澳门葡京娱乐投注网址

  • 2018-11-11
  • 2018-11-10
  • 在黑龙江看中国大豆潜力:部分地区亩产量在接近美国 2018-11-09
  • 十九大宣讲员走进贵州企业 创业青年:新时代是我们的舞台 2018-11-09
  • 一批直播和短视频网站开展自查自纠 2018-11-08
  • 2018-11-07
  • 稳外贸,势头好动力足办法多(经济形势年中看) 2018-10-26
  • 微信刷步器月销量过万 网络刷步泛滥暴露哪些问题 2018-10-21
  • 怒怼“港独”分子,怼出青年一代担当情怀 2018-10-19
  • 廉政教育--安徽频道--人民网 2018-10-18
  • 你的肾虚有多严重,老大夫看了脸上4处就知道! 2018-10-17
  • 厉害了!帆船成为三亚新的国际名片 2018-10-17
  • LPL夏季赛上演强强对话, RW2:0力克RNG 2018-10-16
  • 屁大个事就谈了好几天 2018-10-16
  • 司机把罚单贴交警头上,叫嚣:给老子把处罚撤销,三秒后他悲剧了 2018-10-15
  • AI离规模化落地应用仅“一步之遥”

    澳门葡京娱乐投注网址 www.image-cn.com   作为资本市场上的“网红”, AI(人工智能)吸引无数资本蜂拥而至;但在鱼龙混杂的AI项目背后,如何挑选出优质且有前景的项目考验着每位投资者的能力。

      本周《红周刊》记者专访了星瀚资本创始人杨歌。在他看来,目前AI技术还没有找到足够多且合适的应用场景,未来5-10年随着AI技术进一步成熟,其有望率先在量化金融、物流仓储大数据等to B领域爆发。他表示,在挑选AI投资项目时,公司数据量是否足够丰富与结构化;算法工程师对AI算法的理解是否到位;公司团队领导人在AI领域是否拥有话语权等,都是评判AI公司实力强弱的重要因素。

      而二级市场上,在AI应用上先人一步的智能音箱板块本周逆势上扬,其中表现最出色的信维通信周涨幅达11.95%。

      AI将会在未来5-10年呈现出产品爆发的状态

      《红周刊》:AI被认为是互联网之后的下一个风口,近两年一直是资本市场关注的热点。您怎么看AI这个新风口?

      杨歌:AI其实并非新事物,在最近半个世纪已经“火”过3次了,但此次AI再次爆发的背景与以往不同,AI的Gartner曲线是基于互联网、电子商务、电子支付快速发展沉淀的大量垂直类数据、标准模块数据和结构化数据,比以往AI发展条件更为充分。

      不过当前就技术而言,人工智能NLP(神经语言程序学)发展还不够成熟。业内将AI模块层的图像识别、语音识别、语义识别和运动机能识别四大领域戏称为“四大名著”,因为四大领域都还没有大规模落地,更多还是理论和尝试阶段。

      以图像识别为例,作为AI模块层技术应用最多的技术,图像识别的适用性场景和鲁棒性(Robust,也称容错性或稳定性)仍比较差。例如,智能驾驶就是通过对透过挡风玻璃看到的场景,进行图像分析,然后做出汽车接下来该如何进行驾驶,如何避开其他车辆以及行人等判断。但这个过程中鲁棒性不够高的原因在于,即使智能驾驶能够达到97%的避开行人的准确率,但仍存在3%将发生冲撞行人的概率,那显然当前这种技术并不适合大规模推广应用,只能是辅助系统。

      《红周刊》:但按照您提出的“产业时钟分析图”,现在处于“产品为王”层面的AI,目前离大规模应用爆发也似乎仅有“一步之遥”?

      杨歌:可以这么理解,我把技术在推动产业的过程中分为六个阶段,即政策为王、技术为王、产品为王、模式为王、运营为王和资本为王。个人认为,目前AI正处于技术研发期转向产品探索期阶段。

      所谓的“产品为王”就是目前AI处于有技术,但是技术模型该如何构建,技术该应用在什么样的产品上还不是很清晰。打个比喻,AI就好比一把万能扳手,但面对不同的螺丝钉,我们能否用这同一把扳手把它们全拧开呢?不少人拧了半天,发现还是用手拧很多螺丝钉更省力,这就是目前行业内AI的发展现状。

      “模式为王”指的是,当产品形态固定之后,产品模式是否足够好。以互联网为例,互联网“产品为王”的阶段在2000年-2005年,此时大家知道了互联网,上网冲浪感觉也不错,但是互联网怎么用才能产生巨大的经济价值,人们还处于摸索阶段。2005年-2010年,互联网开始进入“模式为王”阶段,人们已经开始用互联网搭建网站、平台和产品,大量互联网企业诞生并崛起。而随着流量的进入,人们慢慢摸索出互联网数字迭代的方向,即用户喜欢什么形式的消费形态,互联网在此时基本就成型了。AI目前还没有到“互联网2005年”的成型阶段。不过,随着NLP的成熟,AI将会在未来5-10年呈现出产品爆发的状态。

      《红周刊》:就A股市场而言,海康威视、大华股份、科大讯飞等都是AI领域的龙头企业,目前它们的AI技术发展和场景落地情况如何?

      杨歌:从构架来看,AI分为底层的基础数学物理层(包括芯片、算法模型、数据存储、结构数据传输、算法框架等内容),中间模块层(包括上面提到的“四大名著”)和上层应用层(智能驾驶、机器人等)。

      科大讯飞和海康威视等企业都属于AI中层模块层技术应用企业,如科大讯飞的语音识别技术、海康威视的视频分析技术等,都属于AI中层模块层技术的应用。在当前AI技术从程序化走向应用场景化的过渡时期,科大讯飞、海康卫视等所占据的都属于应用AI单模块可以立竿见影的行业,市场前景相对比较好。相关企业通过在这些应用场景里不断试错,教育市场。比如海康威视通过图形分析、视频捕捉和视频分析来切入AI应用市场,在道路交通、安防、视频分析等领域应用,并不断在这些场景里面进行试验。

      不过,技术发展期的模块层技术的应用场景,相较于成熟后的技术应用场景仍然存在一定的限制,因为当前模块层技术应用并不很“智能”和“灵活”,对于使用用户来说仍需花费很长时间去学习相关技术,同时容错能力也不是很强。另外,应用场景也多集中在单一的to B场景中应用,在to C端应用较少。

      《红周刊》:BAT作为中国的互联网巨头,在AI方面也正在积极布局。您如何看BAT在AI领域的投资和角力?

      杨歌:BAT在AI领域大力布局都表现出了前瞻性。但目前还很难断言三家在AI布局方面孰优孰劣,三家的竞争更多的仍聚焦在商业实力的对抗。如果从长远角度来看,三家所拥有的数据类型,可能成为未来在AI发展方面拉开差距的重要影响因素。

      大数据有三大类型:一是我们在微博、抖音等上传的图片、视频等内容,这部分数据在大数据中占比最多,同时也是噪音最大的数据,需要经过大量的语义分析才能转化成供AI分析使用的标准化数据。在这方面数据中,腾讯和百度是占据优势的。

      第二类数据是交易类型的结构化数据,这部分的积累开始于2005年电子商务的爆发,而随着2015年滴滴和快的的合并,基本完成渠道数据累积。这部分数据可以为各平台提供更真实的用户画像,也是整个大数据优势的反转点。在这一阶段,随着2010年阿里和京东的交易量不断变大,在衣食住行方面产生大量的结构性交易数据。第三类数据则是随着智能硬件的崛起出现的各类数据。

      投资者要去评判企业数据储备情况,三类数据要综合分析。其中是否拥有足够丰富的结构化数据,是否能够刻画出C端用户画像是评判企业大数据强弱的一个重要指标。

      适合投资的AI项目需同时具备三大要素

      《红周刊》:目前市场AI项目鱼龙混杂,您在投资AI项目过程中最看重哪些因素?

      杨歌:首先从大方向看,目前AI应用层的发展还有很长的路要走,特别是要想将AI应用到to C的消费场景里面去,难度是极大的,因此更有望在To B领域最先爆发。

      而在挑选AI项目时,判断一家公司AI实力强弱主要从三方面入手:一是看公司的数据量是否足够丰富与结构化;二是公司AI设计的工程师、架构师对于算法的理解是否深刻,算法是否非常匹配所应用的物理对象;三是公司团队领导人在AI领域是否拥有话语权。只有三个要素同时具备,才会纳入我们投资备选对象。在具体投资上,我们更喜欢投资那些AI应用后能产生立竿见影效果、有商业价值场景的项目。

      《红周刊》:您刚提到AI应用有望在to B领域最先爆发,具体是哪些领域,又存在哪些投资机会?

      杨歌:AI能否应用有两个判断标准,一是有大量的结构化数据;二是在通过算法和人工智能模型处理过之后,能够立竿见影形成商业价值、实现增值。比较典型的是量化金融和物流仓储,分别对应资金链和供应链。

      金融行业的数据非常多,并且是呈现结构体系化的,通过AI训练,能够提炼出有效价值。例如,某客户喜欢开多个信用卡,但因为微操非常好,一直没有违约出现,从逻辑上看,这个客户信用非常好。但是通过AI分析,可以发现这位客户现金流动性比较高,且平均负债比较高,这意味着该客户潜在长期违约风险是比较大的,金融机构对该客户的贷款就需更慎重。

      物流仓储领域,在收集了生产加工源头、物流车辆流向过程、仓储空间流转率、流转速度输出和终端消费等物流过程数据后,通过简单的AI模型,就可以实现物流的优化,如分析出复杂物流环境中,物品输出的最佳位置、存货流转周期、流转过程的成本单位、消费的位置、采购的位置等。从投资角度而言,比较看好AI在物流产业链中段的应用,如物流供应流转、分销配送、批发等环节。

      《红周刊》:国外的谷歌、亚马逊、苹果,国内的阿里、小米等都纷纷推出智能音箱,您如何看智能音箱等AI应用所带来的投资机会?

      杨歌:最近市场热度很高的智能音箱,用的就是语音控制模块。在这其中最大的技术挑战是语义识别,例如,你说“晒太阳”,计算机要弄明白理解语言背后的意义,是“你”晒太阳,还是太阳“晒”你,需要经过大量的训练,这也导致很多语义识别应用在准确率方面仍存在较大的提升空间。对于AI模块层的投资,个人认为目前不是技术投资窗口期。我会更关注将模块层技术推广到应用层面的公司所带来的投资价值。

    特色专栏

    热门推荐