松禾远望基金程浩：人工智能创业常见的两个思维误区 |捕手志

2017-07-27 00:18 来源:捕手志 人工智能 /机器人 /技术

原标题：松禾远望基金程浩：人工智能创业常见的两个思维误区 |捕手志

题图：松禾远望基金创始合伙人、迅雷创始人 程浩先生

■按：

程浩先生拥有15年的互联网从业经验，曾在硅谷和百度工作，后创办迅雷，并成功将公司带到纳斯达克上市。2015年下半年，程浩先生开始转做投资，这几年来他看过许多人工智能领域的创业项目，但在这过程中，发现有不少创业者存在两个思维误区：高估了算法和科学家的力量 ；愿意只做技术提供商。何出此言？不妨读读他的思考，或许能刷新你对人工智能创业的认识。

■人工智能创业常见的两个思维误区

作者|程浩 编辑|潘宇波

素材来源：创客猫、浩哥说

*转载请留言后台

一

高估了算法和科学家的力量

目前国内人工智能创业非常火爆，很多人在创业之初通常会认为算法和科学家决定一切，这到底对不对？显然这个想法不准确，有三点原因：

首先，整个人工智能算法的技术准入门槛越来越低。当年我还在百度的时候，市面上机器学习的专家很少，但现在再看很多高校都已经开设了相关的课程。

其次，相对于算法而言，在很多领域，海量的、准确的、标注过的数据更有价值。在某些领域，比如医疗领域，如果你没有医疗方面资源是根本没法拿到数据的，拿不到数据后面的算法工作自然也就无法做了，所以算法科学家到底有多重要，也与所处的行业有重要的关系。

最后，有好技术也要有好场景才行，我看到不少有好技术但没有应用场景「拿着锤子找钉子」的案例。人工智能更多的机会还是在于对各行各业实际应用场景的改造，去研发专门的机器人替代人工，行业重度参与者能更容易发现机会和痛点。

比如机房巡检机器人、电力网巡线机器人、果园作业机器人……人工智能几乎会深度影响国民经济的各行各业。对于这样的项目，能够成功的核心，一定是提升了效率，降低了人工成本。

我认为人工智能创业的本质可分为Mission-critical和Non-Mission-critical。为了方便大家理解，我们姑且称为「关键性应用」和「非关键性应用」。

「关键性应用」的应用，就是一丁点儿错都不能犯的人工智能领域。比如自动驾驶，哪怕已经做到了99.9%，但仍然是千分之一的事故率。想想每天驾车上路的人有多少，这千分之一的故障率会导致多少致命事故。所以自动驾驶，必须要做到99.…%后面有多个9才能上路。

在「关键性应用」的领域，必须做到99.9…%小数点后面有多个9，做不到就没法商业化。其背后的核心竞争力是算法和科学家。这类项目往往需要有顶尖的科学家来坐镇背书。所以项目通常很贵（因为周期长，需要的钱自然多，同时这类人才又很贵），要投入大量的研发资源来消灭万分之一、十万分之一的出错率。

很多人都明白研发的边际效益递减的道理，做到90%很容易，但为了消灭各种Corner Case（极端情况），要做到99%，其投入的就不止10倍的资源，更别说99.9%和99.99%了，所以这类项目的时间周期会很长。

类似于Mobileye从1999年做汽车辅助驾驶，2007年才商业化；达芬奇手术机器人项目更是起源于1980年代末的一项非营利性研究，直到2000年才拿到了美国食品药品管理局FDA的首个手术认证。但一旦做成，这类项目优势就非常明显，因为竞争对手同样也要花相同的时间来跟进。

这样的项目门槛高，不适合一般的创业者，所以通常比较贵，商业变现的时间周期比较长，资本也需要更多的耐心。一流的科学家团队适合选择这样壁垒高的「关键性应用」作为创业方向。