迷你书: AI前线(2018年9月)

微信扫一扫,分享到朋友圈

迷你书: AI前线(2018年9月)

卷首语:分析AI公司的几个重要维度

风险投资基金AI List Capital管理合伙人 Henry Shi博士

我从2014年起就开始投资AI初创公司,到目前为止看过了数千家公司,投资了其中近30家。这些公司中有些已成为独角兽,而有些仍然在寻求应用的突破口。作为投资人,我一直在思考如何发现下一个AI独角兽,也总结了分析AI公司(特别是针对行业应用的AI公司)的几个重要维度。我相信这些维度,无论对投资人、创业者以及其他AI从业人员都是有借鉴意义的。

维度一:价值。AI起到的价值到底是什么?这个问题很重要,因为它往往决定了一个AI公司的商业模式和竞争格局。AI起到的价值必须清晰,并且显著(而非不痛不痒)。通常AI的价值体现在两方面:

  1. 降低成本、提升效率,比如AI可能减少了人工成本(如无人驾驶)、客户获取成本、客户流失率等。
  2. AI可能创造新的价值。比如我投的一家美国AI公司ObEN(获得了软银、腾讯等机构的后续投资),能为明星快速地构建AI虚拟形象,使得AI能够代替明星和粉丝互动,创造全新的互动体验。新的体验进一步催生了新的用户行为和商业模式,构建了新的价值生态。

维度二:壁垒。随着AI的基础框架越来越成熟,应用型AI公司的壁垒更多在数据而非技术上。或者说,技术壁垒的基础往往是数据壁垒。我们在分析AI公司的数据壁垒时,通常会看两方面:

  1. 是否已经有较多的数据积累,且竞争对手获取这些数据的难度较大?这可以理解成先发优势。
  2. 是否具备“数据网络效应”?“数据网络效应”指的是,当数据越来越多的时候,AI的性能会越来越好,进而能够获得更多的客户和数据,形成滚雪球效应。“数据网络效应”很关键,它能够使有着“先发优势”的AI公司越走越快,形成”大者恒大、强者恒强”的效应。

维度三:技术风险。任何一个行业应用对于准确率都有一定的要求。比如AI应用于医学影像自动分析时,其准确率需要至少和影像科专家相当。无人驾驶对于AI的准确率则更加苛刻,得比人驾驶的事故率低很多。所以,在考虑AI应用于某个行业时,我们会深入思考三方面:

  1. AI是否有可能达到这个行业要求的准确率?
  2. 要达到这样的准确率,需要多少训练数据,需要技术上有什么突破?
  3. 在准确率还没达到要求时,是否有“过渡型”的应用?

对于很多应用来讲,1和2是有不确定性的,所以对3的考虑就格外重要,这决定了AI公司的落地周期。比如在无人驾驶技术还不够成熟时,智能辅助驾驶可以作为可落地的过渡型应用。并且,通过这种过渡,AI也可能获得更多的训练数据,最终实现自动驾驶。

维度四:规模化。一个好的AI公司,其AI技术不仅要落地,还要能够规模化。这就要求其应用场景能够“标准化”,其AI产品能满足一大批客户的需要,而不只是为少数客户定制。AI公司需要多和客户沟通,深度挖掘客户们的普遍需求。

以上的这些维度,希望能帮助大家更加全面深刻地分析AI公司,帮助大家更理智地作出“投资”,无论您是投钱、投时间还是投资源。期待越来越多的AI公司可以落地,可以规模化!

微信扫一扫,分享到朋友圈

迷你书: AI前线(2018年9月)

RT-Thread--timer(三)

上一篇

The internet of intelligent things: How AI makes IoT smarter

下一篇

你也可能喜欢

迷你书: AI前线(2018年9月)

长按储存图像,分享给朋友