雷锋网按:AI(人工智能)是今年风险投资领域的一大热门,但热门也容易引发泡沫担忧,有些细分赛道可能已经出现疲弱的迹象,而另外一些领域则可能会迎来较大的发展。为此,雷锋网编译了知名人工智能风险投资机构 DCVC 的创始合伙人 Bradford Cross 发表的 2017 年 AI 行业五大预测。
Bradford Cross
去年,人工智能市场的热度被完全点燃,今年整个市场则将进入清算之年,那些没有金刚钻,纯靠炒作兴起的潮流很快就会被遗忘。当然,也不要太悲观,毕竟污泥浊水被清除后留下的都是清流,而这股清流将带来突破性的成功,大突破的驱动力量来自那些垂直 AI 新创公司,它们凭借专业技能、特殊的数据解决了全栈产业问题,并利用 AI 驱动的产品实现了核心价值主张。下面我们来共同认识这五大预测:
去年,聊天机器人突然异军突起,各家公司一拥而上,生怕错过了机会。
在科技界,人们所说的聊天机器人其实是“拥有四个关键概念的软件代理,它们与那些任意程序不同,可以自动、持续且有目标的对周边环境做出反应。”
不过在各家公司眼中,“Bots”这个名词现在代表着“任何形式的业务流程自动化”,同时它们还创造了“RPA”这个新名词,即机器人自动化。
虽然业务流程自动化未来十年内会逐渐消亡,但当下以语音和聊天会话界面为主要形态的聊天机器人恐怕今年就会死翘翘。其原因如下:
1. 要解释这个原因,只需关注此前的社交与个性化之争,从个性化角度来看,这场战争的胜利者是 Facebook,但同时它也是最终胜出的社交平台,因此两个特性缺一不可。眼下,人们依然喜欢与真人交流,而聊天机器人则会沿袭非社交媒体平台那一套,突出个性化但却缺乏社交属性。多数公司在聊天机器人的开发商都过于功利,它们忽视了人的需要,因此即使聊天机器人前期能聚拢人气,后期也很难留住用户。
2. 在全世界信息应用热潮高涨的背景下,业内出现了许多误导信号,许多人缺乏辨别能力,将宝都压在了 AI 驱动的数字助手上。诚然,这些社交平台满足了功利主义和情感需求,但我们并不能从中推出聊天机器人崛起的信号。
3. 与其他视觉解决方案相比,会面界面在完成任务上效率并不高。不过,这种方式较为有趣,因此在人机交互领域已经流行了数十年。在某些情况下,会话界面确实效率挺高,但在大多数应用场景下它还是无法与其他方式相比拟。
4. 当然,以上提到的原因并不涉及“AI 技术还不够好”这个点,我们确实可以用现有技术做出许多有趣的聊天机器人,但最终用户想不想用就是另一回事了。
深度学习现在也热度颇高。对于这个名词,恐怕有许多人根本不清楚它到底什么意思,其实深度学习包含在机器学习之内,而机器学习则包含在 AI 之内。简单来说,它能为许多重要问题提供自己的解答供用户参考。
从 5 年前开始,大公司对收购深度学习新创公司的兴趣开始超过收购 iOS 移动应用公司。随后,一场针对深度学习,特别是计算视觉公司的收购大潮席卷而来,谷歌、Facebook、Twitter、Uber、微软和Salesforce 等公司为了争夺先机,都打开了钱袋子疯狂撒钱。
那么既然深度学习技术这样炙手可热,为什么要说它不再高不可攀呢?其实原因很简单,因为市场供应量变大了。从 NIPS 2016 和会议数量来看,深度学习已经不是什么显学,大家都在这方面有了大力投入,许多毕业生也都掌握了这一技能,而在四年前这是不可想象的。
当然,更为平价的只是深度学习,机器学习今年依旧奇货可居,站在塔尖的机器学习人才依然是大公司高薪争夺的焦点。2017 年,随着二线科技公司和非科技公司(如底特律汽车公司)收购工作逐渐收尾,过去针对深度学习新创公司的收购大潮将平息下来。今年还没完成布局的公司未来恐怕也不会花大价钱买买买了。
根据 Wired 报道,曾经受捧的清洁技术最近经历了泡沫破裂,AI 也在复制这条道路。
其实,清洁技术根本算不上一个市场,它更像一个横切关注点。随着气候变化和可持续发展议题的火热,自然会有公司想在这一领域干出一番大事,横切关注点不属于商业思维,因为拥有商业思维的人更专注将产品或服务卖给那些有需求的顾客。特斯拉和 SolarCity 都是清洁技术催生的成功公司,但它们能获得现在的地位是因为两者都是全栈企业,它们不但有技术,还能拿出实实在在的产品供给实体市场。不过,那些为了蹭清洁技术热点的公司恐怕就没那么幸运了,因为它们并没有从用户需求出发,一家只负担社会责任却没有用户为中心思维的企业最多只能算一家慈善组织。简单来说,不把用户需求放在第一位,做什么都是白费力。
同时,绿色能源也算不上市场,能源才是。太阳能现在最火热,而且增长迅速。当巴菲特和马斯克都在同一个市场争食时,就意味着这里有钱可挣。眼下,两位亿万富翁都将可持续发展看作重大的任务,但同时他们也意识到光投钱和喊口号是不管用的,想把这个市场做大,就必须把用户放在第一位。一个怀着可持续发展理想却走着不可持续道路的公司不是很可笑吗?
过去几年里,AI 行业也出现了许多理想主义者,他们不是用心去为 AI 寻找未来,而是天天担心着机器人夺权后人类该怎么办。大家被浓雾遮住了眼睛,没人管用户需求和研究能否变现,只是开足了马力狂奔。这种妄自尊大的人越多,AI 行业未来的出路就越窄。
清洁技术和 AI 都是技术密集型产业,对于新创公司和风投来说,判断从事这两个行业的公司是否有前途正变得越来越难。因此,有的人看了几篇论文,学了几个术语,就能成为短暂的专家出门招摇撞骗了。
那么这个问题为什么会出现呢?
笔者认为,经济信息时代的来临从根本上改变了我们在人类历史上经历的狂热—恐怖的循环周期。阅读了有关金融历史和市场心理学的名著后,笔者发现新时代背景下,社交活动和线上信息扩展的加速创造了一种 self-heisenberging 效应,即在一个商业周期还没正式开始前就将其提前释放。消费互联网就是最典型的例子,与其配套的实体经济还没跟上时整个市场就发动了起来,这也是 90 年代互联网泡沫的罪魁祸首。2002 年,谷歌(1998 年成立)杀了回来,它趁着经济低谷拉来了大量人才,并重新定义了消费互联网隐忧的商业周期。
《连线》杂志给清洁技术判死刑后的四年里,太阳能都是最清洁且最经济的能源,马斯克和巴菲特都非常看好它。收购了 SolarCity 的特斯拉现在也成了一个名副其实的全栈清洁技术帝国。
因此,笔者认为 AI 新创公司们也正在走上清洁技术的老路,它们眼中只有 AI,没有用户需求。
眼下,人工智能新创公司大多数成了寻找钉子的大锤,这一趋势未来 1-2 年内将越发明显,大公司会不堪重负并开始减少对人工智能人才的需求,就像现在移动应用开发商不受待见一样。也许不久之后,一些创始人和风投就会开始意识到这一点。在领英上,那些要甩开膀子在 AI 领域大干一场的新创公司会越来越少。
把机器学习变成一项服务是个十年前就有的想法,不过,这个好想法却一直不顺。
究其原因,是因为知道机器学习在干什么的人都在使用开源代码,而不知道的人怎么却不知道到底怎么玩转这项技术,即使是用了 API。
许多很聪明的人都被困在了这里,因此许多人转行进了大公司的机器学习团队(包括 IBM 的 Alchemy API、英特尔的 Saffron、Salesforce 的 Metamind 等)。不过,在各路热钱的吸引下,依然有大量开发者源源不断的涌入。
亚马逊、谷歌和微软在制定云战略时,则将 MLaaS 层当成了重要一环。不过,根据笔者的见闻,新创公司或大公司却很少有人使用此类 API。
无论云服务是来自大公司还是新创企业,其结局都不会有太大差别,今年它们都会变得摇摆不定。云服务提供商会继续保全这项业务,但从上面挣大钱肯定不太可能了。MLaaS 新创公司今年也会开始走下坡路,因为增长不再稳定,恐怕没人愿意在它们身上花大钱了。
MLaaS 新创公司面临的问题很实际,它们的解决方案没有进行客户细分,无论客户有没有竞争力它们都一视同仁的服务。
对有机器学习能力的客户来说,你需要机器学习人员帮忙打造成熟的机器学习模型,因为想完成良好的训练和调试很困难。此外,这也需要理论和实践相结合。这些机器学习人员趋于使用由 MLaaS 服务商提供的相同开源工具。因此,有机器学习能力的客户就被自动排除在外了。
对于无机器学习能力的客户,它们不会使用 API 来驱动机器学习,因此更倾向于直接购买应用来解决更高层次的问题,机器学习只是其中一个选项而已。毕竟只靠某个公司的实力,机器学习的技术水平很难有提升,而且想找到“数据产品”人才帮你找到问题根源并提供机器学习解决方案更难。无机器学习能力的客户细分需要建立强大的机器学习与数据产品团队。是的,这意味着全球所有的产业都被包含在内。如果你认同“软件正在吞噬世界”的理论,就意味着全球所有的公司或多或少都能自称为科技公司。在成为数据公司的道路上,这一理论同样适用。但事实上,类似谷歌和 Facebook 这样的顶级科技公司在技术竞争力上已经将其他行业的顶级公司远远甩开。在用数据竞争的时代,这个差距会越来越大。
笔者在 AI 领域工作已经快 20 年了,在我手中诞生的硅谷 AI 新创公司也有差不多 10 家了。同时,我还是 DCVC 风投公司的合作伙伴,这些经验让我能专注于全栈型垂直 AI 新创公司。
笔者对于自己的工作一直满怀信心,因为我认为未来每个行业都会被 AI 所改变。其中,一些低水平的、基于任务的会被 AI 快速商品化。如果你不能解决一个高级别的全堆栈问题,恐怕只能在低级别的 AI 服务市场混了,随后等待你的命运就是被收购或倒闭。
垂直 AI 新创公司解决了需要专业知识、特殊的数据解决了全栈产业问题,并利用 AI 驱动的产品实现了核心价值主张。
虽然大多数机器学习人才在消费互联网巨头和其相关技术公司工作,大规模和时间紧迫的问题潜伏在科技行业外的每个主要公司中。如果你认同“软件正在吞噬世界”的理论,就意味着全球所有的公司或多或少都需要成为科技公司。
当你将目光集中在垂直产业,就会找到高级别的用户需求,这绝对是极好的商业机会,不过想抓住这些机会你必须有足够的商业智慧和专业技能。一般的 AI 新创公司很难做到,而且它们往往意识不到自己要做什么业务和“提升堆栈”或“全栈”方面的专业知识。
新的全栈型垂直 AI 新创公司正在金融服务、生命科学、医疗保健、能源、交通运输、重工业、农业和材料等产业不断涌现出来。这些公司将解决由专有数据和机器学习模型驱动的高级别难题,成为拥有特斯拉和 SolarCity 地位的全栈型 AI 新创公司。
Via. BradFordCross