传统人类驾驶用的是地图。无人驾驶项目的核心投资点也应该在地图上。这种技术在国内被称为高精地图，在国外叫Mapping。Mapping制图技术更重要一些，因为无人车驾驶是基于这种轨道的方式来思考。

　　技术服务化，服务商品化，服务组合共振化

　　现在很多大公司都在把AI服务化，比如百度就把很多关于图片鉴黄、语音识别、自然源处理等技术以API的方式开放，任何人只要会写几行代码，就可以将其调用出使用。在这个代际过程中，慢慢会出现技术服务化、服务商品化和服务组合共振化的现象。

　　比如现在很多公众号都变成机器人，用户可以通过语音形式跟服务号说打车，当他按住语音键说“我要打辆车去东直门”时，后台要经历哪些过程呢？

第二层是自然源处理的过程，通过理解这个语言，来判断打车从这儿要到东直门的这件事。

第三层是要跟用户做更多交互过程，比如是否通过技术化手段自动叫辆滴滴专车过来，然后告诉用户车来了。

　　当下的市场环境推动了越来越多人出来在AI领域创业，所涉及领域也越来越细分，创业者在AI应用方面既可以只选一家，还可以选择多家，组合出一套解决方案，通过组合，以解决C端消费者的需求。

　　底层数据不共享，前端入口不开放，中间层协同效应很重要

　　百度不可能开放底层数据出来给任何人用。腾讯也是如此，前端的入口不开放。现在腾讯拿着微信架在大家前边，在上一代社交网络的这一波浪潮里边，大家都明白，做产品做C端产品一定要往前做，更靠近用户端。

　　跑在所有人的产品前面，这是在做To C类产品的时候的相对比较重要的一个法则。已经把C端用户牢牢抓住的人，在前端入口上也不会去开放出来的。我们看微信这几年产品变化的节奏，也能清晰认识到这一点。

　　在中间的协同效应过程中，我们能够把数据从其他地方汇合过来，利用技术的方式去不断产品化，利用不同产品组合，变成一个解决方案，然后再打向用户。所以中间的这个过程我认为是一个比较大的投资空间。

　　“云”引入的平台机会

　　聚合AI服务的平台很有可能出现有价值的投资标的。

　　首先，这类平台能够更方便地让应用层把更多AI技术服务以更低成本汇过来。

　　做过企业的都知道，企业做大了之后，最关心对于复杂度的控制。而复杂度不会平白无故地降低，只能把全部精力都放在“有效的控制复杂度快速增长”这一点上面。各种AI和数据的引入有助于提升企业内部服务，但成本非常高。而聚合AI服务的平台可以让企业以更低成本快速嫁接AI服务，应用到企业的落地产品中来。

　　其次，这类平台给了企业一个选择，方便企业数据可以更方便地在云与云之间迁移。这些都是未来AI服务不断向密集化、碎片化方向发展过程中出现的平台机会。

　　这类平台可能跟AI关系不大，跟数据关系也不大，它是一个综合体。

　　这是我们认为的另一个投资方向，在过程中找到这个中间层的空间，在这个空间层里边去找每一类企业。

　　SoC：算力前置带来的投资机会

　　过去这些年，看来看去，大疆也好，机器人也好，都有很硬的应用场景，SoC是这个窄小领域里边很重要的一点。所谓SoC，可以理解为具有计算能力的芯片。

　　举个例子。

　　我们投资的公司里有一家是基于人脸识别的技术做会员信息采集，客户一进到房间里，药房助理通过人脸识别，就可以完全知道客户信息。

　　这样的场景用起来，会有一个问题：企业所使用的人脸识别技术来自于第三方公司，第三方公司在云端，通过摄像头采集完数据要回到云端，云端再把计算结果回过来，这就导致至少一两秒的时间延迟。

　　还有个问题是：同样一个客户，如果在摄像头前面反复出现10次，就必须要为这10次远程服务的调用付出成本，因为摄像头没有任何计算能力，每次都要跑到后端计算，这是一个很大的资源浪费。

　　后来技术方就拿一块价值一千多块钱的平板电脑，在里面写一个程序，将其架在摄像头后边，才算把这个问题解决了。但如果安一个芯片，五六块钱就可以解决。芯片还能做计算加速，我们将其叫做算力前置。

　　新交互可能是最大的投资机会

　　《三体》里边有个很著名的法则叫“黑暗森林”。黑暗森林理论认为，稀缺资源是安全的，不要暴露给别人。在新的AI代际里边，我个人认为，新交互是稀缺资源。2016年，微软、Facebook、谷歌、苹果都对这类交互类平台做了投资布局。

　　我们经历了人跟PC的交互，后来变成人跟移动设备的交互，未来我们将通过屏幕去进行交互。