本文首发于公众号：星无限资本
本文首发于公众号：星无限资本
本文首发于公众号：星无限资本
前言
当下宏观环境风云变幻、时事维艰，直接影响到PE/VC、并购基金等股权投资机构、产业资本的“募投管退”各项决策，继而对广大新经济公司的融资、经营产生深远影响。
“投资人说”，是星无限资本公众号为了响应形势变化，新推出的一个栏目。本栏目将定期采访活跃在PE/VC、并购基金等一线的资深投资人，旨在与诸君分享来自投资并购实践的深刻洞见和智慧。
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
（星无限资本对话玖创资本）
姬可鹏 玖创资本合伙人
嘉宾简介：
玖创资本合伙人，毕业于北大光华金融学专业，曾任职于通用电气(GE)和西门子有14年咨询、战略和财务投资工作经验，重点关注人工智能在制造、能源、医疗和教育等行业的应用。
星无限：您自己也研究AI行业几年了，您认为目前国内的AI水平和发展处在什么阶段？
姬可鹏：首先AI的投资风口已经火了两三年了，不管是大公司还是小公司，大家在这个行业的关注和投入都很大。但从实际效果看，真正把规模做大，能够赚到钱的公司，数量是非常有限的，不管是大公司还是小公司。很多公司获得投资之后，从技术和产品做出来以后，在产业化方面还有很长的一段路要走。
那么我认为目前的AI技术上已经到了可以落地的阶段，到了需要结合场景产业化，跟行业应用深度结合，找到刚性需求点进行落地的时候。快要落地，大家都在找方向。
从历史的角度分析的话，人工智能这个概念由来已久。上世纪七八十年代就有不少的研究。但是那时候的的AI并没有得到更多的资助，主要的原因是发现很多瓶颈，且其商业化的时间点比较远，就没有继续资助了。直到后来三四年或者四五年以前，在这上面实现了突破。发现可以识别图形，声音等，结合机器人的应用，在技术上有一些突破之后，包括后来阿尔法狗打败了世界冠军，大家就觉得人工智能已经很厉害了。这个阶段以后，人工智能引起了公众真正的注意。所以这个时候大家开始下注，纷纷布局，大家都在投一些技术。谁有大数据或者算法方面的大科学家，专家，大牛等就开始投资。但是后来发现光有这些技术大牛还不行，还要有能力做出深度的行业应用。因为只有与场景结合才能商业化落地。现在差不多就到了这样的一个阶段，已经发展几年了，现在要开始寻求商业化的这么一个阶段。
星无限：您非常强调AI的应用端，根据您自己的经验和观察，认为有哪些应用场景是比较适合AI公司去切入的呢？
姬可鹏：我们从市场需求来看，这个市场需求量是非常大的。分为这么几类，第一类是大量的，简单的，重复的劳动用人工智能（或者说机器)去代替，并且这个需求是属于刚性需求。只要你能做出这个产品，就能够很大程度上提高人的效率，节约人的时间和成本。比如其中一个应用场景就是在生产线上的装配环节，这个环节根据行业报告占了整个工业制造总人数的40%。这个需求量是非常大的，也是非常刚性的。目前在实现方面，也有相关的公司出现。
第二类的话，是分布极为不均的高水平人工。这个并不是大量简单重复的劳动力，而是具有较高技术性的工作。人工智能有一个好处，就是将不同水平的操作手法给普及化，标准化。那么，其中的应用场景就可以涉及到一些普通人无法普及，或者延伸的领域。这里面的其中一个例子就是教育。对于高水平教育的认识，就是去请到最好的老师来教学。但是在国内高水平的教师教学水平并不是每个学生都可以享受到的，教育资源的分布是非常不均匀的，从小学，初中到高中，尤其在高中这个阶段就更加不均衡了。那么这个就可以用AI去帮助实现，将高水平的教学水平普及化、标准化，让每一个地区的学生都可以享受到相同的教学资源。当然这只是其中一个方面。
第三类是提高人类的生活品质的，满足的是人类的奢侈需求。在这方面体现最强的就是秘书，比如说一个做企业的老板，一般都需要自己的一个私人秘书，从简单的出行和订餐到其他的一些安排，都需要一个助理。这一类需求有一个特点，就是需求是需要引导的，并且没有那么刚性，是比较奢侈的，通过了引导阶段才能实现落地。中间的过程需要比较长的时间。且目前技术上还需要时间突破。
第四类是靠人难以胜任的或者比较辛苦工作，比如说，上山入地、温度比较高、或者氧气稀缺的地方等。这一类的特点是所需要的业务需求细分很多。要去分析人工智能在每一个场景上的应用，完了之后去分析这个市场究竟有多大，目标客户的支付能力和支付意愿有多强等等。这个领域的话没有办法总结，只能是根据场景一个一个来具体分析。
第一类简单人工里面我再举几个应用需求比较大的例子。
首先，目前在销售行业，比如说人工智能客服或者借助语音交互去承担客服某部分的工作。事实上企业每年需要大量的销售人才，也需要大量的客服人员。这也相当于是特定场景的语音交互。这一类的需求是非常广的，尤其在金融行业和服务行业。这个场景的难度在于人工智能能否将客服工作提高销售的效率，能够在于顾客之间有多个来回的对话，需要人工智能更高的“智能“。
其次，目前比较火的无人超市，大家都打着无人的概念在进行商业探索。其实这一个领域需要真正解决机器代替人的问题，才能提高效率，才能到达市场爆发的一个节点，目前的无人超市大部分还是在落地上存在一些问题。
再者是网络文档的处理，文档处理涉及到大量的无质工作。这个领域其实也是有挺多公司在做的，目前的话这个市场的需求量也是蛮大的，市场空间也很大，文档处理这一块儿也有一些不错的公司。
还有一个比较火的领域是汽车的自动驾驶，这个需求在未来是非常刚性的，但是目前实现的技术难度还是非常大的，短时间到落地层面突破还是比较难。
星无限：您本身也了解大量的创业公司，尤其是在人工智能这一块，您个人的投资逻辑是怎么样的？再者，您认为一个创业公司，在成长过程中，需要考虑什么问题，您有哪些建议？
姬可鹏：是的，刚刚说到，人工智能的应用有很多，但是具体到每一个创业公司，适合怎么样的应用场景，这一部分需要创业者根据自身的资源禀赋来选取到底应该做哪一方面的应用。
并不是说可以随便选取，比如说自动驾驶是一个很大并且很复杂的一个系统，一个公司做自动驾驶需要很多资源，如果是小公司来做的话，需要的时间特别长，并且如果小公司并没有足够大的资金储备和资源储备而一直往前冲的话，这样子就根本熬不到真正可以商业化变现的那一步，所有的努力都白费了，所以说自动驾驶更适合一个大平台来做。
医疗领域也是的，现在比如说现在全世界都还没有发出一张AI肺部影像系统的三级证。这个其实是医疗影像业务的一个必须具备的条件，这个证在可预见的未来两到三年会发出来，但是数量是非常有限，分配到的公司数量极有可能是个位数。首先有些公司他可能熬不到两到三年。其次的话，到了发证的时候，有很多公司是拿不到这个证的。这个就相当于前面的工作白做了，前途渺茫。
另外的话，我从另外一个角度来讲，我们自己去投资人工智能的创业公司的话，基本上就是按照每个应用场景来做具体的分析。刚刚提到的应用场景有这么多，重点是创业公司能否结合场景把相应的产品做出来。
比如刚刚我说到的应用场景，其中有一个是生产线的装配。首先第一个是要求这个机器能够看懂，里面涉及的语音交互可以很少，重要的是视觉上能够看得懂。因为工业上它涉及到大量的测量、测距和定位等等，对精度的要求也是很高的，不管是最终体现在软件层面还是硬件层面，都会有相应的要求，机器视觉的工业应用要先满足工业场景的要求。
第二个的话，要是真的在这个环节有一个根本性的突破，还需要一个技术来配合，就是柔性机器人，柔性制造。除了看得见，机器人需要能很快学会人手可以做的事情，比如说抓取、分拣、装配等等。所以需要两方面的结合:一个是人工智能在视觉上的体现，代替人的眼睛。第二个是在柔性制造方面，代替人的手。这两方面结合，缺一不可。
我再讲讲创业企业的战略选择，企业到了一定的规模以后都会有自己的选择。对于创业公司来说是公司战略的问题，对于投资机构来说是指投后管理。在互联网行业，典型的互联网人的思维，就是做几个标杆案例的解决方案，然后在全行业推广，其实这样的话是很容易出问题的。
传统行业头部公司的经营逻辑是核心的东西都必须掌握在自己的手里，不管是人工智能技术也好，核心零部件技术也好。
IT人的一个典型思维就是喜欢做平台，具体表现就是，帮一个大客户做完一个解决方案之后，就会把这个解决方案拿出来说，我这边有这个行业的解决方案，然后把之前客户的解决方案推给其他的客户。其实这就意味着你跟你的大客户的合作时间进行不了多长时间，很快就要分手，因为客户特别是大企业他不允许你把这么关键的核心的东西，推给其他人。你跟我合作之后，然后又推给我的竞争对手，这是不允许的。所以过不了多久，这个大客户可能就从这家人工智能公司，换到另一家人工智能公司，或者从这个公司里面挖出技术人员自己做了。这个事情已经被验证，并且已经有发生的案例。
所以，我认为创业的公司可以选择另外一个战略，不要一上来就想着做平台去卖方案，然后整个行业去推广。如果客户本身是行业前几个，体量足够大，你在这个领域就找这么一家公司就行了，就作为这个公司唯一的人工智能技术方案提供商，绑定这个大客户做深度服务。主要这个大客户足够大，订单量足够多，就不着急去推其他的客户，过了几年之后，深度绑定，那么彼此之间就是唯一的合作关系。只要在一个大客户里面，人工智能公司把这个大客户的业务做的很透彻，再相应去渗透其他公司的应用，那人工智能公司成功的概率会比较高。
星无限：您之前投过哪些应用的AI公司，未来会倾向于什么应用的呢？
姬可鹏：之前我们在金融和消费领域投的人工智能企业比较多。也投过应用于金融领域的智能客服机器人，还有就是做大数据的公司（涉及到深度处理和学习，也属于人工智能的范畴），但是目前这个阶段的话，我们不光是金融和消费这个领域，也要看一看市场上哪些领域，什么应用会先落地。另外我们本身在智能制造、医疗和教育这方面有积累比较多的经验。看哪个细分的领域会先落地，那我们就会加快布局。
星无限：您在做AI公司投资的时候，倾向于投TO B还是TO C的企业？
姬可鹏：这个没什么倾向，是TO B还是TO C的项目，主要是看哪个先落地，看哪个是属于市场刚性，还是会看业务本身。
星无限：在投资人工智能公司的过程中，您认为技术（算法等）会成为公司的强有力护城河吗？为什么？那怎么样的公司会具有强竞争力，什么特质会是一个AI 公司的壁垒？
姬可鹏：人工智能公司能否靠一个技术或者是算法作为一个护城河，在某些特定领域，也许可以，比如说是非常高精尖难以攻克的领域。但是实际上，人工智能公司依靠一个技术是很难实现自己的核心竞争力的。
公司能够实现真正的壁垒，就是与行业的深度结合。能够把这个以算法为基础的技术深入到行业，跟一个或某几个行业进行深入的结合，这才是一个壁垒。
如果只说一个算法的话，绝大部分情况下是不可能的。
跟您分享一个互联网的现象，就是在互联网行业，雷锋比较多，比如说Google 、Facebook，还有包括国内的百度和腾讯这些公司在内，他们每年都投入很多到人工智能的一些算法框架，并且很多就是做完了就公开了。一旦公开，就提高了整个业界的AI能力，大大降低了学习的门槛。而且开源的高水平公开现象越来越多。所以单靠一个算法去打造一个壁垒是非常难的。
去投资一个人工智能公司的话，首先最基础的就是算法技术，人工智能公司需要有最基本的算法能力，其次就是在应用行业具有相关的人才。比如说工业视觉这个领域，要有做视觉算法的人才，还需要有在工业生产线上非常理解，非常有经验的人才。再可能还需要一个在硬件上有经验的人才，三者结合。总体来说就是有技术大拿，也有行业大拿。
我们做选择的时候对一个行业会挖的比较深，在我们熟悉的领域，第一个是看团队，第二个是看作为应用到底在这个行业内需求是否很强，这个公司是否可以满足这些需求，实现到位。虽然说投资，很大程度是投人，但是第一次创业成功的人不多。所以除了公司的技术能力，还需要看团队是否对行业有足够的了解，在行业内是否有比较多的的积累和资源。