真正的投资者如何区分 AI 的炒作与现实

阅读数:1297 2017 年 2 月 19 日

话题:语言 & 开发架构AI

就像之前的“云计算”、“大数据”和“机器学习”,“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析,还是原来的套路。

自从去年 AlphaGo 打败李世石开始到现在,人工智能的热度就没有一丝衰减。随着长虹推出全球首款人工智能电视,一轮属于全球家电产业的人工智能新时代大幕正式拉开。随后,美的、海尔等企业相继发布各自的智能空调新品,并剑指"人工智能"。

被誉为全球消费电子产业发展风向标的美国 CES 展 2017 年展会上,人工智能成为这个产业的全球新风口。事实上,从去年开始,以 Google、Apple、Intel、Microsoft、Amazon 为首的外资科技巨头,以及百度、腾讯、阿里为首的本土互联网巨头,都悄然将战略触角伸向了人工智能的领域,在这方面进行了较大的商业投资。也出现了真正的创新产品,如可能很快就会商业化的无人驾驶汽车。

目前科技行业或媒体把越来越多的产品与“人工智能”扯上关系,实际上,这些产品中人类发挥的作用超过了它们自身的智能化程度,眼下 AI 领域有很多概念都是炒作。有真诚的专业人士和从业人员,更有深韵其道的商业炒作者,更有聪明的搭便车者,当然更多是被卷入的看热闹者。

总之,目前来看,AI 已经激发了公众的想象力,占据了媒体报道,并引发了大量的投资和收购。在这一轮炒作中,发现滥竽充数的“南郭处士”与真正投资者的区别可能是一个挑战。

TOPBOTS的研发主管Mariya Yao,日前写了一篇文章,分享了她的经验:真正的投资者如何区分 AI 的炒作与现实,给那些 AI 初创公司的创始人提供了十分有用的建议。

我们从顶级公司,如 CRV、IA Ventures、Two Sigma 等采访了经验丰富的风险投资人,以了解这些成功的投资者如何评估 AI 初创公司。如果你是一个想创办 AI 公司的创始人,要确保有这些所有关键问题的答案。

AI 是核心价值核心吗?

Qualcomm Ventures的 Varun Jain 警告道:“许多不能筹集资金的公司硬充 AI 公司。”Jain 已经目睹从 AI 驱动的 Wi-Fi 路由器到榨汁机,再到这两者之间的所有的市场范围。

许多情况下,AI 只是一个附加功能,并非公司价值主张的核心。Jain 解释道:“传统的 Wi-Fi 路由器可以使用 AI 方法来检测网络数据中的异常,并标记这些错误,但这功能在实质上并不能改变增值。”

相比之下,高通投资了ClarifaiCruise Automation(被通用收购)。Cruise 提供智能来驱动无人自驾车,而 Clarifai 利用先进的深度学习和计算机视觉技术,来高精度地识别图像和视频中的物体。

你的技术团队有多可靠?

根据CRV公司的 Max Gazor 的报告:“拥有可观的、新颖的 AI 技术的公司,将从学术界的一流研究室诞生,或来自颇具声望的产业团体,如 Google Brain 或者 Facebook 的 AI 团队。”

CRV 对技术系的承诺,体现在他们投资的创始人非凡的经历。Rethink Robotics的 Rod Brooks 不仅是麻省理工学院 AI 实验室的创始主管,还是个成功的机器人公司 iRobot(NASDAQ:IRBT)的创始人。Jibo的 Cynthia Breazeal 以前在 MIT Media Lab 成立了 Personal Robotics Group,是一位国际知名的社会机器人专家。Pullstring的 Oren Jacob 以前是 Pixar 的 CTO,自公司成立初期就与 Steve Jobs 共事。

DCM Capital的 David Cheng 补充说:“在行业生命周期的这一阶段,只有为数不多的 AI 专家,他们拥有大型公司或者顶级大学的必要经验,才能提出具有真正创新性的解决方案。如果一个团队声称产品中应用了 AI,却没有为之匹配的团队,这种短缺会使我们非常怀疑。”

你能解决客户付费提出的实际问题吗?

“我发现的一个规则是:CEO 讨论 AI 越多,而不是客户的问题,我的兴趣就越低。”GE Ventures的 Michael Dolbec 俏皮地说, “我们资助宝贵的成果,而不是科学项目。”

我们接触的每一个投资者都同意这个看法。

“如果我不得不选择一个,领域专长胜过机器学习专长。”IA Ventures的 Brad Gillespie 补充道。IA Ventures 投资了Vectra Networks,这是一家由经验丰富的专家领导的网络安全公司,专注于解决最重要的客户问题,并最大限度地提高安全分析师的可用性。

Vectra 的竞争对手强调他们为客户提供了复杂的机器智能,但买家反馈是“这些家伙很聪明,但不理解我的业务。他们的产品花里胡哨,但我不明白究竟是什么玩意儿。”

有效解决业务问题需要一个团队超越狭窄的技术方法,而且要专注于拥有一个特定的业务领域和功能。Two Sigma Ventures的 Colin Beirne 指出,“使用不同技术的集成,需要解决当今的大多数困难问题,但是针对狭窄领域的 AI 减少了学习理解的复杂性。”

您有相关的、专属的和可扩展的数据源吗?

Qualcomm Ventures 的 Jain 总是提出潜在投资:“你的数据源怎么样?你是依靠大公司提供的数据还是你有独立的采购方式?”这两种方法都是可行的,但是独立性是强烈首选的。

自驾车历来在郊外、停车场和不代表驾驶现实的封闭环境中进行测试。Qualcomm 的投资组合公司 Cruise Automation 通过在城市环境中操作测试车辆,监控人力驱动程序,捕获了严重缺失的数据。同样,它的其他 AI 投资 Clarifai 开始于一个流行的消费者应用程序,使其能够捕获独特的众包数据,然后进一步扩展,以处理业务特定的数据。

除了数据源是独特的、合理的,它们还必须与正在解决的挑战相关。Battery Ventures的 Dharmesh Thakker 表示:“下一代 AI 取决于你挖掘数据的复杂性。非结构化图像、视频和音频数据比文本难得多。”Thakker 还考虑公司是否使用快速移动数据或静态数据。快速移动数据的算法,例如由自动驾驶汽车处理的实时图像,通常要复杂得多。

最后,团队必须证明他们根据特有的数据不断改进表现。高通的 Jain 定期检查团队是否能“展示快速处理培训数据和有效优化的能力,以便系统更加健壮。

你建立独特的技术还是依靠开源?

“公司利用开源框架与开发自己的专有技术的程度往往是一个‘赠品’,”Verizon Ventures的 Suresh Madhavan 观察后说, “利用开源仅能让你分析一些肤浅的关系,但它不可能是解决困难的业务问题所需的水平。”

DCM Ventures 的 Cheng 同意这个看法。DCM 的投资团队依赖一个强大的行业顾问和技术专家网络“帮助审查技术、数据架构,并确定团队是否着手致力于数据收集、存储、解析或注释。他们也帮助揪出冒牌货。”

你有粘性产品吗?

Sumant Mandal 是March Capital的合伙人,也是The Hive的共同创始人,这是一家专注于 AI 驱动初创公司的初期孵化器。“如果你不能提高效率至少 5~10 倍,那么新公司就很难突破,为投资者带来价值。”Mandal 强调道。他建议创业公司要考虑客户的收入。例如,如果你想应用 AI 来招聘流程,曼达尔建议你扪心自问,“如果我提高效率 5 倍,会不会为我的客户带来 100 倍的收入提高?

此外,Mandal 警告说:“价值提升必须交付给客户在他们可以消费的方式,例如以仪表板或可执行的指导建议的形式。”而由于数据量和人才的缺乏,网络安全由 AI 中断的时机已经成熟。他警告说:“安全分析师不需要更多的警报。”

即使你有一个理想的产品,让客户承诺一个单一的试点方案不利于一个可行的业务。Woodside Capital的 Kartik Gada 寻求收入和客户的多元化:“您的收入是否稳健和持久?您的客户是否需要相同或更多的解决方案?”

你有一个多元化的团队吗?

最后但同样重要的是,投资者寻找能够解决启动和扩大 AI 业务的所有挑战的多元化团队。Monsanto Growth Ventures的 Kiersten Stead 解释说,“已成功雇佣多元化的公司”包括领域专家、商业领袖和销售人员,而不仅仅是工程团队。

相反,Stead 观察到,同质化的启动团队,特别是当仅由没有行业特定经验的 AI 研究者组成时,往往会更频繁地失败。这一点,对于寻求解决 Monsanto 投资的应用(例如农业经营和遗传育种)的外部人员尤其重要。

“技术 AI 团队不能很好地适应销售人员,反之亦然。”她强调。“我们寻找一个有经验的 AI 创始人,有一个成熟的职业生涯,还有广泛的人脉,或者在很多团队混个脸熟。”以技术为重的 AI 初创公司往往忽略了销售和市场营销,而这两者是成功亟需的要素。”

Woodside Capital 的 Gada 警告说:“AI 创业公司犯下的最大错误是对营销不够用心。大多数客户不知道需要他们的产品。”


感谢朱昊冰对本文的审校。

给 InfoQ 中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ@丁晓昀),微信(微信号:InfoQChina)关注我们。