网球

高捷资本黎蔓AI领域还有哪些创投新机会

2019-12-04 18:00:34来源:励志吧0次阅读

高捷资本黎蔓:AI领域还有哪些创投新机会?

图片来源@视觉中国

钛媒体注:本文为高捷资本创始管理合伙人黎蔓在青桐大咖说第38期上的重点分享内容,他分享了多年来AI领域的投资心得,以及现阶段值得关注的细分赛道。

AI的发展阶段,近期泡沫化

AI不是一个新命题,从60多年前的达特茅斯会议以来,AI已经经历了起起伏伏的多次周期。

从2012年以来,随着神经络深度学习的快速发展,加之计算存储的能力提升成本下降,人工智能热度持续攀升。Alpha Go的胜利,更是引发这个领域内外乃至整个社会的兴奋。

正是因为过去五六年的快速发展,使得最近整个创投圈好像有一种风气,不谈AI都不好意思去融资去投资。我觉得,最近AI创业的短期泡沫化非常严重。和其他科技一样,AI在发展热度期的时候大家都非常感兴趣甚至膨胀,过一段时间如果没有达到预期就会快速冷却。

我比较担心泡沫破灭以后,很多人会觉得AI也就是一个故事而已,就像当年共享单车、团购等一波一波浪潮一样。

其实在我看来,AI本身并不是一个具体赛道,它展示的是一个很有前景的未来, 这个未来实际上才刚刚开始。目前AI虽然已经展现了很大的发展前景,但还有相当的局限性。在机器视觉和自然语言理解方面,我们还有很多问题没有解决,需要更多的机器学习来实现。

AGI(Artificial general intelligence),可以抛开AI只会归类不了解其中内涵的局限性,能更接近人大脑的智能。人的智能包括推理、归纳、总结、计划等等这些能力,不仅仅是归类。很多人预测,可能未来二三十年,甚至五十年我们都不一定能达到这样的智能程度。

AI底层基础,重点关注半导体

整体布局来说,AI从底层中层到顶层应用,都是高捷资本关注的领域。

在AI底层的主要关注点就是半导体,以下几类半导体是我们投资时比较关注的。

1.计算。怎么算的更快更便宜更低功耗?低功耗主要是在Apps端,就是边缘端那些用电池支撑的IoT这个领域,它们需要更多低功耗的这些计算。

2.存储。数据要计算必须要存储,这是一个非常基础的功能。随着世界越来越数字化,大量的物理、实体、事件、关联关系等都会变成数字化存下来。现在都是分布式,都在云端,这些怎么存的更便宜取的更快?

现在存储领域,不管是SRAM,DRAM等世界几大巨头,还是美光、LG、Hynix、三星,国内的兆易实际上都占据了不少份额。我们更关注的是有没有新的赛道,能同时具有Flash的便宜和SRAM的速度,解决一些具体的场景。我们也关注存算一体的进展,因为算和存之间经常因为吞吐速度不够快,影响整个效率。

3.感知。感知是非常重要的一环,人工智能必须感知外界的物理信号。人对外界的感知基本上70%左右是视觉感知,20%左右是听觉感知,10%左右是嗅觉味觉触觉等其他感知。要把外界的这些物理信号感知下来数字化,才能被计算机和IT世界理解。

在这个领域,我们比较关注3D感知。现在发展比较快的就是苹果的DOE,它解决了的3D识别、人脸识别,这代表了一个发展方向。

感知传感器还是一个比较重要的领域,很多是运用MEMS技术来实现,欧洲做的都比较好,国内也有人做,但是做的都不太好。所以,我们也在看有没有新起之秀。其实还有一点,就是怎么通过传感器能够感知到,比如说在医疗领域,感觉到脑电信号,血压,血流速度等,如何能感知到这些微弱的身体信号,是佩戴手环还是用别的方式?

4.通讯。通讯分为两种,端对端,端对云。第一种端对端,比如在汽车领域,如果说我们能做到汽车与汽车之间的通讯,汽车与信号灯之间的通讯,我们就能避免很多交通事故。第二种端对云,也好IoT也好,会把它的信号传到云端,云端可能更有运算能力和交换能力,能把这些从端出来的信号在云里面进行计算,再发出回复或者指令。

在通讯领域,我们比较关心比如Lora,5G、WiFi、BLE、NB-IoT等。当然NB-IoT可能是华为和中国移动在做,可能对于小公司不一定机会很多,但是我们也在关注。

5.服务。半导体产业链还是需要很多第三方服务的。一般一个半导体公司刚开始的时候10几个人,不可能面面俱到,需要第三方的服务。比如说,他善于设计MCU,但是计算能力比较强,他需要懂得如何去传输,如何去进行电源管理,怎么低功耗,这些都要去别人的库实现。我们也一直在关注,是否有适合中国的半导体设计软件能够慢慢的脱颖而出。

半导体底层还有新一代的设备、材料,这些设备基本都是国外大厂垄断的,存在很多年了。我们看到的机会是,有没有新一代运用到人工智能的设备,来帮助更好的进行封装测试与检测,或者新一代的半导体材料,是不是能够提高各方面的性能,把半导体延续下去。

AI中层,机会不多

在AI中间这层,我们认为机会不是特别多。

1.数据。数据是AI的粮食,但小公司不容易掌握到数据源。

AI需要大量的数据,中国之所以有机会超越美国,实际上是因为中国有更多的数据。美国有更多的隐私保护,数据并不是那么开放,并不是那么多。中国本来人口就多,上的人也多,数据也相对容易获取,我们也没有那么敏感。所以数据实际上是我们非常重要的一个优势。

积累数据,其实对公司就积累了价值。阿里有很多电商的数据,百度有很多搜索的数据,腾讯有很多个人聊天的数据,这些都是很有价值的数据源。但是,一般小公司开始创业不太容易掌握一个数据源,所以在数据层面,我们觉得不太容易找到机会。

2.算法。算法是AI的武器,但由于开源,壁垒不高。

实际上现在整个世界的算法软件都在开源,大家可以去学,只要你有一定的聪明才智,都能学懂。只是应用到具体场景里面,可能需要进行改变,需要自己把这个思路重新再编一编,编成适合你的具体场景。

我们不会专门投一个算法公司,因为算法本身壁垒并不是特别高,如何利用数据算法解决实际的场景问题,才是更有价值的事。

3.架构。架构需要更符合具体应用场景。

前几年,伯克利教授提出了RISC-V指令集,它完全开源免费,可以自由地用于任何目的,允许任何人设计、制造和销售RISC-V芯片和软件。

它更多是挑战了ARM在移动端在IoT端的霸主地位。大家都知道,你要想用ARM的架构来开发芯片,需要交高额的授权费,对于小公司来讲,资金是一个很大的挑战。

而RISC- V的开源体系为广大的创业小公司提供了一个很好的平台。我们也非常看好RISC- V在架构这个领域的突破。

AI顶层的应用,关注智能制造和服务业

一.智能制造业

AI的顶层应用是大家最关心的,也是底层中层顶层三大领域中最关键的。在顶层,它有一个很大分支是智能制造,其中包括核心部件、系统、视觉检测、工业机器人、工业互联等。

1.核心部件。主要应用在机器人项目,包含伺服电机、减速器、控制器、工业雷达、本体等。目前,国内中高端的核心部件基本被海外垄断,我们对国内有竞争力的核心部件生产企业保持非常高的关注。

2.系统。系统也就是集成,智能制造最本质的目的是为了解决细分行业问题。例如烟草、3C、汽车、纺织、食品、药品等等。AI领域很多上市公司都是从集成开始,将市面上的部件、自己的技术融合去解决具体的问题,从而形成竞争力。所以,系统集成是一个值得我们关注的赛道。

3.视觉检测/分拣。电商的繁荣对视觉检测/分拣的需求非常大,因为人工分拣容易失误、也无法长时间工作。除去电商,视觉检测可以应用在工业品质量检测方面,目前所使用的抽检方式并不完美,后来出现的AIO(全自动光学检测)也不能解决像纺织品这些纹路复杂的材料检测,而深度学习与视觉检测则能够应用在很多领域。

4.工业机器人。工业机器人是一个非常大的赛道,它实际上是一个系统。我们重点关注企业研究的方向是否符合具体的场景。我们观察了很多AGV厂家,发现这并不是一个容易的赛道,但我认为还是有机会在快速发展中找到有潜力的选手。

5.工业互联。目前设备检测是定时检修,如果临时损坏就只能找厂家,重要机器还需要找国外厂家或代理商,维修周期长、甚至会导致工厂停工。如果能提前通过传感器来检测机床、数字、设备等运行状态,提前发现并预防,就能够保证生产顺利进行。

二.服务业

AI顶层的应用还有一个重要的分支是服务。AI将为众多行业赋能,例如农业、NLP、安防、教育、医疗、物流等。

1.农业。我国目前农业还是小规模生产,85%以上的耕地小于15亩。据我们调查,由于年轻人外流去城市工作,现在我国农民的平均年龄近60岁。随着国家推行的土地流转政策的实施,我国超过50亩的农场已有300多万户,并且还在不断扩大。

耕地面积大就可以应用到科技,使用人工智能帮助精准施肥、喷药、滴灌、种植等,不仅让农产品更有质量也有效避免生产资料的浪费。

2.自然语言理解(NLP)。这是AI领域比较难的赛道。人的语言非常复杂,思维跳跃性强,对机器来说很难理解,即使百度、谷歌的翻译,也不太准确。我认为在NLP技术成熟之前,可以把领域缩在细分的赛道中,比如智能营销、智能客服、分析等,帮助提升客服人员效率。

3.智能安防。智能安防已经发展很久了,它不仅仅要解决人脸正面识别,还要通过识别声音纹、运动轨迹等,在复杂环境、远距离情况下精准识别,对社会安全起到积极的促进作用。安防领域的快速发展和应用已经得到了商业界的广泛认可。

4.教育。在AI教育领域,个性化学习是一个趋势。因为每个人能力、掌握知识的程度不同,就需要通过采集数据、建模、应用算法实现因材施教。

5.医疗。比较热门的是图像分析,应用在比如肺部、脑瘤、动脉等。同时我们也非常关注基因,通过算法发现疾病与哪些基因相关联、找到病因所在,以研究合适的诊疗方案。

6.物流。物流行业总费用占我国GDP的15%左右,这是一个十几万亿的市场,蕴藏着很多机会。这不仅包括电商崛起带来的机会,还包括经济发展、人口流动、对外贸易等因素

。通过无人机、仓储机器人、智能分拣提高效率是我们所关注的。

总体来说,AI在未来十到二十年是一个黄金机会,但目前还处在非常初始的阶段。近几年,计算能力提升和数据大量普及使得AI迎来爆发期,但真正要达到人的智能,还需要不同机器学习的算法,与现有及未来的相融合。

宝宝如何健脾胃宝宝便秘吃的药宝宝脾虚怎么引起的

分享到: