首页 专栏吴甘沙正文

驭势科技CEO吴甘沙关于AI创业的思考和实践

  编者按:未来20年是智能化波澜壮阔的20年,AI要依赖何种价值和核心竞争力?创业初期该选择横切的战略还是全站的战略。

  由真格基金、英诺天使等10家机构发起共同成立的AI大数据加速器发布会在本月26号召开,旨在凝聚行业优质资源,共同助力AI大数据领域创新创业。加速器将重点围绕人工智能、大数据,以及ARVR、ADAS无人机、机器人、IOT、航空航天等科技领域的创业项目做加速服务。

  鸵鸟电台第一时间分享驭势科技CEO吴甘沙在会上发表的关于AI创业的思考与实践,讲话内容主要围绕以下几个要点展开。

  未来20年是智能化波澜壮阔的20年

  我们对人工智能是非常看好的。2016年开始人工智能革命,在市场规模持续方面,是跟1976年PC和1996年互联网同等级别。PC和互联网分别引领数字化20年以及网络化20年的发展,那未来20年一定是智能化波澜壮阔的20年,这是基本的判断。没有这个基本判断我们也不会投入这个领域。当然这20年肯定不会是一帆风顺的,以前AI有两次冬天,未来我相信AI还是可能会有它起起伏伏的时候。我们现在觉得深入学习能解决一切但现实并不是这样,什么学习也会碰到一些问题,当我们投入这个领域进行创业更多是看到它长期的愿景,我们是有信念的。信念就是带着伞去龙王庙求雨。

  人工智能同样不能离开行业和产业,早些年有一些专门做人工智能纯技术的公司,后来发现,发展的并不好,闭门造车,炫技并不能产生价值,真正的价值一定是跟产业行业联系在一起的。比如行业是白面包,把葡萄干跟白面包放在一起这就提高了价值,但是你脱离了这个就是一个小小的一块,选择行业就非常重要了。

  AI的判断标准

  第一,AI的价值。为什么做AI,AI就是能够机器获得类似人的思考和行为的能力,要么是帮助,要么是取代,所以这个特性实际是非常关键的,这意味着早些AI主要面向2B应用,因为在B端支付能力强。

  此外,老板都有减少人力资本支出的动机,所以在早期2B肯定是主流。人工智能还可以解决用人短缺的问题,例如,最典型的医疗资源。无论是医生资源还是辅助诊断等方面都有很大的市场。

  第二,判断AI的技术限制和该 行业的匹配程度,AI并不是万能的,早期的AI有各种各样的限制,这种限制需要匹配行业的需求才能发挥作用。比如今现在服务型机器人只能做非常简单的交互,灵巧的动作都很难做到,这就意味着AI要想取代蓝领是有些苦难的。而另外一方面一些白领可能更容易取代。

  现在这个社会的分工越来越细,每个人也都越来越专业,这就叫意味着我们更容易被弱人工智能给取代。这时候通用的人工智能行的时候,弱人工智能很容易取代我们专业化的工作。

  第三,AI的难度和风险。两种人工智能,一种是算法高难度,但是在低风险里边。还有一种人工智能是低算法难度,在高风险环境里面。比如前者的话,比如说通用服务型机器人,就是高算法难度,但是在低风险环境。但是我们智能驾驶,无人驾驶汽车就是低算法难度在高风险环境里边,所以这里面又有不同的取舍。

  最后,关于AI的行业判断。AI跟钱离的越近越好,与其的接触面积越大越好,金融是AI发展的重点方向,无论是智能同步,还是程序化交易等等,这是我们对行业的一些判断。

  遇到的困难与教训

  围绕战略、找钱、找人才这这三方面,吴甘沙讲述了在创业过程中遇到的困难以及进行的思考。这三者,是有逻辑联系的,战略决定找什么样的钱,找什么样的钱决定你找到什么样的人才。但是战略其实是既容易定也很难定,什么是战略,战略就是一个逻辑论证的过程,论证的目的是思考怎么来创造价值,怎么来捕获价值。

  在做战略的时候,需要注意几件事情:

  第一,战略不是发散的,而是收敛的。也就是说我们创业会从一百亿人BT,最后缩到一页BT,是收敛的。

  第二,战略不是一成不变的,论证价值的过程是基于很多内部外部条件的干涉,这些都是会变化的,所以要与时俱进,经过反复的迭代。

  第三,战略决定未来的发展,进入AI这个行业的时候,就已经决定了退出的策略。比如说你是做AI芯片的,未来可能是被大公司买下,你做汽车智能驾驶,很大可能也会被大公司的辅助驾驶买下。

  第四,战略共识的问题。全公司如果都能够说出一个战略,这才是战略共识。如果AI确实有一技之长,找钱并不是特别难,找人才才是非常困难的问题。一份数据显示,80%的AI人才选择大公司,而不是创业公司。剩下的20%的人中,80%会选择在C轮以后的公司,所以创业公司想上百家公司是非常困难的。

  选择横切的战略还是全站的战略?

  提到战略,大家很快就想到横切,但是横切并不适用AI。现在看到很多AI公司慢慢的在做全战,从一个API做到一个操作师再做到硬件,全战是一个趋势。但全战对公司的要求是非常高的,尤其是面临很长的产业链的时候。

  战略决定到底是分兵还是聚焦,我们也知道我们要聚焦,现在只在局部形成资源优势。但是还不知道到底是哪个更好,我们也在困惑当中。

  比如说我们做的一套高速的辅助驾驶器,据了解,这是国内唯一能够做到一百公里的自动驾驶的技术。同时还有一款低速的共享无人驾驶的车辆,它更适合于最后两公里的通行需求。这款小车实还可以进行无线充电,没电的时候它会自己会停到停车位去充电。现在我们还不知道选择哪个,作为一个战略考量来说,我们必须随时去调整。

  AI核心竞争力是什么

  现在很多公司会选择从算法、规模、网络效益、转化成本、专利等方法来铸造核心竞争力,这既有好处,也有坏处。此外,开源也是很多公司的不二选择,但是很多公司都会如此选择,所以这个不能成为核心竞争力,除非比对方公司的开源领先一个层次。

  与应用需求相匹配的深度学习。我们很愿意选择深度学习,并将其与应用需求匹配上。很多AI公司一旦做硬件做产品,AI算法只占全公司五分之一,绝大多数都是做系统工程的人,那是不是还是AI就不知道了,所以这个一定跟应用的需求结合起来。借用李小龙的一句话:最好的功夫是什么,并不是把人打倒的功夫,最好的功夫是灵活进行殴打。我们最好的AI技术,在理论上不是最优美的,在数学上不是最好的技术,也不是考分最好的技术等等,但是它符合我们问题。所以必须将算法跟系统工程结合在一起考虑。

  给AI创业者的建议

  现在很多AI创业者的起点是比较高的,都是理想主义者,什么事情都是希望尽善尽美。但是呢,创业以后我们就会发现,原来大公司里边这套做事的方式并不正确,因为在大公司,什么事情都不用你来担心。但是自己创业后才知道只有paranoid偏执狂才能生存,担心产品、成本等等问题。以前在大公司希望什么事情都做到完美,但是现在的话 需要妥协,需要成为灰度先生。

  此外,大公司的精细化管理模式,是很多创业公司需要学习的地方,例如从战略上的管理到目标管理、执行力、成本管理、整个制度、激励约束、价值评估、价值分配等制度。

  其次是生态的运营,尤其企业往下沉的时候,当你开始做全战做硬件的时候,链条就会越来越成熟的时候,便需要生态的运营。这时候,你需要和其他竞争对手一起把这个饼做大。这个时候开放的胸怀和格局显得格外重要,你需要更多的去做开放式的创新。

  创业维艰,创业者将心态调整好是非常重要的。原来在大公司的话,大公司都是宇宙中心,所有人都围绕着你转你是马太效应的得力者,但是小公司以后就完全不一样了,大家不围绕你转了。这时候就变成莫非定律的受害者,什么想到的坏事情都会发生。我们经历了各种各样的事情,延期,协议撕毁等等,所以我们把困难的东西想的越坏越好,这是我们最好的做法。

  本文采访:时妹 编辑:小娴

  

责任编辑:陈近梅

分享:
延伸阅读
    大数据概念_大数据分析_大数据应用_大数据百科专题
    贵州

    贵州大数据产业政策

    贵州大数据产业动态

    贵州大数据企业

    更多
    “智慧中国杯”全国大数据创新应用大赛
    企业
    更多