林偉萍

作為資本市場(chǎng)上的“網(wǎng)紅”， AI（人工智能）吸引無(wú)數(shù)資本蜂擁而至；但在魚龍混雜的AI項(xiàng)目背后，如何挑選出優(yōu)質(zhì)且有前景的項(xiàng)目考驗(yàn)著每位投資者的能力。

本周《紅周刊》記者專訪了星瀚資本創(chuàng)始人楊歌。在他看來，目前AI技術(shù)還沒有找到足夠多且合適的應(yīng)用場(chǎng)景，未來5～10年隨著AI技術(shù)進(jìn)一步成熟，其有望率先在量化金融、物流倉(cāng)儲(chǔ)大數(shù)據(jù)等to B領(lǐng)域爆發(fā)。他表示，在挑選AI投資項(xiàng)目時(shí)，公司數(shù)據(jù)量是否足夠豐富與結(jié)構(gòu)化；算法工程師對(duì)AI算法的理解是否到位；公司團(tuán)隊(duì)領(lǐng)導(dǎo)人在AI領(lǐng)域是否擁有話語(yǔ)權(quán)等，都是評(píng)判AI公司實(shí)力強(qiáng)弱的重要因素。

而二級(jí)市場(chǎng)上，在AI應(yīng)用上先人一步的智能音箱板塊本周逆勢(shì)上揚(yáng)，其中表現(xiàn)最出色的信維通信周漲幅達(dá)11.95%。

AI將會(huì)在未來5～10年呈現(xiàn)出產(chǎn)品爆發(fā)的狀態(tài)

《紅周刊》：AI被認(rèn)為是互聯(lián)網(wǎng)之后的下一個(gè)風(fēng)口，近兩年一直是資本市場(chǎng)關(guān)注的熱點(diǎn)。您怎么看AI這個(gè)新風(fēng)口？

楊歌：AI其實(shí)并非新事物，在最近半個(gè)世紀(jì)已經(jīng)“火”過3次了，但此次AI再次爆發(fā)的背景與以往不同，AI的Gartner曲線是基于互聯(lián)網(wǎng)、電子商務(wù)、電子支付快速發(fā)展沉淀的大量垂直類數(shù)據(jù)、標(biāo)準(zhǔn)模塊數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)，比以往AI發(fā)展條件更為充分。

不過當(dāng)前就技術(shù)而言，人工智能NLP（神經(jīng)語(yǔ)言程序?qū)W）發(fā)展還不夠成熟。業(yè)內(nèi)將AI模塊層的圖像識(shí)別、語(yǔ)音識(shí)別、語(yǔ)義識(shí)別和運(yùn)動(dòng)機(jī)能識(shí)別四大領(lǐng)域戲稱為“四大名著”，因?yàn)樗拇箢I(lǐng)域都還沒有大規(guī)模落地，更多還是理論和嘗試階段。

以圖像識(shí)別為例，作為AI模塊層技術(shù)應(yīng)用最多的技術(shù)，圖像識(shí)別的適用性場(chǎng)景和魯棒性（Robust，也稱容錯(cuò)性或穩(wěn)定性）仍比較差。例如，智能駕駛就是通過對(duì)透過擋風(fēng)玻璃看到的場(chǎng)景，進(jìn)行圖像分析，然后做出汽車接下來該如何進(jìn)行駕駛，如何避開其他車輛以及行人等判斷。但這個(gè)過程中魯棒性不夠高的原因在于，即使智能駕駛能夠達(dá)到97%的避開行人的準(zhǔn)確率，但仍存在3%將發(fā)生沖撞行人的概率，那顯然當(dāng)前這種技術(shù)并不適合大規(guī)模推廣應(yīng)用，只能是輔助系統(tǒng)。

《紅周刊》：但按照您提出的“產(chǎn)業(yè)時(shí)鐘分析圖”，現(xiàn)在處于“產(chǎn)品為王”層面的AI，目前離大規(guī)模應(yīng)用爆發(fā)也似乎僅有“一步之遙”？

楊歌：可以這么理解，我把技術(shù)在推動(dòng)產(chǎn)業(yè)的過程中分為六個(gè)階段，即政策為王、技術(shù)為王、產(chǎn)品為王、模式為王、運(yùn)營(yíng)為王和資本為王。個(gè)人認(rèn)為，目前AI正處于技術(shù)研發(fā)期轉(zhuǎn)向產(chǎn)品探索期階段。

所謂的“產(chǎn)品為王”就是目前AI處于有技術(shù)，但是技術(shù)模型該如何構(gòu)建，技術(shù)該應(yīng)用在什么樣的產(chǎn)品上還不是很清晰。打個(gè)比喻，AI就好比一把萬(wàn)能扳手，但面對(duì)不同的螺絲釘，我們能否用這同一把扳手把它們?nèi)珨Q開呢？不少人擰了半天，發(fā)現(xiàn)還是用手?jǐn)Q很多螺絲釘更省力，這就是目前行業(yè)內(nèi)AI的發(fā)展現(xiàn)狀。

“模式為王”指的是，當(dāng)產(chǎn)品形態(tài)固定之后，產(chǎn)品模式是否足夠好。以互聯(lián)網(wǎng)為例，互聯(lián)網(wǎng)“產(chǎn)品為王”的階段在2000年～2005年，此時(shí)大家知道了互聯(lián)網(wǎng)，上網(wǎng)沖浪感覺也不錯(cuò)，但是互聯(lián)網(wǎng)怎么用才能產(chǎn)生巨大的經(jīng)濟(jì)價(jià)值，人們還處于摸索階段。2005年～2010年，互聯(lián)網(wǎng)開始進(jìn)入“模式為王”階段，人們已經(jīng)開始用互聯(lián)網(wǎng)搭建網(wǎng)站、平臺(tái)和產(chǎn)品，大量互聯(lián)網(wǎng)企業(yè)誕生并崛起。而隨著流量的進(jìn)入，人們慢慢摸索出互聯(lián)網(wǎng)數(shù)字迭代的方向，即用戶喜歡什么形式的消費(fèi)形態(tài)，互聯(lián)網(wǎng)在此時(shí)基本就成型了。AI目前還沒有到“互聯(lián)網(wǎng)2005年”的成型階段。不過，隨著NLP的成熟，AI將會(huì)在未來5～10年呈現(xiàn)出產(chǎn)品爆發(fā)的狀態(tài)。

《紅周刊》：就A股市場(chǎng)而言，海康威視、大華股份、科大訊飛等都是AI領(lǐng)域的龍頭企業(yè)，目前它們的AI技術(shù)發(fā)展和場(chǎng)景落地情況如何？

楊歌：從構(gòu)架來看，AI分為底層的基礎(chǔ)數(shù)學(xué)物理層（包括芯片、算法模型、數(shù)據(jù)存儲(chǔ)、結(jié)構(gòu)數(shù)據(jù)傳輸、算法框架等內(nèi)容），中間模塊層（包括上面提到的“四大名著”）和上層應(yīng)用層（智能駕駛、機(jī)器人等）。

科大訊飛和海康威視等企業(yè)都屬于AI中層模塊層技術(shù)應(yīng)用企業(yè)，如科大訊飛的語(yǔ)音識(shí)別技術(shù)、?？低暤囊曨l分析技術(shù)等，都屬于AI中層模塊層技術(shù)的應(yīng)用。在當(dāng)前AI技術(shù)從程序化走向應(yīng)用場(chǎng)景化的過渡時(shí)期，科大訊飛、?？敌l(wèi)視等所占據(jù)的都屬于應(yīng)用AI單模塊可以立竿見影的行業(yè)，市場(chǎng)前景相對(duì)比較好。相關(guān)企業(yè)通過在這些應(yīng)用場(chǎng)景里不斷試錯(cuò)，教育市場(chǎng)。比如?？低曂ㄟ^圖形分析、視頻捕捉和視頻分析來切入AI應(yīng)用市場(chǎng)，在道路交通、安防、視頻分析等領(lǐng)域應(yīng)用，并不斷在這些場(chǎng)景里面進(jìn)行試驗(yàn)。

不過，技術(shù)發(fā)展期的模塊層技術(shù)的應(yīng)用場(chǎng)景，相較于成熟后的技術(shù)應(yīng)用場(chǎng)景仍然存在一定的限制，因?yàn)楫?dāng)前模塊層技術(shù)應(yīng)用并不很“智能”和“靈活”，對(duì)于使用用戶來說仍需花費(fèi)很長(zhǎng)時(shí)間去學(xué)習(xí)相關(guān)技術(shù)，同時(shí)容錯(cuò)能力也不是很強(qiáng)。另外，應(yīng)用場(chǎng)景也多集中在單一的to B場(chǎng)景中應(yīng)用，在to C端應(yīng)用較少。

《紅周刊》：BAT作為中國(guó)的互聯(lián)網(wǎng)巨頭，在AI方面也正在積極布局。您如何看BAT在AI領(lǐng)域的投資和角力？

楊歌：BAT在AI領(lǐng)域大力布局都表現(xiàn)出了前瞻性。但目前還很難斷言三家在AI布局方面孰優(yōu)孰劣，三家的競(jìng)爭(zhēng)更多的仍聚焦在商業(yè)實(shí)力的對(duì)抗。如果從長(zhǎng)遠(yuǎn)角度來看，三家所擁有的數(shù)據(jù)類型，可能成為未來在AI發(fā)展方面拉開差距的重要影響因素。

大數(shù)據(jù)有三大類型：一是我們?cè)谖⒉?、抖音等上傳的圖片、視頻等內(nèi)容，這部分?jǐn)?shù)據(jù)在大數(shù)據(jù)中占比最多，同時(shí)也是噪音最大的數(shù)據(jù)，需要經(jīng)過大量的語(yǔ)義分析才能轉(zhuǎn)化成供AI分析使用的標(biāo)準(zhǔn)化數(shù)據(jù)。在這方面數(shù)據(jù)中，騰訊和百度是占據(jù)優(yōu)勢(shì)的。

第二類數(shù)據(jù)是交易類型的結(jié)構(gòu)化數(shù)據(jù)，這部分的積累開始于2005年電子商務(wù)的爆發(fā)，而隨著2015年滴滴和快的的合并，基本完成渠道數(shù)據(jù)累積。這部分?jǐn)?shù)據(jù)可以為各平臺(tái)提供更真實(shí)的用戶畫像，也是整個(gè)大數(shù)據(jù)優(yōu)勢(shì)的反轉(zhuǎn)點(diǎn)。在這一階段，隨著2010年阿里和京東的交易量不斷變大，在衣食住行方面產(chǎn)生大量的結(jié)構(gòu)性交易數(shù)據(jù)。第三類數(shù)據(jù)則是隨著智能硬件的崛起出現(xiàn)的各類數(shù)據(jù)。

投資者要去評(píng)判企業(yè)數(shù)據(jù)儲(chǔ)備情況，三類數(shù)據(jù)要綜合分析。其中是否擁有足夠豐富的結(jié)構(gòu)化數(shù)據(jù)，是否能夠刻畫出C端用戶畫像是評(píng)判企業(yè)大數(shù)據(jù)強(qiáng)弱的一個(gè)重要指標(biāo)。

適合投資的AI項(xiàng)目

需同時(shí)具備三大要素

《紅周刊》：目前市場(chǎng)AI項(xiàng)目魚龍混雜，您在投資AI項(xiàng)目過程中最看重哪些因素？

楊歌：首先從大方向看，目前AI應(yīng)用層的發(fā)展還有很長(zhǎng)的路要走，特別是要想將AI應(yīng)用到to C的消費(fèi)場(chǎng)景里面去，難度是極大的，因此更有望在To B領(lǐng)域最先爆發(fā)。

而在挑選AI項(xiàng)目時(shí)，判斷一家公司AI實(shí)力強(qiáng)弱主要從三方面入手：一是看公司的數(shù)據(jù)量是否足夠豐富與結(jié)構(gòu)化；二是公司AI設(shè)計(jì)的工程師、架構(gòu)師對(duì)于算法的理解是否深刻，算法是否非常匹配所應(yīng)用的物理對(duì)象；三是公司團(tuán)隊(duì)領(lǐng)導(dǎo)人在AI領(lǐng)域是否擁有話語(yǔ)權(quán)。只有三個(gè)要素同時(shí)具備，才會(huì)納入我們投資備選對(duì)象。在具體投資上，我們更喜歡投資那些AI應(yīng)用后能產(chǎn)生立竿見影效果、有商業(yè)價(jià)值場(chǎng)景的項(xiàng)目。

《紅周刊》：您剛提到AI應(yīng)用有望在to B領(lǐng)域最先爆發(fā)，具體是哪些領(lǐng)域，又存在哪些投資機(jī)會(huì)？

楊歌：AI能否應(yīng)用有兩個(gè)判斷標(biāo)準(zhǔn)，一是有大量的結(jié)構(gòu)化數(shù)據(jù)；二是在通過算法和人工智能模型處理過之后，能夠立竿見影形成商業(yè)價(jià)值、實(shí)現(xiàn)增值。比較典型的是量化金融和物流倉(cāng)儲(chǔ)，分別對(duì)應(yīng)資金鏈和供應(yīng)鏈。

金融行業(yè)的數(shù)據(jù)非常多，并且是呈現(xiàn)結(jié)構(gòu)體系化的，通過AI訓(xùn)練，能夠提煉出有效價(jià)值。例如，某客戶喜歡開多個(gè)信用卡，但因?yàn)槲⒉俜浅：茫恢睕]有違約出現(xiàn)，從邏輯上看，這個(gè)客戶信用非常好。但是通過AI分析，可以發(fā)現(xiàn)這位客戶現(xiàn)金流動(dòng)性比較高，且平均負(fù)債比較高，這意味著該客戶潛在長(zhǎng)期違約風(fēng)險(xiǎn)是比較大的，金融機(jī)構(gòu)對(duì)該客戶的貸款就需更慎重。

物流倉(cāng)儲(chǔ)領(lǐng)域，在收集了生產(chǎn)加工源頭、物流車輛流向過程、倉(cāng)儲(chǔ)空間流轉(zhuǎn)率、流轉(zhuǎn)速度輸出和終端消費(fèi)等物流過程數(shù)據(jù)后，通過簡(jiǎn)單的AI模型，就可以實(shí)現(xiàn)物流的優(yōu)化，如分析出復(fù)雜物流環(huán)境中，物品輸出的最佳位置、存貨流轉(zhuǎn)周期、流轉(zhuǎn)過程的成本單位、消費(fèi)的位置、采購(gòu)的位置等。從投資角度而言，比較看好AI在物流產(chǎn)業(yè)鏈中段的應(yīng)用，如物流供應(yīng)流轉(zhuǎn)、分銷配送、批發(fā)等環(huán)節(jié)。

《紅周刊》：國(guó)外的谷歌、亞馬遜、蘋果，國(guó)內(nèi)的阿里、小米等都紛紛推出智能音箱，您如何看智能音箱等AI應(yīng)用所帶來的投資機(jī)會(huì)？

楊歌：最近市場(chǎng)熱度很高的智能音箱，用的就是語(yǔ)音控制模塊。在這其中最大的技術(shù)挑戰(zhàn)是語(yǔ)義識(shí)別，例如，你說“曬太陽(yáng)”，計(jì)算機(jī)要弄明白理解語(yǔ)言背后的意義，是“你”曬太陽(yáng)，還是太陽(yáng)“曬”你，需要經(jīng)過大量的訓(xùn)練，這也導(dǎo)致很多語(yǔ)義識(shí)別應(yīng)用在準(zhǔn)確率方面仍存在較大的提升空間。對(duì)于AI模塊層的投資，個(gè)人認(rèn)為目前不是技術(shù)投資窗口期。我會(huì)更關(guān)注將模塊層技術(shù)推廣到應(yīng)用層面的公司所帶來的投資價(jià)值。