近日，機器學(xué)習(xí)與金融風(fēng)險投資機構(gòu) DCVC 的合伙人 Bradford 寫的一篇博客在國外引起了極大的關(guān)注，他認(rèn)為 2017 年人工智能領(lǐng)域內(nèi)的創(chuàng)業(yè)將會發(fā)生 5 大變化。這篇文章也許能為投資者提供一些洞見。

　　Bot 公司將破產(chǎn)；深度學(xué)習(xí)商品化；人工智能成為風(fēng)險投資的「清潔科技」翻版；MLaaS 將陷入第二次停滯；全棧垂直人工智能創(chuàng)業(yè)公司有發(fā)展。

　　隨著對 AI 的狂熱追逐日趨放緩，2017 將是重新梳理的一年。純炒作趨勢將不攻自破。矛盾的是，小部分垂直型 AI 創(chuàng)業(yè)公司在滿足了相關(guān)專業(yè)知識、獨特數(shù)據(jù)和使用 AI 傳遞其核心價值觀的產(chǎn)品的需求之后，將解決全棧產(chǎn)業(yè)問題，因此 2017 同時又是取得突破性勝利的一年。

　　Bot 將陷入破產(chǎn)

　　過去一年升起了一股對 bot 的狂熱追逐。

　　在技術(shù)社區(qū)，當(dāng)談到機器人時，我們通常指的是軟件代理，且通過 4 個關(guān)鍵概念進(jìn)行定義，從而與任意程序（arbitrary programs）代理、環(huán)境反應(yīng)（reacTIon to the environment）代理、自主（autonomy）代理、目標(biāo)導(dǎo)向和持續(xù)性的代理進(jìn)行區(qū)分。

　　業(yè)界盜用了原指任何形式的業(yè)務(wù)流程自動化的術(shù)語「bot」，并創(chuàng)造了新術(shù)語 RPA——機器人流程自動化。

　　當(dāng)然，業(yè)務(wù)流程自動化將會在未來的幾十年內(nèi)持續(xù)發(fā)揮作用，如今表現(xiàn)為「bot」（包含語音和聊天功能的對話式界面）的機器人狂熱將在 2017 年開始冷卻。原因如下：

　　消費互聯(lián)網(wǎng)領(lǐng)域內(nèi)的社會化與個性化之爭提供了一個很好的借鑒。最后勝出的是個性化平臺 Facebook，同時也是一個社交平臺。人們依然喜歡在大多數(shù)事情上與人交流，我猜測許多 chatbot 將采用與非社交媒體平臺相同的方式，試圖在沒有社交策略的情況下押注個性化。圍繞著 bot 的很多思考是膚淺的功利主義，缺少社交智能來辨識人們之間相互交流所滿足的人類需求。由于這個原因，大多數(shù) bot 很難留住用戶，即使在一開始吸引了他們。

　　全球通訊 App 的大爆發(fā)，比如 Slack 的崛起和中國的微博等特定社交平臺的成功釋放了很多誤導(dǎo)性信號。很多人據(jù)此推斷并押注諸如 AI 驅(qū)動的數(shù)字個人助手等平臺。根據(jù)第一條，這些社交平臺正在解決人們的功利與情感需求。但據(jù)此推斷可以將其應(yīng)用于純功利的 AI chatbot 上，這尚不明了。

　　相比于其他更可視化的解決方案，會話式界面在完成任務(wù)方面不總是那么有效。會話式界面很有趣，并在在 HCI 社區(qū)中已存在了幾十年。在一些應(yīng)用中會話式界面表現(xiàn)絕佳，但是在現(xiàn)實中，我認(rèn)為有做事效率跟高的界面可用于絕大多數(shù)應(yīng)用。

　　注意，我并沒有說過 AI 還不夠好。像 siri 等大多數(shù)系統(tǒng)存在的更多問題是執(zhí)行欠佳。我們用現(xiàn)代技術(shù)打造了很多有趣的機器人界面，隨之我心中出現(xiàn)了一個更大的問題：機器人并不清楚我們想使用它們。

　　深度學(xué)習(xí)商品化

　　現(xiàn)在深度學(xué)習(xí)非常盛行。對于那些不了解其他 AI 術(shù)語的人來講，深度學(xué)習(xí)是機器學(xué)習(xí)的一部分，機器學(xué)習(xí)是人工智能的一部分。深度學(xué)習(xí)并不是一個新鮮事物，它只是一系列為很多重要問題提供了最好的答案的很酷工作，人們可以正確地從中受益。

　　深度學(xué)習(xí)初創(chuàng)公司已經(jīng)取代了 5 年之前的 iOS 移動應(yīng)用創(chuàng)業(yè)公司。許多公司都為深度學(xué)習(xí)的能力感到意外，尤其是產(chǎn)生優(yōu)越成果并解決新問題的計算機視覺。結(jié)果，我們看到了谷歌、Facebook、推特、Uber、微軟和 Salesforce 積極采取并購策略填補空缺。

　　因此，如果深度學(xué)習(xí)如此重要并高受追捧，為什么我認(rèn)為它今年會商品化？原因在于 2016 NIPS 會議及其他所有會議。很明顯深度學(xué)習(xí)現(xiàn)在無處不在，在這方面有很多畢業(yè)生。4 年之前的情景卻大不相同。如今，市場已經(jīng)作出調(diào)整以創(chuàng)造更多的人才供給。

　　現(xiàn)在，我要對上述所言做一個清晰的聲明。我認(rèn)為今年在機器學(xué)習(xí)人群中，深度學(xué)習(xí)會成為更大的社區(qū)，但是我并沒有說機器學(xué)習(xí)本身會商品化。機器學(xué)習(xí)人才依然炙手可熱。我們在過去幾年中看到的深度學(xué)習(xí)初創(chuàng)公司被收購而帶來的收益，將在第二層技術(shù)公司和外部技術(shù)公司（如底特律的公司）完成目前的收購浪潮后崩潰。我預(yù)計今年一群數(shù)量穩(wěn)定的遲到者將會帶著傻錢進(jìn)入，但此后我們也許看到并購浪潮開始放緩。

　　人工智能成為風(fēng)險投資的「清潔科技」翻版

　　讓我們回想一下最近「清潔科技」公司破產(chǎn)的主要原因，這同樣適用于人工智能。

　　清潔技術(shù)不是一個市場。它是一個交叉問題。氣候變化和可持續(xù)發(fā)展是非常嚴(yán)肅的問題，絕對值得人們作為事業(yè)和盈利性業(yè)務(wù)認(rèn)真對待。交叉問題并不是一個生意，生意是提供產(chǎn)品或服務(wù)，消費者想要買。特斯拉和 Solar City 無疑是清潔科技領(lǐng)域的成功案例，但需要注意的是它們是全棧生意——分別是一個汽車公司和一個太陽能公司。所以當(dāng)一個包含有清潔技術(shù)元素的全棧公司向真實市場出售真實產(chǎn)品時，這是可行的，但純粹為了自身目的的清潔技術(shù)并不奏效。因為它無法滿足消費者需求。偉大的商業(yè)皆以滿足消費者需求為起點。偉大的使命性商業(yè)從由消費者需求定義的愿景開始，并包含有充分滿足需求的任務(wù)。一個具有社會使命卻沒有滿足消費者需求愿景的組織最多是一個還算有效的慈善組織。偉大的商業(yè)把消費者需求放在第一位，而不是交叉的科技趨勢，即使它是有使命感的。

　　綠色能源不是一個市場，但能源是。太陽能由于經(jīng)濟化運作，成為了市場第一，并且快速增長。當(dāng)巴菲特和馬斯克就這一市場競爭時，很可能表明這是一樁好生意。雙方都將可持續(xù)發(fā)展看作一項使命，但同時又理解只有將其看作一項生意并把消費者放在優(yōu)先位置，這樣才有意義。只有在滿足消費者和被雇傭者需求的服務(wù)中，使命才能被完成。沒有沒一個帶有可持續(xù)發(fā)展使命結(jié)果卻沒有持續(xù)的商業(yè)更諷刺的了。

　　自我重視并拯救世界的心態(tài)。在清潔技術(shù)之中充斥著典型的自大自傲的技術(shù)狂熱特點。在過去人工智能發(fā)展的兩年中，我們開始看到自我擴張的人工智能倫理委員會，以及討論機器取代所有工作我們怎么辦等諸如此類的人們。正因為我們在致力于一項至關(guān)重要的事，在人工智能圈工作的人有責(zé)任去引領(lǐng)人類發(fā)展進(jìn)程才是該有的態(tài)度。驕傲自大使人們看不到這個事實：他們深陷這樣一個回聲室，其中大家關(guān)心的是技術(shù)趨勢而不是消費者需求和商業(yè)經(jīng)濟。正是這個有害的現(xiàn)實扭曲場力把很多聰明但自我感覺重要的人帶進(jìn)了即將發(fā)生的網(wǎng)絡(luò)末日之中。

　　清潔技術(shù)和人工智能都是深刻的技術(shù)問題。經(jīng)常被消費互聯(lián)網(wǎng)和瑣碎的 SaaS 服務(wù)灌輸思想的創(chuàng)業(yè)與風(fēng)投社區(qū)逐漸難以評估深度技術(shù)領(lǐng)域內(nèi)的投資機遇。在前文概述的自傲狀態(tài)的驅(qū)使下，讀了篇博文、聽了幾句只言片語之后就一頭扎了進(jìn)去。Linked 上的檔案隨機更新，一個臨時專家的時代來臨。

　　那么，這是如何發(fā)生的呢？

　　我有一個理論，經(jīng)濟的信息時代從根本上改變了我們在人類歷史上經(jīng)歷的狂熱-恐怖的循環(huán)周期。作為一個前對沖基金從業(yè)人員，我閱讀了有關(guān)金融歷史和市場心理學(xué)的所有名著。探索事情是如何自 90 年代中期朝著不同方向進(jìn)展很有趣。我認(rèn)為社交活動和線上信息擴展的急劇增長創(chuàng)造了一種 self-heisenberging 效應(yīng)，在商業(yè)周期還沒開始之前就將其推到其面前。消費者互聯(lián)網(wǎng)是一個巨大的例證，就在實體經(jīng)濟剛開始的時候，90 年代的預(yù)狂熱導(dǎo)致了 2000 年的大崩盤。兩年后的 2002 年，谷歌，一家注冊于 1998 年的公司，在經(jīng)濟谷底期雇傭了所有的人才，并且定義了消費者互聯(lián)網(wǎng)真實的商業(yè)周期。

　　在連線雜志宣布清潔科技死亡的 4 年里，太陽能一直是最環(huán)保最廉價的能源資源。馬斯克和巴菲特都很熱衷它。特斯拉和 Solar City 成為了一個全棧清潔技術(shù)帝國。因此我認(rèn)為我們正處在對人工智能創(chuàng)業(yè)公司狂熱的前夕。我看到的絕大多數(shù)正以人工智能創(chuàng)業(yè)公司 10 年來一直失敗的同樣方式走向失敗。這是一個由有人工智能創(chuàng)業(yè)公司 10 余年經(jīng)驗的人組成的一個小社區(qū)。

　　這群處在狂熱期前夕最頂端的人正在重蹈清潔技術(shù)之覆轍。他們眼里只有人工智能，而沒有消費者需求。

　　現(xiàn)在的人工智能創(chuàng)業(yè)公司絕大多數(shù)是釘釘子的錘子。在接下來的 1-2 年內(nèi)這會變的越發(fā)明顯。大公司精疲力竭，并減少了對人工智能人才的需求，就像他們對移動應(yīng)用開發(fā)商所做的那樣。我猜想我們開始看到創(chuàng)始人和風(fēng)投者意識到一些東西在落幕。在這一點上，我將在 linkedin 上更少聽到在過去的 1 年中決定加入人工智能創(chuàng)業(yè)公司的聲音。

　　MLaaS將陷入第二次停滯

　　將機器學(xué)習(xí)打造成一個服務(wù)是我們近十年來就一直在考慮的一個想法，然而這個想法卻一直遭到挫折。

　　這個想法之所以不管用，是因為知道機器學(xué)習(xí)在干什么的人只是在使用開源代碼，而不知道的人怎么都做不到，即使使用 API。許多聰明的朋友都陷入了這種困境。一些人被大公司所獲得來增強機器學(xué)習(xí)團隊（IBM 的 Alchemy API、英特爾的 Saffron 、Salesforce 的 Metamind 等）。然而，建立 API 功能背后的機器學(xué)習(xí)模型所帶來的熱錢仍然吸引著大批開發(fā)者。

　　亞馬遜、谷歌和微軟都試圖通過出售 MLaaS 層作為他們云戰(zhàn)略的一個組成部分。我還沒有看到創(chuàng)業(yè)公司或大公司使用這些 API，但我看到了很多的人工智能應(yīng)用，所以不太可能是因為我觀察到的樣本量太小的緣故。

　　來自大型云服務(wù)提供商的服務(wù)，其結(jié)局會和創(chuàng)業(yè)公司的情況一樣，因為今年他們的情況搖擺不定。

　　云服務(wù)提供商會留下這些服務(wù)項目，但是不會再在這上面掙大錢，MLaaS 創(chuàng)業(yè)公司會在今年開始迎接末日，因為增長情況的搖擺不懂，也沒有胃口再翻番了。

　　這里有一個 Lvery 實踐問題； MLaaS 解決方案沒有客戶細(xì)分——他們既為有能力（機器學(xué)習(xí)能力）的客戶細(xì)分服務(wù)，也為沒有機器學(xué)習(xí)能力的客戶細(xì)分服務(wù)。

　　就匹配的細(xì)分來說：你需要機器學(xué)習(xí)人員幫忙打造真的產(chǎn)品機器學(xué)習(xí)模型，因為很好地訓(xùn)練和調(diào)試這些東西很難，而且，這也需要綜合地了解理論和實踐。這些機器學(xué)習(xí)人員趨于使用由 MLaaS 服務(wù)商提供的相同的開源工具。因此，這就淘汰了有機器學(xué)習(xí)能力的客戶細(xì)分了。

　　沒機器學(xué)習(xí)能力的客戶細(xì)分：沒有機器學(xué)習(xí)能力的細(xì)分客戶不會通過使用 API 讓機器學(xué)習(xí)運行。他們購買應(yīng)用，解決更高層面的問題。機器學(xué)習(xí)不過是如何解決問題的一部分。在公司內(nèi)部做機器學(xué)習(xí)的技術(shù)能力很難提上來，而且找到「數(shù)據(jù)產(chǎn)品」人才幫你找到問題并做出機器學(xué)習(xí)解決方案更難。沒機器學(xué)習(xí)能力的客戶細(xì)分包括科技公司之外，需要建立強大的機器學(xué)習(xí)與數(shù)據(jù)產(chǎn)品團隊的任何公司。是的，這意味著全球所有的產(chǎn)業(yè)，是相當(dāng)大的一個細(xì)分。如果你認(rèn)同「software is eaTIng the world」理論，那也就意味著全球所有的公司或多或少都會是科技公司。同樣，也是數(shù)據(jù)公司。在頂級的科技公司與頂級的非科技公司之間已經(jīng)有了很大的差距。在數(shù)據(jù)競爭力時代，這個差距會更大。

　　全棧式垂直人工智能創(chuàng)業(yè)公司有發(fā)展

　　在人工智能上，我已經(jīng)干了 20 多年，其中有近 10 年是在硅谷創(chuàng)建人工智能初創(chuàng)公司。我是 DCVC（注重風(fēng)險投資的人工智能與數(shù)據(jù)公司）的聯(lián)合創(chuàng)始人，我的經(jīng)歷使我對全棧式垂直人工智能應(yīng)用既激動又冷靜的看待。

　　我激動是因為我認(rèn)為每個產(chǎn)業(yè)都會被人工智能轉(zhuǎn)變，冷靜是因為低層的基于任務(wù)的人工智能能更快的商品化。我認(rèn)為如果你并未解決足夠高級的全棧式問題，你就會陷入低級人工智能服務(wù)的商品世界，最終由于缺乏動力而被收購或慢性死亡。

　　垂直人工智能創(chuàng)業(yè)解決全棧式產(chǎn)業(yè)問題需要與主題相關(guān)的專業(yè)知識、獨特的數(shù)據(jù)和使用人工智能傳遞其核心價值的產(chǎn)品。雖然大部分機器學(xué)習(xí)人才為消費型互聯(lián)網(wǎng)巨頭以及相關(guān)的科技公司工作，但大多數(shù)的問題都潛伏在科技產(chǎn)業(yè)外的主要產(chǎn)業(yè)中。如果你認(rèn)同「software is eaTIng the world」的假設(shè)，那每個產(chǎn)業(yè)中的每家公司都要變成科技公司了。

　　專注于垂直領(lǐng)域，你可以發(fā)現(xiàn)與人工智能非常吻合的高層級的消費需求，或者沒有人工智能無法得到的新需求。這些都是極好的商業(yè)機遇，但需要極大的商業(yè)悟性和專業(yè)知識。一般而言，大部分人工智能創(chuàng)業(yè)者要么沒有，要么意識不到，要么不夠謙遜，把商業(yè)與專業(yè)知識的需求帶入全棧之中（mov up the stack 或 go full stack）。

　　新的全棧垂直人工智能創(chuàng)業(yè)公司突然出現(xiàn)在了金融服務(wù)、生命科學(xué)、醫(yī)療、能源、交通、重工、農(nóng)業(yè)、材料等領(lǐng)域。在擁有的數(shù)據(jù)、機器學(xué)習(xí)模型的支持下，這些創(chuàng)業(yè)公司將會解決高級別的領(lǐng)域內(nèi)問題。2017 年至 2018 間，其中一些公司的會計收益率將達(dá)到 1 千萬美元。這些全棧式人工智能創(chuàng)業(yè)公司可能會成為「清潔科技」領(lǐng)域的特斯拉和 Solar City。