联想之星首次系统披露人工智能投资组合:62个项目

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:


联想之星在人工智能领域总共投资了62个项目,其中29个是海外项目,其投资分布在10大行业:智能消费与服务、智能出行、智能金融与大数据、智能医疗、智能家居及IoT 、智能安防、智能物流、智能教育、智能农业、智能航天与前沿科技。

联想之星在人工智能领域总共投资了62个项目,其中29个是海外项目,其投资分布在10大行业:智能消费与服务、智能出行、智能金融与大数据、智能医疗、智能家居及IoT、智能安防、智能物流、智能教育、智能农业、智能航天与前沿科技。

以上是联想之星总经理、主管合伙人王明耀对联想之星在人工智能领域投资组合的首次披露,系统阐释了联想之星在人工智能领域的投资布局。525日,在联想之星未来之旅之「人工智能」暨Comet Labs智能交通实验室中国推介会上,王明耀发表了主题为《联想之星人工智能投资布局》的演讲。

以下为演讲全文:

联想之星已经从事投资、孵化很多年,而今的投资策略和方向也逐渐清晰和聚焦。2010年,联想之星开始系统做投资,当时我们就具备一定的技术偏好,而当初的技术偏好发展至今逐渐变为投资风口。因此,我们在人工智能领域的投资既有过去的积累,也有当下的新看法。

正如之前的“O2O”、“B2B”一样,近几年,“人工智能”也成为一个行业热词,大家纷纷热议其定义。联想之星在投资实践中发现,“人工智能”早已不仅仅是一个定义,其已经被运用到解决问题的应用层面上。

人工智能的应用,才是最大的投资主题。前几年讨论这个话题,可能还有很多不确定性因素。但近些年,百度开放其自动驾驶技术,GOOGle也在跟进。我们渐渐发现做人工智能底层技术不是小公司的机会,而是大公司的机会,但人工智能应用却是广大创业者的机会,也是我们投资的机会。

我们梳理联想之星过去在人工智能领域的投资方向,包含出行等应用层面,此外还布局了人工智能相关的媒体和孵化空间。

联想之星在人工智能领域总共投资了62个项目,其中29个是海外项目,其投资分布在10大行业:智能消费与服务、智能出行、智能金融与大数据、智能医疗、智能家居及IoT、智能安防、智能物流、智能教育、智能农业、智能航天与前沿科技。

以上是我们首次对外系统披露联想之星在人工智能领域的投资组合,也是我们过去7年左右的积累,未来,我们也会根据投资方向不断地做进一步划分,联想之星的投资组合也会不断成长。

接下来,我简单介绍一下联想之星在人工智能领域投资布局的10大行业,其中也会涉及部分海外项目。

第一,智能消费与服务。这是一个范围很大的行业,与消费行业相关的应用有很多,比如,美国人爱吃特别新鲜、美味的汉堡,我们投资了一款自动做汉堡的机器人( 300024,诊股)——Momentum Machines,能够帮助消费者自助取出新鲜汉堡,提升消费效率,这件事情非常有意思。我们还投了一个名为“好买衣”的项目,是线上智能虚拟“试衣间”,它综合了机器、图像识别等技术提升消费者在网上试衣服的体验。过去,我们在智能消费与服务方向进行了系统布局,这个方向的面较广,可以做的事情也很多。

第二,智能出行。在这个方向,我们投资了专注于HUD抬头显示+人机对话”智能车载机器人的研发公司“乐驾”、全球领先的激光雷达技术研发公司“北科天绘”,而今激光雷达已经成为自动驾驶的重要技术。此外,我们还投资了解决商用车AEB辅助驾驶的公司——清智科技。虽然它们目前尚没有一步到位、直接地做自动驾驶,但为不同场景下所涉及的各方面技术问题提供了各类解决方案。这是联想之星在自动驾驶方向的初步布局。

第三,智能金融与大数据。这个门类已经具备一定的历史,因为金融行业已经积累足够多数据,加上最新的深度学习技术,能够大幅度提升行业效率。比如,国际领先的机器视觉和深度学习技术公司“旷视科技”专注于金融和安防领域,可以用于更精准、安全的支付。

很多人可能觉得“人工智能”是个比较虚的概念,但与实际业务结合之后,其能够应用的空间非常大。金融是一个大门类,比如金融里头有“量化投资”,而中国做量化投资的产品不够丰富,如何将其做得更加精准化、个性化,其实还有很多投资和应用空间。

第四,智能医疗。医疗方面最有价值的包括基因检测、基因数据服务等。联想之星投资的燃石医学是中国领先的肿瘤基因大数据和个性化诊断公司,也是目前最大的肺癌“基因库”,肺癌是中国第一大“癌”,一旦解决其数据和个性化诊断,其所蕴藏的市场机会很大。再比如,人工智能助理能使医生诊断更高效,在一些医疗水平不够高的地方运用这套系统,能使得整体医疗水平提升一个档次,我们在美国投资了Doc.ai,就是解决类似的问题。

在医疗领域的智能应用很多,比如在医院拍片,可以通过影像的图像识别技术对片子进行分析,集合优秀医生的经验,提高判断的精准性,很多具备图像识别能力的公司都在做这个门类。

第五,智能安防。我们将智能安防和智能物流划归到“智能城市”部分。比如,旷视科技是智能安防领域的领头羊,其利用高清摄像头和识别技术解决很多问题。在“识别”方面,机器比人做得好,误差也小。此外,机器也能更好地识别真假,智能安防已经在很多大城市中帮助人们解决很多安防问题、抓住很多犯罪分子。在实际应用中,智能安防是被运用的最扎实的门类之一。

第六,智能物流。物流行业的市场空间很大,过去几年,光快递就做出了很多上市公司,比如顺丰创始人王卫一跃成为中国富豪排行榜前几名。

我们关注物流里的智能化设备,比如,我们在美国投资了一家能够自主爬楼梯的无障碍机器人——Transcend Robotics;投资了利用智能设备提升仓库效率的库宝科技。未来,随着机器识别和判断能力的提升,人工智能在物流方向存在很大的应用空间。

第七,智能家居与IoT。家居智能化存在很大空间,在家居领域,我们投了一些非常有意思的公司,比如业内做得最好的智能门锁公司“云丁智能”,它是一家专注于智能家居领域的创新企业,产品包括公寓和家用的智能、安全门锁。智能家居不仅要智能,还要好看、有品位,又涉及到美学,我们投资的另外一家领先的智能家居公司——欧瑞博,产品和丰富,既智能又美观。

第八,智能教育。从本质上来看,教育的本质是让大家独立思考,学知识反而不是教育最重要的部分。但在国内,特别在初中、小学甚至幼儿园,学知识是很重要的部分,而未来帮助孩子学知识都可以被机器替代,比如,用人工智能方式即刻了解孩子学习掌握的程度,并为其匹配相应的训练和提升技巧。知识教育完全可以用个性化、智能化的方式进行。很多教育内容都可以数据化,并通过深度学习和背后的运作将其做得更具针对性。在智能教育方面,我们投了基于大数据的智能题库“作业盒子”;专注于K12领域智能听说测评与内容服务“先声教育”等。

最后,智能农业、智能航天与前沿科技领域这两块是其它基金较少关注的板块,联想之星在这两个方向上也做了布局。比如,我们在美国投了一个摘苹果机器人Abundant Robotics,最近也获得数千万美元投资,我们还投了一家做自动种植农作物的温室机器人Iron OX

在智能航天与前沿科技领域,联想之星投资了专注于低成本小型运载器的研制、设计及总装的公司“零壹空间”、用低成本的商业微小卫星为太空科学实验提供超高性价比服务的“天仪卫星”等。

以上就是我们今天公布联想之星在人工智能领域的投资组合。

除此之外,我们还发起两家与人工智能相关的公司——机器之心和星云智能硬件孵化器。机器之心是联想之星发起成立的、专业的人工智能媒体和产业服务平台,也是国内首家系统性关注人工智能的科技媒体。

星云智能硬件孵化器是联想之星发起成立的、国内首家拥有硬件类项目供应链环节解决能力的创业加速器平台。

此外,联想之星2015年在美国发起成立全球人工智能投资孵化平台Comet Labs,充当创业者的产业加速平台和产业公司的首席人工智能官,实现联想之星的中美跨境投资,目前我们在美国已经投资了29个人工智能项目,未来还会不断加快在美国的布局。

作为人工智能领域投资的实践者,过去几年,联想之星一直致力于找出行业痛点、利用人工智能技术特色加快行业效率提升,未来还会坚持这一路径。相信未来的机会也会越来越多。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
8天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
125 55
|
17天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
104 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
MMAudio 是一个基于多模态联合训练的高质量 AI 音频合成项目,能够根据视频内容或文本描述生成同步的音频。该项目适用于影视制作、游戏开发、虚拟现实等多种场景,提升用户体验。
56 7
MMAudio:开源 AI 音频合成项目,根据视频或文本生成同步的音频
|
18天前
|
存储 人工智能 数据库
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
Codel是一款全自主AI代理工具,支持在终端、浏览器和编辑器中执行复杂任务和项目。它运行在沙盒化的Docker环境中,具备自主操作能力,内置浏览器和文本编辑器,所有操作记录存储于PostgreSQL数据库。Codel能够自动完成复杂任务,如创建项目结构、进行网络搜索等,适用于自动化编程、研究与开发、教育与培训以及数据科学与分析等多个领域。
56 11
Codel:AI代理工具,支持在终端、浏览器、编辑器执行复杂任务和项目
|
1月前
|
人工智能 物联网 Shell
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
本文介绍了多个开源项目,涵盖了从量子计算错误纠正到视频生成和编辑的广泛应用领域。这些项目展示了AI技术在不同领域的创新和应用潜力。
170 10
今日 AI 开源|共 12 项|开源的DIY健康追踪项目,基于低成本的智能戒指构建私人的健康监测应用
|
24天前
|
存储 人工智能 缓存
官宣开源 阿里云与清华大学共建AI大模型推理项目Mooncake
近日,清华大学和研究组织9#AISoft,联合以阿里云为代表的多家企业和研究机构,正式开源大模型资源池化项目 Mooncake。
|
25天前
|
存储 人工智能 缓存
官宣开源|阿里云与清华大学共建AI大模型推理项目Mooncake
2024年6月,国内优质大模型应用月之暗面Kimi与清华大学MADSys实验室(Machine Learning, AI, Big Data Systems Lab)联合发布了以 KVCache 为中心的大模型推理架构 Mooncake。
|
27天前
|
机器学习/深度学习 人工智能 自动驾驶
现在是投资实施Agentic AI的最佳时机吗?
现在是投资实施Agentic AI的最佳时机吗?
|
1月前
|
人工智能 监控 物联网
深度探索人工智能与物联网的融合:构建未来智能生态系统###
在当今这个数据驱动的时代,人工智能(AI)与物联网(IoT)的深度融合正引领着一场前所未有的技术革命。本文旨在深入剖析这一融合背后的技术原理、探讨其在不同领域的应用实例及面临的挑战与机遇,为读者描绘一幅关于未来智能生态系统的宏伟蓝图。通过技术创新的视角,我们不仅揭示了AI与IoT结合的强大潜力,也展望了它们如何共同塑造一个更加高效、可持续且互联的世界。 ###
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
79 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络