文/冯军
人工智能从去年起开始成为市场焦点，并被视为“互联网下半场”的重要风口。但巨大的蓝海背后，行业仍面临应用前景不明、变现困难、估值过高、鱼龙混杂等痛点。
在刚刚结束的“一π即合·华兴π对”上，人工智能领域的明星企业家、投资人围绕 AI 展开了一场长达 3 个小时的对话。
参与对话的有猎豹移动联合创始人兼 CEO 傅盛、明势资本创始合伙人黄明明、启明创投创始主管合伙人邝子平、创新工场创始人/管理合伙人汪华、驭势科技联合创始人兼 CEO 吴甘沙、商汤科技 CEO 徐立、地平线机器人技术创始人兼 CEO 余凯、华兴资本董事/科技及房产业务负责人刘英航。
傅盛指出，人工智能的爆发除了技术、产品驱动外，还有需求端的驱动。“当某一天机器成本比人便宜的时候机会就出现了，哪怕这件事是最简单的端茶送水。”傅盛认为，哪个领域的需求大，就一定能倒逼该领域的 AI 技术。
小公司能否在巨头林立的市场中弯道超车？最近投身自动驾驶创业的吴甘沙认为，小公司也有自身的优势，一个是试错成本要低，另外小公司往往有一些创新的策略，在主流市场边缘的垂直细分市场做出差异化创新来。
“事实证明谷歌和百度的自动驾驶之路几乎走到了死胡同，因为他们只做算法，但没有应用场景，无法真正上车应用。”明势资本创始合伙人黄明明则进一步指出，人工智能需要在特定的应用场景产生数据，要在垂直应用场景扎得足够深，自己可以产生数据，然后正向反馈，这是 BAT 没有的，小公司可以从这方面去寻找机会。
那么人工智能的投资目前是不是存在泡沫，估值太贵？傅盛表示，问题不是 AI 太贵了，关键在于投资人对人工智能了解太少，很少碰到靠谱的，所以造成了目前鱼龙混杂的情况。
“投资人必须要深入到产业里面，在人工智能领域对产业有深刻的理解和洞见，否则你怎么判断这是一个一亿美金的机会还是十亿美金的机会？ ”现场多位投资人都看好 AI 在医疗、金融、自动驾驶等领域率先突破。
以下为论坛的文字摘录：
主持人：人工智能在现实当中演变到什么阶段，何时可以颠覆现有的场景？
吴甘沙：现在基于大数据的暴力计算型人工智能在很多领域已经超过了人类智能，意味着人工智能在历史上第一次真正可以创造客户价值，不仅仅只是一个概念。当然人工智能目前解决的问题还是比较早期的，比如中低级白领做的事情。高级白领做的事情、需要深入思考的，以及需要灵巧控制的蓝领工作，人工智能做不了。
余凯：人工智能作为一个推动者的技术，本身构成一个产业缺乏很多关键要素。一些传统产业因为人工智能技术发生了两个变化，第一，这个技术在产业里有大规模应用；第二，使这个产业里面的新玩家能够颠覆老玩家，比如搜索广告，在电视里全国都看到同一个广告，搜索则是千人千面，这正是基于深度学习的技术。
我们地平线关注三个机会，第一，智能语音。第二个，智能摄像头，第三个自动驾驶，从辅助驾驶，半自动驾驶，全自动驾驶里面有大量的机会。人工智能刚刚开始，像是一个淘金的时期，因为你不知道哪个领域你可以淘到金子。
徐立：现在从业者做的事情，短期来看可以分为两个阶段：第一阶段是超过普通人的能力。现在人工智能做的很多事情是纯数据驱动，需要大量的人把知识传递给机器。这些能给劳动力密集型企业带来效率提升，但不会带来新的场景。真正带来服务升级是第二个阶段：超过专家，因为专家的能力和知识比较稀缺。比如驾龄较长的司机、医院专家号等。
现在，第一阶段，超过普通人，很多垂直领域已经可行，未来可能应用到更多的垂直领域，实现工业的突破。第二阶段，超过专家，可能有待算法的进一步演进，包括用算法生成专家数据，这是值得探讨的问题。
傅盛：关于人工智能的应用，我认为基础是技术，但并不认为技术是唯一的决定力，技术完美了，到了一个显而易见的边界值的时候，这个世界不需要产品，不需要创业者，需要银行家就够了。
第二是产品，你要思考在不完美的情况下怎么组合你的产品，包括重组你对产品的思路，我不认为特斯拉今天真正解决了让电池可以跑两千公里不用充电，它真正改变的是你对电动车的定义。人工智能也一样，怎么找到一个尖端的产品应用？我那个时候自己催生的想法就是机器人。
第三是需求，产品和技术的结合是为了满足需求，哪个大的需求一定发生，它就一定能倒逼技术重构。因此，要从需求角度重构产品和技术。很多人问，你要做机器人，机会在哪里？机会就是人越来越贵。当有一天机器成本比人便宜的时候机会就出现了，哪怕这件事是最简单的端茶送水。
黄明明：我认为判断人工智能领域是否有泡沫、价格是否贵，核心就要看有没有价值。一种商业模式能否帮助原有行业大幅度提升效率、降低成本，是我们判断其是否有价值的关键点。现在人工智能在很多领域已经能创造出切实的价值。比如自动驾驶。
邝子平：第一，我认为人工智能已经到了可以大规模商用的阶段。前些年看的一篇文章认为，技术发展都遵循某种规律，就像在棋盘上放米粒的寓言，当一粒米变两粒，两粒变四粒的时候，没有人考虑用它做饭，而当过了某个红线，确实可以做一锅饭。现在就人工智能就进入了棋盘的第二半，每一次的平方所产生的效率都是巨大的。
第二，最近确实存在很多伪 AI。现在很多项目，你去聊的时候，都会有人跟你说大数据、人工智能，这确实造成了目前行业的一些虚火。
第三，从机会上讲，现在还是蛮令人兴奋的一个时间点，还能够找得到纯技术的平台公司，而不是应用 AI。
汪华：我认为 AI 由两条腿驱动。一条腿是技术驱动，前几年，深度学习、GPU 等各种新理论出现，成就了很多黑科技企业，这些企业往往驱动的是一些更加久远的、中长期的东西，比如自动驾驶、真正意义上的家用机器人等。但受制于科技、算法，产品大规模应用于生活可能还需要三到五年时间。但黑科技领域更容易产生独立的公司。
另一条腿是需求驱动。需求驱动跟技术没有关系，它来自于互联网和移动互联网在中国的发展，从 1995 年开始的互联网，到最近的移动互联网将所有的人和场景连接起来，使得交易量和交互量几何级数般上涨，如此庞大的数据不得不交由机器自动化处理。而只要一家公司采用人工智能技，效率提升到足够高之后，就会相比竞争对手产生巨大优势，逼着其他人不得不采取行动。因此，需求驱动这些公司不断提高线上化率，并向其他行业延伸。
但缺点是，这个领域产生的公司，很难是纯粹意义上的 AI 公司，大多是 AI 场景或者 AI 业务，且大多数是 2B 的公司，技术相对复杂，对创业者要求比较高。
主持人：巨头林立的 AI 行业，创业公司如何找到自己的突破点，实现弯道超车？
吴甘沙：小公司可以做一些事情：首先，试错要做到更好，试错成本要低。大家可以想象一下，探索一个未知海域的时候，万吨巨轮很容易触礁，但是小公司开着冲锋舟去，很有可能成功，要抱着一种向死而生的心态。
其次，小公司可以有一些创新的策略，第一，边缘创新，找主流市场边缘的垂直细分市场；第二，差异化创新，我不一定比大公司做得更好，但是我做不同的东西；第三，协同创新，两个大公司之间合作往往很困难，因为都有自己的傲慢，而且法务部门比较保守。但是小公司，放低身段，非常容易进行合作。这些都是小公司的机会。
余凯：对小公司来说，一定要让自己的商业模式在大公司的射程范围之外。大公司有两种能力，一个是势能，一个是动能，动能是现在的业务，势能是他积累的人才业务和资金。
小公司如何在射程之外找到机会？两个因素比较关键。第一，对数据资源的独占性，这是一个关键的战略资源，我们看 BAT，整个价值都建立在这上面。第二，数据转换成价值的效率，比如每秒钟处理多少数据。这往往不是大公司的优势，因为一些核心的技术，从零开始投入到最后形成战斗力，需要至少三年时间，跟大公司小公司没关系。
徐立：关于 AI 行业：如果创业公司的核心技术能形成壁垒，而且在某个行业里面具备关键要素，那就需要在这个领域垂直打通，形成需求、数据、行业的回路，打通闭环。反过头来，核心要素并非都都具备的情况下，你就要找准合作伙伴。这是我们这几年核心的一个想法。
傅盛：小公司并非没有机会，要看它在垂直化方面有没有可能击穿一个行业。比如当年百度推外卖，高层的想法是做了总比不做好，但为什么不做今日头条？因为对他们来说机会成本太高。所以小公司一定要拼垂直化场景，一定要把应用想得非常深。另外，还有一个观点，前景越明朗的应用，对小公司越是巨大的前景。
黄明明：小公司的机会，在于专注，把力量用到一点。前几天和李想聊天，说到大众在中国的车型，密密麻麻有上百种，他随便问到一个投资人，你能说出朗逸和帕萨特以及宝来有什么区别吗？对方答不上来。如果真的把所有的资源集中到一个点，小公司能做到比大公司强，如果在这一点上比不上大公司，就别指望有什么以弱胜强的机会。
我认为在特定的应用场景产生数据的地方，是 AI 类创业公司的机会。这就是我们为什么投一家自动驾驶公司的原因，事实证明谷歌和百度的自动驾驶之路几乎走到了死胡同，因为他们只做算法，但没有应用场景，无法真正上车应用。要在垂直应用场景扎得足够深，自己可以产生数据，然后正向反馈，这是 BAT 没有的，小公司可以从这方面去寻找机会。
汪华：在这个事情千万不能有错觉，做创业不要把希望寄托于大公司傻，大公司懒，大公司反应慢。你没有任何的这个东西可以跟大公司拼。首先你要做的，是大公司在一段时间内，压根不会做的事情，或者大公司做了之后会自杀的事。比如说谷歌的 Android 对于微软来说，当时的微软就是自杀，他不能把自己的操作系统都免费了。
第二，别把大公司当作对手。大公司，你可以把它当作一个社会的基础设施，有些事情只有大公司推得动。比如说在全中国实现移动支付，只有大公司能做到。而大公司一旦把这件事做好了，大量创业公司可以从中受益。所以千万不要把大公司当做竞争对手，把大公司当做一个寄存生态来对待。
第三，从来不存在以弱胜强的想法。创业公司虽然一开始小，但在一开始扎进的领域想办法想强胜弱，随后每打一仗，搞到各种各样的资源，在局部战争里面以强胜弱。
主持人：人工智能领域是否有泡沫、估值是否贵了？
徐立：目前来看人工智能确实存在市场过热现象。过热会导致大家对市场应用的判断产生一些偏差。技术公司做垂直应用，第一要把产品深扎进去，第二需要大量的基础投入和长期的行业沉淀，但 AI 过热导致从业者比较浮躁，不停换方向尝试。关于估值，贵不贵关键还是看成不成，团队和方向很重要。
余凯：现在应该考虑的不是估值问题，而是怎么把研发往前推进。从投资人的角度来讲，贵与不贵不是那么重要，关键是做成。从创业者的角度来说，高跟低也不是那么重要，关键是能够拿到足够的资源，让这个公司可以做成，这是我核心的观点。
傅盛：我不觉得人工智能太贵，最大的问题在于投资人对人工智能了解得太少，很少碰到靠谱的，所以造成了鱼龙混杂。
我认为人工智能起源于学术，但是后续推进的是工业界。在今天学术这个阶段，推进是比较有限的，后面都要靠大量的数据实践和应用实践。所以，我觉得第一波项目估值很贵可以理解，但是后面工程化、产品化的人，会做得更靠谱一些。现在很多公司真正做的是模型，距离产品还有很长的路。
黄明明：纯做算法的公司估值有些偏高了，刚开始纯做算法出来的，大牛的背景，一定估值上天。但是现在大家看了一段时间，明白了光有算法没用，你得应用落地。所以贵和不贵其实是相对的，一亿美金天使轮贵不贵，肯定贵，但是你如果看到它是一个一千亿美金的公司，那肯定要进去，能投多少投多少。
因此在人工智能领域，对产业的洞见和深刻的理解特别重要，要求我们作为投资的人必须要深入到产业里面，否则你怎么判断这是一个一亿美金的机会还是十亿美金的机会？
邝子平：我总体觉得是贵。现在绝大部分技术型的、平台型的公司目前还是一个 2B 的场景，但（投资机构）却把它们当作 2C 的公司来做。这样的公司，后续还需要多轮的融资支持它的成长。如果天使轮一下子把估值做到一亿，那A轮总得三亿，做到F轮怎么办？
汪华：其实很多人工智能公司估值来自稀缺性，而不是来自技术、价值或商业模式等等。还想补充一点，在任何一个领域，如果最后大赛道里面出了十个公司，第一波出来的公司往往只占了两个，八个还在后面。
主持人：想问一下三位投资机构，接下来人工智能的领域重点会是什么，你们会投资哪些方向？
黄明明：自动驾驶一定是一个超大领域。顺着自动驾驶，还可以看雷达、电池等一系列的产业链。但是，雷达看了十几、二十家公司，实在下不去手，每一家都很贵，连小批量的量产都没有，却已经按照传统有量产能力的估值飞上了天，但是我们会围绕这个产业链持续来看。
另外我们觉得创业公司可以在特有的场景形成数据，从而产生正反馈，这个数据未必是大公司可以很容易拿到的，这个我们也在看，比如说人工智能 医疗。
邝子平：人工智能在医疗、金融等垂直领域的应用，我们现在比较努力地在看。同时，我们相信未来在无人驾驶领域会有较多的辅助出来，虽然现在有一点难。离真正无人驾驶车辆大量应用的时间点再近一些，可以投一些能提供更好解决方案的企业。
汪华：我们就是按照刚才提到的两个科技来投的，一个是黑科技领域，无论是无人驾驶、数据，还是其他将来一定会产生重大突破的黑科技，比如自动驾驶、雷达、高清地图等，视觉领域我们也投了一些。
第二是需求驱动的方向，也就是必须实现自动化的领域，比如金融、医疗，等等。