AI離規模化落地應用僅“一步之遙”

林偉萍

作為資本市場上的“網紅”， AI（人工智能）吸引無數資本蜂擁而至；但在魚龍混雜的AI項目背后，如何挑選出優質且有前景的項目考驗著每位投資者的能力。

本周《紅周刊》記者專訪了星瀚資本創始人楊歌。在他看來，目前AI技術還沒有找到足夠多且合適的應用場景，未來5～10年隨著AI技術進一步成熟，其有望率先在量化金融、物流倉儲大數據等to B領域爆發。他表示，在挑選AI投資項目時，公司數據量是否足夠豐富與結構化；算法工程師對AI算法的理解是否到位；公司團隊領導人在AI領域是否擁有話語權等，都是評判AI公司實力強弱的重要因素。

而二級市場上，在AI應用上先人一步的智能音箱板塊本周逆勢上揚，其中表現最出色的信維通信周漲幅達11.95%。

AI將會在未來5～10年呈現出產品爆發的狀態

《紅周刊》：AI被認為是互聯網之后的下一個風口，近兩年一直是資本市場關注的熱點。您怎么看AI這個新風口？

楊歌：AI其實并非新事物，在最近半個世紀已經“火”過3次了，但此次AI再次爆發的背景與以往不同，AI的Gartner曲線是基于互聯網、電子商務、電子支付快速發展沉淀的大量垂直類數據、標準模塊數據和結構化數據，比以往AI發展條件更為充分。

不過當前就技術而言，人工智能NLP（神經語言程序學）發展還不夠成熟。業內將AI模塊層的圖像識別、語音識別、語義識別和運動機能識別四大領域戲稱為“四大名著”，因為四大領域都還沒有大規模落地，更多還是理論和嘗試階段。

以圖像識別為例，作為AI模塊層技術應用最多的技術，圖像識別的適用性場景和魯棒性（Robust，也稱容錯性或穩定性）仍比較差。例如，智能駕駛就是通過對透過擋風玻璃看到的場景，進行圖像分析，然后做出汽車接下來該如何進行駕駛，如何避開其他車輛以及行人等判斷。但這個過程中魯棒性不夠高的原因在于，即使智能駕駛能夠達到97%的避開行人的準確率，但仍存在3%將發生沖撞行人的概率，那顯然當前這種技術并不適合大規模推廣應用，只能是輔助系統。

《紅周刊》：但按照您提出的“產業時鐘分析圖”，現在處于“產品為王”層面的AI，目前離大規模應用爆發也似乎僅有“一步之遙”？

楊歌：可以這么理解，我把技術在推動產業的過程中分為六個階段，即政策為王、技術為王、產品為王、模式為王、運營為王和資本為王。個人認為，目前AI正處于技術研發期轉向產品探索期階段。

所謂的“產品為王”就是目前AI處于有技術，但是技術模型該如何構建，技術該應用在什么樣的產品上還不是很清晰。打個比喻，AI就好比一把萬能扳手，但面對不同的螺絲釘，我們能否用這同一把扳手把它們全擰開呢？不少人擰了半天，發現還是用手擰很多螺絲釘更省力，這就是目前行業內AI的發展現狀。

“模式為王”指的是，當產品形態固定之后，產品模式是否足夠好。以互聯網為例，互聯網“產品為王”的階段在2000年～2005年，此時大家知道了互聯網，上網沖浪感覺也不錯，但是互聯網怎么用才能產生巨大的經濟價值，人們還處于摸索階段。2005年～2010年，互聯網開始進入“模式為王”階段，人們已經開始用互聯網搭建網站、平臺和產品，大量互聯網企業誕生并崛起。而隨著流量的進入，人們慢慢摸索出互聯網數字迭代的方向，即用戶喜歡什么形式的消費形態，互聯網在此時基本就成型了。AI目前還沒有到“互聯網2005年”的成型階段。不過，隨著NLP的成熟，AI將會在未來5～10年呈現出產品爆發的狀態。

《紅周刊》：就A股市場而言，海康威視、大華股份、科大訊飛等都是AI領域的龍頭企業，目前它們的AI技術發展和場景落地情況如何？

楊歌：從構架來看，AI分為底層的基礎數學物理層（包括芯片、算法模型、數據存儲、結構數據傳輸、算法框架等內容），中間模塊層（包括上面提到的“四大名著”）和上層應用層（智能駕駛、機器人等）。

科大訊飛和海康威視等企業都屬于AI中層模塊層技術應用企業，如科大訊飛的語音識別技術、海康威視的視頻分析技術等，都屬于AI中層模塊層技術的應用。在當前AI技術從程序化走向應用場景化的過渡時期，科大訊飛、海康衛視等所占據的都屬于應用AI單模塊可以立竿見影的行業，市場前景相對比較好。相關企業通過在這些應用場景里不斷試錯，教育市場。比如海康威視通過圖形分析、視頻捕捉和視頻分析來切入AI應用市場，在道路交通、安防、視頻分析等領域應用，并不斷在這些場景里面進行試驗。

不過，技術發展期的模塊層技術的應用場景，相較于成熟后的技術應用場景仍然存在一定的限制，因為當前模塊層技術應用并不很“智能”和“靈活”，對于使用用戶來說仍需花費很長時間去學習相關技術，同時容錯能力也不是很強。另外，應用場景也多集中在單一的to B場景中應用，在to C端應用較少。

《紅周刊》：BAT作為中國的互聯網巨頭，在AI方面也正在積極布局。您如何看BAT在AI領域的投資和角力？

楊歌：BAT在AI領域大力布局都表現出了前瞻性。但目前還很難斷言三家在AI布局方面孰優孰劣，三家的競爭更多的仍聚焦在商業實力的對抗。如果從長遠角度來看，三家所擁有的數據類型，可能成為未來在AI發展方面拉開差距的重要影響因素。

大數據有三大類型：一是我們在微博、抖音等上傳的圖片、視頻等內容，這部分數據在大數據中占比最多，同時也是噪音最大的數據，需要經過大量的語義分析才能轉化成供AI分析使用的標準化數據。在這方面數據中，騰訊和百度是占據優勢的。

第二類數據是交易類型的結構化數據，這部分的積累開始于2005年電子商務的爆發，而隨著2015年滴滴和快的的合并，基本完成渠道數據累積。這部分數據可以為各平臺提供更真實的用戶畫像，也是整個大數據優勢的反轉點。在這一階段，隨著2010年阿里和京東的交易量不斷變大，在衣食住行方面產生大量的結構性交易數據。第三類數據則是隨著智能硬件的崛起出現的各類數據。

投資者要去評判企業數據儲備情況，三類數據要綜合分析。其中是否擁有足夠豐富的結構化數據，是否能夠刻畫出C端用戶畫像是評判企業大數據強弱的一個重要指標。

適合投資的AI項目

需同時具備三大要素

《紅周刊》：目前市場AI項目魚龍混雜，您在投資AI項目過程中最看重哪些因素？

楊歌：首先從大方向看，目前AI應用層的發展還有很長的路要走，特別是要想將AI應用到to C的消費場景里面去，難度是極大的，因此更有望在To B領域最先爆發。

而在挑選AI項目時，判斷一家公司AI實力強弱主要從三方面入手：一是看公司的數據量是否足夠豐富與結構化；二是公司AI設計的工程師、架構師對于算法的理解是否深刻，算法是否非常匹配所應用的物理對象；三是公司團隊領導人在AI領域是否擁有話語權。只有三個要素同時具備，才會納入我們投資備選對象。在具體投資上，我們更喜歡投資那些AI應用后能產生立竿見影效果、有商業價值場景的項目。

《紅周刊》：您剛提到AI應用有望在to B領域最先爆發，具體是哪些領域，又存在哪些投資機會？

楊歌：AI能否應用有兩個判斷標準，一是有大量的結構化數據；二是在通過算法和人工智能模型處理過之后，能夠立竿見影形成商業價值、實現增值。比較典型的是量化金融和物流倉儲，分別對應資金鏈和供應鏈。

金融行業的數據非常多，并且是呈現結構體系化的，通過AI訓練，能夠提煉出有效價值。例如，某客戶喜歡開多個信用卡，但因為微操非常好，一直沒有違約出現，從邏輯上看，這個客戶信用非常好。但是通過AI分析，可以發現這位客戶現金流動性比較高，且平均負債比較高，這意味著該客戶潛在長期違約風險是比較大的，金融機構對該客戶的貸款就需更慎重。

物流倉儲領域，在收集了生產加工源頭、物流車輛流向過程、倉儲空間流轉率、流轉速度輸出和終端消費等物流過程數據后，通過簡單的AI模型，就可以實現物流的優化，如分析出復雜物流環境中，物品輸出的最佳位置、存貨流轉周期、流轉過程的成本單位、消費的位置、采購的位置等。從投資角度而言，比較看好AI在物流產業鏈中段的應用，如物流供應流轉、分銷配送、批發等環節。

《紅周刊》：國外的谷歌、亞馬遜、蘋果，國內的阿里、小米等都紛紛推出智能音箱，您如何看智能音箱等AI應用所帶來的投資機會？

楊歌：最近市場熱度很高的智能音箱，用的就是語音控制模塊。在這其中最大的技術挑戰是語義識別，例如，你說“曬太陽”，計算機要弄明白理解語言背后的意義，是“你”曬太陽，還是太陽“曬”你，需要經過大量的訓練，這也導致很多語義識別應用在準確率方面仍存在較大的提升空間。對于AI模塊層的投資，個人認為目前不是技術投資窗口期。我會更關注將模塊層技術推廣到應用層面的公司所帶來的投資價值。