'人工智慧發展至今, 已形成顛覆行業和人類生活的強大能力, 在映像處理, 語音識別, 服務機器人等諸多領域形成了諸多新商機, 將給廣大創業者提供前所未有的機遇. ' 日前, 中國NVIDIA (英偉達) 公司全球副總裁, 中國區總經理張建中在一次演講中說. 的確, 人工智慧自降生以來就彷彿自帶光環, 備受矚目. 尤其是最近, 國務院印發的《新一代人工智慧發展規劃》中提出, 到2030年使中國人工智慧理論, 技術與應用總體達到世界領先水平, 成為世界主要人工智慧創新中心, 更使得人工智慧將引爆智能投資革命成為坊間議論的焦點. 與此同時, 也有人表示擔憂, 人工智慧投資是不是有些過熱, 該適度降降溫了. 但事實真的如此嗎?
人工智慧投資仍是小眾行為
'其實, 在我跟市場接觸過程中發現, 真正投資人工智慧的並沒有那麼多, 大部分機構都在做試錯性嘗試. ' 近日, 在由中共寧波市鄞州區委等主辦的 '智匯2017' 人工智慧產業發展高峰論壇暨人工智慧全球創新邀請賽啟動儀式上, 盛世投資管理合伙人, 盛世方舟主管合伙人謝作強說.
會上, 盛世方舟發布了人工智慧研究報告, 結果顯示人工智慧投資仍是小眾行為, 應用層仍存較大市場空間和投資機會.
人工智慧這個詞, 最初是由達特茅斯大學助理教授約翰·麥卡錫在1956年提出的, 指展現出看似具有智能行為的硬體或者軟體. 但受制於當時的計算能力, 人們無法完成大規模的並行計算和並行處理, 使得人工智慧未能如願的智能起來. 直到2006年, 隨著硬體層, 數據層以及演算法層等各方面技術儲備趨於成熟, 科學家提出 '深度學習' 神經網路, 才使得人工智慧得以獲得突破性進展. 如今, 深度學習的應用使得語義識別, 映像識別的準確率大幅提升, 進而促使人工智慧產業又一次進入快速發展階段.
'在看某個領域的投資熱不熱的時候, 會觀察兩方面數據: 一是媒體的熱度, 即看起來的熱度; 二是資金的熱度, 即真金白銀的熱度. ' 謝作強說.
媒體方面, 近幾年 '人工智慧' 的新聞熱度整體呈上升趨勢. 但百度搜索 '人工智慧' , 會看到超過11萬篇相關新聞, 但比起 '智能製造' 的42萬篇相關新聞, '創新金融' 的43萬篇相關新聞, 人工智慧的媒體熱度還沒有走入廣泛大眾.
在資金方面, 有數據顯示, 美國有關人工智慧的第一筆風險投資出現在1999年, 2012年為爆發期拐點. 中國第一筆人工智慧風險投資出現在2005年, 2013年進入爆發期. 從融資金額來看, 目前中國在人工智慧的投資額約為635億元, 能佔到全球的33%, 僅次於美國的51%. 然而, 從融資數量來看, 2016年一共發生投資案例9124筆, 涉及7449億元, 而根據公開資訊, 人工智慧的投資案例僅100多起, 相較仍是 '小眾' 行為.
人工智慧基金數量佔比並無優勢
根據盛世方舟搜集到的一手數據, 自2016年下半年至今, 前來募資的基金當中, 投資領域包含 '人工智慧' 的基金數量佔比約為10%; 包含 '智能/AI/大數據/雲計算' 的基金數量佔比約為24%. 相比之下, 覆蓋文化娛樂領域的基金佔比約為19%, 覆蓋醫療領域的基金佔比約為27%, 覆蓋消費領域的基金佔比約為22%. 從投資領域看, 較為專註的人工智慧+垂直行業的基金數量佔比約為14%. 汽車, 醫療和製造相關基金數量相近, 汽車產業和醫療產業投資基金規模佔比均超過40%.
通過觀察已經布局和正在募資的人工智慧相關基金, 盛世方舟把活躍的投資方分為兩類: 一類是專業投資機構 (VC&PE) , 如真格, 紅杉, IDG, 創新工場等, 這些機構從2012年開始布局, 通常天使輪單筆投資規模在數百萬美元, 偏愛海歸. 另一類是產業投資方, 包括以BAT為首的互聯網巨頭, 以及醫療, 製造, 汽車, 消費等傳統行業的產業龍頭, 上市公司. 它們通過自有資金, 但更多的是通過發起產業基金, 參與到人工智慧的前期布局, 旨在於新領域佔據一席之地, 或希望找到創新動力幫助完成業務升級或轉型, 跟上時代步伐.
張建中表示, 一項新技術或商業模式, 一旦被某一家企業或者個人擁有, 其他企業就失去了競爭優勢; 而人工智慧恰恰是開放的, 它的研發不是一個高門檻或是高投入的東西, 但計算力確實是高收入的保障, 因為比的是速度和準確度.
應用層仍存較大市場空間和投資機會
'人工智慧領域對創業者要求非常高. 很多是全球頂尖高校院所學術背景較強的技術大牛, 或出身國內產業巨頭的有技術背景連續創業的老司機. ' 謝作強說, 而且對投資人的要求也非常高, 需要專註該領域的投資人有一定的技術知識儲備, 並要能與技術來源 (科研院所, 高校) 和應用產業 (產業投資方或顧問) 進行良好合作.
盛世方舟從接觸的1000多個人工智慧項目中, 篩選出200多個進行了跟進研究, 其中基礎層項目 (包括計算晶片, 大數據, 存儲) 僅佔比1%, 技術層項目 (包括演算法平台, 映像識別, 自然語言識別處理, 智能機器人等) 佔比24%, 應用層項目 (包括無人駕駛, 工業4.0, 智能安防和智慧醫療等) 佔比75%. 應用層行業上看, 醫療, 教育, 汽車, 營銷領域的項目較為突出.
盛世方舟分析, 從投資機會而言, 國內人工智慧基礎層缺乏重大原創科研成果, 基礎層投資缺乏有競爭力的技術和人才, 是國家戰略應當搶奪的地盤. 而技術層即將進入產業整合階段, 核心在於創始團隊的技術實力和創新能力, 當中存在可能性和機遇. 應用層因國內巨大的人口和市場優勢, 以大數據收集為基礎的醫療, 教育, 消費, 營銷等垂直行業尚未出現人工智慧領域的行業龍頭, 存在較大的市場發展空間和投資機會.
目前, 海內外人工智慧項目仍以初創企業為主, 技術層已積聚一定競爭優勢, 行業垂直應用尚未完全爆發, 傳統企業應藉助自身積累的數據和資源優勢, 通過投資和併購提前布局人工智慧, 將有助於為企業自身發展注入新的活力. 謝作強建議: '產業資本前期可以以小額投資為主, 搶先完成產業鏈上下遊布局; 在適當的時機, 可選擇併購優質標的, 鞏固企業自身在人工智慧應用領域的優勢. '
的確, 人工智慧的崛起帶來了許多的投資機會, 但在源碼資本投資合伙人, 前微軟亞洲工程院院長張宏江看來, 其中也有許多投資陷阱. 例如, 中國有上千家做機器人, 映像處理數據的公司, 還包括做人臉識別, 自動駕駛的, 顯然已不需要再增加這樣的公司, 而且投資時也要思考其技術的領先到底能否持續. '再就是公司能不能持續獲得數據, 這對於競爭非常重要, 只有演算法和技術是很難形成持續的商業模式的. ' 張宏江說.