A前瞻资讯官网
前瞻网
a 当前位置: 前瞻网 » 资讯 » 大咖

百度风投刘维:AI 投资探索路上的一些感受

分享到:
 刘维 • 2019-04-15 14:20:42 来源:42章经 E796G0

百度风投刘维:AI 投资探索路上的一些感受

本文转载自微信公众号:42章经(ID:myfortytwo),演讲者:百度风投 CEO 刘维

注:本文根据百度风投 CEO 刘维 在「42章经创投理想国」线下分享《AI 与产业的结合——探索路上的一些感受》上的部分发言整理而来。

刘维,百度风投 CEO,主要关注人工智能、前沿科技、医疗、工业、教育、智能硬件领域的投资。投资项目包括 Face++、思必驰、云丁科技、作业盒子、合刃科技、驭光科技等。

以前大家都在科普 AI 如何改造各行各业,而今天我更多想讲的是对 AI 终局的预测。从前几年的预热到现在的极热,这说明 AI 已经到了转型的关口。

百度风投把 AI 作为投资主题,我们在这个新旧动能转换的阶段也很困惑,但同时也有了一些思考,接下来分享给大家。

(一)

AI 技术及其简单的商业化,

并不是好的投资主题

我们第一个感悟是,AI 技术及其简单的商业化并不是好的投资主题。

比如头像识别、AI 芯片技术等,放在十年前,这些可能是好的投资主题,因为当时 AI 还不热,大家对 AI 的认知都很浅。但问题是,这个时间节点已经过去了。

而且,这些年做技术投资,很多创业者以“有订单”作为产品需求的唯一衡量点。但有时候出现了一个创新技术,但其实用户的痛点并没有那么深。

以火花塞为例,它对于上一代汽车来说,是一项非常关键的技术,但从历史节点上看,却并不是一个好的投资主题,因为火花塞只是一个单点技术。

首先,一个创业公司要把这项技术做得比大公司好很多,非常难。原因在于,工业化过程中会出现很多问题。要革新这一单点技术,你必须要让整个产业链协同推动,同时还要考虑如何量产和成本问题。而且,就算创业公司真的做起来了,等大公司轻松入场后,最后也只是沦为先烈。

其次,优化后的火花塞无外乎两种结果。

① 它能很好地在原有发动机上使用,确实提升了效率,有一定竞争力,但也很有可能原来的技术已经基本满足工业化流程了。这个时候你就要问一问,这小小的改进是否是关键性的?能否让甲方付更多的钱?

② 它的确带来了大改变,但不符合原有设备的条件,这意味着整个汽车产业链的上下游都要跟着改,这个时候你也要问问,它值不值得让整个产业链冒这么大的风险?

最后就算这些问题都解决了,但在整个汽车行业里,火花塞这样的单点技术是一个客单价很低的生意,你的竞争对手推出的产品客单价在 500 - 4000 美金,而你的只有 3 美金。同时,能跑多快、给多少补贴,怎么获客等都是问题。

所以,如果不是从 0 到 1 彻底颠覆一个产业,而做的是从 1 到 100 的事,只是对原有业务进行效率上的提升,这将很难创造大的价值。

机器视觉也是一个典型的例子。直到今天,市场上还大量存在着一类机器视觉创业公司,只是单纯地围绕某一领域或者产品做视觉识别。大家可以想想,它们能革新上一代的技术,提高门槛去打败大公司或者中型的视觉公司吗?

我认为不太可能,因为未来总有一天,它们会选择将业务横向拓展到各个领域,甚至实现端到端的系统变革,自己做芯片和传感器,优化所有工程效率。所以如果“藏身”的点不够深,就很容易被大公司所淹没。

所以说,AI 技术及其简单的商业化并不是好的投资主题。

(二)

AI 的核心能力,

是以更小的代价去支撑更复杂的系统

那为什么我们还在积极投资 AI 领域呢?

因为我们坚信 AI 的核心能力。上面的案例我们聊的是单点技术,把 AI 当成一个已有业务中的小补丁,去提升单点效率,但 AI 真正的核心能力是:

以更小的代价去支撑更复杂的系统。

拿人脸识别来说,如果从单点看, apple to apple 技术的准确率远没有 RFID 或者 NFC 高,而且成本也相差很大,那人脸识别的优势到底在哪里?

从系统设计的角度,它的优势是付出一些“识别不准确”的代价,进而大大提高系统效率,提供便利,并节约成本。也就是说,它在识别你的脸的同时,做 Re-ID,理解你的动作、意图,这有助于我们设计出更复杂多元的系统。

我们在美国投了一些广义上的 AR 技术(中国这方面的技术很少),就是在物理世界上叠加虚拟和逻辑世界,或者工业软件信息,最后再投射回物理世界。

举个具体的场景,建筑工人原来需要自己划上 1.6 米高度的标记,利用 AR 技术后,只需要打一个 1.6 米的激光,在加工过程中,也会有系统进行实时纠正。其实手术等场景也一样。

这看上去简单,但并不是一件容易的事。假设 AI 系统感知位置或者投射激光是通过工人的头盔,但每位工人身高都不同,也就意味着每个人的位置不固定,这就需要 AI 有快速理解环境,并进行快速补偿的能力。

所以综合来看,我认为,过去几年 AI 在技术上实现了进步,但应用层面还没有奏效,但或许未来 5 到 10 年,我们能看到有相应的应用。

(三)

我们的投资主题只有一个,

发明新业务系统,实现 0 - 1

作为 AI 基金,我们的投资主题只有一个,就是发明新业务系统。

如果你的团队中有很多技术牛人,能最早感知到前沿技术的边界,并且有信心提前大公司三到五年把产品做出来,这当然很厉害,但也只是一个入口,出口还是要落到新业务的效率模型。

就像只发明一个火花塞是不够的,我们需要发明一辆汽车,或者一种新的交通工具。

那该怎么做呢?如果我们选择一些细分领域,去重新梳理业务系统之间的逻辑,就会发现大量从 0 到 1 的机会。

来看看集装箱的例子。

集装箱其实是在 1940 年左右,才被正式标准化并投入使用。它最大的成功在于其产品的标准化,以及由此建立的一整套运输体系,这大大降低了物流成本,提升了运输效率。

回到那个时间点,我们会发现当时每一个物流链上的节点,都有大量的人在卸货、包装、装货,非常复杂。而当有了集装箱,装货、卸货,包括整个商品包装行业的上下游,都发生了改变。

所以,当我们重新发明一个“容器”,整个行业的很多节点和链条其实都改变了,它代替了很多原有节点,又诞生了新的节点。

发明新业务系统的机会是无处不在的。你去改变一件人类基本可以做到、但稍微有些困难的事,并不是终局。但是你能让它实现从 0 到 1 的改变,就要比大多数人类高一个量级。

我想人类的历程其实就是不断地利用前沿技术和对行业的理解,去发明一些新的工具,去重塑节点和业务流程。人类的组织进化,就是先标准化,再个性化的过程。

从这个角度来看,AI 技术还有很大空间。

以医疗技术为例,有大量潜在的数据轴需要 AI 去挖掘,比如扫描、成像技术,因为图像获取上存在很大误差,没办法达到通过认证的标准,必须要经过更复杂和个性化的调试才能得出一个更好的参数,或者通过其他数据轴的情况进行实时调整,做多轮次的感知技术,比如体内传感器。

这在原来完全不可解,但在 AI 时代,就是一个有着发明新业务系统机会的垂直领域。

(四)

如何抓住 AI 投资机会:

不可避免要做加法,有机会的是垂直领域的新效率模型公司

但是要抓住这样的变革机会,就不可避免地要做加法。

做加法,就要做大乙方。该过程不需要让技术 100% 落地,理解了技术边界就可以去找场景,往系统变革的方向去跃升。

所谓大乙方,就是不满足于对单点的替代,而是和客户一起去重新定义端到端的模型,利用 AI 技术定义一个全新的业态。

比如零售,如果我选择融入传感器技术,做一个货架,加人脸识别的探头,其实你会发现,最终的客户营销漏斗还是没变。但如果用 AI 技术赋能会怎么样?我这里做个猜想:零售可不可以不是一家店,而是一块靠近通道,能够快速捕捉客户兴趣的互动屏幕,再加上一个后端的前置仓?

一定会出现这样的可能性,就像超市也并不是与生俱来就有的,而是人类发明的新系统。

我认为,对于创业者来说,最惊险愉悦的机会,永远是在技术尚未成熟时,比如提前 3-5 年去打造一个冒险的业态。在当时可能无法理解,但几年后,就是业态上的优势。

不过对很多行业来说,大乙方可能还不够。我们现在非常鼓励创业者去尝试做新甲方,或者用新甲方的心态去考虑自己能不能做乙方和技术供应商。

用苹果举例。

三、五年前,我们在美国投了很多农业 AI 项目,现在他们普遍转型,自己当甲方。在美国,农业领域的传统甲方是一些分散的中型农场,光赋能补上了其中一环,甲方在别的环节水平跟不上,也没有办法快速地把优势发挥出来——这和中国的 SaaS 发展不起来逻辑上是一样的。

所以美国的农业项目,通常是先拿这些甲方练手,站在大乙方的角度,去设计一个端到端的解决方案——根据下游供应链的订单来决定提前几天、去哪个区域摘苹果,以及怎么调控灌溉的时间——对苹果的整个生产环节进行数字化配置,搭建提升农场运营效率的模型。

这实际上相当于树立了一个新的苹果品牌。这其实就是 AI 非常大的系统优势,因为 AI 能够让每一个苹果的每一个生产环节,都实现数字化配置。

假设全果园有 6657423 个苹果,我到底要摘哪一个?如果是人工,肯定会根据“看上去很红”的标准,但如果使用 AI 技术,借助冒泡算法,我可以很确定地摘第 50 个红苹果,来保证交期。不仅如此,还可以减少农药的喷洒量和水的使用量。

这样,甲乙方的关系慢慢就会发生转变,原来的甲方变成大乙方的加盟商。为什么呢?因为如果让传统甲方赋能 AI 系统,因其滞后的供销渠道,就不能把价值发挥到最大。

所以现在的模式主要是,新甲方承诺给传统甲方会提供什么样的水果质量,并且负责统购统销,传统甲方只要按照规定的流程,就能实现双赢。我们今天知道的品牌商,比如 Dule ,其实就是这个定位。

但新甲方有一个必要的条件,就是要素得充分开放,否则打不过原来拥有要素的老甲方。就像上一轮的房地产,老甲方只要把房子囤着就好,并不需要把它造得更好。

目前很多行业其实都存在这样的机会,尤其是今天的中国,因为中国拥有经济周期上的优势,大量的行业要素都已经充分开放、充分竞争、可交易,且需求还在快速变化且增多。

那 SaaS 为什么不算一个好机会?做 SaaS 是利用了别人已经做过的计算机服务器,所以渗透的机会有一些是属于创业者的,但也有很多属于大公司。相反,一些大家不愿意碰的垂直领域,如果你从 0 开始布局传感器和硬件技术,围绕该品类算法做大量的开发和优化,机会就来了。

所以我认为,10 年后,中国并不会出现一批 AI 平台公司类机会,真正有机会的是那些垂直领域的新效率模型公司。

(五)

加法的本质,是减法

减法是洞察、定力、取舍

但回过头来,加法的本质其实还是减法。这里的减法指的是什么?

首先,我认为,是对未来的洞察力。我们内部有个词叫“双跳跃”,指的是,只考虑技术或者行业都不行。因为 AI 技术的影响已经是一种显学了,大公司一定会比我们了解得更透彻,而行业研究的话,PE 们肯定比你懂。只有"双跳跃"(技术和行业加持)才会带来一些机会。

那什么才是“双跳跃”式的机会?在诸多种技术和极多细分行业的网格中,可能有 1% 的机会是两边人都不相信的,所以如果我们能提前三至五年入场,然后通过一个更长的周期去布局,就会有大量机会。

比如动态生成的全个性化引导视频,会应用到什么水准?以后也许商品包装上就是一个动态屏幕,如果成本能够实现量产,那么每个人看到的商品,都是个性化生成的。如果你赌这个技术 5 年后能实现,那就完全可以开一家不一样品类和业态的店。像这类应用场景,两边人都不太会相信。

所以会有很多“双跳跃”的机会,但背后需要你的洞察力。不过这很难,我们预测未来一年或者二十年,可能相对容易,但是未来五年或六年会怎么样,就需要精细化预测了。

这种洞察不是通过拍脑袋想出来的,而是在过程中不断去迭代和摸索,同时,想清楚一个方向之后还要有定力,要拒绝很多诱惑。

像人脸识别,前两年卖人脸抓拍机的公司今天基本都死了。虽然他们一开始卖得很好,但是过两年,甲方发现这解决不了问题,就不买了,偶尔还买的也都找大公司了。而那些在几年前以人脸识别作为技术切入,做城市级的、视频矩阵内的全局可视化、结构化的公司才活了下来。

做这样的事其实需要大量的软硬件投入,要自己做芯片、传感器、系统,甚至是运营,把别人不相信的东西落地。

这就需要大量的洞察、定力和取舍,所以这是一个先做减法,再做加法的一个过程。

(六)

未来,会诞生一批全新的创业者和投资人

最后,在这样的一个时间点,我认为会诞生一批全新的创业者和投资人。

按照过去 AI 1.0 的观点,如果有一个教授,有很牛的技术背景,我们会先投了,再催着他去找人找项目,因为教授总是稀缺的;在商业化方面,我们也会找一些传统行业的高管,因为这些能带团队的人也稀缺。这两类人具有非常大的价值,但按照效率模型,他们只是其中的元素,并不是最理想的投资主题。

我们认为,未来创业者和互联网时代的产品经理很类似,创业者是效率模型的战略产品经理,需要基于对技术的理解和对行业的洞察,提出新的效率模型。行业里有很多人只对模型的某一个点执行能力强,而且多少会陷入对原有路径的依赖。

所以在这样的背景下,刚才说的教授和高管都是很好的 VP ,可以为最优秀的创业者所用。而最优秀的创业者,应该是年轻、充满洞察力和野心。他们是全新的,很可能是年轻的博士,或者是在一线互联网公司做过多年数据分析的产品经理,甚至是投资人。投资人在这个时代做创业者的机会也变得越来越大,因为未来创业者最核心的能力,就是模型的打造。

同时,创业者和投资人的关系也将发生改变。我们过去总说, VC 要成为创业者的 co-founder,但事实上,执行者主要还是创业者,VC 只是提供资金和资源。但将来会有所变化,百度风投现在就是把自己当成一家创业公司,我们会先做一些工作,用分析出的结论去和优秀的创业者碰撞。投资人的优势是视角,因为我们看过很多横轴和纵轴上的领域,可以请一些优秀的创业者分析一些课题,并为课题匹配一定的资源。

出现这样的转变后,我们内部也开玩笑说,我们现在已经没有投资人了,看技术的人改叫技术 BP ,看行业的人改叫行业 BP 了。我们把投资人都定义为创业者的 business partner,利用他们的研究来帮助创业者,一起去寻找更好的双跳跃机会。

所以,我认为,VC 也存在着新的机会。一个好的 VC 永远会跟随大的趋势和人群的变化,而 AI 时代带来的好处就是,创业者和投资人所涉及的业务边界会发生巨大变化。

相关深度报告 REPORTS

2019-2024年中国医疗人工智能行业市场前景预测与投资战略规划分析报告
2019-2024年中国医疗人工智能行业市场前景预测与投资战略规划分析报告

本报告第1章分析了中国医疗人工智能行业的发展环境;第2、3章对国内外医疗人工智能行业的发展状况、竞争格局进行了分析;第4、5章对医疗人工智能的商业模式与产业链的布...

查看详情

本文来源42章经,内容仅代表作者本人观点,不代表前瞻网的立场。本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com) 品牌合作与广告投放请联系:0755-33015062 或 hezuo@qianzhan.com

p27q0

分享:

品牌、内容合作请点这里:寻求合作 ››

前瞻经济学人微信二维码

前瞻经济学人

专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。

前瞻产业研究院微信二维码

前瞻产业研究院

如何抓准行业的下一个风口?未来5年10年行业趋势如何把握?扫一扫立即关注。

前瞻经济学人 让您成为更懂趋势的人

想看更多前瞻的文章?扫描右侧二维码,还可以获得以下福利:

  • 10000+ 行业干货 免费领取
  • 500+ 行业研究员 解答你的问题
  • 1000000+ 行业数据 任君使用
  • 365+ 每日全球财经大事 一手掌握
  • 下载APP

  • 关注微信号

文章评价COMMENT

还可以输入2000个字

暂无网友的评论
前瞻数据库
企查猫
前瞻经济学人App二维码

扫一扫下载APP

与资深行业研究员/经济学家互动交流让您成为更懂趋势的人

下载APP
前瞻经济学人APP

下载前瞻经济学人APP

关注我们
前瞻经济秀人微信号

扫一扫关注我们

意见反馈

×
J