势还是很关键,总的来说你把数据先做出来,将来别人在追你时,你还是比他做得准,做得更好,你的客户锁定会更好。我们认为在垂直领域,垂直领域大量是toB的,包括媒体、医疗、农业、制造等等方面。

实际上在计算领域的话一个很大的问题,存储和计算能力的突破。今天想的所有的,包括GPU、TPU都有一个巨大的问题,存储成为瓶颈,而不是计算能力成为瓶颈。谁要把这个问题突破,将会取得巨大进展。这只是计算架构的一个例子,计算架构有很多这样的例子,有很多创新的机会。

另外,刚才讲的端的这一块例子,人机的交互变得更容易。我们大家都讲车,讲自动驾驶。车还有人机交互界面,你坐在车里,大概你是什么样的想法,往哪儿去,这方面的突破一样是人工智能很大的应用。而且今天我们看到一些新的产品,在这方面的突破更容易一些。包括小米的生态系统里一些公司在往这个方向走,对小公司来说是更实际的。包括交互的方式,交互的媒介是什么,都在发生一些变化。

时间有限,我不能讲很细了。

在企业看人工智能做投资时,最先看的是应用,大垂直。这个垂直领域市场够不够大,这个垂直领域,能不能构造壁垒,你有没有数据,这是很关键的。哪些垂直领域比较容易做呢,相对来说,比如个人助理,安防,医疗健康,自动驾驶,这些方面,我相信在未来几年内都会有很大的变化。但是在教育,还有其它相对来说更远一些,更难一些,也没有很明确说哪个最容易。每一个大的垂直都会有人工智能的东西,最关键的是建立一个知识图谱,每个垂直领域如果有一个很好的方法把知识图谱建立起来,加上数据就会变成一个很好的,你在这方面的优势,别人越来越难超越。这是人工智能领域创业很关键的一部分。

人工智能以不同的方式改造传统行业,有些方式是建立应用型的平台,有些方式是更深入的平台。我们还有关注不但是今天的问题,做投资做创业不但考虑今天的问题,还要考虑三年以后,五年以后,你的壁垒在哪里。今天没有人干,你去干。如果你的先发优势不能变成一个长期积累起来的壁垒,可能这事就没法往下玩了。比如今天大家讲的SaaS,都是讲企业级的服务应用。如果企业级应用只是一个工具的话,你把客户锁定,就不如说对它的数据进行改造,把它的数据提高企业级应用,包括决策的能力。如果把企业级应用从工具到最后决策的效率等等提高的话,决策准确度提高的话,那企业应用就会很好。类似这样,在人工智能领域也是一样的,要考虑到一个东西在开始进入的时候,你当然希望选择一个门槛不是特别高的进去,大很快就变成很高的门槛,或者你建立一个很高的门槛。

北极光布局这个生态三年前就开始做了,从传感器到芯片,到一些子系统,到软件的模块,到最后的应用。最后发现这些东西连在一起,不同的公司,比如做应用医疗的公司,和前面平台公司的合作都来自于产业链的布局。而且这种布局的话,未来做一些更大的创新就很好。不要只盯住人工智能在某一个子领域,很多地方都有创新的可能,都能带来很高回报。

举个例子,比如做平台的公司,Petuum。包括一些图像的应用,声学的前端,包括一些自动驾驶,还包括企业辅助的智能决策,这些东西都是在不同应用领域。今天来看的话,这只是很小一部分。我的感觉,人工智能真的还有很多东西要做。和大家分享这些,希望大家能跟我们一块来探讨你的创业是能更好,能够跟这些未来的方向结合,希望所有的创业投资人都在人工智能领域取得巨大的成功。

谢谢大家。

相关文章

hey,又活捉一枚未来的“独角兽”,点击此处拎包入驻改变世界,我来助你风风火火完成大业!

注册