真正的投资者如何区分 AI 的炒作与现实

就像之前的“云计算”、“大数据”和“机器学习”，“人工智能”这个词已经被市场营销人员和广告文案人员大肆使用。人们说的“人工智能”里面有很大一部分其实是数据分析，还是原来的套路。

自从去年 AlphaGo 打败李世石开始到现在，人工智能的热度就没有一丝衰减。随着长虹推出全球首款人工智能电视，一轮属于全球家电产业的人工智能新时代大幕正式拉开。随后，美的、海尔等企业相继发布各自的智能空调新品，并剑指"人工智能"。

被誉为全球消费电子产业发展风向标的美国 CES 展 2017 年展会上，人工智能成为这个产业的全球新风口。事实上，从去年开始，以 Google、Apple、Intel、Microsoft、Amazon 为首的外资科技巨头，以及百度、腾讯、阿里为首的本土互联网巨头，都悄然将战略触角伸向了人工智能的领域，在这方面进行了较大的商业投资。也出现了真正的创新产品，如可能很快就会商业化的无人驾驶汽车。

目前科技行业或媒体把越来越多的产品与“人工智能”扯上关系，实际上，这些产品中人类发挥的作用超过了它们自身的智能化程度，眼下 AI 领域有很多概念都是炒作。有真诚的专业人士和从业人员，更有深韵其道的商业炒作者，更有聪明的搭便车者，当然更多是被卷入的看热闹者。

总之，目前来看，AI 已经激发了公众的想象力，占据了媒体报道，并引发了大量的投资和收购。在这一轮炒作中，发现滥竽充数的“南郭处士”与真正投资者的区别可能是一个挑战。

TOPBOTS 的研发主管 Mariya Yao ，日前写了一篇文章，分享了她的经验：真正的投资者如何区分AI 的炒作与现实，给那些AI 初创公司的创始人提供了十分有用的建议。

我们从顶级公司，如CRV、IA Ventures、Two Sigma 等采访了经验丰富的风险投资人，以了解这些成功的投资者如何评估AI 初创公司。如果你是一个想创办AI 公司的创始人，要确保有这些所有关键问题的答案。

AI 是核心价值核心吗？

Qualcomm Ventures 的 Varun Jain 警告道：“许多不能筹集资金的公司硬充 AI 公司。”Jain 已经目睹从 AI 驱动的 Wi-Fi 路由器到榨汁机，再到这两者之间的所有的市场范围。

许多情况下，AI 只是一个附加功能，并非公司价值主张的核心。Jain 解释道：“传统的 Wi-Fi 路由器可以使用 AI 方法来检测网络数据中的异常，并标记这些错误，但这功能在实质上并不能改变增值。”

相比之下，高通投资了 Clarifai 和 Cruise Automation （被通用收购）。Cruise 提供智能来驱动无人自驾车，而 Clarifai 利用先进的深度学习和计算机视觉技术，来高精度地识别图像和视频中的物体。

你的技术团队有多可靠？

根据 CRV 公司的 Max Gazor 的报告：“拥有可观的、新颖的 AI 技术的公司，将从学术界的一流研究室诞生，或来自颇具声望的产业团体，如 Google Brain 或者 Facebook 的 AI 团队。”

CRV 对技术系的承诺，体现在他们投资的创始人非凡的经历。 Rethink Robotics 的 Rod Brooks 不仅是麻省理工学院 AI 实验室的创始主管，还是个成功的机器人公司 iRobot（NASDAQ：IRBT）的创始人。 Jibo 的 Cynthia Breazeal 以前在 MIT Media Lab 成立了 Personal Robotics Group，是一位国际知名的社会机器人专家。 Pullstring 的 Oren Jacob 以前是 Pixar 的 CTO，自公司成立初期就与 Steve Jobs 共事。

DCM Capital 的 David Cheng 补充说：“在行业生命周期的这一阶段，只有为数不多的 AI 专家，他们拥有大型公司或者顶级大学的必要经验，才能提出具有真正创新性的解决方案。如果一个团队声称产品中应用了 AI，却没有为之匹配的团队，这种短缺会使我们非常怀疑。”

你能解决客户付费提出的实际问题吗？

“我发现的一个规则是：CEO 讨论 AI 越多，而不是客户的问题，我的兴趣就越低。” GE Ventures 的 Michael Dolbec 俏皮地说， “我们资助宝贵的成果，而不是科学项目。”

我们接触的每一个投资者都同意这个看法。

“如果我不得不选择一个，领域专长胜过机器学习专长。” IA Ventures 的 Brad Gillespie 补充道。IA Ventures 投资了 Vectra Networks ，这是一家由经验丰富的专家领导的网络安全公司，专注于解决最重要的客户问题，并最大限度地提高安全分析师的可用性。

Vectra 的竞争对手强调他们为客户提供了复杂的机器智能，但买家反馈是“这些家伙很聪明，但不理解我的业务。他们的产品花里胡哨，但我不明白究竟是什么玩意儿。”

有效解决业务问题需要一个团队超越狭窄的技术方法，而且要专注于拥有一个特定的业务领域和功能。 Two Sigma Ventures 的 Colin Beirne 指出，“使用不同技术的集成，需要解决当今的大多数困难问题，但是针对狭窄领域的 AI 减少了学习理解的复杂性。”

您有相关的、专属的和可扩展的数据源吗？

Qualcomm Ventures 的 Jain 总是提出潜在投资：“你的数据源怎么样？你是依靠大公司提供的数据还是你有独立的采购方式？”这两种方法都是可行的，但是独立性是强烈首选的。

自驾车历来在郊外、停车场和不代表驾驶现实的封闭环境中进行测试。Qualcomm 的投资组合公司 Cruise Automation 通过在城市环境中操作测试车辆，监控人力驱动程序，捕获了严重缺失的数据。同样，它的其他 AI 投资 Clarifai 开始于一个流行的消费者应用程序，使其能够捕获独特的众包数据，然后进一步扩展，以处理业务特定的数据。

除了数据源是独特的、合理的，它们还必须与正在解决的挑战相关。 Battery Ventures 的 Dharmesh Thakker 表示：“下一代 AI 取决于你挖掘数据的复杂性。非结构化图像、视频和音频数据比文本难得多。”Thakker 还考虑公司是否使用快速移动数据或静态数据。快速移动数据的算法，例如由自动驾驶汽车处理的实时图像，通常要复杂得多。

最后，团队必须证明他们根据特有的数据不断改进表现。高通的 Jain 定期检查团队是否能“展示快速处理培训数据和有效优化的能力，以便系统更加健壮。

你建立独特的技术还是依靠开源？

“公司利用开源框架与开发自己的专有技术的程度往往是一个‘赠品’，” Verizon Ventures 的 Suresh Madhavan 观察后说， “利用开源仅能让你分析一些肤浅的关系，但它不可能是解决困难的业务问题所需的水平。”

DCM Ventures 的 Cheng 同意这个看法。DCM 的投资团队依赖一个强大的行业顾问和技术专家网络“帮助审查技术、数据架构，并确定团队是否着手致力于数据收集、存储、解析或注释。他们也帮助揪出冒牌货。”

你有粘性产品吗？

Sumant Mandal 是 March Capital 的合伙人，也是 The Hive 的共同创始人，这是一家专注于 AI 驱动初创公司的初期孵化器。“如果你不能提高效率至少 5~10 倍，那么新公司就很难突破，为投资者带来价值。”Mandal 强调道。他建议创业公司要考虑客户的收入。例如，如果你想应用 AI 来招聘流程，曼达尔建议你扪心自问，“如果我提高效率 5 倍，会不会为我的客户带来 100 倍的收入提高？

此外，Mandal 警告说：“价值提升必须交付给客户在他们可以消费的方式，例如以仪表板或可执行的指导建议的形式。”而由于数据量和人才的缺乏，网络安全由 AI 中断的时机已经成熟。他警告说：“安全分析师不需要更多的警报。”

即使你有一个理想的产品，让客户承诺一个单一的试点方案不利于一个可行的业务。 Woodside Capital 的 Kartik Gada 寻求收入和客户的多元化：“您的收入是否稳健和持久？您的客户是否需要相同或更多的解决方案？”

你有一个多元化的团队吗？

最后但同样重要的是，投资者寻找能够解决启动和扩大 AI 业务的所有挑战的多元化团队。 Monsanto Growth Ventures 的 Kiersten Stead 解释说，“已成功雇佣多元化的公司”包括领域专家、商业领袖和销售人员，而不仅仅是工程团队。

相反，Stead 观察到，同质化的启动团队，特别是当仅由没有行业特定经验的 AI 研究者组成时，往往会更频繁地失败。这一点，对于寻求解决 Monsanto 投资的应用（例如农业经营和遗传育种）的外部人员尤其重要。

“技术 AI 团队不能很好地适应销售人员，反之亦然。”她强调。“我们寻找一个有经验的 AI 创始人，有一个成熟的职业生涯，还有广泛的人脉，或者在很多团队混个脸熟。”以技术为重的 AI 初创公司往往忽略了销售和市场营销，而这两者是成功亟需的要素。”

Woodside Capital 的 Gada 警告说：“AI 创业公司犯下的最大错误是对营销不够用心。大多数客户不知道需要他们的产品。”

感谢朱昊冰对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。