“AI创业新趋势”4位AI技术+投资大咖给创业者指点迷津

2018年9月3日下午，百度AI加速器Demo Day在中华世纪坛剧场举办。期间，主办方针对“AI创业的新趋势”的主题展开了一场圆桌讨论：    

对于大多数AI创业者来说，技术和资本都是不可或缺的，技术和资本方又如何看待AI创业的趋势？由此百度AI加速器特地邀请了技术专家和投资人共同探讨AI创业的新趋势，分别是百度副总裁、百度风投CEO刘维；百度AI加速器负责人、百度AI技术平台体系执行总监吴甜；百度视觉技术部、人脸技术部、增强现实技术部总监吴中勤；金沙江创投合伙人杨志伟；本场圆桌论坛的主持人，百度AI技术平台体系战略投资总监王亮非。     

Q1、王亮非：请两位技术大咖，两位投资和技术大咖简单、概要、前瞻、首发地讲一讲自己这几年无论在AI投资、研发或者科研管理等方面的一些心得。有哪些突破？有哪些技术趋势？有哪些瓶颈？ 

杨志伟：AI创业公司已从基础能力进入到深度学习的变化过程当中。都说早期投资看人，所以所有融资项目都要带AI。但其实一开始的时候人才紧缺，真正的人才掌握在算法、深度学习或芯片领域具备基础能力的科学家手上。到后半场，企业将AI基础技术应用到各场景，其实这降低了创业门槛。AI结合场景，如何把AI转化成生产力，着就会产生形形色色的东西。过去孵化器或者加速器中的项目都是早期项目，几个团队，几个人有一个想法，或者有热情。而今天，这里面有天使轮，甚至连B轮、C轮的企业都有，跨度非常大。  

吴中勤：我是百度大脑负责“看”这一部分技术团队的负责人。我观察到，从视觉技术这个角度来讲，最近几年技术确实有翻天覆地的变化。我们可能在明面上看得比较多的是技术的落地，比如人脸识别能不能做安防？户型图能不能转化为3D？安检的时候X光的图片能不能很好的识别违禁品？实际上我们看到，技术和产业互相的结合，能够使得技术的应用和范围，从广度及深度上产生巨大的变化。

从深度上来讲，如人脸识别，2015年的时候，我们虽然在竞赛上都取得了99.6%、99.7%的成绩，但是在今天现场的这种灯光条件下，以2015年的人脸识别技术肯定是有问题的，以前的RGB光照，摄像头最多的能看一个视频。但从去年开始，硬件优化了，使用跟RGB有不同的特点的近红外图像成像，这种技术互补性又给技术带来了很大的挑战。

我们再看人脸识别如果集中到安防领域(现在可能是这个里面比较容易赚钱的产业）,今天人脸识别的算法和公司在安防领域跟去年这些公司表现比，不管是POC还是在真正的抓捕逃犯过程中，都有巨大的进步，这就是应用场景跟技术互相的迭代。毫不客气地说，人脸识别在今天的安防里面，远远还没有到一个理想的程度。比如POC，大家都把参数调得很敏感，很容易出来。但是实际上真正用的时候，要把阈值调得非常不敏感，因为不能带来那么多虚假的工作量。另外就是人脸库，原来只能做几万、今年能做几百万，但是不是能够做整个中国全部人口的识别？这就是技术和产业互相迭代带来的深度和广度上的变化，也需要技术研发的团队和产业落地的团队一起做。

王亮非：安防确实是一个大行业。大家看看这个大行业中我们该赚什么钱？2017年整个跟安防相关的行业总产值6200亿，其中3760亿跟工程相关，大约跟咱们不太相关。有2000亿是跟软件产品解决方案相关，就是我们在座各位的目标市场。其中智慧出行、安防、新零售等等这几个相关的大的场景都是在300亿左右的规模。所以在视觉领域、泛安防领域、新零售等这几个领域都有非常广阔的前景，大家整合好上下游资源，放心大胆的去做。

吴甜：我分享两个技术方面的考虑，一是深度学习技术平台，另外一方面是自然语言处理、知识图谱等这样一些认知技术。

先说深度学习技术平台。大家都知道，这一轮的人工智能创新其实缘起是深度学习技术在理论上的重大突破。2006年Geoffrey Hinton提出了深度神经网络的理论，从那个时候到现在已经过去整整12年时间了。这12年时间里面，理论有了突破，技术本身也有一系列的突破。在很多场景下，深度学习技术已经在广泛的使用起来了。而对于我们整个社会的人工智能创新来说，我们看到只是开头而已。有大量的场景被挖掘出来，这一系列的场景都能够看到技术会给他带来新的价值。所以我想，这是这一轮的技术创新带来的最大魅力。

另外我自己比较专注做的是自然语言处理和知识图谱这些认知技术。这些认知技术随着深度学习技术的推进应该说也有一些突破，典型的突破就是在自然语言领域的机器翻译和语义匹配这样的两个方向上，确实带来了很多新的效果。但是在应用过程当中我们会发现，现在的技术离我们真正想像当中最终能够实现最完美的状态其实还是有距离的，因为这里面还有很多问题尚未突破。但足以推动新一波人工智能创新。我相信未来几年，突破还会继续发生，在应用上，由应用所带来的新的技术尝试和技术实践都会有一个前所未有的爆发式发展。      

刘维：这些年我也算是AI创业的鼓吹者，到哪里都说AI创业很有前景。但截止目前，应该说其实还只是在极个别的一些代价很昂贵，付费能力很强，痛点很足的问题上AI勉勉强强的能落地。

但即使这样，也已诞生很多商业上很成功的应用。人脸识别是AI走在前沿的技术，而安防是挖得比较深的行业。其实今天，它仍然只是在类似于反恐这样的一些高价值的场景，这样的能够有高差错容忍度的场景才能落地。本质上我们都是在做赋能型的商业模式。AI创业者不管做硬件，做软件，做SaaS+AI，最终都是把自己的产品嵌入到一个行业已有的链条，提高这个行业链条原有的效果，无论是一个节点还是什么链条，最终其实是一个效率模型。在这个效率模型上，这个行业有太多需要去提高效率的地方。就算好不容易都解决了人力成本上升、物质需求，个性化需求，又会带来新问题，这是没有止境的。这么多要解决的问题，等着AI创业公司给他们服务。

反过来讲，AI创业公司自身的效率，又受制于技术还不够成熟。在这样一个分水岭上，我们看到有1%的想法已经开始落地，还有99%的想法靠大家不断把平台技术、顶层进行的效果进一步提升，成本进一步降低。所以我跟很多我们投的企业说，你们这几年抓紧做好卡位你只要卡主了这个行业应用场景的位，你今天做一个机器人也好，摄像头也好，自动化也好，今天甲方能买单，未来是好日子，因为技术成本越来越低，技术能力越来越强。哪怕甲方再给你打打折，你的利润其实是越来越高的。创业者在赋能行业，AI的平台其实又在赋能这一波创业者。

百度风投在干什么？我们在投更前沿的底层技术，我们也投行业应用，我们又在试图赋能百度，试图赋能资本。刚才也提到了，传感器的变革，我们过去一年投了有20个如，新数据源的Sensor，从动态到3D的，非可见光的，还有做安检的，毫米波阵列的，非接触式的。这些底层技术，无论是传感器、芯片还是新的运算结构、架构的发展，我相信又会增强技术。我自己理解，这就是一层层赋能的结构。

再往后，是资本。前些年投芯片的比较少，投半导体和新材料的人更少，现在在世界范围内投资在不断地增加。当你发现有一个好的芯片，好的传感器，甚至好的光学材料能够在这个时代得到应用，何乐而不投呢？所以资本又在赋能这些特别前沿的底层技术。这几层的赋能，绕回来说，都是通过今天很多的创业者，在赋能我们的生产生活，在改变我们的行业。所以未来我想我们面临的是一个移动互联网时代，我们整体来讲，能分享的收益太多了，这是我们所有人共同的机遇。 

Q2、王亮非：互联网行业过去20年的发展，从占国民经济的5%到9%，冰山下面的90%我们都有机会用AI技术去撼动。今天这个时点，在技术上，在创新场景上还有哪些机遇？包括生态建设，包括我们希望小伙伴们在哪些方面做什么，不做什么，请每位嘉宾讲点掏心窝子的话。  

杨志伟：我个人更多看的是2B领域。在2B领域里面，四五年前，我们开始投资赋能线下商家的应用，今天大家叫做新零售。今天我们快Close的一家是“开为科技”，是在新零售里面赋能商家的一种方式。你说它有很多高科技吗？其实就是人脸识别。但是人脸识别不能算是一个高科技，就是一个Commodity。但在人脸识别在哪个角度切入，才会给商家真正的赋能？大家一讲到人脸识别、刷脸支付很时髦。但其实很多时候在商家的场景里面，商家不知道来的人是谁，其实我并不需要知道你的长相你的支付，我就想知道这个人是不是经常来的客人。这是新客人还是回头客？在我这里的消费如何？但是要真正做到无感知，我并不需要别人拿出手机我才知道是谁，我希望你走过来，甚至还没有到我跟前，我就知道你是谁。真正抓住这个角度赋能商家，不是大家一想就容易发觉的领域。希望我们的创业者，不在于你一定要用一个特别高科技的东西，冠以一个特别大的名字，而是你知道这个技术如何赋能给这个商家，不管这个事情多大，但是对商家有价值就是要带来客户的价值。创业过去大家讲的是痛点，痛点本身就是你给商家赋予了价值。你实现了这个价值，你的生意就有存在的理由。很多人说我的产品做得很好，技术也很高，有很多的壁垒。但是最终你所想像的壁垒和价值，其实并没有实现。你花了很多时间做了一个产品，但是商家的价值在哪里？

所以我觉得，人工智能相关的投资，其实不是在于你用了多深的技术，而是说你如何能够为商家创造价值。在新零售这个领域里面有太多的机会，在这里面我们投了一系列的企业，如我们投资缤果盒子，中国的AmazonGo，过去也有很多人做扫码做无人店，但是真正地利用多传感技术，用科技去做一些全程防止错放错拿，或者是在各种遮挡的情况下做到无人零售，像AmazonGo这样的体验，应该说高科技含量还是比较高的。还有开为这样的，在新零售的某一个场景，就在你购买东西付款，会员的识别，这样的一个角度，再到发觉数据后面的一些事实。我们人对于有逻辑的数据可以比较直观地看到逻辑数据后面的事实，比如我们做各种报表。但是很多信息是我们人不能够发现的，非结构性的，或者多维的。甚至是你根本不知道哪个东西是真正的信息，我们并不知道这个数据后面的事实。但是人工智能、深度学习，可以帮助我们把这些看似没有关联的数据联系起来，帮我们了解到后面的事实和逻辑。围绕着人工智能和大数据挖掘，其实这里面有很多创业的机会。

吴中勤：有两个大的方向可以去思考，一个是如何降低行业和产品应用AI的门槛。这里面又有两个路径，这一波人工智能更多的是在算法上，通过底层数据驱动，通过有监督的深度学习，得到合适的算法模型。而这就存在非常大的门槛和成本，就是大量的数据从哪里来？对于一个创业者来说，对于一个小型公司来说，很难一下子有大量的数据，大家都只能做特别小的场景，只能从刚开始切入。如果能够把对数据依赖的成本降下来，对广大的创业者来说是非常好的办法，也是一个很好的助力。

这里面也有很多的手段可以改善。比如从技术上来讲，以极小的样本规模来达成较高精度的模型，这个里面有很多的方法可以研究。比如开发者大会中展示的圣象地板案例里，我们可以通过已经拥有的几亿、几十亿、几百亿的图片，在背后提供语义分布，去得出地板怎么样才是比较完美的模型，刚开始就已经拥有比较不错的BaseLine，再输入一些小的样本，有污渍的给100个，有裂缝的给200个，你标注出来。假如你说自己搜集数据，要搜集几百万的数据才能达到这样的效果，因为你站在巨人的肩膀上做这个事情就比较简单。这样的数据我们平台还不够多，接下来我们会多做努力，降低门槛。

第二个方向是提升我们AI能力、AI技术的内涵。这个内涵我觉得也有两个方向。一是内涵本身不仅仅只从算法和数据上做文章，也可以从硬件上做工作，研究怎么样把人脸检测、人脸识别算法，在传感器芯片上做出更好的效果。一方面成本降低，在研发周期之后，成本可以比原有的方案降低更多，同时提升了内涵，因为引入了更多维度的感知层的信息。

还有一个提升内涵的方式，从现在的感知技术往认知技术上面去结合。客观来说，语音图像领域的创业者更活跃，NLP语言理解是非常有挑战的事，更多的企业处在机器翻译和语义提升上。但是真正的理解每句话是什么意思以及背后的组合需要更多的努力。从感知层输入去结合NLP的方案，我觉得也是一个很理想的方案。所以我们现在很多公司的解决方案主打组合型AI技术，通过感知+认知的方法去解决具体问题。比如智能家居领域，大家在做智能音箱，从感知+认知层面做语音语义一体化的技术。如果是图像，就是视频结构化的技术。在商场里的摄像头其实是一帧帧图像序列，我能不能够通过分析整个画面的结构提取人的体征、人与物体的互动、人和这个品牌和门店的互动，把每一个商品的进货出货统一起来。通过感知+认知，变成一个结构化的语义知识，这样就可以通过人和数学，以及计算机能理解的方式变得更有内涵。我发现有些顾客就是对这个角落这样的商品感兴趣，是不是应该更关注这块以提高我的转化？

降低AI门槛，一种是从数据上，一种是从平台机制上想办法。再就是怎么样提升我们AI能力的内涵，软硬结合是一种办法，感知+认知结合是一种办法 

吴甜：志伟从投资行业的角度说，中勤从技术上可突破可优化的点说了，我再增加一个视角。打一个比方，火箭上天是因动力学的突破才可能实现。但是真正落实火箭上天，其实远比理论突破复杂，它需要有对问题的定义，需要有整个工程的设计，需要有工艺的把握，一系列组合起来，还需要最后要有很强的实施团队，才有可能把一个火箭真的送上天。其实类比现在也是如此，我们谈人工智能创新，AI能做什么事，很多时候我们的关注点会放在核心的技术上，其实忽略了前后无数的事情需要做。

首先，我们对问题的定义要准确。这个问题是一个可实现有价值的事情才去做，而并不是偏科幻性质。定义了问题，还要把这个问题定义到一个技术可解决的事情上，为此标注数据，了解数据来源，大数据的利用以及小样本的标注是怎么样去做的？最后还要能够有工程的能力实现，还要最后能够实时部署好，且能够跟自己的场景结合起来，才能在场景上真的起作用。一整套下来，其实人工智能的落地应用是挺复杂的，而中间的任何一个环节如果做得不够极致，其实都不能带来我们真正想要的那个庞大的空间以及预期的价值。

整个社会正处于一个积木式创新的状态。整个创新过程本身就是与社会上众多不同的角色通力合作完成的。对于落地的场景和行业的选择上，我个人认为，可从我们生活角度出发，离我们比较近的那些场景本身就已经具备了大量的潜力可以去挖掘。  

刘维：宏观到行业的趋势，微观到创业者来讲，就是：丢掉幻想，准备打仗。今天通用的AI概念，如几个不错的技术人才，看准VC，你好到能比得过大公司精英团队吗？大公司也好，中公司也好，有庞大到大家想像不到的可复用的数据、算法、人才、投资，因为在实际应用场景中不断高速迭代和奔跑带来的真正工程化落地的能力。坦率地说，我觉得AI今天到了一个落地的黄金时期。反过来，光举着AI的旗，举着锤子找钉子的时代确实已经彻底过去了。

丢掉幻想，准备打仗，打什么仗？我们不怕死，越是看上去落后的行业，其实对于创业公司来讲机会越多。比如工业，我们在美国投了很多农业，在中国也渐渐地开始投，我们也在投城市的2B行业，包括医疗这样壁垒很深的行业。为什么选择这样的行业？越是这样的行业，用这些高科技、高效率的手段给人家改善一点点是撬不动这个行业坚固的围墙，撬不动2B、2G关系的壁垒，所以导致这些行业的小创新没有办法发生。但不断累积走到今天，他们恰恰是效率最弱的，最呼唤大创新的产业。平台技术公司也许自己可以做一部分，但是因为每一个细分战场都不一样，百度不可能自己跑到每一个工厂里面把系统都建了，这是创业者非常大的机会。正是因为这些行业比较弱，我们可能一开始是一个解决方案或者是技术提供商切入，切出来的时候，很有可能你可以在这样的一个细分场景内成为一个系统供应商，整体方案供应商。当这个行业的甲方弱到一定程度，弱到你想把好的东西都卖给他，他们欣赏不了，甚至都没有一个付费能力，或者这个行业的甲方都没有集中度。我们知道，好多行业的甲方自身分散，当我手里有一个特别牛的AI驱动的效率工具和产品的时候，我干脆在这个行业里面找一些最牛的人，干掉甲方或者先做一段乙方再跟甲方重新构建大家之间的合作关系。所以越是这样很深的、很传统的行业，我们觉得反而越有更多的机会。

要去把握这种机会，还要吃很多苦，这个行业是传统的，你去摸要吃很多苦。这个行业可能连数据的采集都没有上来，要把数据拿除了，可能要吃很多苦。这一点我觉得跟互联网时代很多创业的观点有点相反，既然选择这样一个纵深，既然经历上做了减法，本质上也是在一个极细的行业先快速起步。这个里面VP的概念变了，不是最简单的写一行代码，而可能是需要凑出一个最小的子集出来，这个最小的子集，很有可能要从新的数据源做起。

今天谈CV，当你要去做行业场景CV的时候，这也是创业公司的新机遇。如果你拿一个通用的摄像头，采一个通用图片，你说我有一个团队，我的这个图片语义提取能力比中勤强，我相信VC也不感兴趣。今天局部来讲有可能他会说，这个事Face++没做、百度也没做，商汤也没做，可能人家在更高价值的场景做更高价值的事，或者是利用更多的数据训练自己的平台。咱们今天的方案商或者合作伙伴，利用百度的平台一推就很轻松实现了。某种意义上，你能和大平台合作很大原因是你拥有他们没有的新数据集，包括数据的采集、长期积累，甚至是预处理、标注，前期快速的小回路。虽然无法做最终提取，但这些东西是可以让你和大的AI平台合作。创业公司用AI能力不断赋能，横纵结合，我觉得这非常真实。作为VC投资人，其实最愿意去投资这样垂直场景的公司。提前打造解决方案，甚至选择一个别人不敢选的行业，我觉得这个公司就迈出了获得成果最重要的第一步。

编辑 | 刘晶荣

优质项目“融资首发绿色通道”：创业者请加微信y815051039，务必注明项目名称；或发送BP至xueting@pencilnews.cn。

此文根据圆桌讨论速记有所删减，非铅笔道原创，不对文中观点和真实性负责，内容仅供读者参考。