文/肖鸿达 GGV纪源资本
作为投资人，我常常将人工智能行业划分为三层，最底层是基础平台层，包括数据服务商、人工智能芯片、服务器、云计算的算例等，属于通用且非常必要的；中间层是技术提供层，包括计算机视觉、机器学习等，类似的此类技术都在这一层；最顶层面是应用层，包括无人驾驶、无人机、机器人等，承载着很多应用。
在我们看来，虽然说人工智能正处于大家所期望的高点，但如此众多应用的开发赋予了广泛的投资机会，这个行业值得我们用理性的眼光去投资。
评判一家人工智能企业是否成功，我们不妨从四个角度去加以判断：
1. 是否具有全球化的视野。
2. 是否正在执行最简单、最实际且可以落地的事。
3. 是否寻找到合适的合作伙伴。
4. 是否对商业模式有清晰的判断，以及随不同环境灵活变化的心态。
▎全球技术融合趋势明显
目前，人工智能已经不是一场区域化的战斗，它是一种全球化竞争，遍布美国、以色列、中国等。
从客户角度看，在企业服务市场，中国的市场虽然非常大，但公司付费率，尤其是中小企业的付费率非常非常低。与此同时，虽然美国的公司总数比中国少，但其中小企业付费能力一般非常强，约为中国企业的10到30倍左右。换而言之，如果中国人工智能企业只局限于一个区域市场，就意味着将失去很多不一样的机会。
技术角度，中国、以色列、美国等地都拥有非常棒的技术人才，不仅有奇妙的想法，更有一些非常棒的系统设计方式。因此，全球技术交流趋势将会愈加明显。
举个例子，如今非常火的无人驾驶，其最大壁垒是激光雷达或传感器成本，造成普通消费者购买的成本非常高。试想，购买一辆车可能也就几十万元，若加上无人驾驶技术就需再掏几十万，试问几个人会真的愿意？我们注意到，很多公司在尝试攻克这个物理壁垒，处理方法不尽相同。中国创业者拥有较强的工程能力，他们能够把一些看似比较成熟的技术做到性能和稳定性较之前强很多倍；美国创业者则会投入庞大科研经费去追求一条技术路线，也许这条技术路线在实验室里并不成熟；以色列创业者则会运用非常成熟的技术，但在系统设计、产品设计上采取一些非常不一样的很有灵感的方法，让更多成熟技术可以被应用到一些不成熟的产品上。
所以，我认为，在AI这个领域，技术层面上大家一定是在全球范围内互相交流、互相融合趋势。
▎存在投资机会的领域
目前看来，我认为AI其实有三个比较重要的环节，分别是感知、认知和决策，三者的难度不断攀升。根据不同难度和不同行业内的元素来看，我认为现在存在较大投资机会的行业，主要存在于以下几个领域：
/ 无人驾驶 /
很多人觉得，无人驾驶在AI领域实现非常难，其实难度主要存在于系统层面，因为它需要很多数据及数据融合，需要多方面技术，还需要决策、判断、控制等。但在我们做投资的眼里，无人驾驶在AI层面的实现其实很简单，为什么呢？大家可以想象，开车本身并不困难，因为其本身存在诸多规则，司机是根据交规来完成行驶行为。因此，对比认知计算方面的技术，无人驾驶还是简单的。
/工业自动化 /
自动化，如风电等电力方面，其基础架构已经非常好，所以AI技术应用到工业环境之中，会有非常大的前景，而且现在的技术其实可以做到。
/ AI+健康 /
目前这个市场已经有很多公司在做。我认为，这一领域的应用主要取决于你如何能够把数据拿到，因为不管是做医学图象处理，还是做一些辅助诊断，数据本身的处理和清洗、标注等非常非常重要。同时，只要过了数据关，其应用AI的技术相对比较简单，商业化方面比较有机会。
/ AI+教育 /
即将AI算法应用到教育这个特定场景，目前商业化发展已经比较成熟。
▎AI公司的商业模式
目前观察的情况表明，AI现有的商业模式并不非常清晰。因为，不管是2B还是2C，不管是提供技术还是提供解决方案，不管是提供产品还是提供服务，不同的场景之下，在不同的领域，其商业模式都可能完全不一样。
举个例子，AI公司到底应该是2B还是2C？二者各有利弊。2B，发展可能会更快，但天花板也会更低；2C，因为要跟巨头掰手腕所以难度大，但成功之后的回报也是巨大的。所以，创业者需要根据对整个商业逻辑有一个明智的判断。
再说是输出API技术还是解决方案，在不同市场上会有很不一样的想法。在美国，很多公司虽然提供一个非常简单的API，但也能创造较高收入和利润；但在中国，需要较长时间实现。中国很多巨头在跟你做生意的时候，如果对方单点很好，他们首先希望把你挖过去，希望自己做，或者买断。
再来看看，到底是做产品还是做服务？这个其实也很不一样，医疗行业如果想做AI服务，个人感觉比较难，因为医疗的产业链非常长，就诊流程也非常复杂，如果想为医院提供这样的一个好服务，不仅本身需要很多人力，也需要积累很长时间，所以这个行业较适合提供非常棒的产品，比如自动判断肿瘤图象的产品、辅助诊疗的产品等。
因此，在我们对人工智能行业有超高期望值的当下，更需要理性的去选择一个现在技术可以实现、市场相对成熟、且能够有一个成立的商业模式的企业，这样的投资才可能产生更大价值。
作者：肖鸿达
本科毕业于清华大学电子系，并获得耶鲁大学电子工程和计算机系博士。曾在波士顿咨询担任TMT和PE方向的咨询顾问，现为GGV Capital投资经理。
研究领域：人工智能，大数据，企业服务，机器人
