人工智能時代剛剛到來，該領域的各種創(chuàng)業(yè)機會還處在相對早期的發(fā)展階段。未來四五年對于人工智能時代的意義，和二十世紀七八十年代年代對于PC時代的意義相比，絕對毫不遜色。幾乎可以預言，如果人工智能時代也會出現(xiàn)蘋果、微軟、Google、百度、阿里、騰訊等偉大公司的話，那么，這些公司一定會有相當數(shù)量是在這四五年內(nèi)創(chuàng)立。

因為資本、人才和市場三位一體的優(yōu)勢，美國的人工智能初創(chuàng)企業(yè)不僅數(shù)量最多，而且質(zhì)量最高,類型最為齊全。從舊金山到硅谷，從西雅圖到紐約，在AI芯片、AI平臺、自動駕駛、智慧金融、智能醫(yī)療、機器人、智能物聯(lián)網(wǎng)、智能教育、智能客服等領域里創(chuàng)業(yè)的公司數(shù)不勝數(shù)。

英國是另一個人工智能創(chuàng)業(yè)的樂園，研發(fā)AlphaGo的DeepMind就是一大批英國AI創(chuàng)業(yè)明星中的代表。2017年1月，我(李開復)和倫敦市長Sadiq Aman Khan討論英國人工智能創(chuàng)業(yè)氛圍時了解到，英國之所以在人工智能創(chuàng)業(yè)領域獨具特色，主要是因為英國有足夠優(yōu)秀的人工智能科學家，在科研領域處于世界頂尖水平，但在資本、市場等大環(huán)境上，英國仍無法與美國相比，這是包括DeepMind在內(nèi)的許多英國創(chuàng)業(yè)團隊都被美國公司收購的原因。Sadiq Aman Khan認為，英國應當加強自己的資本生態(tài)系統(tǒng)(英國支持科技創(chuàng)新的資本總量比美國、中國還是差了不少)，同時需要讓本土技術能更快走向美國、中國等更大的市場。

加拿大是人工智能創(chuàng)業(yè)的“科研型孵化器”。深度學習三巨頭中， Geoffrey Hinton和Yoshua Bengio都在加拿大的大學教書，這直接促成了加拿大極為出色的人工智能研究氛圍。大批人工智能方向的優(yōu)秀學生從加拿大的大學畢業(yè)。他們中的相當一部分都“南下”美國工作或創(chuàng)業(yè)，但也有不少人選擇在加拿大開始他們的創(chuàng)業(yè)歷程。2016年10月，Yoshua Bengio啟動了一個名叫Element AI的創(chuàng)業(yè)孵化項目，專注于深度學習技術研發(fā)，幫助蒙特利爾大學和麥吉爾大學的人工智能研究項目建立初創(chuàng)公司。Yoshua Bengio說，“我將努力在蒙特利爾大學建立一個‘人工智能’生態(tài)。”

圖1 按季度統(tǒng)計的AI初創(chuàng)公司被收購和并購的數(shù)量

中國的人工智能創(chuàng)業(yè)幾乎與世界同步。根據(jù)《烏鎮(zhèn)指數(shù)：全球人工智能發(fā)展報告2016》的統(tǒng)計：人工智能領域，美國與歐洲投資較為密集，數(shù)量較多，其次為中國、印度、以色列。美國共獲得3450多筆投資，位列全球第一，英國獲得274筆投資，位列第二，中國則以146筆投資位列第三。美國人工智能企業(yè)總數(shù)為2905家，全球第一。僅加州的舊金山/灣區(qū)、大洛杉磯地區(qū)兩地的企業(yè)數(shù)量即達到1155家，占全球的19.13%。中國人工智能企業(yè)數(shù)量雖不及美國，但在北京、上海、深圳三大城市，也集中了一批高質(zhì)量的人工智能團隊。北京、上海、深圳的AI企業(yè)數(shù)量占全球總數(shù)的7.4%，在東亞地區(qū)位列前三。其中，北京的AI企業(yè)就有242家。

人工智能的商業(yè)化路線圖

本質(zhì)上，過去二十年的互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)是一個不斷將線上、線下的業(yè)務場景緊密連接，同時也不斷促使數(shù)據(jù)產(chǎn)生、流轉(zhuǎn)、集中和再利用的過程。如果把世界看成一個大市場，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的作用就是讓這個大市場中的信息更透明，讓信息流通更順暢，以此降低交易成本，消除信息不對稱。

但在知識、數(shù)據(jù)的積累達到了一個頂峰，業(yè)務流程也因為信息的高效流轉(zhuǎn)而舒暢連接到一起后，如何進一步提高生產(chǎn)率，降低業(yè)務成本，提升業(yè)務收入呢?我們認為，下一次生產(chǎn)率革命的關鍵是“自動化”，而人工智能正是幫助現(xiàn)有流程實現(xiàn)自動化的最好工具。

從投資人的角度看，AI興起的最大契機還不是深度學習技術的發(fā)明，而是過去20年互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的高速發(fā)展對自動化的強烈需求。有了這個需求，有了成熟的業(yè)務流程和高質(zhì)量的大數(shù)據(jù)，深度學習技術的突破就是“萬事俱備、只欠東風”的事了。

所以，戰(zhàn)略方面，我們絲毫不用擔心AI能否落地、能否商業(yè)化。Google、Facebook、百度等互聯(lián)網(wǎng)巨頭的搜索和廣告業(yè)務本質(zhì)上就是機器學習驅(qū)動的，而且早已被證明是成功的。我們需要關心的，只是人工智能在接下來的時間內(nèi)，以何種趨勢、何種方式在其他領域落地的問題。

創(chuàng)新工場管理合伙人，資深投資人汪華認為，人工智能的商業(yè)化大致可分為三個主要階段：

第一階段，AI會率先在那些在線化程度高的行業(yè)開始應用，在數(shù)據(jù)端、媒體端實現(xiàn)自動化。這一過程會首先從線上“虛擬世界”開始，隨著在線化的發(fā)展擴張到各行業(yè)，幫助線上業(yè)務實現(xiàn)流程自動化、數(shù)據(jù)自動化、業(yè)務自動化。

互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的發(fā)展已經(jīng)在許多領域為AI做好了業(yè)務流程和數(shù)據(jù)上的準備。擁有高質(zhì)量線上大數(shù)據(jù)的行業(yè)會最早進入人工智能時代。例如，大家常說金融行業(yè)是目前人工智能應用的熱點，這正是因為金融行業(yè)特別是互聯(lián)網(wǎng)金融已經(jīng)做好了使用AI的準備。此外，美團等公司將餐飲服務與線上業(yè)務連接了起來，滴滴、摩拜單車等公司將交通出行與線上業(yè)務連接了起來，在這些擁有線上業(yè)務流程和高質(zhì)量數(shù)據(jù)積累的地方，AI同樣開始發(fā)揮作用，大幅提高線上業(yè)務的自動化程度。

第二階段，隨著感知技術、傳感器和機器人技術的發(fā)展，AI會延伸到實體世界，并率先在專業(yè)領域、行業(yè)應用、生產(chǎn)力端實現(xiàn)線下業(yè)務的自動化。

可以感知實體世界信息的傳感器和相關的感知技術會越來越成熟、越來越便宜。在線下業(yè)務中，計算機系統(tǒng)可以通過物理方式，接受線下信息或幫助完成線下操作。這個轉(zhuǎn)變意味著人工智能從線上的“虛擬世界”走進了線下的實體世界。這個階段，人工智能的商業(yè)化會首先從生產(chǎn)力的角度切入，整個世界的生產(chǎn)制造會逐漸被AI滲透。工業(yè)機器人、倉儲機器人、物流機器人等將在這個階段實現(xiàn)大范圍的普及。

第三階段，當成本技術進一步成熟，AI會延伸到個人場景，全面自動化的時代終將到來。

隨著技術日趨成熟，相關的智能產(chǎn)品價格大幅下降，AI終將從企業(yè)應用進入個人和家庭。那時，每個人的工作和生活中，大量的應用場景都會因為AI的幫助而更加自動化、更有效率，人類的生活質(zhì)量終將因AI普及而大幅提升。這個階段里，AI商業(yè)化的核心目標是創(chuàng)建全面自動化的人類生活方式。

根據(jù)汪華的判斷，我們目前正在進入AI商業(yè)化的第一個階段，也許只需要三年左右的時間，AI就可以在各種在線業(yè)務中得到普及。AI商業(yè)化的第二個階段，大概要花五六年、六七年左右的時間才能充分發(fā)展起來。而標志著全面自動化的第三階段，也許需要十幾年或更長的時間。

就各垂直領域具體來說，人工智能在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)領域的應用，如搜索引擎、廣告推薦等已經(jīng)非常成熟。在商業(yè)自動化、語音識別、機器視覺、手勢識別、基礎傳感器、工業(yè)機器人等方面，人工智能可以立即應用，立即收效。

圖2 創(chuàng)新工場在人工智能領域的投資布局

金融類人工智能的應用雖然已經(jīng)起步，但尚需一段時間才能真正普及。智能教育、智能醫(yī)療、AR/VR中的人工智能、量產(chǎn)的傳感器、商業(yè)用機器人等，預計會在三到五年內(nèi)成熟可用。

可以供普通技術人員乃至非技術人員使用的人工智能平臺(包括計算架構、算法框架、傳感平臺、云服務等等)，大約會在三到五年后趨于成熟并擁有足夠大的商業(yè)機會。

通用的自然語言對話工具、智能助手、普及型的家用機器人等，則至少需要十年左右甚至更長的時間，才有可能完成商業(yè)化。

另外，在自動駕駛領域，三到五年內(nèi)，必將是第二級到第三級的輔助駕駛最先大規(guī)模商用，而且，鑒于安全考慮，這些自動駕駛應用也會是限定場景、限定道路等級的。真正意義上的“無人駕駛”，即第四級或第五級的自動駕駛，大概還需要五到十年，才能上路運行。

AI創(chuàng)業(yè)的泡沫現(xiàn)象及六大挑戰(zhàn)

當然，看到人工智能創(chuàng)業(yè)機遇的同時，我們也必須保持足夠清醒的頭腦。2016到2017年，人工智能的創(chuàng)業(yè)和投資明顯存在無序、失衡、過熱的情況。人們常常擔憂的泡沫現(xiàn)象的確存在。

看一看如星火燎原般在美國、中國、以色列等地建立的自動駕駛創(chuàng)業(yè)團隊吧，自動駕駛這個行業(yè)確實巨大，但真的需要那么多早期創(chuàng)業(yè)團隊嗎?要做一個第四級或第五級的自動駕駛，技術難度異常之大，非要投入巨資和最頂尖的研發(fā)人才不可。那么，這么多初創(chuàng)的自動駕駛團隊里，究竟有幾個是可以在自動駕駛普及的那一天幸存下來并成長為行業(yè)巨人的呢?

家用機器人的概念就更別提了。那么多號稱開始研發(fā)家用機器人的公司，如果是做亞馬遜Echo那樣的限定使用場景的智能家電還好說，如果上來就要做語言交流、人形外觀的機器人，那幾乎一定會因為技術水平無法達到人類用戶預期而走向失敗。這道理很好理解，越是長得像人的機器人，用戶就越是會用人的標準去衡量、評價它，希望越大，失望也就越大。

語音和自然語言處理方面的創(chuàng)業(yè)也有類似問題。今天的語音識別雖然做得相當不錯，但機器的能力僅限于感知領域，只能完成聽寫這種以轉(zhuǎn)錄為主的任務。也就是說，機器目前只能很有效地將語音轉(zhuǎn)換為文字，但根本無法直接理解文字的含義。只有限定一個非常特定的領域，技術才能解決問題，如果要求自然語言處理算法支持通用的人機對話，那就不切實際了。目前有許多從事智能客服、智能聊天機器人創(chuàng)業(yè)的團隊，這些團隊如果不善于界定問題領域，就很容易將需求問題變復雜，以至于人工智能技術也愛莫能助。

基于人臉識別技術的身份認證、安防類應用是中國人工智能創(chuàng)業(yè)的特色領域，并已經(jīng)產(chǎn)生了至少四家獨角獸或接近獨角獸規(guī)模的創(chuàng)業(yè)公司。但這個領域的市場空間絕對不會像自動駕駛那么寬廣，目前二三十家公司都要削尖腦袋擠進人臉識別市場的情況顯然是過熱了。

基于人工智能的輔助醫(yī)療診斷剛剛起步，就出現(xiàn)了一大批瞄準這一方向的創(chuàng)業(yè)公司。但只要是熟悉醫(yī)療行業(yè)的人都很清楚，在這個行業(yè)里，要得到閉環(huán)的、有標注的、數(shù)據(jù)量足以發(fā)揮深度學習效能的醫(yī)療大數(shù)據(jù)，其難度遠超普通人的想象。沒有符合要求的醫(yī)療數(shù)據(jù)，人工智能又該從何談起?所以，在智能醫(yī)療領域，今后可以成功的初創(chuàng)公司，一定是那些既懂人工智能算法，又特別了解醫(yī)療行業(yè)，可以收集到高質(zhì)量醫(yī)療數(shù)據(jù)的公司。

概括來說，目前的人工智能產(chǎn)業(yè)發(fā)展面臨六大挑戰(zhàn)：

一、前沿科研與產(chǎn)業(yè)實踐尚未緊密銜接：除少數(shù)垂直領域憑借多年大數(shù)據(jù)積累和業(yè)務流程優(yōu)化經(jīng)驗，已催生出營銷、風控、智能投顧、安防等人工智能技術可直接落地的應用場景外，大多數(shù)傳統(tǒng)行業(yè)的業(yè)務需求與人工智能的前沿科技成果之間尚存在不小距離。面向普通消費者的移動互聯(lián)網(wǎng)應用與人工智能技術之間的結合尚處在探索階段?？茖W家和研究者所習慣的學術語境，與創(chuàng)業(yè)者和工程師所習慣的產(chǎn)品語境之間還無法快速銜接。

二、人才缺口巨大，人才結構失衡：據(jù)LinkedIn統(tǒng)計，全球目前擁有約 25 萬名人工智能專業(yè)人才，其中美國約占三分之一。這一數(shù)量級的人才儲備遠無法滿足未來幾年中人工智能在垂直領域及消費者市場快速、穩(wěn)健增長的宏觀需求。人才供需矛盾顯著，高級算法工程師、研究員和科學家的身價持續(xù)走高。人才結構方面，高端人才、中堅力量和基礎人才間的數(shù)量比例遠未達到最優(yōu)。

三、數(shù)據(jù)孤島化和碎片化問題明顯：數(shù)據(jù)隱私、數(shù)據(jù)安全對人工智能技術建立跨行業(yè)、跨領域的大數(shù)據(jù)模型提出了政策、法規(guī)與監(jiān)管方面的要求。各垂直領域的從業(yè)者從商業(yè)利益出發(fā)，也為數(shù)據(jù)的共享和流轉(zhuǎn)限定了基本的規(guī)則和邊界。此外，許多傳統(tǒng)行業(yè)的數(shù)據(jù)積累在規(guī)范程度和流轉(zhuǎn)效率上還遠未達到可充分發(fā)揮人工智能技術潛能的程度。

四、可復用和標準化的技術框架、平臺、工具、服務尚未成熟：雖然TensorFlow、Caffe、MXNet等深度學習框架已被數(shù)以萬計的研發(fā)團隊采納，相關開源項目的數(shù)量也在飛速增加，但一個完整人工智能生態(tài)所必備的，從芯片、總線、平臺、架構到框架、應用模型、測評工具、可視化工具、云服務的模塊化與標準化工作，尚需三年或更長時間才能真正成熟。

五、一些領域存在超前發(fā)展、盲目投資等問題：目前的人工智能技術只有在限定問題邊界、規(guī)范使用場景、擁有大數(shù)據(jù)支持的領域才能發(fā)揮最大效能。但創(chuàng)投界存在盲目追捧，不顧領域自身發(fā)展程度，或利用人工智能來包裝概念等現(xiàn)象。由此產(chǎn)生的盲目創(chuàng)業(yè)和投資問題雖非主流，但仍有可能傷害整個行業(yè)的健康發(fā)展。

六、創(chuàng)業(yè)難度相對較高，早期創(chuàng)業(yè)團隊需要更多支持：與互聯(lián)網(wǎng)時代、移動互聯(lián)網(wǎng)時代的創(chuàng)業(yè)相比，人工智能創(chuàng)業(yè)團隊面臨諸多新的挑戰(zhàn)。例如，對高級人才較為依賴，科學家創(chuàng)業(yè)者自身的商業(yè)實踐經(jīng)驗較少，高質(zhì)量大數(shù)據(jù)較難獲得，深度學習計算單元和計算集群的價格十分昂貴等。

既是時代“風口”，又有“泡沫”干擾——這是人工智能創(chuàng)業(yè)在今天的主旋律。

就像過去二十年互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的商業(yè)化所走過的歷程一樣，人工智能的商業(yè)化會以自己的節(jié)奏，分階段、分步驟滲透到人類生產(chǎn)、生活的方方面面。而且，AI對整個社會的改變，可能比過去二十年互聯(lián)網(wǎng)革命所帶來的改變要大得多。能否準確把握AI商業(yè)化的脈絡，是AI時代的創(chuàng)業(yè)能否站在“風口”上的關鍵。