北極光創投創始人鄧鋒：人工智慧技術重要，但應用更重要

9月6日-7日，2017 Demo China創新中國秋季峰會在杭州洲際酒店舉行，北極光創投創始人鄧鋒發表了名為《人工智慧行業的創業和投資機會》的演講，犀利觀點如下：

1.人工智慧是否能戰勝人類？絕大部分世界一流的科學家都認為現在考慮這個問題還為時過早。

2.整個AI行業的發展，大量的機會屬於有錢、有數據的互聯網巨頭。但創業公司在計算架構、智能前端系統、垂直領域智能化應用方面仍有很多機會。

3.中國在人工智慧方面的資金、人才、應用潛力都不比美國差。

4.未來誰能夠通過感測器，通過不同的方式收集到數據，它的優勢就會很大。

以下是演講正文（由創業邦整理，已經本人確認）：

AI行業：過去、現在、未來

今天原來主辦方給我的題目叫「人工智慧與奇點來臨」，我篡改了一下，因為究竟什麼是奇點？我也想得到答案，也和很多人請教討論過，但至今沒有明確的答案。

人工智慧是否能戰勝人類？絕大部分世界一流的科學家都認為現在考慮這個問題還為時過早。

我的想法是，首先，人類其實可以在很多方面被人工智慧戰勝，比如隨著人腦科學的發展，如果真的可以通過某種方法、用儀器控制人腦，控制人的思維感情，或許這種「生物智能」會比人工智慧來得更早；第二，還有人認為未來會有一種力量讓人類活得更長，讓人永垂不朽……這些討論很有趣，但我覺得現在還是不要想這些太遠的問題，而應該思考一些比較實際、對我們更實用的話題。

第三次人工智慧浪潮：這次是真的嗎？

今天在座的有很多都是創業者或者投資人，所以思考到底人工智慧在創業和投資中會帶來什麼機會，可能對我們來說更重要。

人工智慧其實不是一個新詞了，這個詞從上個世紀50年代就開始被使用，到現在為止已經經歷了三次浪潮。第一次、第二次都很不幸，熱了一會兒就冷了下去。

第三次浪潮是從十年前，2005、2006年的時候開始的，最根本的契機是提出了深度學習的概念——嬰兒學圖像，母親告訴它什麼這是什麼，它就會記在腦子裡。很快，不同的物體放在不同的背景下，嬰兒都能夠認出來。

人類模擬這個過程，讓計算機學習了成千上萬、幾十萬、幾百萬幅被專家們標註過的圖像，之後再給它一幅沒有看過的圖像，計算機就可以辨認出圖像中的物體是什麼，甚至幾年之後，它能認得比人更准，這個其實就是利用了深度學習技術。而這種方法被廣泛用在今天的人工智慧領域，從而引發了人工智慧的第三次浪潮。

人工智慧發展的三大要素：演算法、算力、數據

那麼這次浪潮會不會又是一個泡沫，像上兩次一樣過一段時間又不行了？我認為這次絕對是真的「狼來了」。為什麼這麼說？因為人工智慧要發展有三大核心要素：演算法、算力和數據。

大家都聽過演算法、機器學習，後來又出現了增強學習。這些新的詞都是在最近幾年出現的，因為機器學習本身需要大數據，演算法在過去幾年有了一些新的突破，在未來可能還會有突破。除去演算法和數據，其實近幾年更大的突破是在算力上，算力就是計算的能力，要進行一個計算，計算能力不夠的話是解決不了的。

過去基於摩爾定律，同樣的成本、同樣的時間，計算性能大步提高，使得算力在迅速的增加。過去計算晶元大部分用CPU，CPU雖然做普通的計算很合適，但做人工智慧的計算並不是最合適。

GPU不一樣，GPU是一堆的計算單元，特別適合做人工智慧的演算法和深度計算。由於GPU的出現，使得人工智慧的演算法有了更高效的計算平台。現在又出現一個新的TPU，谷歌把它的一套計算架構重新設計成一個晶元，使得算力迅速地提高。

再說一個更大的變化：數據的變化。你要想做人工智慧，就要學習過去的歷史數據。今天由於有了無線互聯網、包括手機、物聯網，使得這些數據的量級和過去很不一樣。要知道現在每天需要存儲的可記錄的數據，都在飛速增長。由於有了這些數據，加上算力的提高，使得過去不可能實現的計算機演算法，今天都變得可能。

大家想像一下：AlphaGo為什麼能戰勝人類？它會先把過去的棋譜讀一遍，人類下過的棋，它都來學一遍。到後來乾脆不用棋譜，兩個機器對下，相當於它們把過去人類幾千年來，自從有圍棋以來的學習過程，自己在內部全部重新練了一遍，才可以戰勝人類。

這其中的數據量有多大，它要下多少盤棋？這相當於把人類歷史上下的圍棋總數加起來，這當中數據變得尤為關鍵。

曾經在一個IT峰會上，馬雲、馬化騰和李彥宏都在，李彥宏說人工智慧演算法最重要，馬雲說數據最重要，馬化騰說數據、演算法都重要。我認為演算法、算力和數據對人工智慧發展都很重要，只是針對不同的問題、不同的階段的重要性不一樣。而我們做投資，甚至可能都不是只從這三方面看，演算法好不好並不是投資的根據，數據多不多也只是其中一部分。

我們講人工智慧，就不能不談科技公司。世界上最頂尖的科技公司現在都在布局人工智慧，而且由於有了互聯網、人工智慧，科技公司在全世界、在整個大的經濟領域的地位都在迅速提高。

一個新名詞：GAFAM

這張圖說明了一個新名詞：GAFAM。第一個G是Google，後面是包括Apple在內的五家最頂級的科技公司。如果看一下他們在世界產業領域、經濟領域的位置，2001年只有微軟在前五，2006年還是只有微軟一家，2011年還是只有一家，只不過這一家換成了蘋果，不是微軟。但我們發現到了2016年，全世界前五大的公司全部是高科技公司，而且市值都很高。這個趨勢可能停不下來，我們相信由於人工智慧的到來，這幾家公司都會受益巨大，它們的市值會更快的提高。

這幾家公司都在布局AI。其實整個AI行業的發展，大量的機會是留給有錢、有數據的互聯網巨頭的，他們的數據、他們的資金，讓他們能夠成為人工智慧行業最大的受益者。

但同時他們也推動了整個行業的發展，給很多小公司和VC帶來了創業機會和投資機會。

中美巨頭紛紛布局AI

Google雖然是一家互聯網軟體公司，但它已經布局到了基礎層、晶元，沒錯，Google在設計晶元。這過去是英特爾乾的事，今天Google也開始做，因為他們知道要想做好這個東西的話，算力、演算法和數據都會需要，所以他們布局了晶元。

微軟是一個純粹的軟體公司，從來不做晶元，以前都和英特爾合作。但微軟現在也開始擔心是不是要去做晶元，雖然它今天是用FPGA 做，但已經考慮了晶元是不是下一步要做的。

技術層的競爭就更激烈了，過去演算法是一個競爭點，現在全都開源了，各個大公司把演算法都開源放在平台上。現在做人工智慧的應用不像以前那麼難，過去需要人力，需要從上到下都做。今天他們把項目搭好，只要有數據，你在下面做一個應用就簡單多了。

總的來說，這些巨頭們部署的不是某一個應用，他們看重的是整個架構和平台，未來人工智慧無論用在哪個領域，誰來開發，都要用到他們的系統、架構、平台和雲的計算能力，這樣它就會成為最大的受益者。

未來10-20年會怎樣？

未來AI行業的發展會如何？我覺得人工智慧這次不但是真的，而且還以一個加速的狀態往前發展。未來將帶給我們太多投資和創業的機會。雖然說很多機會是留給大公司的，但是對小公司，對風投來說，也有一些新的機會。

機會是不是在中國？往往技術型的企業在美國投，中國做應用的企業比較多。這次浪潮是中國和美國起點差距最小的，而且中國追趕的速度可能是最快的。人才方面，美國和中國都缺得厲害，人才數量上中國比美國差別並不大。在全世界，在美國最領先的一些搞人工智慧的教授專家、行業中領軍人物很多都是華裔，或者有的已經回到中國了。

從論文的數量上來看，中國在2015年的論文數量已經超過美國，論文不能代表很多問題，但也代表了一個趨勢，同時，資金、專利，還有整個和人工智慧相關的創業公司的數據，中國都在迅速追趕。這一點上我們很樂觀的說，中國在人工智慧方面的資金潛力、人才潛力、應用潛力都不比美國差。

還有一點很重要的，數據。大家知道人工智慧當中數據非常重要，你有再強的技術，可能不一定有數據。比如醫療方面，由於法律的問題，美國拿人工智慧做醫療醫藥方面的研究就比中國進展慢，而中國在這方面有很大進展，因為我們相對來說可以拿到更多的數據。

AI的創新和投資機會

我覺得創新和投資的機會，一個是底層計算架構方向。在座都是搞互聯網的，也許不知道，其實在晶元層、網路層、存儲等方面，還有操作系統領域都在發生一些大的變化。而這些實際上給中國一波有創業精神的人提供了機會。過去很多人都認為半導體是夕陽行業，現在也迎來了巨大的機會。

另外，對中國更有意義的一塊是智能前端。智能的東西分成端和雲，雲講的是大的數據中心，而端這一塊小到智能攝像頭，大到機器人。這個東西的特點是軟硬體一體化，不光是有一個軟體，而硬體恰恰是中國的優勢領域。中國IT行業硬體製造業的供應鏈和製造能力優勢，再加上晶元行業的優勢，使得我們在從掃地機器人，到家庭陪伴娛樂機器人，到更複雜的工業製造機器人，甚至未來的自動駕駛等領域都會取得很大進展。同時，感測器、IOT、大數據、智能計算、無線通訊相融合時，會帶來更多新物種。

我們認為，在看人工智慧時，不要光看到AI，可能更多要看到人工智慧+大數據。而大數據最大的問題和挑戰是——這個數據是不是你的。如果別人看到數據，你也能看到數據，演算法又是開源的，你有什麼能力比別人做得好？數據在未來會越來越關鍵，誰能使用這個數據也變得越來越關鍵。我不太相信數據能夠被完全打開、分享出去，數據只會越來越重要。未來誰能夠通過感測器、通過不同的方式收集到數據，那誰的優勢就會很大。

北極光AI投資策略：打造生態，布局產業鏈

在看人工智慧做投資時，最先應該關注的的是垂直領域的應用。這個垂直領域市場夠不夠大、能不能構造壁壘、你有沒有數據，這都很關鍵。哪些垂直領域比較容易做呢？相對來說，比如個人助理、安防、醫療健康、自動駕駛等方面，在未來幾年內都會有很大的變化。但是在教育還有其它行業相對來說更遠一些、更難一些。

每一個大的垂直領域都會有人工智慧的東西，最關鍵的是建立一個知識圖譜，每個垂直領域如果通過一個很好的方法把知識圖譜建立起來，再加上數據就會變成一個很好的優勢，別人越來越難超越。這是人工智慧領域創業很關鍵的一部分。

人工智慧以不同的方式改造傳統行業，有些方式是建立應用型的平台，有些方式是更深入的平台。做投資做創業不但要考慮今天的問題，還要考慮三年以後，五年以後，你的壁壘在哪裡。今天沒有人干，你去干。如果你的先發優勢不能變成一個長期積累起來的壁壘，可能這事就沒法往下玩了。

北極光布局這個生態已經有3年多的時間，從感測器到晶元、到一些子系統、軟體的模塊、到最後的應用，我們在各個子領域都有所投入。這些不同的公司連在一起，比如做應用的公司和做平台的公司就能夠基於產業鏈的布局進行非常深入的合作。而且我們相信通過這種布局，未來可能產生一些更大的創新。因此，不要只盯住人工智慧的某一個子領域，很多地方都有創新的可能，都能帶來很高回報。

我的感覺是，人工智慧真的還有很多東西要做。和大家分享這些，是希望大家能跟我們一塊來探討，希望你的創業能夠跟這些未來的方向結合而做的更好，也希望所有的創業投資人都在人工智慧領域取得巨大的成功。

- END -

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！