AI大數據行業創業與投資趨勢，主要包含如下四條：
1、大家也都知道人工智能和大數據這塊現在是特別火，從數據來看都獲得了非常多的投資，更多的可以看到的是機器視覺，語音識別，虛擬助理，智能語音機器人這塊，從整個趨勢來看國內目前比較火的是機器學習和場景應用這兩個方向。
2、大數據其實從很多年前就開始在講述這個概念，隨著計算量的增加和計算能力的增強，最近才得到長足的進展，用機器學習來找出數據之間的關聯和因果關係變得越來越可能，所以這也是最近人工智能和大數據比較火的一個原因。
3、從整個產業發展來看人工智能已經幾起幾落好幾次了，在我看來還是在比較早期的階段，和互聯網剛剛起來那個階段差不多，移動互聯網從IPHONE開始出現那個階段開始起來，目前人工智能也剛好處於這個階段。
未來的10年20年人工智能都會成為一個主流，未來我們可能不會叫互聯網+，而是叫人工智能+。
AI產業鏈分佈
我把它劃分成：基礎層，基礎層又分為數據層和計算能力，數據層像自身能夠不斷產生數據的Alphago一樣，他會自己不斷的產生數據和進化它的模型，計算能力就像我之前提到的硬件的加速，神經網絡芯片這一類的計算能力提供商，也有做像GPU雲計算的開放給創業公司。
技術層：在基礎層上面是技術層，它又分為框架層，像IOS這些框架和操作系統。另外一個是算法層，比如機器學習，深度學習這些增強的這一類學習的算法。
應用層：應用層有兩類，一類是通用這一類，就是我們所看到語音識別，圖像識別、NLP,FLAME，傳感器融合、路徑規劃等這一類的；另外一類就是特定的一類應用層，就是我們所說的行業應用，就是我們所說的自動駕駛，醫療，教育，大數據徵信等這一類的應用層，整體我會把整個產業鏈分為這三層吧。
從創業和投資角度來看AI大數據的機會
1、從整個發展來看我們可以分為三類：一類是底層的基礎構架；二是通用場景應用；三是專用應用。底層基礎構架比如BAT、華為這些公司會利用自身服務器的優勢，數據的優勢，為各類創業公司或者傳統的公司提供基礎資源的同時，他會把自身的優勢轉化為通用和專業領域的一些研究，讓自己形成閉環。這個是初創的公司比較難去touch的在基礎的構建上面。
2、還有一種我們在看在計算機視覺、語音視別這一類通用場景的應用方面，像FACE++,商湯，包括我們投的山世光老師的中科時拓這些都是用來提供某一類的通用場景的一些應用。但這一塊從我現在看來，我們的初創企業沒有特別的技術上的突破和優勢的話，在這方面的機會也不會太多，因為已經不少明星的創業者已經拿到錢。
3、專用應用領域裡面目前看來是我們初創公司機會最多的一個領域，一定要想好如何把技術和應用相結合，完善應用場景。
另外提一點，在基礎算法這一方面，雖然我們看到的很多的基礎算法都是二三十年前甚至是六十年前人工智能剛剛被提出這個概念的時候就已經有了一定基礎。但最近大家也知道我們中國人在算法這個領域其實是非常強的，大家有志於算法研究的我覺得也可以進行一些研究。
中美創業者在AI領域的差距
1、在關於整個人工智能領域的研究和探索上，中國還是落後於美國的，從之前的技術角度講差距還是比較大，在人工智能這塊的應用層面我認為差距沒有那麼大。我們可以看到很多的論文發表之後很快就會被消化吸收，就像Google前幾個月做的圖像識別的競賽當中我們的結果也都非常的好。所以我認為在應用領域其實在接近，但是在基礎研究方面差距還是非常大的。整體來看美國的人工智能方面的創業這塊其實還跟其他領域的創業一樣，會更加傾向於更加基礎的深度研發，而且是市場在驅動。
2、中國的創業者在實際應用方面探索得更多，在商業化的這條路上從一開始就比較他們小更多和走的更具體，因為畢竟我們有這麼大的一個市場。具體來講中國會在商業化方面走的比較快，美國會在技術方面走的比較強，很多時候是從應用層面來推動技術方面的研究。
美國這些創業者，一開始起步比較慢，融資也比較慢，主要是從整個市場來找一些需求，是讓市場來推動他們的產品。但是中國的創業者融資都非常快，有一些TO VC的傾向，反而走到後端的時候就會比較慢，甚至有些停滯不前或者找不到方向。反而在這塊我覺得中國的創業者是需要向美國的創業者多學習的。
AI大數據哪些賽道有投資機會及原因
未來的世界會是一個AI+的世界，所以廣泛來說是每個賽道都有投資機會。但是如果我們把它拆分起來看，其實大數據是整個人工智能的一個基礎，單從大數據上面來看，會有數據源的問題。那如何去獲取這些數據，我們看到像八爪魚這一類企業他們去爬取公網的一些數據，去建立一些數據基礎，另外一方面你只看大數據的時候你會發現這些數據需要做數據清理，清洗，甚至有些數據都是一些孤島，那可能需要做一些ETL的整個數據的融合。數據的融合之後，你需要做數據的分析，在整個鏈條上其實都有機會，反而我認為這些機會比人工智能來得要更為實在。
如果我們再看人工智能這塊，人工智能如果你看它的基礎層，其實是他的基礎的數據和他的運算能力和他的算法，如果你有什麼特殊的渠道可以抓住數據源的話，一定是一個非常高的壁壘。另外的話是運算能力，運算能力更多的是體現在硬件上面，所以你會看到最近有非常多的GPU，FPGA這些創業公司出來，他們都是在解決運算能力這一塊。解決完運算能力就要去看算法，算法這一塊你可以看但是會比較難，因為基礎算法這二三十年來沒有發生太大的變化，而且對算法能真正做出有價值的貢獻從全球來看這方面的人才也不多。
同時我會說到從應用層面，我們覺得現在這些底層技術要想看哪些解決得比較好，一定要去找應用場景，我們目前會覺得比如自動駕駛，智能語音助，語音客服這些會是一些比較好的方向，當然還有一些跟人工智能跟醫療結合的輔助診斷，人工智能跟IOT結合的，我們來預測設備發生故障的概率，用來節省人工成本和提升效率。
從應用層面來說，整個賽道會非常非常多，因為人工智能就像當年的互聯網一樣他就是這樣的一個底層技術，它用來提升各行各業的效率，甚至我們會認為它會比互聯網更加深入到我們的各行各業中，比妨說用在第一產業用來預測氣候狀況，用來提升農產品的產能，也可以放在第二產業用在工業4.0上面，用很多AI的方法幫他們提升效率。
對人工智能大數據領域的思考和給創業者的建議
這一塊我其實在前面幾個問題裡有提到，我還是再強調下我個人的看法，大數據和AI一定要和實際場景結合才能產生價值的，就像我們過去幾年的創業，如果我問你是做哪方面創業的，你說是做互聯網創業的，同樣你說你是做大數據或者AI的，投資人都會打一個大大的問號。
因為其實大數據和AI目前的形勢下沒有一個直接變現的模式，從過去互聯網的創業最賺錢的兩個行業來看，一個遊戲，一個電商這個其實是非常清晰和直接的，大家都知道商業模式越直接，商業路徑越短越好。但大數據和AI一定是要繞個灣的，所以一定要找實際應用場景結合的一些領域來進行創業。
另外我認為我們大數據和AI的創業呢，可能和我們以往的創業很不一樣，人會非常非常關鍵，現在所有的公司都在搶AI和大數據方面的人才，我們可以看這塊的初創公司一上來就會有鉅額的融資，因為這塊人才成本比較高，起步資金比較高，而且因為沒有非常明確的變現的模式，所以對投資人來說我們寧可給到創業者一大筆錢，讓你慢慢的跑，慢慢的去嘗試。
市面上所有技術本身是不賺錢的，必須要跟實際業務結合才能獲利，所以必須要想清楚誰是你的用戶，需求是什麼，痛點是什麼。必須要找到靠譜的小夥伴，切入點一定要小，儘量深耕一個領域去試錯去積累，不要上來就做一個大的平臺，因為做平臺是非常難的。不論你在哪個領域裡面去創業，但是在AI裡面去創業你一定要找到你的穩定的獨特的數據源。我相信所有的投資人都會問你，你能不能拿到屬於你的穩定的數據源。這個我想信是每個有志於在AI大數據領域創業的人需要去思考的。
未來一兩年內Ai會給智能硬件帶來哪些重大改變？
我們基金智能硬件投的不少，黃明明之前投了極路由，小牛電動，我們也投了車和家，但其實說句實話我並不會把他們叫做智能硬件。因為我覺得很多人就是聯個網做個APP就是智能硬件，但其實我認為很多需求是想象出來的一些需求，比如智能開關，其實睡覺了就是按一下開關就好，你還要打開手機，打開APP再按一下，你覺得其實這真的叫智能嗎？沒有帶來本質上的變化，只是一個噱頭而已。所以我認為做智能硬件一定要去想究竟用在一個什麼樣的場景下給用戶解決了什麼問題？
真正和人工智能結合起來的硬件我才會真正把它叫成智能硬件，就是一個無縫的連結，不需要過多的人工干預的就像Google收購的NEXT，他會自動學習你的偏好，你的喜好，他也會學習你到家的匹配時間，去把你溫度匹配到你最適宜的溫度，我覺得真正帶有人工智能的硬件才叫智能硬件，去和你的生活無縫的銜接，真正給你的生活帶來方便。
在不久的將來，多智時代一定會徹底走入我們的生活，有興趣入行未來前沿產業的朋友，可以關注多智時代，及時獲取人工智能、大數據、雲計算和物聯網的前沿資訊和基礎知識，也可以在評論區留言，一起探討人工智能產業的未來！
閱讀更多 多智時代 的文章
