人工智能行業(yè)分析和投資機會

　　看看下面文章，看人工智能到底是不是一個值得投資的好行業(yè)。

　　人工智能發(fā)展歷程

　　1. 概念介紹

　　(1)人工智能(Artificial Intelligence)能夠和人一樣進行感知、認知、決策、執(zhí)行的人工程序或系統(tǒng)。機器學習是人工智能的一個分支，是通過算法使得機器能從大量歷史數(shù)據(jù)中學習規(guī)律，從而對新的樣本做智能識別或?qū)ξ磥碜鲱A測。

　　(2)深度學習是機器學習的一個分支，它試圖在多個層次中進行學習，每層對應不同級別的抽象。一般使用人工神經(jīng)網(wǎng)絡，學習到的統(tǒng)計模型中的不同層對應于不同的概念。高層概念取決于低層概念，而且同一低層的概念有助于確定多個高層概念。

　　2. 發(fā)展歷程

　　自1956年達特茅斯會議提出人工智能這一概念以后，歷經(jīng)沉浮，中間遭遇過多次冷遇，進入21世紀后，隨著數(shù)據(jù)量和硬件上的進步，在深度神經(jīng)網(wǎng)絡算法出現(xiàn)以后，克服了一直以來的算法和硬件的瓶頸，進入快速發(fā)展時期，很多領域進入實用階段。

　　3. 技術支撐

　　(1)深度學習算法--核心算法的突破

　　計算機科學家集合 Yann LeCun 的卷積神經(jīng)網(wǎng)絡、Geoff Hinton 的反向傳播法，以及 Stochastic 的梯度下降(Gradient Descent)訓練法，加上吳恩達(Andrew Ng)大規(guī)模應用 GPU 來加快深度神經(jīng)網(wǎng)絡(DNNs)的運算速度，促進“深度學習”這項現(xiàn)代人工智慧技術出現(xiàn)大爆炸般的發(fā)展。

　　(2)GPU芯片—計算能力的突破

　　GPU(Graphic Process Units，圖形處理器)的眾核體系結構包含幾千個流處理器，可將矢量運算并行化執(zhí)行，大幅縮短計算時間。隨著NVIDIA、AMD等公司不斷推進其GPU的大規(guī)模并行架構支持，面向通用計算的GPU(General-Purposed GPU、GPGPU)已成為加速可并行應用程序的`重要手段。

　　(3)大數(shù)據(jù)—海量數(shù)據(jù)

　　與人工規(guī)則構造特征相比，利用大數(shù)據(jù)來學習特征，更能刻畫數(shù)據(jù)豐富的內(nèi)在信息。在大數(shù)據(jù)情況下，只有比較復雜的模型，或者表達能力強的模型，才能充分發(fā)掘海量數(shù)據(jù)中蘊藏的豐富信息。運用更強大的深度模型能從大數(shù)據(jù)中發(fā)掘出更多有價值的信息和知識。

　　人工智能的三個發(fā)展階段

　　第一階段：運算智能，能存會算;

　　第二階段：感知智能，能聽會說、能看會認;

　　第三階段：認知智能，能理解會思考。

　　目前在運算智能和感知智能方面已經(jīng)有重大突破，在認知智能方面還在進一步摸索中。認知智能是目前機器與人差距最大的領域，也是目前各大科技巨頭都在力圖尋求突破的領域。認知智能目前還沒有太大突破，未來需要花更多時間進行研究。

　　人工智能現(xiàn)狀介紹

　　1. 語音和自然語言角度

　　語音和自然語音是人類最自然的語言交互方式，具有快、簡單、自然等優(yōu)點。

　　(1)目前進展：

　�、僬Z音識別率已經(jīng)接近99%，抗噪震識別技術、語音合成技術、多人對話技術已成為新的研究熱點;

　�、趯τ谧匀徽Z音的處理和理解仍沒有得到一個很好的突破，原因在于：

　　語音識別基于視覺或音頻的“底層認知特征”，但語言理解是基于詞法、句法和語義學等“高層認知特征”的，發(fā)音的音頻圖像可能是比較確定的，但由于不同的拆解可能有不同的含義。

　　(2)自然語言處理的發(fā)展方向和趨勢：

　�、俸Ａ繑�(shù)據(jù)時代的信息抽取;

　　②深度學習在自然語言處理中的應用;

　�、鄢�大規(guī)模知識圖譜的建設和應用。

　　上述三個步驟是同時進行的，通過知識圖譜將不同的語義、詞匯分類并根據(jù)相關性進行聚合和連接，類似于人思考過程中的聯(lián)想功能。

　　目前語音已經(jīng)到了爆發(fā)的階段，下圖統(tǒng)計了從2013到2015年智能手機使用智能語音功能的比例。

　　到2020年，至少50%在百度瀏覽器上的搜索都將通過圖像或語音。

　　2. 圖像角度

　　目前的應用主要在人臉識別、照片自動歸類、圖片搜索、自動駕駛/ADAS等方面。但應用有前后之分，比如：醫(yī)療領域的人工影像的算法研究比較滯后，識別率達到70%左右，這種識別不夠精確，不能很好地對醫(yī)生加以輔助。

　　促使計算機在圖像感知、圖像識別上發(fā)生飛躍的技術主要有以下三個方面：

　　算法、深度學習網(wǎng)絡和模型;

　　海量深度數(shù)據(jù)的訓練模型;

　　從CPU到GPU的使用。

　　3. 產(chǎn)品角度

　　(1)人工智能的應用給生活帶來的影響及場景描述：

　�、購男畔⒌椒�務：

　　舉例：從原來人工找咖啡館喝咖啡到之后享受被送到指定地點咖啡的服務;從原來人工訂票到使用人工智能技術享受訂好票訂的過程。

　　②從軟件到軟硬結合：

　　無人車等都具備軟件和硬件結合交互的特征，將具備可移動性、可隨身攜帶性，從但一到綜合，會有更多傳感器、更豐富交互性(視覺、語音、語言、手勢、移動等)。

　　(2)常見的AI產(chǎn)業(yè)化路線：

　�、僭谝延械漠a(chǎn)品中實現(xiàn)AI first戰(zhàn)略 例如：Google;

　�、贏I作為技術API提供給第三方;

　　③創(chuàng)業(yè)公司從技術或者應用入手。

　　(3)toB還是toC?

　　目前大部分公司定位為toB，需求明確、市場接受度高，將率先落地，同時較容易普及。而toC除了掃地機、無人機等品類外，其它領域的需求還不夠強勁、市場接受度較差、技術和市場成熟還需時日，但是目前有越來越多定位toC的產(chǎn)品出來,例如Amazon Echo、出門問問的ticwatch等。

　　4. 人才角度

　　深度學習的再一次興起起源于學術界，但目前學術界的大牛大部分被挖到巨頭公司。之前是學術界的研究領先于工業(yè)界，但現(xiàn)在人才、計算資源等條件，巨頭已領先于學術界，研究的中心已轉(zhuǎn)移到工業(yè)界。

　　現(xiàn)在來看美國比中國還是領先不少，美國有4大名校：MIT、斯坦福、卡內(nèi)基梅隆、紐約大學，還有Google、Facebook、MS這些大牛公司，培養(yǎng)了很多人才。在語音識別，圖像處理等領域國際很多頂級專家都是華人。國內(nèi)也有很多專家，行業(yè)薪資待遇越來越好，會吸引更多的優(yōu)秀人才進來。這批人目前可能在百度、騰訊和阿里，將來可能加入創(chuàng)業(yè)大軍(已經(jīng)出現(xiàn))。

　　中國的優(yōu)勢在于有大量互聯(lián)網(wǎng)用戶，很多的數(shù)據(jù)，有和各行各業(yè)結合緊密的應用，未來美國技術+中國商業(yè)模式會引領人工智能的發(fā)展。

　　相較于O2O、直播等領域，人工智能創(chuàng)業(yè)門檻較高，創(chuàng)始人以及核心團隊一般均有極強的科研背景，行業(yè)人才較為稀缺，導致了行業(yè)創(chuàng)業(yè)公司總體數(shù)量較少。

　　巨頭參與加劇競爭，創(chuàng)業(yè)者要思考“你與BAT競爭有什么優(yōu)勢”，選好產(chǎn)品定位和切入點。

　　人工智能不僅對于創(chuàng)業(yè)者來說門檻較高，對于投資人同樣如此，要結合技術和應用前景作出準確判斷挑戰(zhàn)較大。

　　全球融資歷史

　　1. 融資額

　　AI領域的融資額從2011年的$282M增長到2015年的$2.4B,增長了約7倍，未來仍將繼續(xù)保持快速增長。

　　2. 融資階段

　　從投資階段來看，大部分項目是早期項目(天使+A輪)，早期項目雖從2011年的70%下降到2015年65%，但仍占有最大比例，說明AI創(chuàng)業(yè)活動仍然活躍。同時B/C/D輪項目增多，說明前期公司成長性不錯。未來在這些領域創(chuàng)業(yè)活動將仍然活躍，繼續(xù)提供較多投資標的。

　　3. 退出案例

　　退出案例越來越多，主要有并購和IPO兩種方式，并購占絕大部分，并購方主要是像Google這樣的科技巨頭公司，Google目前已經(jīng)并購了20多家AI創(chuàng)業(yè)公司，其它活躍的并購方還有Twitter、Apple、Intel、Salesforce、AOL、IBM、Yahoo等。創(chuàng)業(yè)公司以一個比較好的價格被并購也是一個不錯的退出方式，可能也是大部分創(chuàng)業(yè)公司變現(xiàn)的機會，除了具有獨立IPO機會的公司，我們也可以關注國內(nèi)對BAT等巨頭有業(yè)務互補有可能被他們并購或者投資的創(chuàng)業(yè)公司。

　　人工智能現(xiàn)狀總結

　　目前人工智能尚處于技術成熟的早期階段，在計算能力提升、深度學習算法進步及大數(shù)據(jù)的積累情況下，某些特定的認知計算領域，如計算機視覺、自然語言處理領域取得了階段性突破，從而引來了大量此領域的技術專家人才加入創(chuàng)業(yè)。但是，我們也看到現(xiàn)有技術更多是在輔助和增強人類的認知能力，而且技術依然處于快速迭代升級的階段，所以技術與商業(yè)結合的路線選擇就顯得更為重要。藍馳更看好與產(chǎn)業(yè)結合，有好的商業(yè)變現(xiàn)場景的技術產(chǎn)業(yè)型公司，而非單純強調(diào)AI技術的公司。

【人工智能行業(yè)分析和投資機會】相關文章：

十大行業(yè)或?qū)⒂�投資機會08-13

兩大熱門投資項目行業(yè)分析01-22

投資咨詢行業(yè)的面試內(nèi)容和流程07-31

未來最值得投資和創(chuàng)業(yè)的行業(yè)02-06

A股市場投資策略報告分析:機會不少,賺錢不易03-02

金融行業(yè)就業(yè)前景和就業(yè)方向分析02-02

農(nóng)業(yè)互聯(lián)網(wǎng)的投資和創(chuàng)業(yè)機會在哪02-06

個人創(chuàng)業(yè)項目：網(wǎng)站投資和經(jīng)營分析08-19

投資人談未來3年的投資機會02-03