《投资人逃离人工智能》这篇文章这几天在AI圈、创投圈和媒体圈很火，很多投资圈朋友、媒体朋友，甚至家人都转发了给我，并和我讨论人工智能行业的未来且无一例外都表示了担忧，就像是之前大家很多的疑虑和质疑找到了一次久违的验证。我也看了这篇文章，首先还是非常感谢原文作者给了业界的朋友们一些有意义的洞察，我读了之后也很有感触。

　　作为在国内人工智能领域核心圈子学习和工作近10年的创业者，在这里，我也谈谈自己的一些看法。

　　关于各种观点

　　文章《投资人逃离人工智能》中讲到了几方面的内容：一家“千里马”AI创业公司的融资困境、卷积神经网络和深度学习掀开了这一波AI革命、AI创业项目短暂的发展历程以及投资史，最后用旷视的招股书分析来窥探AI的价值传递现状。

　　这篇文章无论是从叙事、举证、事实分析还是结论启发都句句有声、层层推进，确实能够给朋友们带来冲击。作为AI从业者，我的感受确实有所不同。下面我从人工智能技术价值和商业化发展逻辑等方面的谈谈自己拙见。

　　首先，我也回顾下过往，真正算起来，其实这一波人工智能的技术发展和创投史时间并不长：从2012年ImageNet挑战的重大突破开始（李飞飞老师及其团队做出了重大贡献），深度学习开始从实验室走向产业界，传统视觉、语音和语义技术纷纷插上了深度学习的翅膀，突破应用奇点，大杀四方；

　　国内外AI领域学术、技术精英也纷纷“下海创业”，或者自立门户，或者重磅加盟各种大厂，媒体消息也此起彼伏；闻到商业嗅觉的资本和一些优秀的互联网企业开始跟进，各种战略布局眼花缭乱，并于2014-2017年达到高潮，也就是大家喜闻乐见的“AI风口”形成了。

　　到了近两年，AI行业仿佛和其他很多行业一样，也进入了一个“不舒适”的时间区间，质疑的声音越来越多，“AI泡沫”、“AI无用论”等等观点层出不穷。

　　各种观点中并没有哪一个是完全的对与错，只有视角和立场的不同，资本和媒体都是杠杆，其影响自然也是一把双刃剑，不必赢得所有人的认同，而是需要保持对技术、行业发展规律的敬畏和对行业、社会和国家的进步产生积极的影响。

　　《投资人逃离人工智能》一文的导读引用这么一句话，“世界经济史是一部基于假象和谎言的连续剧。要获得财富，做法就是认清其假象，投入其中，然后在假象被公众认识之前退出游戏"。我觉得这话有道理，认清本质，无论是真相还是假象，自己掌握了更本质的信息就能更高效地规避风险。

　　但就人工智能技术的价值而言，我认为并不是因为AI价值本身产生了假象，而是我们可能误判了AI的技术价值。

　　关于人工智能的技术价值

　　《礼记大学》中的名段提到：“古之欲明明德于天下者，先治其国；欲治其国者，先齐其家；欲齐其家者，先修其身；欲修其身者，先正其心；欲正其心者，先诚其意；欲诚其意者，先致其知；致知在格物”。

　　其中，“致知在格物”是其核心，作为一个AI行业的创业老兵，我从技术价值分析的角度来和大家分享一下我对人工智能技术本质的理解。

　　互联网技术和人工智能技术（这里主要指的人工智能算法软件技术）都是传统计算机软件技术的延伸，计算机软件技术促进了互联网技术的诞生和发展，互联网技术则促进了人工智能技术的诞生和发展，那么也许我们可以从前两种革命性技术的发展中窥探一下人工智能技术价值的演进和爆发趋势。

　　为了更好地理解人工智能技术的价值本质，我们花一点时间来看看计算机软件技术和互联网技术的发展，下图是计算工具（或者计算硬件、计算平台）的发展历史，如图所示：

　　计算工具的出现是为了满足人们“计算”这个最基本的需求，随着材料、机械、电子等学科的进步以及计算机架构理论的发展，计算工具的形态发展经历从手动式计算工具、机械式计算工具、机电式计算机、电子数字计算机以及如今基于集成电路技术的现代计算机、云计算中心和计算芯片。

　　那计算机软件的技术价值又是什么呢？最早的计算机软件就是为了满足基础的计数运算，得益于硬件的发展，运算速度越来越快，软件能力也越来越丰富；于是操作系统、数据库、办公软件、输入法等基础软件就在计算机编程语言的发展下陆续被开发出来，这些软件的运行逻辑其实就是基于最底层的计数运算，这样就能满足更加复杂的运算、实现更复杂的功能了。

　　后来，这些软件的出现要么大大提升了以前手工的效率，要么就逐渐取代了这些的手工。由此可见，计算机软件的技术价值是在于大大提升人们以往的程式化手工的效率，人们只要通过软件编程把工作的流程输入到计算机后执行就能得到想要的成果。而计算机的运算性能远高于人类，形成前所未有的“新型科技生产力”，生产力的巨大提升，必然影响到生产关系的变化，从而在各个行业掀起了巨大的商业革命浪潮。

　　在计算机软件时代，人们把更多以前的手工交给了计算机来处理，也就是我们今天所说的工作或者行为的“信息化”，简单的软件处理简单的工作（或者行为），复杂的软件处理复杂的工作（或者行为）；

　　“信息化”使得“数据”这一人类的伟大创造被大量生产出来，“数据”则可以被认为是自然世界和人类活动一种拷贝，被记录了下来，也就是“世界被数字化”了，在这一时代，数据库、企业服务软件、客户大众市场软件等技术得到了长足的发展，也诞生了不少科技巨头公司，如微软、甲骨文、SAP等。

　　互联网技术则是在通信技术和计算机网络软件技术的基础上发展起来，如卫星上天、网络协议、浏览器软件、全球定位等，下图是互联网技术的发展历程：

　　互联网技术最初的应用是为了满足军事目的和科研需求。1969年，美军在ARPA（美国国防部研究计划署）的约定下，将美国西南部的4所大学的四台主计算机连接起来，通过计算机（也就是网络终端），使用者可以共享大型主机和其他计算机的数据资源。

　　随着接入主机数量的越来越多，更多人把互联网（当时叫因特网，Internet）开始作为通信和交流的工具，还有人陆续在互联网上开展起商业活动。随着互联网的商业化，其在通信交流、信息检索、客户服务等应用的巨大潜力被挖掘出来，使互联网有了质的飞跃，并最终走向全球。

　　至此，我们的世界进入了“网络化时代”，连接无处不在，有连接就会有流通的“数据”，也就是我们常说的“流量”，“流量”就是互联网时代/移动互联网时代最大的特征，其核心商业模式都是围绕这个特点而产生的。

　　互联网消除了空间限制，带来了“流量经济”，只要是和“流量”挂上钩的场景就会被激活，最典型的就是各种“中介服务平台”，淘宝是交易的中介平台、微信是社交的中介平台，这些平台因其提供的各种服务，吸引了大量的用户和它们连接，以此获得流量并商业化；此外，因为连接，计算平台也得以从传统模式向“云计算”业态演进，以适应移动互联网时代巨大的数据生产与流通。

　　由此，可以认为互联网技术的价值在于打破信息交互的空间限制，形成人与人的信息互联和数据互通，以前孤立的信息和数据因为互联而产生了强大的化学反应，整个社会以及商业世界中以前因为空间限制而无法做到的事情很多都得以成为现实，绝大部分行业都受其影响。

　　随着通信网络的升级和普及，移动互联网时代使得数据量得以爆发式增长，更多的场景被移动互联网激发出来，更多移动互联商业模式也得以衍生，移动互联极大的改变着我们的生活的同时，也促使了今天谷歌、脸书、阿里巴巴等互联网巨头的诞生。

　　说回到我们现在关注的话题——人工智能。上面讲到的计算机软件技术和互联网技术的价值变化有一个共同的演进模式：那就是，所有这两个时代造就的伟大公司都是在恰当的时机把握住了技术的核心发展逻辑，以技术核心逻辑为基础来设计自身的产品、商业模式甚至组织运营形式。下图展示了人工智能的发展历程：

　　前面我们简单回顾了从2012年以来短暂的第三次人工智能商业化进程，那么这次人工智能浪潮的核心技术价值又是什么呢？还是数据！如果说传统计算机软件技术的本质是生产数据，互联网技术的本质是连接数据，那么人工智能技术的本质就是分析数据。

　　传统的数据挖掘技术也能做数据分析啊，那么这次的深度学习技术又有什么不同呢？通俗来说，深度学习能够从海量标注数据中挖掘出人类难以发现的关联知识，而这些关联知识可以用来完成自动化的目标决策，从而在某种程度上替代人的角色。

　　以往信息化和互联网产生了大量的数据，但光有数据是不足以支撑有效决策的，我们人类对客观世界作出反馈的过程是这样的：感官获取客观世界的数据，经过大脑处理后产出了一些分析结果，再作出反馈和决策，这个过程其实就是“数据到知识”或者“数据到经验”的跃迁，也是人类有别于其他生物的重要能力。

　　深度学习技术就是仿真了人脑对于固定模式类规律的处理方式，能够自动挖掘出大量标注数据之间的关联，这些关联某种程度上构成了这些数据所在领域的知识，从而能够为机器的智能决策提供有效参考。我们看到，深度学习的知识挖掘是复杂的，也需要大量的数据，所以近年来，计算能力的发展和大数据的爆发使深度学习技术得以跨越商业奇点，引领潮流。

　　至此，下表总结了三种技术的一些特点，进行比较：

　　人工智能具有巨大的商业价值和社会价值，首先，如果把人工智能看做一个技术工具，它几乎可以给所有行业赋能，只要是能够满足AI技术本质特点的场景，都能有人工智能发挥价值的空间，从而改变原有场景的商业逻辑。

　　其次，人工智能技术的应用门槛在不断降低，类似AutoML的技术，能够自动帮助普通开发者开发智能应用；虽然有很多关于“深度学习技术红利挖尽”的说法，但是从微观层面来说，深度学习技术发展依旧非常快，而且像强化学习、迁移学习、GAN等其他人工智能算法的发展也势头喜人，这些技术与各种应用场景的结合更是想象力丰富！

　　商业的重构本质上是效率的重构，互联网/移动互联网技术结合人口红利让大家有了模式创新的巨大空间，ToC的商业模式也是爆发力十足，而在红利殆尽的今天主要是通过技术的创新、更确切地说是“场景+技术”的创新来提升商业效率，人工智能正好是最合适的技术手段，如何应用好人工智能技术到自己所在领域的场景中去，才是创业者应该思考的核心问题。

　　从当前人工智能技术的技术原理上来说，数据是基础，对于需要转型升级的传统企业而言，数据与人工智能算法深度融入企业经营决策是大势所趋。

　　我们看到电商巨头和房地产巨头都开始声称自己是科技公司，而不是传统的电商公司或者房地产公司，他们首先大量运用人工智能技术对自身的业务进行改造升级，以降本增效，同时他们利用云计算、大数据以及物联网技术，把AI技术打包成产品对行业或者产业输出，试图打造各自的战略生态。围绕人工智能技术，未来一定会有新的科技巨头诞生，这一点值得期待！

　　关于人工智能领域投资

　　既然人工智能这么有价值，为什么还会出现《投资人逃离人工智能》里描述的场景呢？这里有几个原因：首先，任何人工智能创业公司的创业者不仅需要对人工智能技术的商业化逻辑原理很清晰，而且要对创业、商业本身的逻辑很清楚，然后再配以强大的执行能力，才有成功的可能。

　　可现实是很多人工智能创业公司在这几方面是比较缺乏的：目前经历到A轮或者A轮之后的人工智能创业公司很多都是属于典型的“学者型”或者“技术型”人才带头创业，这些公司不可避免地要经历痛苦的商业化思维洗礼，从而会交上不菲的“学费”，当前人工智能领域的初创成本还是相对较高的，一旦在早期犯了所谓“技术思维”的错误，除非资本输血，否则就会难以为继，当然，在圈子里，还是涌现出了一些科技和商业天赋兼具的优秀创业者。

　　当然，商业思维方面的问题以及资本寒冬并不只是人工智能领域创业面临的困难，其他很多行业也一样，所以我不认为人工智能公司的困境是由于AI技术本身没那么有价值了所造成的。

　　其次，目前人工智能创业公司的产品或者服务绝大部分都是ToB的模式，产品要想切入原有价值链并站稳脚跟是非常不容易的，相较于互联网创业项目，人工智能项目价值落地的链条更长、更复杂，其变现周期也会相对长一些。

　　人工智能创业公司在最开始的产品形态，往往只是一个技术产品或者整体方案的某一个环节，如SDK，模组，云技术引擎等，这些产品以为终端产品提供商或者方案商提升附加值为主。在早期，产业链上的传统企业还是以合作为主，能够给出一定的订单，但这些订单也只有少部分是是AI公司能够直接触达终端用户的。

　　随着深度学习等技术应用的同质化，“数据战”、“价格战”接踵而至，纯技术类公司空间狭小，生存艰难，深入垂直领域做智能化应用和解决方案是大部分公司的出路，而这对于大部分AI初创公司并不擅长的商务能力、供应链管理、工程及售后服务提出了巨大的挑战，要形成较强的产品交付能力是需要一定积累的，对于早期财务规划不甚合理的公司来说就非常困难了。

　　每当投资人朋友经常问到我，投资AI公司最看重的应该是什么？我的回答基本都是：一看商务能力（Sales 和 Marketing），二看工程服务能力，再看技术研发能力。当然最核心的还是要看人，这个对于所有创业项目是一样的。

　　从投资方面来看，很多投资人在过去几年是“追风口”的，有时候甚至还去“造风口”。人工智能的投资在2015年-2017年达到高潮，只要创业者的技术背景不错，当初拿钱确实不难。

　　从时间点可以看出：2015年底正值“O2O风口”的资本寒冬，移动互联网创投竞争进入一个低谷期（后面又有了“共享经济风口”），这个时候人工智能项目迅速得到了资本的追捧，AlphaGo事件更是彻底点燃了媒体和资本的心火，我想很多投资人都期待着人工智能能够尽快再现移动互联时代的辉煌，从某种程度上，这样的状况也给很多AI创业者造成了一些假象，不少项目在早期就显得非常急功近利且很不务实。

　　今天的人工智能创业项目本质上还是一个ToB的生意，每一个创业公司对自身在产业链上的定位很重要，能找到新的蓝海场景固然是好事，但是如果已经选择“前有狼后有虎”的战场，则避无可避，只有一战！

　　“资本寒冬”，对于人工智能创业公司在做好核心技术研发的同时，成本控制、财务规划、赛道选择、渠道建设、客户服务等老生常谈的东西显得尤其重要，能不能穿越生死线考验的其实还是创业基本功。相较于资金，人工智能创业公司更需要的可能是场景和业务，投资人也需要更加关注怎样为所投项目引入业务资源，人工智能项目的价值呈现是一个“慢工出细活”的过程，需要创业者和投资人一起坚持。

　　下表对计算机软件技术、互联网技术和人工智能技术的商业化特点做了一个比较。

　　创新创业的角度来说，人工智能最大的价值在于它给了新创业者们一个切入传统价值链的机会，“传统场景+AI技术”能够让AI创业公司在早期进入市场时有一定的差异化优势，至于能否成功，还是要看团队、商业能力等各方面的因素。

　　人工智能的技术发展也是一个迭代向上的过程，需要应用场景、数据和商业尝试对其不断反哺，当前的人工智能算法某种程度上已然是开源技术，对于想创业的传统行业专家来说，“行业+AI”的创新肯定是非常好的选择。

　　让传统行业的专家朋友更加了解人工智能技术发展的现状和未来趋势，以及AI怎样融入到传统行业的场景中去优化原有的价值链，是当前人工智能产业发展的关键，这也是我还有我的伙伴们现在专注的领域；对于现在的AI创业公司来说，与传统行业的专家、决策者多深度交流也是至关重要的，无论是从商务角度，还是潜在场景挖掘的角度来说，都非常有价值。

　　关于人工智能的发展

　　最后，来谈谈对人工智能未来发展的一些观察和思考。从某种程度上来说，资本并未逃离人工智能，反而是越来越加大投入了，因为政府、国家还有整个社会都在投入，无论是政策倾斜、政府支持还是对人工智能领域各层次人才的培养，各个方面的加速工作都是如火如荼。

　　有些朋友提到中美人工智能的发展差异是中国重上层应用，美国重基础创新，这个是目前的一部分事实，但并不表明我国不做或者做不好基础创新，更多是技术发展历史的原因。

　　从技术产业发展的角度来说，短期看技术应用创新，中期看技术研发，长期看基础理论突破。我国在场景、市场、政策、理工科人才等多方面具备巨大的优势，未来大部分人工智能创业项目将是以技术应用的形式出现，在各个领域应用好人工智能技术，以达到优化产业链、获取商业价值的目标。同样，技术研发和基础理论突破也会被技术的大量商业化应用所带动而加速发展，只是做这部分工作的人相对应用会少一些，这样的产业结构也是非常合理。

　　我认为人工智能应用已经进入了一个工业化大生产的时代，很多行业都开始使用AI技术进行转型升级，只是节奏不一，任何一个新技术、新产品规模化发展之前，都需要经过行业先驱的尝试、冒险和探索，从而趟出一条可复制、被认可的路线。人工智能时代亦会像互相网时代一样，催生出行业的巨头，让我们拭目以待。

　　人工智能技术是一种高速发展中的先进生产力，也会像计算机软件技术、互联网技术一样正在极大地改变我们的工作和生活。无论是国家、企业、创业者、投资人还是我们个人都可以在“智能+”时代成为更好的自己！

　　在人工智能普惠大众的路上，我们这样的从业者也希望能够降低人工智能技术的应用门槛，推动AI技术的价值普及。帮助每一个想要参与到人工智能创新中的企业，看清人工智能技术的可行性边界，发现人工智能应用场景的价值，摸索人工智能规模化的路径。

　　我是看好人工智能发展的。