投资人眼中的AI机缘：AIoT里将涌现下一个互联网式时机

编辑 | 文华、李文礼

--

焦点提示：

1.如果不能实现AI算力的平民化，后续的应用就没有底层载体去实现，特别是最后的商业化。

2.制造业的系统性时机已经形成，行业智能化的待革新空间很是大。

3.可以在互联网AI的基础上，寻找更多的物联网AI（AIoT）时机。

编者按：本文是36氪超级沙龙「新基建」系列第五期直播整理而来，有删减。完整直播可以戳此回看。

AI行业应用和基础算力优化迎来时机拐点

图一

从投资人的角度，我们现在这样看待整体的架构，在人工智能领域内里，把它分成主要的三大层，从下往上划分是基础算力层、通用技术层和应用层。每一个领域其实都有很是多的投资时机和投资机缘。

举个例子，基础算力层中，焦点组成部门是专业加速器，典型的代表是 NVIDIA。他们以GPU架构为基础，提供了很是多的 AI基础算力，现在新兴的比力大的外洋创业公司Graphcore和海内的基于FPGA架构的创业公司寒武纪、以及华为都在加速研发专业加速器。随着专业加速器的快速生长，以及随之而来的虚拟化、漫衍式生长，底层基础算力层价钱的平民化，构建了AI行业生长的基础。

再往上一层的话是通用技术层，主要涉及到类似机械视觉，自然语义处置惩罚、自然语言处置惩罚、语音识别、文本转换，像Google、华为等这些比力大的平台在这个层面做了大量的事情。

再往上就是应用层，我相信这是大部门的创业者都比力体贴的，也是许多投资机构比力关注的层面。当我们架设完了底层基础算力，通用技术获得差别水平的进步生长以后，工业更多地会走到更上一层。怎么跟更多的场景联合，用好这些通用技术，做好应用的开发，真正实现人工智能的落地和商业化是许多创业者都在关注的问题。

AI的商业化焦点在于算力平民化

图二

除了应用层，我们也重点关注基础算力层，为什么这么说？实际上它有点类似于互联网的生长。之前云盘算的生长，决议了移动互联网、 IOT的生长，让大家可以用比力低的成本使用到原来比力贵的服务器。

那么到底何时能够让AI算力真正平民化？大家可以从上图看到，现在为止GPU的性能是指数级的增长，AI训练速度提升也很是快，可是整体的专业加速器的使用成本仍然居高不下。这也和现在加速器相对比力集中以及巨头垄断的格式相关。随着云盘算的生长，大家现在在做专业加速器的资源池来供客户使用，按需订购，但它的价钱还是很是很是高的。

怎么真正让算力降下来？海内的许多公司在这方面都做了很大的努力，好比华为，大家对于他们的期待都是很高的。

我们自己也在做一些结构，例如说专业加速器硬件的虚拟化方案。除了硬件的高速生长，最焦点的还是运算能力的虚拟化，动员了后续云盘算的生长，包罗动员了上游的平台和应用的生长。这是我们一直比力重视的，如果不能实现AI算力的平民化，后续的应用其实都没有底层的载体去实现。特别是最后的商业化，现在处于一个比力早期的情况下，许多还是需要底层成本的快速下降来资助应用的生长和实现。

物联网是后AI时代的重要机缘点

图三

在应用层，具备大量非互联网化数据基础的垂直行业创业公司，更容易构筑焦点技术壁垒。AIoT是人工智能落地的重要偏向，过往在应用层，大家许多人会聊，人工智能领域到底怎么去做商业化，到底怎么能够找到创业偏向。

从投资人的角度来看，在传统互联网领域，AI已经有了很是多年的生长，我记得是从2016、2017年，市场里讲的观点不只是大数据，而是讲在大数据的沉淀历程中，是不是有许多 AI的时机？大家现在能看到的自然语言处置惩罚、语音识别、部门的机械视觉、人脸识别等类似的应用，其实都是过往在传统互联网生态里，数据量比力大，做的比力好，现在来看商业化水平比力高的一些人工智能的应用。

可是从现在来看的话，我以为AI已经履历了很是快的生长，对于许多创业者或者是有意向创业的人来说，可能现在已经处于一个比力后期的阶段了。如果大家还想要找一些新的时机，可以在原来互联网AI的基础上，寻找更多的物联网AI（AIoT）时机。

可以跟互联网相对应的就是物联网。随着通信技术和新型传感器的成熟，联网设备的渗透率增长很是迅速，大家可以看获得，从原来的PC到智能手机，到现在越来越多的新型的智能终端联络网络泛起，以及现在行业设备的数据增长，都为人工智能在垂直行业的落地应用奠基了一个很是大的基础。

图三中的右边图表，从早期的2012年移动互联网发作，到2016、2018年履历了很是快的发展，2018年之后我们可以看到，物联网设备在增量里占据了很是大的比重。而且我们相信随着5G的快速生长，未来物联网行业的接入设备会越来越多，包罗其中的一些分支，像车联网、智能电力、智能制造、智慧都会，物联网行业的诸多领域都市越来越多地占据新增的接入设备权重。同时，终端发生的数据，未来应该会占据越来越大的比重，甚至凌驾我们现在C端形成的数据。图三右下角图片显示，各种型的联网设备占比中，智能制造已占34%、智慧都会占19%、智能安防占15%、车联网占10%。其他种种各样的业务领域占比22%。

制造业系统性时机已经形成

图四

针对智能制造比重较大这个现象，许多投资人或者创业者，其实都在这个领域里寻找到一些系统性的时机。

以我的视察来看，制造业的系统性时机已经形成，行业智能化的待革新空间很是大。

首先，中国制造业的基础特别庞大，生产效率相比于外洋的西欧蓬勃国家和地域比力大型的规模化制造业来说，效率还是略显低下，所以提升空间特别庞大。其次，已往10年，中国劳动力的成本也增加了三倍，对低附加值制造业形成了挤压，中高附加值制造业提高资本化水平的需求已经由期，此外，人口结构的变化和用工成本的提高，也倒逼着整其中国作为制造业大国举行自动化、信息化的革新。国家补助政策也会加速革新落地，整个制造业已经形成了很是大的系统性时机。

智能制造偏向上新接入的终端，在新基建中的渗透率会大幅提升，它会发生很是大量的数据。而且在制造业领域，对其数据举行分析的须要性和价值都是很是大的。

好比，智能终端方面，智能家寓所发生的数据价值和一个工厂内里单一终端发生的数据的价值，肯定是制造业相对更大一些，而且它发生的数据量要比C端终端要大，固然这也要看详细的场景。因为制造业内里的设备就是主要的生产资料，这个设备发生了许多数据，大到设备的产能使用率、排班，小到运行数据对应的故障预测、设备维护，这都市有很是大的商业价值，因为它自己就是用来做商业生产。可能在 C端会是无意义的，但在B端，它的商业化的价值是很是大的。

所以联合适才我的一些分享，创业者也好，投资人也好，要找的一个点是：第一，它自己是在一个大赛道内里；第二，在这么一个大赛道里，它要发生很是多的新的终端的需求。因为新的终端需求才会发生很是多的新的、实时的数据。有了这些数据才有可能举行分析、挖掘和进一步商业化的应用，这是一个基础前提。

为什么会有这样一个前提？是因为，只有在不停新增，不停发生海量数据的时候，我们才会用到真正意义上大数据的底层基础架构，去分析那么多的数据。如果这个数据是相对静态的，不是那么动态，又不是那么大量，一般的BI都能够解决这些数据分析的问题。可是当这个数据的量在实时动态大量新增的情况下，技术门槛、数据处置惩罚的能力，包罗整个整体的底层架构，会完全纷歧样。

早期创业者可切入AI中台

商业化方面，大家都市面临的一个问题是：我是应该服务头部客户，还是想措施做成一个纯SaaS的应用，找更大的基数来做。

其实自己在中国To B的市场情况中，大部门的公司其实都是先重新部企业客户开始签。可是这个历程中，往往有一个很是大的悖论，就是早期的创业者跟许多大公司谈生意是比力难的，入门门槛也比力高，这在海内是比力难直接系统化和成体量解决的。除非是有很是深的行业积累，来资助你一开始就能踩进他们的门，同时还要有很是强的销售能力。因为对于头部大的B端客户，对你的直销能力要求会更高。

第二种打法还是以腰部客户、长尾客户为主的SaaS的打法，这个打法相对来说比力平台化 —— 做一个广泛适用的平台，然后找一些案例，落实以后去广而告之，希望越来越多的公司直接可以找上来做。

在这种情况下，AI的领域内里，AI中台也具有比力大的潜力和时机。因为底层的基础设施大部门还是巨头来提供，前端的应用，至少在早期商业化不那么富足，客户付费意愿不高的情况下，还是会往下沉一些。用中台的方式跟许多的互助同伴渠道一起推广，对于早期创业者来说，这可能是一个可以切入的点。

有行业配景且有乐成案例的创业者更受资本青睐

过往我们也看到许多行业内里的创业者会泛起一个状态：一个公司A轮第一次出来找机构融资，可能偏向找的比力好，团队也比力精彩，技术能力比力强，举行了300万美金的融资。可是融完资以后发现，除了团队正常的日常运营用度以外，可能要花150万美元左右去买硬件设备。那么在这么一个情况下，公司的容错率、试错的空间都是很是小的。

从投资人的角度，我们其实希望从基础性的角度去解决这个问题，就是要让底层的算力成本大幅下降，可是这需要许多同行去推动。

在详细的应用层面，在海内AI领域，能够真正为AI的应用付费落地的，除了我适才提到语音识别和面部识别，这些比力主流的赛道以外，大部门的行业应用的客户付费意愿都比力低。处于鸡跟蛋的状态：许多客户会想创业者是不是能够做出一个比力完整的方案，直接告诉他放到那里能够用。而创业者刚开始做的时候，肯定需要许多客户一起帮他们找这种场景，所以我小我私家以为AI应用的生长，会和垂直行业更相关。

如果是我去投创业者的话，我可能会越发倾向于自己有行业配景和行业属性的创业者。因为现在AI的生长跟过往许多的技术的演进相关，从互联网技术，云盘算的底层IasS、PasS 到SaaS。然后再对应许多的 SaaS向垂直化领域生长。垂直化生长以后，有许多的垂直的行业属性、行业的应用、行业的数据，再在这些数据的基础上举行大量数据的分析，通过模型训练去推导，得出许多新的AI应用。

所以，创业者需要真正对一个行业有深度的认识和明白，这是首要条件。其次，就跟适才我提到的商业化相关，在商业化的历程中，我很是建议创业者能够跟客户一起来找一些落地的场景。

从投资人的角度来看，如果有个团队现在就跟我说一个观点，可能我评估是不是能投资它的难度是很是高的。可是如果你作为创业者，能够先举行一些创业探索，不要只局限于自己内部偏向的生长。可以先去找客户一起来找需求落地的场景，跟他们先做一些场景的匹配，而且能够简朴地核算一下投入产出比，在这种情况下有了一个切入点，甚至有乐成案例之后，去找投资人聊，我以为乐成的概率会大大提升。

沙漠有投资过一家公司叫Thingworks，它是智能制造领域的大数据中台。我们其时在评估这家公司的时候，它是有做一个公司的案例，可是还没有做成，因为偶然遇到，我们聊到了一起，而且在这个历程中我们一起跟这家公司的首创人找到了这个行业的时机，并发现这个需求其实是客观存在的，而且很是大，整个行业的下游的客户的体量也比力大。我们愿意相信他，所以就对他们举行了投资。

因此不要给投资人出难题，不能指望投资人在每一个领域都特别熟悉，创业者要自己真正明白这个行业。如果你自己准备更充实一些，拿到投资的概率可能会更高一些。

氪友问答

1.AI什么时候可以取代人类？

@胡唐骏：我不知道什么时候能够取代人类，可是我把它说得越发现实一些，投资人是这样子这么看待这个问题的：

我们现在看AI的投资时机或者创业时机，会找适才我提到垂直的领域，一般有详细的落地场景。所以我们现在找的许多偏向都是比力实际和实在的，没有去找泛AI、完全纯通用型的AI。我们更多的其实还是垂直领域的专业属性的AI。

在这些专业属性内里，最早的像前两年生长出来的语音识别、机械视觉，都是在部门替代人的感官功效。语音识别就是在部门替代语言、说话和听力。固然我们也看到许多有比力有意思的，例如说替代嗅觉，甚至于替代味觉。但嗅觉跟味觉，他们的商业化的希望还是相对慢许多。在这种情况下，替代人的部门感官能力的已经有一定的生长，另有现在机械人加上了人的机械运动能力的智能化，也有一些AI的体现。

适才提到的垂直行业垂直的应用，相当于是在部门取代人的一些事情能力。以适才我说的智能制造的细节举例，例如说我要记载机械的数据，可能只有一个设备上有一个显示器，人对着显示器拿个笔去记，可能会有遗漏或者错误。可是机械在这方面就取代了这些重复性的事情，所以我以为我们现在在找的焦点的AI能力还是要能够部门取代人低效的重复劳动的产物。而不是完全去寻找这种通用型的AI取代人脑，可能这样一些领域更多是巨头去做，因为它整个前期的投入会很是高，而且短期看不到收益或者商业化的难度会很是大，无论是投资人还是创业者，大家还是要落到实处。

2. 您以为AI和哪些应用场景的联合是现在来说比力有前景的？

@胡唐骏：现在整体来说比力大的场景，是AIoT。

落到一个细分领域，就是我适才分享到的一些，好比智能制造、智慧都会、智能安防和车联网是现在看获得的终端增量比力大的。体量来说，智能制造可能还是一个比力大的偏向。

智慧都会是我们现在看到比力多的时机，可是进入门槛会比力高。

智能安防的话其实已经生长了比力长的一段时间，中间的头部玩家已经比力显着，所以我以为如果没有特别好的切入点，可能对于早期创业者会难度大一些。

车联网的话，我们现在比力偏重的还是自动驾驶、车路通讯、车车通讯，包罗跟周边情况的识别，无人驾驶等等。固然整个汽车作为未来的偏重较多的终端载体，还是有很是多的需求。从车联网的一些细分的应用，到一些保险、驾驶行为数据的应用等周边偏向，还是会有比力多的时机。