“AI的发展和互联网的发展并非完全平行。AI是一种软性的工具，其具体形态和特点很难展示出来。AI迭代的是无形的工作，使得加工信息、传输信息的效率变得更快。因此它会改变和颠覆的不是互联网行业，而是传统的具有生产价值的产业。”

今年的AI浪潮似乎比过往的移动互联网来得更猛烈一些。

一方面，图像识别、深度学习、语音合成等人工的核心算法日趋成熟，并开始大范围地商业化应用；另一方面，人工智能的研究走出了实验室，科技公司开始成为人工智能的主要推动者。

在这片巨大的人工智能浪潮中，企业们纷纷采取了不一样的战略。百度押注人工智能，扬言要先做一个AI时代的windows或IOS；腾讯、阿里则更注重将AI技术应用到商业实践，优化现有业务；没什么基础和技术储备的创业公司也跃跃欲试着寻求转型机会；各路资本机构更是不可能错过这大好的方向，不断变换着自己的投资策略。

种种举动的背后，或是透露着对AI布局的满满自信；或是迷茫的跟风，生怕错过下一个所谓的热点；又或是充满了对未知的焦虑和疑惑。同样，带着对AI行业的种种疑问，近日我们特意采访了对人工智能领域颇有研究的星瀚资本创始人杨歌，希望能给在AI行业中积极求变的创业者们一点启发。

星瀚资本是一家专注价值投资、创新理念、产业结合的专业风险投资机构；重点关注跨界融合和颠覆性创新的机遇，汇集各行各业优质资源，重点投资产业升级，科技应用，与文创娱乐中早期项目。人工智能大潮来势凶猛，是创新颠覆还是毁灭？

虽然人工智能技术的发展还有很长的一段路要走，但我们已然相信，未来，机器人一定会在越来越多的方面超过人类。在杨歌看来，我们现在正处于强人工智能的阶段。面对AI，当下的我们虽然需要一定的警惕，但也不必作过多的担心。

目前来说，大家对人工智能的定义大致可划分为三类（没有很明显的分界线）：弱人工智能、强人工智能和超人工智能。

所谓弱人工智能，即人给计算机一个函数或程序指令，计算机按照指示照搬形式去做，比如加减乘除等的数学运算就是比较弱的人工智能。而强人工智能指，这个阶段的机器具备了学习的功能，人告诉机器一个目标，由机器在人的监督下通过大量的图片、素材去进行学习，找出相应的特点规律出来。

杨歌认为，强人工智能与弱人工智能最大的区别在于，弱人工智能阶段，人对要执行的每一步骤的逻辑是非常清晰的，人把这个过程解析下来，并让计算机去执行。而在强人工智能阶段，很多时候人并不知道达成目标中间的具体逻辑过程是怎样的，但在人的“教导”下让计算机自己形成一套逻辑。

他进一步解释道，这个阶段（强人工智能）的计算机就像是一个小孩的状态，机器学习的过程则像家长教小孩子走路一样，家长并不需要很详细地告诉孩子路要怎么走？脚要如何垂直于地面等，只要告诉他走的时候需要注意什么，让他自己练习即可。孩子知道了自己去学习，学完了，反馈给人类一个结果，而这个结果很可能是人之前想达到却又不知道怎么去做出来的结果。这是现在非常大的一个突破。

强人工智能下一个阶段就是超人工智能，也是现在很多人担忧的“机器的人类化”。广义上的超人工智能相当于，机器具备了一定的感性，能够模仿人类，以至于将来的某一天你可能开始分不清坐在对面跟你对话的是机器人还是真正的人类。而这套体系的智能发展到后面的结果是，机器将不再受人类的控制，它能想到很多人想不到的东西，甚至，反过来去“算计”人。

不过在杨歌看来，要想达到这样的“超人工智能”还有非常远的路要走，对于机器来说，还需要收集多方元的数据，学习各种各样的东西，把自己“练”成多方面智能的系统，这在目前来说还是非常难的。但也许也只要１００年以内的时间就会达到这样一个状态（全方位地通过图灵测试）。

因此对于人工智能杨歌依然表示一定的乐观性。在他看来，人工智能在今天依然还只是人类的工具，这个工具将帮助人类在很多方面实现效率的极大提升。就像，手机和汽车某种程度上都是人的某个器官的延展一样，人工智能是帮助人思考的一个过程，把大量重复性、逻辑比较简单、或是模式比较统一的东西让计算机去代思考，这也是一种工具的延展。因此从本质来讲，人工智能与所有我们生产出来的电子化产品都是人类的工具，帮助人简化一些基础的劳作。

至于这个工具什么时候突破代替人，杨歌认为，可能还有一段距离，可能快来了，但必然是一个不断代替的过程。而对于整个人类社会来说，随着人工智能的不断发展，人类的整个工作状态也会相应发生变化，不断迭代掉很多传统的劳动力，但同时也会创造出今天我们甚至无法想象的新的就业机会。

AI时代赢者通吃的现象将更明显

类比互联网的应用，从1975年到2015年，整整花了40年的时间才不断渗透到每个行业里，在杨歌看来，现在人工智能刚刚起步，可能强人工智能的应用还需要花20年的时间。

人工智能的发展过程可能是，由整个市场里的大公司、垄断性的企业以及一些比较前沿的行业引领，上到一个新的台阶，待这些公司形成更强的力量，拥有更多的资源，然后才实现普及，而这还需要10-20年的时间。

目前来说大众对AI的认识可能还需要一段很长时间的教育过程，而在这个过程中到底是尖端人群率先将行业颠覆的速度比较快，还是大众接受市场教育的过程比较快，这仍然是个未知数。

不过显然杨歌更倾向于前者。他进一步解释道，AI的发展有可能是，尖端的少部分人群率先制造出一种很好用的产品（而大部分的公司并不具备这个技术），并碾压式地覆盖掉整个市场，就像当初iPhone颠覆掉手机市场一样，甚至有过之而无不及。也可能是AI这件事情先由经受教育的大众普遍接受认可了，再去制造出相应产品的过程。

如何判断二者之间的距离是关键，这决定了AI的发展到底是由尖端技术研发引领的过程还是需求导向的过程（即先着重专注研发还是先做市场教育）。

不过当前端的几家公司完全领先、血腥地颠覆掉市场的时候，这些公司也必然将在AI时代完全趋向垄断。杨歌认为，对于后来的企业想要复制或利用开源代码来提升自己公司的效率，有这个可能，但商业效益会非常低。因此AI时代想直接摘桃享用技术结果是不太可能的，赢者通吃的现象将更明显。

“但企业也要学会一定的延伸，比如当下AI在金融行业已经完全展开了，那如何将它在医疗行业进行复制，有可能先通过金融行业里AI总结出来的一个很大的函数体系，这些函数库和数据包可能会开源出来，给医疗行业或能源行业应用，大家用同样的函数库或基础和算法加载于自己的行业，再形成迭代，这个是有可能的。所以需要企业有一定的延展性。”杨歌说道。

目前AI创业遇到的最大困惑

如果说，人工智能是既定的也是必然的趋势，而在人工智能依然还是人类工具的强人工智能阶段，人类就应利用好这个工具，具体到企业上，关键就是如何在这个阶段围绕AI做一些商业应用的发展。

关于ＡＩ的商业落地，一个关键是，能否把一个个行业的问题都抽象成数学模型，在这个数学模型上加载智能的方法去计算，之后再把计算结果应用到商业的执行上。

杨歌认为，AI创业现在遇到最大的困惑是“使用的应用场景”和“AI能够真实发挥的场景”之间存在非常大的差距。机器学习的过程非常简单，比较难的是如何把社会化的各种商业、社会问题场景化，让机器去学习。

他举例道，比如智能驾驶，美国做了非常多的实验，不断地在收集数据对交通规则进行分析，这已经是个很漫长的过程了。然而智能驾驶如果放在中国就不能仅仅分析交通状况，其研究是个更为复杂的命题。

因为现实情况下，中国大部分地区的交通状况远比想象的要复杂，中国的交通课堂上又有一个重点叫做保护弱势群体。因此智能驾驶要在中国实现，这个车还必须具备人一样的高等智能，即超智能，且学习反应分辨率必须要细到厘米级，只考虑交通规则和简单的突发状况是远远不够的。

在杨歌看来，AI的使用最重要的在于两点，一方面是要有成熟的海量数据，另一方面是要对场景问题进行精准的模型化设计。智能驾驶的确具备明确的使用场景，但场景模型化的算法方案却很复杂，另外也不具备已成型的可供训练数据集，需要模拟真实场景长期积累数据，因此在上述两个必要方面上都不具备优势。

在很多人的预设中，未来的智能化就是，智能机器人跟人对话、或是智能驾驶，车可以自己开。然而杨歌表示，大众认为好模拟的场景多是人为直观感性化的，其实对于数据模型来讲是很复杂的；而相反问题数据相对简单的场景，却又是大众不好想象的，通常都在于一些垂直行业的领域里面，能够比较容易实现突破。比如今年摩根大通将华尔街36万小时的工作化为秒级。

因此，在杨歌的预判中，未来几年内，AI势必将率先爆发在量化金融、物流仓储大数据、有数据积累和标准的传统产业升级、以及机器人运动行为学习等方向中。对于数据积累成熟，模型化场景清晰明确的这些行业，人工智能将会带来血腥的颠覆。

创业公司如何抓住AI这波风口？

浪来了，你是会被拍死？还是乘着浪往前冲？二者的最大区别在于企业能不能及早发现趋势，并不断作出相应的转型准备。杨歌认为每一个时代的风口抓法都不尽相同，AI时代来临，所有行业可能将会以一种全新模式的呈现。

对于大多想抓住第一波红利的创业公司来说，杨歌的建议是，企业从现在开始要有意识地去做专业化的梳理、系统化的管理和数据升级，使企业自身变得更加系统化、数据化，以便更好迎接AI时代的到来。

在他看来，互联网的风口抓法在于“聚人聚事”，当聚集大量的社群，产生有诱惑和价值的数据时，公司就很值钱了，直到今天的共享单车和共享充电宝还在用这种思维，但AI的玩法完全不一样。

AI的方法是企业首先必须拥有大量的数据，这个数据可以通过“聚人聚事”的互联网化的方式实现，也可以通过爬虫的方法实现，或是通过自己生产数据的方法实现（比如利用术生产供应器，模仿某个行业的数据）。当数据足够多，能够比较客观地反映出某一个行业的现象时，大量的数据才是有意义的。

然而目前市面上一些标榜大数据的公司存在一个很大的问题是，过度竞争，开发一些没用的数据，导致大部分数据同质化，噪音非常大。而真正有用的大数据必然是精炼的、多维度的差异化数据。

杨歌表示，企业要想形成真正的智能，在行业独占鳌头，除了在垂直行业（比如科学、生物制药、建材、能源等领域）收集精炼的、非同源数据，另一方面更重要的是把不同公司收集到的大量数据进行汇集，综合所有的数据信息，计算基础规律，并用AI的模型去跑，在这个过程中不断探讨出更好的模型化过程。如此这个数据才会具有更强的智能。

“系统化结构标准越完善、数据化体系越标准，企业能够及早重视起来，在未来AI来临的时候会起来的更快。”杨歌指出。

另一方面，在杨歌看来，互联网的那套IP、人脉等的玩法也不适用于AI，虽然具备一些人脉资源就有了一定的优势，然而企业切不可本末倒置，互联网这件事对AI有一定的帮助，但AI却并不完全依赖互联网，AI这波的商业模式归根结底还是由技术人才去引导的一个创业。

目前市场上对AI的玩法有两种，一种是把AI视为一种技术，当作是下一个技术进化的起点，认真去做理解、研发，并在商业上付诸比较实质性的应用，让AI这件事能够真正提升行业的效率。但能做到这一点的企业非常少。

大部分的企业更多把AI当作一个可以炒作的噱头，觉得这是个风口，在风口上加载一个AI的想法，就又可以融资了。杨歌觉得，以这种运作IP的方式，用概念去运作资源和渠道，这类所谓的AI公司都非常浅显，并不会产生差异化的优势，最后拼的还是运营和资源，跟AI本身并没有什么关系。

当然对于企业来说，也并非不懂AI，或不懂写代码就完全没戏。杨歌认为在整个行业的发展过程里，关键是如何把自身的资源优势跟AI去做相应地结合，不一定每一个人都要去做算法工程师，编出一个产品出来。

后记：AI颠覆的不是互联网行业，而是传统产业

在杨歌看来，AI是一种软性的工具，其具体形态和特点很难展示出来，可能到了AI时代，载体还是用着过往的载体，但AI会把很多东西变得更“聪明”。AI的展现载体并不重要，但其产生的效能是非常大的，它迭代的是无形的工作，使得加工信息、传输信息的效率变快了。因此AI会改变和颠覆的也不是互联网行业，而是传统的具有生产价值的产业。

杨歌告诉创客猫记者，互联网虽然是AI化过程一个非常重要的基础手段（即让所有实体行业变成可视化、可量化的数据管理体系，再利用AI作进一步效率提升），却并不是唯一的手段。比如一些没有经过互联网化的传统工业制造，因为拥有完整的数据库，与AI结合，同样可以瞬间提高整个供应链管理体系的效率。从这一层面看，AI的发展和互联网的发展并非完全平行。

但无论是互联网、大数据、云计算、AI等，归根结底都只是工具，对于在互联网帮助下已经数字化的一些行业，如金融、医疗，再加载AI可能会发展地更快，甚至颠覆掉一些互联网产业。但更多情况下，AI未来会帮助一些传统行业作产业升级，提升其内部的管理效率，帮助企业发展地更快。

而当互联网的流量模式走到尽头，互联网价值不再的今天，或许正如杨歌所说，未来二十年我们只需干两件事，产业升级和人工智能。

一是，把已经有的方法论横向发展，把互联网思路和系统化管理思路使用到农业、工业、仓储、物流行业、建筑行业、高端制造行业等，形成良好的产业升级。二是围绕人工智能这个新工具打造更新的方法论，新的、比互联网更好的驱动方式就是人工智能驱动和算法驱动。

（来源：投资人说的财富号 2020-02-20 18:09） [点击查看原文]