AI离规模化落地应用仅“一步之遥”

林伟萍

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、視频等内容，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語言背后的意义，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。