明势资本黄明明:巨头卡位人工智能,创业者还有哪些机会

简介: 黄明明,明势资本创始合伙人,拥有超过18年的高科技行业从业经验,先后创立和管理了265.com、Zcom、Flashget和Kanbox等多家互联网企业。作为一个活跃的天使投资人,黄明明先生投资了多家顶尖的互联网创业企业,包括游戏谷(成都博瑞收购,价值15亿人民币)、汽车之家(NYSE:ATHM)、易遨、攀藤科技、快乐妈咪、极路由、PP租车等。

     黄明明,明势资本创始合伙人,拥有超过18年的高科技行业从业经验,先后创立和管理了265.com、Zcom、Flashget和Kanbox等多家互联网企业。作为一个活跃的天使投资人,黄明明先生投资了多家顶尖的互联网创业企业,包括游戏谷(成都博瑞收购,价值15亿人民币)、汽车之家(NYSE:ATHM)、易遨、攀藤科技、快乐妈咪、极路由、PP租车等。

      2014年创办早期风险投资机构明势资本以来,继续聚焦于人工智能、工业机器人、高端数控机床等极大提升企业生产运营效率的领域。明势资本近期的代表性投资案例包括:车和家、小牛电动、德速机械、神策数据、李群自动化、中科视拓、澎峰数据、企名片、易航智能、橙子自动化、云麦好轻等。

      近日,黄明明在小饭桌人工智能创业班上,分享了他对AI产业的深入洞察。主要包括以下几大要点:

1、核心技术的突破是穿越经济低谷的唯一的手段;

2、人工智能会是第四次工业革命的基石;

3、人工智能未来会变得像水和电一样无处不在。

小饭桌对此进行了不影响原意的整理,分享实录如下:

      三大红利的消失

1)人口红利,出现拐点中国曾经的人口红利,造就一批诸如蒙牛、李宁等上市公司。在2013年中国首次出现劳动力人口下降,2050年,中国适龄劳动力人口仅占总人口的45%,老年抚养比将占到13.7%。

人口增长的峰值预计在2020年,之后劳动力、消费层的供给都会呈现断崖式下降,而人口是经济最大的驱动力,这个问题可能在未来5年都无解。

2)流量红利,基本耗净。我认为在2012-2013年,中国的流量红利基本上已经结束了。

A.2006年左右的PC互联网流量红利、2011年后的移动互联网流量红利,比如社交和社交媒体等,成就了一批互联网独角兽公司:微博、微信、网红经济。

B.整个互联网上的流量红利向这些巨头集中。网民花在腾讯、阿里巴巴、百度上的时间,占总花费时长的71%,其中微信占35%,QQ占10%。流量红利向这些巨头集中的结果,就是像阿里、腾讯这样巨大体量的公司,2016年第一季度财报利润惊人得环比增长39%和43%。

C.媒体方不断涨价:CPC(Cost per Click)从早期的1毛钱涨到5角。

D.报告显示,中国互联网用户总数已经达到6.88亿人,同比增长6%,低于此前一年的7%,但报告显示,从2008年至2015年间,中国互联网用户的增速有所放缓。

3)技术红利,瓜分殆尽。第一代互联网通过超链解决信息高速流转和信息不对称的技术红利,基本已经被互联网巨头、中型互联网公司瓜分殆尽,比如淘宝、腾讯、滴滴、今日头条等。

效率是一个关键词,但从第一代互联网的技术发展到现在的20多年内,没有一个核心和本质的变化。即我们通过这些技术产生了大量的数据、无穷多消耗不掉的信息,但这一波技术没有新的突破。

唯一能穿越经济低谷的是技术革命

      现在全美排名前五大的市值公司,包括苹果、谷歌、Microsoft、Amazon、Facebook都是科技型公司;而前五十名里,大概有1/3或者更多是跟高科技相关的技术类公司。

      因此我们认为,虽然全球经济面临着低迷的情况,但核心技术的突破,是能够穿越经济低谷的唯一的手段。

      每一次的经济低谷都会带来一个核心的技术突破,每一次经济腾飞和社会深刻变革,都是因为科技创新的推动:

      第一次工业革命:蒸汽机(18世纪60年代-19世纪上半期)。在此期间,英国的国民生产总值激增12倍,年人均收入增长4倍,航运量超出40%。

      第二次工业革命:电力(19世纪70年代-20世纪初)。德国崛起,工业产值占世界的比重从13.2%上升到1913年的19.3%,成为仅次于美国的资本主义世界工业强国。以电气革命为核心的第二次技术革命,使世界摆脱了1857年爆发的世界经济危机。

      第三次工业革命:原子能、电子计算机、信息技术(20世纪四五十年代开始)。世界制造业增加值从27900亿美元增加到102000亿美元。以电子、航空航天和核能等技术突破为标志的第三次技术革命战胜了1929年的世界经济危机;互联网在内的信息技术等新一轮科技革命帮助全球渡过了上个世纪七八十年代的经济危机。

      重大科技创新往往是经济危机催生的。原因何在?因为在经济危机时,社会更加迫切地需要科技创新,背水一战,催生新技术从而形成新的支柱产业。

当前科技行业撞上了演化的右墙:CPU的运算速度和硬盘的存储能力遇到瓶颈,摩尔定律遇到物理上的挑战。

      上一波科技大潮还是在90年代,经过将近十年的全球生态力的停滞,我们认为下一波应该在不久的将来很快到来,新科技已到了一个产业的拐点。

      人工智能将是第四次工业革命的基石

      人工智能驱动生产力的提高,推动全球经济变革,是扭转全球生产率增长停滞的根本驱动力。结合 GS 首席经济学家 Jan Hatzius 的研究,我们明确了资本深化目前的停滞及其对美国生产率的相关影响。我们相信,AI 技术将会驱动生产力的提高。

      1)算力与大规模数据的爆发为人工智能应用的实现提供了条件,这是人工智能应用得以实现的一个核心基础。

      根据摩尔定律,极端及运算速度每18个月提升一倍,价格每18个月提升一倍,价格每18个月下降一半。英伟达 GPU(GTX 1080)有 9 TFLOPS 的性能,只要 700 美元,意味着每 GFLOPS 只要 8 美分。在 1961 年,串够 IBM 1620s 每提供 1 GFLOPS 需要的钱超过 9 万亿。成本的极大的降低,为人工智能应用的快速发展提供了条件。

      2)一级市场融资活跃, IT巨头纷纷卡位。

      A.人工智能领域投资增长迅猛,AI创业公司数量和投资额在2015年创新高,一级市场年投资额从2011年的2.8亿增至2015年的24亿美金,五年内增长了746%。

B.IT巨头纷纷引入人工智能领域专家,进行技术储备。在和硅谷的朋友交流后才知道,巨头之间对人才的竞争是白热化的,甚至是血腥的。

      C.各个科技巨头也在人工智能资产上出手频繁,仅google就收购21家人工智能相关的技术公司,自 2014 年以来,谷歌、亚马逊、微软和 Salesforce 共进行了 17 项与 AI 相关的收购。

      人工智能会像水和电一样无所不在

      人工智能已经进入产业化的拐点,我们相信未来它会变得像水和电一样无处不在。

      1)基础层薄弱,其他层中外差距不大,各个层面均有机会:

      人工智能领域的最底层叫基础层,这里面有芯片、存储、大数据、平台。我个人不太看好一些核心芯片层或者硬件层的创业公司,我们认为在数据层反而有机会。

      再往上是技术层,主要有机器视觉、 语音识别、 语义理解以及一些智能机器的控制算法。两年半前我们开始投工业机器人,我当时认为2C的机器人远远没有准备好,也没有用户刚需,所以2C两年半前我们没有碰;从2013年起,中国已是全球最大的工业机器人市场,我们认为在中低端有中国公司的机会;视觉和语音,我们认为机会不是特别大。

      再往上到了垂直应用层,有智能驾驶、医疗、金融、网络安全、工业。安防目前是最快商业化的,所有中国这一波走的比较快的人工智能公司全是在安防,这里面是有大量的机会;金融和医疗现在的商业模式和变现模式还没有那么清晰,但已经在产生巨大价值,但国企不愿意出很多钱是个核心问题。

      人工智能生态在应用分支行业上主要包括个人助理、电子商务、农业、机器人、法律、教育等。其中,个人助理在中国虽然最近很火,我个人不是那么看好;农业领域的项目,我们目前也还不能扣扳机。

      2)人工智能生态圈的惊人扩张。2020年,机器人和人工智能市场规模达到1527亿美元。

      这个是机器人的几大产业,最大的无疑大概还是自动驾驶。中国60万亿的GDP有十万亿是跟出行、车主相关的,所以还有什么领域比这个领域更大。可能滴滴和uber只是解决了出行领域的上半场,但出行领域真正的下半场不在共享经济,是在自动驾驶,谁能解决这个问题,谁才能解决真正出行领域的这一盘大棋。

      汽车是移动的人工智能平台,无人驾驶是人工智能集中竞技的舞台。

      我们认为汽车是人工智能的一个主战场,从视觉、语音、算法、传感器几乎全集大成,而且它的系统控制软件难度远远超过大家的想象。既可以通过增加硬件、也可以通过提升软件复杂度来实现的功能,汽车倾向于选择提升软件复杂度以实现更低的成本。

      我们看系统控制软件的代码行数,F-22战斗机是200万行,F-35是600万行,播音787是700万行,普通乘用车是1000万行的车辆控制的复杂程度,你没办法脱离车辆的控制直接去做算法。

      人工智能是中国弯道超车的机会

      1)数据基础,以量取胜。

      中国拥有超过7亿的互联网用户,基于此产生巨大的数据规模;世界最活跃的交易数据(淘宝、JD)、金融数据(支付宝、微信支付)、服务数据(美团)。

iResearch 预测,2020 年,中国人工智能市场将从 2015 年的 12亿人民币增长至 91 亿人民币。2015 年,约 14 亿资本(年增长率 76%)流入了中国的人工智能市场。

      2)政府政策支持,不断加大研发投入。

      政府政策支持:中国的国家发展改革委员会(发改委)和其他相关政府机构于 2016 年 5 月 18 日发布了《「互联网+」人工智能三年行动实施方案》。《方案》指出了人工智能领域发展的六大保障措施,包括资金支持、标准体系、知识产权保护、人才培养、国际合作和组织实施。发改委期望中国人工智能产业整体与国际同步,系统级别(system-level)的人工智能技术和应用要位于市场领先位置。

      科研学界:中国已经做出一些重大举措。根据提及「深度学习」和「深度神经网络」的被引用期刊论文数量,2014 年,中国已经超越美国。中国拥有世界领先的语音和视觉识别技术,其人工智能研究能力也令人印象深刻。百度于 2015 年 11 月发布的 Deep Speech 2 已经能够达到 97% 的正确率,并被《麻省科技评论》评为 2016 年十大突破科技之一。

      3)硬件突破口。计算上从CPU到GPU,到专用芯片;感知上传感器小型化、芯片化、低价化。

      4)人才储备。

      世界各国经济和科技实力的竞争,归根到底是顶级人才的竞争:中国拥有世界最多的工程师数量。10年间各国技术与工程专业硕士毕业生数量。

      2015年度我国出国留学人员总数达52.37万人,较2014年人数增加6.39万人留学出国与回国人数比已从是十年前的3.15∶1(2006年)降为现在的1.28∶1。

      一大批国际顶级人才的回流:Growing IO 张溪梦(LinkedIn(领英)美国商业分析部高级总监)、出门问问创始人李志飞(美国约翰霍普金斯大学计算机系博士,前Google总部科学家,世界级自然语言处理及人工智能专家)、李群自动化创始人石金博(港科大)。

      给创业者的三点建议

      1)专注是创业公司的唯一武器。大家要钱没其他大公司钱多,要人没别人强,用户流量也不在我们自己手里,技术即使有核心优势别人也能做出来。而专注可能是一个创业团队的唯一武器。

      2)创始人早期要战斗在第一线。你得跟你的销售团队、工程师团队一起去见客户,否则永远不知道客户的真实需求是什么,可能你不善于喝酒、和人打交道,但是你必须要战斗在一线,和你的客户保持亲密接触,这是我们发现的非常重要的一点。

      3)创业者要沉得下心,做时间的朋友。我从不认为两年半、三年成为一个独角兽是多么了不起的一件事情,我们希望的是扎扎实实在你的核心领域,认真地投入、研发,做出真正有自己核心竞争力的产品。

      最后,不完美的英雄,也是英雄,不以成败论英雄。正如华为创始人任正非所说的:对未来的探索本来就没有“失败”这个名词,我们要从失败中提取成功的因子,鼓舞人们不断地献身科学,不断地探索,使“失败”的人才、经验继续留在我们的队伍里。

相关文章
|
6月前
|
人工智能 安全 Android开发
【专栏】在人工智能时代,Android和iOS两大移动操作系统巨头正加速融合与创新
【4月更文挑战第27天】在人工智能时代,Android和iOS两大移动操作系统巨头正加速融合与创新。Android以其开放性占据广阔市场,集成AI功能如语音助手;而iOS以其稳定性和生态优势,如Siri,提供卓越体验。两者在AI技术、应用场景上相互借鉴,拓展至医疗、教育等领域,并逐步打通生态系统。然而,技术竞争、数据隐私和标准不一是挑战,新市场需求、技术创新和产业合作则带来机遇。未来,二者将继续推动AI发展,为社会进步贡献力量。
110 4
|
云安全 人工智能 供应链
人工智能股票:九大人工智能投资机会
人工智能之于21世纪20年代,就像DNA之于90年代,带宽之于早期,而mRNA之于大流行。不要忽视人工智能的力量,因为它现在是日常生活的一部分。人工智能被设计用来执行典型的任务,涉及到人类通常会做的某种程度的问题解决和决策。
225 0
人工智能股票:九大人工智能投资机会
|
人工智能 算法 机器人
人工智能进入医疗领域的机会和挑战
自从人工智能(AI)概念大热之后,其进入各个产业领域的速度加快。不过,鉴于医疗领域的复杂性,AI在医疗产业的拓展并不顺利,唯一获得规模化的正向增长的是手术机器人,其他在经历了多年的发展,整个领域仍属于不成熟的早期市场,难以真正商业化。
170 0
人工智能进入医疗领域的机会和挑战
|
存储 传感器 机器学习/深度学习
明势资本黄明明:巨头卡位人工智能,创业者还有哪些机会
近日,黄明明在小饭桌人工智能创业班上,分享了他对AI产业的深入洞察。
231 0
明势资本黄明明:巨头卡位人工智能,创业者还有哪些机会
|
机器学习/深度学习 存储 人工智能
Hinton、Bengio、Sutton等巨头聚首多伦多:通过不同路径实现人工智能的下一个目标
当地时间 10 月 27 日,Creative Destruction Lab 在多伦多举办了 2016 机器学习与智能市场(2016 Machine Learning and the Market for Intelligence)会议。会议云集了人工智能投资及科研界众多世界级明星。在下午的科研分论坛上 Yoshua Bengio、Geoffrey Hinton、Richard Sutton 和 Ruslan Salakhutdinov 等机器学习领域的巨星人物聚首于此,以接下来 1-5 年的人工智能方面的前沿科研方向为主题进行了公开探讨,并分享了很多有价值的知识和经验。机器之心现场观摩了这
255 0
Hinton、Bengio、Sutton等巨头聚首多伦多:通过不同路径实现人工智能的下一个目标
|
机器学习/深度学习 人工智能 自然语言处理
科技巨头间的角力,过去3年人工智能领域收购大事件
在人工智能创业一片火热的同时,科技巨头同样加大了对创业公司的收购力度。据国外风险投资数据公司CB Insights 统计在过去的三年中超过有20家人工智能非上市公司被科技巨头收购。仅在2016年过去的四个月中,就有4起重大收购事件发生。
316 0
科技巨头间的角力,过去3年人工智能领域收购大事件
|
机器学习/深度学习 人工智能 监控
如何寻找人工智能在网络安全中发挥作用的新机会
借助网络安全中的先进智能技术,组织可以扩展资源来保护易受攻击的网络和数据。人工智能在网络安全中的集成将为企业提供额外的保护。它将使组织能够在任何类型的网络攻击中做好准备,保护甚至与网络攻击者保持一致。但是他们还必须保持警惕,以免让网络攻击者使用人工智能技术攻击薄弱的环节。
213 0
|
8天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
8天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
8天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
40 3

热门文章

最新文章