在線閱讀雜志

    2018年05月20日

    第10期 總第484期

    封面文章
    “網銀”殊途同歸路
    金融服務似乎正在以你想要的方式前行。 相應的,金融的生態及格局也在發生重大變化。技術的推動讓金融的數字化轉型愈發明顯,傳統金融機構“離柜率”同互聯網銀行業務激增形成強烈的對比。[詳細]
    精彩推薦
  • 算法并不決定一切!迅雷創始人程浩談國內機器人創業

    時間:2017-01-05    來源:創事記    作者:程浩 我要評論() 字號:T | T

  • 朋友們大家好,我是程浩,迅雷創始人,現在專注互聯網領域的投資。這一年來我看了很多人工智能及機器人相關的項目,有些觀點和大家做一些分享。

      目前國內人工智能創業非?;鸨?,主要是供求關系不平衡,投資方資金多,而國內人工智能領域,有比較好的技術背景的人又比較稀缺。導致創業團隊只要技術背景好,不管找沒找到剛需痛點,有沒有商業模式,資本就蜂擁而至,顯然這并不健康。

      現在國內的人工智能創業屬于明顯的技術紅利期,估值普遍偏高。但從投資者的長遠視角來看,未來隨著基礎計算平臺和開源平臺的豐富成熟,技術方面的壁壘會越來越不明顯,整個人工智能的技術準入門檻會越降越低。就像2008年你想找個IOS開發者,很難,現在卻很普通一樣,所有技術的演進都遵循這一規律。

      所以我不建議大家湊這樣的技術紅利熱鬧。因為長期來看,人工智能創業和任何其他領域的創業一樣,一定是綜合實力的比拼,懂不懂行業、有沒有找到剛需痛點、產品化和工程化能力怎么樣、營銷能力怎么樣,產品做完了能不能賣出去等等。

      涉及到具體的行業,簡單講,我認人工智能和機器人方向的創業本質上有mission-critical和non-mission-critical之分。為了方便大家理解,我們姑且稱為“關鍵性應用”和“非關鍵性應用”。

      Mission-critical的應用,就是一丁點兒錯都不能犯的人工智能領域。比如自動駕駛,哪怕已經做到了99.9%,但仍然是千分之一的事故率。想想每天駕車上路的人有多少,這千分之一的故障率會導致多少致命事故。所以自動駕駛,必須要做到99。…%后面有多個9才能上路。

      還有將人工智能用在醫療行業,像手術機器人做到精度99.9%,千分之一的出錯率同樣是極其可怕的后果,醫療事故關乎人命。要是在美國,這千分之一事故導致的巨額賠償,恐怕就已讓企業完蛋了。

      總之在“關鍵性應用”的領域,必須做到99.9…%小數點后面有多個9,做不到就沒法商業化。其背后的核心競爭力是算法和科學家。這類項目往往需要有top的科學家來坐鎮背書。所以項目通常很貴(因為周期長,需要的錢自然多,同時這類人才又很貴),要投入大量的研發資源來消滅萬分之一、十萬分之一的出錯率。

      大家都明白研發的邊際效益逐減,做到90%很容易,做到99%要投入不止10倍的資源,因為要消滅各種corner case,更別說99.9%和99.99%了,所以這類項目時間周期會很長(類似于Google的無人車,從2009年到現在已經7年了;Mobileye從1999年做汽車輔助駕駛,2007年才商業化;達芬奇手術機器人項目更是起源于1980年代末的一項非營利性研究,直到2000年才拿到了美國食品藥品管理局FDA的首個手術認證)。但一旦做成,這類項目優勢就非常明顯,因為競爭對手同樣也要花這些時間。

      這樣的項目門檻高,不適合一般的創業者,所以通常比較貴,商業變現的時間周期比較長,資本也需要更多的耐心。一流的科學家團隊適合選擇這樣壁壘高的關鍵性應用作為創業方向。

      但實際上大多數AI/機器人的創業屬于第二類,也就是“非關鍵性應用(none-mission-critical)”。這類項目不追求99%后面的很多個9,而且很多都有更簡單實用的解決方案,或者有“人機混合”的方案??傊褪遣蛔非蟾叽笊?,簡單、實用、性價比高更重要,這樣的項目通常能夠更快落地。

      不追求很多個9。例如基于人臉掃描的門禁或者迎賓機器人系統,99%和98%沒有本質的區別,實在不行不還有前臺么。

      更簡單實用的解決方案。例如封閉路段(例如工業園區、機場碼頭)的自動駕駛,激光雷達又貴又復雜,我直接用磁條導航,而且算法上追求簡單,“讓速不讓路”,只要前面有人,車就停下來。因為是封閉路段,所以場景被極大簡化了。

      “人機混合”模式。面向企業的人工智能/機器人很多都能夠通過“人機混合模式”降低技術難度,可以更快的面向市場提供服務。拿外賣機器人舉個例子,你的算法好,你的送達成功率99%,我是98%。100次里面不成功的那兩次,我可以用人通過后臺去操控機器人,慢慢提高這個比例就好了。即使這樣,我還是能極大的降低人力,還是有很大的價值。

      實際上,國內人工智能和機器人方向的創業,大部分領域都是“非關鍵性應用”。在這些領域,算法當然也重要,你送外賣不能總送不到,但偶爾的問題可以容忍(“關鍵性”應用則不能容忍)。除此以外,“能落地”就變得非常重要了。如何落地?那就要比拼綜合實力了。包括:

      對行業的理解,要深刻洞悉行業痛點在哪兒;

      產品化和工程化,有沒有好的產品和工程師團隊?光在實驗室里搞沒用!

      做出來的產品還得便宜!

      批量生產的話,你的供應鏈能力怎么樣?

      產品出來了,你得把東西賣出去!所以你的營銷/銷售能力怎么樣?

      所以這樣的人工智能項目并不需要技術大牛,反而是創業者最好深悉這個行業,知道什么方案能解決行業痛點,甚至有上下游的能力去推廣銷售掉解決方案或產品。特別現在人工智能也好,機器人也好,大家大多講的是人工智能+。像人臉識別、語音識別這些基礎服務,已經有人做了,領域并不大。更多的機會還是在于人工智能對各行各業的改造,去研發專門的機器人替代人工,當然是行業重度參與者最能發現機會和痛點。

      比如機房巡檢機器人、電力網巡線機器人、果園作業機器人……人工智能幾乎會深度影響我們的各行各業。對于這樣的項目,能夠成功的核心,一定是提升了效率,降低了人工成本。正如白宮最近發表的《人工智能、自動化及經濟》報告也指出,未來10年至20年間,時薪低的工種受到人工智能技術的沖擊最大。有美國科學家甚至預言,時薪低于20美元的工作有83%的可能性會被人工智能取代。

      其實我們可以就此得出一個信息,那就是短期內,機器人創業的機會主要還是在B端。為什么這么說呢?因為現在技術和行業都不成熟,只有利益驅動,節省了人工成本,才會讓企業率先接受機器人。

      首先我們來看價格,拿機器人舉例,整個供應鏈體系沒那么成熟,市場需求還未驗證,每一個生產出來的機器人成本都不低。To B端,也就是企業對成本承受能力顯然比To C強很多。特別考慮中國人力成本繼續往上飆升。只要企業考慮機器人會大幅提升效率、比人工成本合適,他們就有行動起來的動力。

      直白說B端買機器人的目的是為了省錢,是以替代人力為目的。但C端確是在額外花錢。所以需求有明顯的差別。To B都是單任務的,機器人只要做好一件事就行了。而To C消費端,恨不得什么都能干,又能唱歌、又能跳舞、又能聊天、又能清潔。但現在根本不現實,技術成熟度還不夠。

      還有To B端的機器人應用更容易一些,因為很多都是以“人機混合”模式在作業。也就是以前需要5個人干活,現在可能1個機器人加2個人工。也就是機器人替代了3個人工,能把一些常規任務給干了,但在一些特別復雜的工藝流程位置,還得仰仗工人來做。這是一種易推行的混搭模式。但To C機器人可沒有“人機混合”模式可言。

      最后對國內機器人領域的創業者想說:

      I。 如果項目想要快速落地,起步一定要從To B開始,To C仍是很長遠的事情,發展沒那么快;

      II。 大多數機器人都是“非關鍵性(non-mission-critical)”應用。不能說算法很厲害,有很牛的科學家團隊就是一切了。在未來的競爭環境下還差的很遠。項目一定要接地氣,一定不能陽春白雪。要把供應鏈做好,把產品低成本做出來,還要能推廣出去。

      這是場綜合實力的比拼。

  • 加入收藏
  • [ 作者:程浩 ]
  • 分享到: 更多
    標簽:
  • 相關推薦
    · 算法并不決定一切!迅雷創始人程浩談國內機器人創業2016-12-30
  • 最新消息
    · 算法并不決定一切!迅雷創始人程浩談國內機器人創業2017-01-05
    · 美圖即將登陸港股,互聯網從業16年蔡文勝得出了這6條2016-12-21
    · 小米王川:做互聯網音箱與戰略無關2016-12-13
    · 合格的CEO不好當!2016-11-28
    · 谷歌無人車之父Sebastian Thrun :如何看 AI 和人類未來?2016-11-23
      已有條評論,查看更多評倫發表評論
  • 用戶名:  密碼:              匿名發表  | 注冊會員
  • 網友評論僅供網友表達個人看法,并不表明本站同意其觀點或證實其描述
国内偷拍国内精品视频