• 算法并不决定一切!迅雷创始人程浩谈国内机器人创业

    时间:2017-01-05    来源:创事记    作者:程浩 我要评论() 字号:T | T

  • 朋友们大家好,我是程浩,迅雷创始人,现在专注互联网领域的投资。这一年来我看了很多人工智能及机器人相关的项目,有些观点和大家做一些分享。

      目前国内人工智能创业非常火爆,主要是供求关系不平衡,投资方资金多,而国内人工智能领域,有比较好的技术背景的人又比较稀缺。导致创业团队只要技术背景好,不管找没找到刚需痛点,有没有商业模式,资本就蜂拥而至,显然这并不健康。

      现在国内的人工智能创业属于明显的技术红利期,估值普遍偏高。但从投资者的长远视角来看,未来随着基础计算平台和开源平台的丰富成熟,技术方面的壁垒会越来越不明显,整个人工智能的技术准入门槛会越降越低。就像2008年你想找个IOS开发者,很难,现在却很普通一样,所有技术的演进都遵循这一规律。

      所以我不建议大家凑这样的技术红利热闹。因为长期来看,人工智能创业和任何其他领域的创业一样,一定是综合实力的比拼,懂不懂行业、有没有找到刚需痛点、产品化和工程化能力怎么样、营销能力怎么样,产品做完了能不能卖出去等等。

      涉及到具体的行业,简单讲,我认人工智能和机器人方向的创业本质上有mission-critical和non-mission-critical之分。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”。

      Mission-critical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。

      还有将人工智能用在医疗行业,像手术机器人做到精度99.9%,千分之一的出错率同样是极其可怕的后果,医疗事故关乎人命。要是在美国,这千分之一事故导致的巨额赔偿,恐怕就已让企业完蛋了。

      总之在“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top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。

      大家都明白研发的边际效益逐减,做到90%很容易,做到99%要投入不止10倍的资源,因为要消灭各种corner case,更别说99.9%和99.99%了,所以这类项目时间周期会很长(类似于Google的无人车,从2009年到现在已经7年了;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这些时间。

      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。

      但实际上大多数AI/机器人的创业属于第二类,也就是“非关键性应用(none-mission-critical)”。这类项目不追求99%后面的很多个9,而且很多都有更简单实用的解决方案,或者有“人机混合”的方案。总之就是不追求高大上,简单、实用、性价比高更重要,这样的项目通常能够更快落地。

      不追求很多个9。例如基于人脸扫描的门禁或者迎宾机器人系统,99%和98%没有本质的区别,实在不行不还有前台么。

      更简单实用的解决方案。例如封闭路段(例如工业园区、机场码头)的自动驾驶,激光雷达又贵又复杂,我直接用磁条导航,而且算法上追求简单,“让速不让路”,只要前面有人,车就停下来。因为是封闭路段,所以场景被极大简化了。

      “人机混合”模式。面向企业的人工智能/机器人很多都能够通过“人机混合模式”降低技术难度,可以更快的面向市场提供服务。拿外卖机器人举个例子,你的算法好,你的送达成功率99%,我是98%。100次里面不成功的那两次,我可以用人通过后台去操控机器人,慢慢提高这个比例就好了。即使这样,我还是能极大的降低人力,还是有很大的价值。

      实际上,国内人工智能和机器人方向的创业,大部分领域都是“非关键性应用”。在这些领域,算法当然也重要,你送外卖不能总送不到,但偶尔的问题可以容忍(“关键性”应用则不能容忍)。除此以外,“能落地”就变得非常重要了。如何落地?那就要比拼综合实力了。包括:

      对行业的理解,要深刻洞悉行业痛点在哪儿;

      产品化和工程化,有没有好的产品和工程师团队?光在实验室里搞没用!

      做出来的产品还得便宜!

      批量生产的话,你的供应链能力怎么样?

      产品出来了,你得把东西卖出去!所以你的营销/销售能力怎么样?

      所以这样的人工智能项目并不需要技术大牛,反而是创业者最好深悉这个行业,知道什么方案能解决行业痛点,甚至有上下游的能力去推广销售掉解决方案或产品。特别现在人工智能也好,机器人也好,大家大多讲的是人工智能+。像人脸识别、语音识别这些基础服务,已经有人做了,领域并不大。更多的机会还是在于人工智能对各行各业的改造,去研发专门的机器人替代人工,当然是行业重度参与者最能发现机会和痛点。

      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我们的各行各业。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。正如白宫最近发表的《人工智能、自动化及经济》报告也指出,未来10年至20年间,时薪低的工种受到人工智能技术的冲击最大。有美国科学家甚至预言,时薪低于20美元的工作有83%的可能性会被人工智能取代。

      其实我们可以就此得出一个信息,那就是短期内,机器人创业的机会主要还是在B端。为什么这么说呢?因为现在技术和行业都不成熟,只有利益驱动,节省了人工成本,才会让企业率先接受机器人。

      首先我们来看价格,拿机器人举例,整个供应链体系没那么成熟,市场需求还未验证,每一个生产出来的机器人成本都不低。To B端,也就是企业对成本承受能力显然比To C强很多。特别考虑中国人力成本继续往上飙升。只要企业考虑机器人会大幅提升效率、比人工成本合适,他们就有行动起来的动力。

      直白说B端买机器人的目的是为了省钱,是以替代人力为目的。但C端确是在额外花钱。所以需求有明显的差别。To B都是单任务的,机器人只要做好一件事就行了。而To C消费端,恨不得什么都能干,又能唱歌、又能跳舞、又能聊天、又能清洁。但现在根本不现实,技术成熟度还不够。

      还有To B端的机器人应用更容易一些,因为很多都是以“人机混合”模式在作业。也就是以前需要5个人干活,现在可能1个机器人加2个人工。也就是机器人替代了3个人工,能把一些常规任务给干了,但在一些特别复杂的工艺流程位置,还得仰仗工人来做。这是一种易推行的混搭模式。但To C机器人可没有“人机混合”模式可言。

      最后对国内机器人领域的创业者想说:

      I。 如果项目想要快速落地,起步一定要从To B开始,To C仍是很长远的事情,发展没那么快;

      II。 大多数机器人都是“非关键性(non-mission-critical)”应用。不能说算法很厉害,有很牛的科学家团队就是一切了。在未来的竞争环境下还差的很远。项目一定要接地气,一定不能阳春白雪。要把供应链做好,把产品低成本做出来,还要能推广出去。

      这是场综合实力的比拼。

  • 加入收藏
  • [ 作者:程浩 ]
  • 分享到: 更多
    标签:
  • 相关推荐
    · 算法并不决定一切!迅雷创始人程浩谈国内机器人创业2016-12-30
  • 最新消息
    · 算法并不决定一切!迅雷创始人程浩谈国内机器人创业2017-01-05
    · 美图即将登陆港股,互联网从业16年蔡文胜得出了这6条2016-12-21
    · 小米王川:做互联网音箱与战略无关2016-12-13
    · 合格的CEO不好当!2016-11-28
    · 谷歌无人车之父Sebastian Thrun :如何看 AI 和人类未来?2016-11-23
      已有条评论,查看更多评伦发表评论
  • 用户名:  密码:              匿名发表  | 注册会员
  • 网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述