【启航期 85 折票价倒计时 4 天】3月13日晚，英特尔以153 亿美元的价格强势收购自动驾驶汽车摄像头供应商 Mobileye，消息传出震惊业界。这是英特尔自动驾驶部门成立后的第一笔重大收购，智能时代英特尔重拳出击。3月27日，英特尔与新智元共同在北京举办 AI 技术峰会，届时英特尔中国研究院院长宋继强将登台阐释 PC 时代的王者如何拥抱智能时代。近距离了解进击 AI 的英特尔，点击“阅读原文”抢票。

【新智元导读】作者 Medha Agarwal 是 Redpoint Ventures 的投资人，本文带来了作者认为成功的 AI 初创公司的特质，以及对搞机器学习的初创企业来说特别有机会的8个领域。

　　成功者的四个特征

　　（文 / Medha Agarwal）机器学习在今天是一个热门话题，atv，而且其热门并非没有道理。机器学习具有变革整个市场和行业的巨大潜力。但是，这里面也有很多围绕着技术的炒作。作为投资者，我发现成功利用机器学习的赢家具有以下四个关键特征：

　　1. 在大型市场上的具体使用案例。

　　成功的机器学习创业公司多数是针对垂直应用的，这些应用对技术有明确的需求。商品包装消费品行业是一个很好的例子。机器学习能够更准确地预测库存水平，以便更好地管理供应链，降低库存成本，最大限度减少产能过剩，并补充缺货。根据埃森哲的研究报告，机器学习可以使交货时间提高4.25倍，使供应链效率提高2.6倍。

　　2. 关注需要重复性人类劳动的领域。

　　需要大量人工干预意味着这里面存在利用复杂的预测算法进行优化的机会。同样用供应链作为例子，现在的分析师基本上是根据历史数据估计库存的，但有些时候也依靠直觉。利用生产时间、售出率以及其他数据，学习模型可以更准确地预测未来的供应需求。

　　3. 可用于预测的大量数据。

　　初创公司为了有效训练机器学习模型，需要访问大量数据。可以与大型公司合作以利用它们的数据学习，或者推出一个能诱使用户输入自己的数据的产品。这样的公司将能取胜。

　　4. 网络效应和可防御性。

　　算法将继续是开源的，这令专有数据至关重要。系统得到的输入和反馈提高了其精度，并筑起护城河。因此，产品应该鼓励用户对它的预测和建议提供反馈。例如，Facebook 的照片标记算法会让用户接受或拒绝有关“谁在照片里”的问题，并从中学习。

　　有大机会的领域

　　以下是我认为机器学习可以由最大潜力的一些垂直领域：

　　医疗诊断和计算生物学

　　机器学习将改善整个医疗价值链的成果并降低其成本。机器学习在改善诊断、减少误诊和简化药物发现过程等方面的潜力令人兴奋。患者数据可用于早期疾病检测和制定个性化治疗计划。制药和生物技术公司可以利用机器学习计算方法快速有效地发现新药。

　　供应链

　　机器学习可以改善供应链的方面包括需求预测、市场趋势监测、贸易促进和新产品推出。现在的公司很难对不断变化的市场模式和市场波动进行评估，这样的评估有助于为商业决策提供信息，并进行准确的预测。

　　制造业

　　工业物联网是一个超过120亿美元的市场（据福布斯报道），但其采用仍处于非常早期的阶段。根据简柏特（Genpact） 对全球范围的173名高管的调查，受调查的高管中只有25%的人已有物联网战略，其中只有24%对其执行感到满意。这些高管正在寻找机器学习上的解决方案，以提高产量，减少库存和成品水平，真正节省成本，增加获取利润的机会。

　　合规审查

　　金融机构中的合规审查是一个巨大的市场。自2008年以来，仅摩根大通已经支付360亿美元清理风险和合规问题，并雇用8000名合规控制员工。银行及其他公司的客户和员工必须遵守审计和合规性法规，机器学习可以改善这个过程。

　　语音的企业级应用

　　由于分析语音的复杂性，语音一直处于机器学习趋势的边缘地位，尽管语音是业务工作流程的一个关键组成部分。NewVoiceMedia 2013年的一项研究称，由于呼叫中心的效率低下，每年造成的损失达410亿美元。每年有超过240万销售代表需要参与数百万小时的会话。因此，很明显，机器学习在呼叫中心、会议、销售和市场营销等方面的自动化流程中有很多机会。

　　保险