日本美女视频网址,性感美女xxoo视频

英途說

上個月，包括景林資產(chǎn)、中信產(chǎn)業(yè)基金、寬帶資本、華米科技等企業(yè)的高管隨英途潛入硅谷，探訪了近20家標(biāo)桿性AI創(chuàng)新公司。小編總結(jié)了所有參與者的考察心得：關(guān)于AI領(lǐng)域的發(fā)展現(xiàn)狀，趨勢和潛在機(jī)會點(diǎn)，以及AI投資的香餑餑和雷區(qū)。人工智能真的沒那么虛無縹緲！不信你就往下看！

1
AI發(fā)展現(xiàn)狀

目前AI的幾個核心分支分別是：語音識別、語義識別（NLP）和計算機(jī)視覺（CV）；其中語音識別在國內(nèi)外已經(jīng)比較成熟，中國有科大訊飛為主的大家伙，這個分支是AI領(lǐng)域發(fā)展最早的子領(lǐng)域，在DL算法出現(xiàn)前已經(jīng)做得相對成型。這方面的應(yīng)用也比較成熟，未來單純做語音識別可能不會有很大的創(chuàng)業(yè)機(jī)會，更多是變成一個工具，被應(yīng)用到具體的場景中。語音很可能是是后搜索時代最主要的入口。
美國看一圈，發(fā)現(xiàn)CV這塊兒技術(shù)也已經(jīng)很成熟。這撥DL技術(shù)浪潮主要推動的就是CV?，F(xiàn)在發(fā)展很快，應(yīng)用很多，無人駕駛，無人機(jī)，物體/人物的識別跟蹤，有很多具體的應(yīng)用場景出來，下一撥會有比較多的CV項目值得看，因為技術(shù)成熟，項目會比較靠譜。
NLP語義識別這塊兒技術(shù)還很不成熟，應(yīng)用難度很大。國內(nèi)現(xiàn)在有不少NLP項目都標(biāo)榜自己可以實現(xiàn)很好的商業(yè)應(yīng)用?，F(xiàn)在看來，這是很有難度的事情，所以判斷這些項目需要更謹(jǐn)慎。
AI在硅谷已經(jīng)相當(dāng)普及，各個梯隊的建設(shè)相當(dāng)完善，做理論的基礎(chǔ)層的，做應(yīng)用的實現(xiàn)的，人才分布的pool很廣很齊備。國內(nèi)做基礎(chǔ)的很少（大公司有，比如百度），做應(yīng)用的人才更多一些。

2
趨勢和機(jī)會點(diǎn)總結(jié)

移動互聯(lián)網(wǎng)這波浪潮之后，大家都在尋找下一個浪潮在哪里？現(xiàn)在看上去人工智能是最有前景的，沒有那么虛無縹緲，現(xiàn)階段已經(jīng)可以解決各種具體的問題。
為什么人工智能正當(dāng)其時？各行各業(yè)數(shù)據(jù)已經(jīng)積累到一定程度，計算能力也有突飛猛進(jìn)的發(fā)展。在這個階段，以往大家認(rèn)為很神秘的AI正在廣泛跟行業(yè)進(jìn)行落地開發(fā)。其實AI沒那么神秘，它只是輔助人類解決各種各樣的問題，最好能跟某個業(yè)務(wù)進(jìn)行關(guān)聯(lián)，大規(guī)模采集到數(shù)據(jù)，反過來使得人工智能更上一個臺階。
雖然AI目前的應(yīng)用都比較早期，機(jī)器的智能程度現(xiàn)在還很低（不及3歲小朋友）。但是基于現(xiàn)有的技術(shù)，仍然是大有可為的。譬如Kaggle上一個案例 ——運(yùn)用數(shù)據(jù)驅(qū)動的DL算法讓外行人達(dá)到跟頂尖專家一樣的醫(yī)學(xué)診斷水平。有途友提到，很多小地方大夫的價值更多體現(xiàn)在理解患者的方言，后面的標(biāo)準(zhǔn)化診斷可以交給機(jī)器去做，由人機(jī)器協(xié)作，等于站在巨人的肩膀上，效率和效果都會有質(zhì)的飛躍。
通用的AI/ML技術(shù)將會作為一種開源工具/平臺分享給普通開發(fā)者來使用，訓(xùn)練自己的數(shù)據(jù)和模型。DL會從神壇上下來，逐漸下沉到各個垂直行業(yè)，用不了多久，圖像識別/人臉識別/翻譯這些普適性很強(qiáng)的功能會變成既廉價又普遍的服務(wù)由（可能是GAF這樣的巨頭）提供出來，然后被大家應(yīng)用到很多場景（各種app啊wapp的UI中etc.），這可能是AI產(chǎn)生商業(yè)價值的方向，也是在中國很容易催生應(yīng)用創(chuàng)新的點(diǎn)。畢竟，只有做理論研究和做產(chǎn)品實現(xiàn)的人結(jié)合在一起，才能最大程度地釋放AI的價值，才能出現(xiàn)可行的符合實際需求的應(yīng)用，到那個時候，真正的獨(dú)角獸就會出來。
除了通用型AI作為開源工具將會日益普及外，另一個業(yè)務(wù)方向是垂直領(lǐng)域的AI，類似Enlitic（醫(yī)療），工業(yè)機(jī)器人（Fetch），金融領(lǐng)域反欺詐etc. ，它不會是很generic的AI場景，這些垂直領(lǐng)域的應(yīng)用會是AI創(chuàng)業(yè)公司絕佳的機(jī)會點(diǎn)。尤其是如果再掌握了exclusive的數(shù)據(jù)，就更不得了了。就目前的DL技術(shù)體系來看，只要數(shù)據(jù)量足夠大，效果就會足夠好，就像谷歌搜索的產(chǎn)品體驗總會比bing和yahoo好一點(diǎn)。
一些創(chuàng)業(yè)的途友表示，會考慮跟傳統(tǒng)有數(shù)據(jù)的公司去合作，對方有數(shù)據(jù)，但還沒意識到AI能幫自己飛得更高更遠(yuǎn)。說白了，DL這種工具/方法可以幫助大家更好/更深入地用好數(shù)據(jù)，在業(yè)務(wù)上實現(xiàn)難以想象的拓展和飛躍。
由這次看的Pilot AI Lab得到的啟發(fā)，嵌入式設(shè)備上深度學(xué)習(xí)的應(yīng)用會是一個值得關(guān)注的機(jī)會點(diǎn)。
國內(nèi)現(xiàn)在主流的AI應(yīng)用主要集中在digital world，無論是做算法或者軟件。然而，真正商用的時候其實有兩個方向：1）digital world（比如線上的電商客服，投顧機(jī)器人，泛場景的助理etc.）。2）real world （跟現(xiàn)有的基礎(chǔ)設(shè)施、現(xiàn)實世界的東東打交道，比如Fetch Robotics這樣的物流機(jī)器人）。Notably, 第二個方向同樣很有前景，可以在工業(yè)環(huán)節(jié)提高生產(chǎn)效率。傳統(tǒng)的工業(yè)機(jī)器人非常弱智，只能做簡單的重復(fù)勞動，現(xiàn)在把AI加進(jìn)去，做得就不是簡單的重復(fù)勞動了，如果不需要對現(xiàn)有的生產(chǎn)場景做大的改造，又能迅速提升生產(chǎn)效率，那么商業(yè)價值是非常可觀的。
雖然AI在感知認(rèn)識方面（語音和圖像）已經(jīng)比較成熟，機(jī)器可以知道你在說什么看什么，但是距離下一步“理解”你在說什么和看什么，真正用人的大腦去工作，仍然有很大的技術(shù)挑戰(zhàn)。延伸到現(xiàn)在，助手型/泛場景的東東，在技術(shù)上是很有難度的。當(dāng)然，不排在非常限定的場可以做得很好，比如客服機(jī)器人，投顧機(jī)器人等等。前者涉及得肯定是產(chǎn)品相關(guān)的東東，只要前端有個好的算法引擎，后端產(chǎn)品的知識庫和數(shù)據(jù)比較完整，這些應(yīng)用的效果會很不錯，準(zhǔn)確率能到90% 。
不可否認(rèn)，硅谷在全球創(chuàng)新領(lǐng)域還是步伐很快，但是AI領(lǐng)域中國也有自己獨(dú)特的優(yōu)勢——中國離制造和供應(yīng)鏈更近，再高大上的AI技術(shù)最終也需要硬件的落地，AI最終不是一個虛擬的存在，像在網(wǎng)上下個圍棋那么簡單，而是要落地到機(jī)器人、無人機(jī)等等。當(dāng)落實到具體設(shè)備端時，中國在硬件/工業(yè)制造方面的優(yōu)勢就凸顯出來了，中國的創(chuàng)業(yè)公司只要快速掌握AI技術(shù)，我們在供應(yīng)鏈和市場方面的優(yōu)勢會讓參與者有很大的機(jī)會。

3
關(guān)于AI投資

傾向于投非常明確的應(yīng)用場景（比如無人機(jī)尾隨、圖像搜索），能很好地適應(yīng)AI技術(shù)現(xiàn)狀，清晰的商業(yè)化路徑。
也會考慮投少數(shù)做底層技術(shù)的公司，可以應(yīng)用到兩三個領(lǐng)域的那種，類似這次看的NovuMind，這種投資會讓自己在AI技術(shù)方面有比較好的理解和把握。純做理論研究的（類似Vicarious這種）不會投，畢竟拿別人的錢做投資需要講究中短期的投資回報。Vicarious主要是獲得了硅谷有情懷的大佬的個人投資，Bezos，Zuckerberg之類的。
AI開源社區(qū)/平臺不敢碰，在國內(nèi)很難有好的商業(yè)前景。
國內(nèi)的AI項目還是偏應(yīng)用的多，底層技術(shù)基本直接用現(xiàn)成的，說白了就是把AI當(dāng)成工具去用。在國內(nèi)值得投的AI項目方向是：Data Application，這一波AI需要數(shù)據(jù)，有數(shù)據(jù)才能把算法模型train好。沒有數(shù)據(jù)等于沒有競爭優(yōu)勢。有價值的數(shù)據(jù)是和應(yīng)用場景相結(jié)合的。定位是：AI只是工具，Data是資源，最后要在有商業(yè)價值的應(yīng)用上落地。
也有途友投資人覺得AI現(xiàn)在離商業(yè)化還有距離，自己暫時不能comfortably下單，會密切關(guān)注，但是從投資的角度有些早熟。

最后，附上

帶給大家最多啟發(fā)的6家公司：

- Enlitic：外行人將現(xiàn)有的機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到醫(yī)學(xué)診斷領(lǐng)域，結(jié)果診斷精準(zhǔn)度比6個世界級專家還厲害，說明現(xiàn)階段DL在一些特定垂直領(lǐng)域，譬如醫(yī)療領(lǐng)域，有很好的應(yīng)用空間，值得探索。掌握好的數(shù)據(jù)源很重要。很多傳統(tǒng)企業(yè)已經(jīng)握有一些獨(dú)特的數(shù)據(jù)，可能還沒意識到可以借助AI技術(shù)飛得更高。

- Skymind：深度學(xué)習(xí)算法的開源平臺，雖然在國內(nèi)這種開源平臺很難變現(xiàn)，但是這個方向?qū)Υ蠹矣泻軓?qiáng)的借鑒意義，國內(nèi)公司可能AI技術(shù)不行，但是或許可以應(yīng)用這種開源平臺更容易地調(diào)用AI技術(shù)，幫助自己的主營業(yè)務(wù)贏得更大的飛躍。

- Pilot AI Lab：計算機(jī)視覺技術(shù)很好的應(yīng)用案例，切入點(diǎn)包括無人機(jī)尾隨等等. 團(tuán)隊很厲害，一堆Stanford博士。真正讓DL結(jié)合傳統(tǒng)模式識別的技術(shù)，切實落地，做到產(chǎn)品化，這點(diǎn)很了不起。它不像一般互聯(lián)網(wǎng)公司，通過大數(shù)據(jù)平臺收集數(shù)據(jù)，只是在云端提供服務(wù)，而是真正在智能硬件這端把東西做出來，實現(xiàn)的一部分的AI能力，非常不容易。畢竟，雖然大家都在說AI/DL，但是真正落地的，實現(xiàn)產(chǎn)品化的公司鳳毛麟角。

- Vicarious：顛覆性的底層技術(shù)，只有硅谷誕生這樣的公司。它有別于主流的DL技術(shù)體系，這家公司模擬人的感官體驗幫助機(jī)器利用很少的數(shù)據(jù)獲取理解能力。雖然很難預(yù)知能否成功，離商業(yè)成功有多遠(yuǎn)，但是萬一成功了會改變?nèi)祟?。投資者都是些赫赫有名的硅谷大神，比如Elon Musk，Zuckerberg，Bezos等等。

- Fetch Robotics：雖然技術(shù)含量不算太高，物流機(jī)器人是深度學(xué)習(xí)技術(shù)現(xiàn)階段很好的落地場景，清晰的商業(yè)路徑，easy toimplement，不需要對現(xiàn)有基礎(chǔ)設(shè)施做改造。

- NovuMind：團(tuán)隊很厲害，百度系的大牛們，主打超級計算能力，技術(shù)門檻很高，很好的方向，清晰的商業(yè)化路徑。

5月人工智能考察精彩回眸