位置:首页 > 移动应用 >

线性资本创始合伙人王淮:AI+医疗投晚了,这6个领域不会再放过

作者: | 发布时间:2019-12-22 09

[ 导读 ] AI的火热还在继续,投资界关于技术的争论也没有停歇。市场不断被细分☠,投资人们也在不断抓风口和商业机会。本文线性资本创始合伙人王淮将概括线性的投资逻辑。看来,1亿美金左右的基金将用在...

2016年的投资市场确实显得更加谨慎,从整体资本市场来看,投资人“◥出手”慎重,但是我们发现投资数量的减少并不代表“抠”,这意味着VC们会更加看重项目质量和市场前景。AI和企业服务在过去的2016年以及2▌017年第一季度继续融资消息不断,线性资本作♦为主投这两部分的VC也有颇多经验。

从背景来看,ъ线性资本背景线性资本(Linear Venture)由Facebook早期员工王淮和京东、天猫原高管张川共同创立,关注泛智能、大数据领域的技术驱动型早期项目。目前已投资地平线机器人、Rokid、同盾、点融等超过30个创业团队,掌管1亿美金左右的基金。

线性资本创始合伙人王淮把线性资本的投资策略首先定在AR/VR前端,其次是AR的未来层,AR/VR的核心技术,甚至包括外太空技术,当中能够用到很多AR技术的比例衡量有多少。AR、VR核心嫁接在内容平台层面,王淮认为从基金的角度来看没有任Ч何的优势,但是投资内部核心技术,包括里边的三维重建、手势识别等等核心技∮术有很大前景,“我们很相信AR、VR的到来,但是未来的到来不是今年、也不是明年,中间有很多的事情要做,但是当中很多核心技术从长远的角度来看都是在今天≤值得投入的。”

以下是王淮对于AI发展以及投资的看法。

“AI+”不能再错过

AI+医疗非常常见,AI+教育、安防也在发展中。和机器人有点不一样的是机器人是一个蛮长久的行业。所谓的AI,王∫淮认为不管是新的深度学习方法,统计学习的方法,更好地利用一些数据,能够让你的决定要么更快,要么更好。这是我们对々AI的理解∝,它在工业、自动化、机器领域更多的是大脑决策的功能。

线性认为整体人工智能涉及到很重要的四个层面:一是大数据方面,没有数据没有办法做处理;二是算法的处理;三是数据的应用场景;四是计算能力。大数据这一块典型的特点就是大数据,越来越多的技术可以更多地处理非结构化的数据,但是能够结构化的数据对于新的方法应用会更加容易。

只不过现在对于好数据的要求越来越低。其实在这之前在很多的SaaS里边看到专家系统的缩影,专家系统十来年前逐渐被很多统计学习的方法所ㄨ替代。深度学习的方法主要用在图象、音频非结构化数据上面的处理,这部分其实是造成过去两三年大家对人工智能热议很重要的前提。

科研圈某种意义上反过来也会在很大程度上受到应用的限制,如果制造出的东西在三五年之内,深入学习应用层面的算法※和改进没有得到很好的反馈,科研这一块也会越来҉越难。很重要的一点是,应用层面一定要有一个推进。应用称之为如何做到整〇合,要么让“我”的决策能够更快,要么让“我”的决策质量能够更好。这部分王淮提到一个概念就是从产品到商品这一块能够跳跃这个鸿沟,会造成技∏术型的创业项目,最终有没有可能变成一种可能。

刚才提到四个主要层面的机会都在哪里?

在数据这个层面通常要有一个可理解的强策λ略,这种策略通常以这两类为主:第一是历史上已经积累过了,创业的时候已积累一些基础,比如说线性投资的中科,能不能把这些东西变成一个Ⅳ可持续性的创业另当别论,但是刚开始的时候是从零开【始的。第二,在当时那个状态下有机会输出强能力,这个能力是当时市场上面竞争对手所没有的。

在算法这个层面,不强调算法有多新,我们只强调针对这个问题的有效性。桃树当时用的方法还是比较传统统计学习的方式,我们一直在讨论为什么不用深度学习,不用最新的方法?对方说尝试过,对于这个结构化的问题带来的帮助不太大。所以对线性或者VC而言,要的是最有效的方法,有用的算法就是好算法,并不在于算法多新,多有难度,还是跟决策有一个很好的整合。

在应用这个层面,我们很关心项目需要和◑↔↕▪潜在的应用场景要有一个紧密的结合,AI本身并非一个行业,其▽实更多的是一种新的能力。解决的问题通常都是一些老问题,只不过用了一些新的方法,┓你有没有办法在这个过程当中实现有∧效性是AI创业最后能不能成功的机会。

这里边可以看到典型的路径,在AI创业项目当中,科研主要是新方法的发明,讲究的是一种新,技术这一块讲究的是新的方法稳定性和一些关联的方法在一些领域是否更有通路性。产品┈┉的话更多的是从用户的角度来看,这个技术能不能迅速产生一些效果,能不能用好你的技术解决实际问题。

1、A∑I+BI其实范围较大,传统上面更多强∨调的是SaaS。但是如果能够强调对于数据的应用,则用DaaS才能概括。“我们关注这部分在于你对这个企业里边的数据流╦╧℡有没有更大的优ↁ化,而这个优化能不能对企业带ↈ来价值,最后能够让对方收到钱,这个帐一定要算的过来。”

2、AI+FinTech也是比较容易切入的领域,很大程度上因为存在监管现有的银行体系、金融体系。金融本身是一个纯数据的生意,在技术▒面的落地较为容易,只要对方愿意跟你对接,你切入进去基本上能够产生效果。如果对方不配合,有很多政策的原因,内部流程的原因,那是人为的因素,但绝对不会像其他领域是因为技术的原因。

这里边特别想要指出来的是过去两三年在智能投顾市场的变化,对智能投顾的理解需要充分,这里面涉及到数据,需要去处理各种模型,要考┄┅虑的因素特别多,最后能够实现全局优化。有些人是做大盘预测,有些人做板块预测,还有一些人做个股预测。因为过去几年人工智能技术和大数据的富足带来新的机会,三四年前都没有这样的机会,因为你没有这样的算法,甚至没有这样的数据可以获取。但是今天۩你有这样的机会可以做全局优化。这是我们现在非常关注的角度。

3、AI+交通,在2020年的时候能够做到L4,但是什么叫L4⿰?大家把智能驾驶的步骤分成从L0—L4五个←阶段。L0是十年前的车⿻基本上没有智能辅助功能,L1速度至少可以提示给你了,L可能是属于自动停车方方面面的东西,L3是属于在有线条件的,L4的意思是比较理想状态的,可以实现完全自动驾驶和全场景覆盖。不同的公司策略会不一样,互联网公司大多数采取的是直奔L4去但是传统的车场是L1、L2,辅助驾驶和局部的智能功能,从这个角度提供机会。

2020年伴随着技术的越来越成熟,AI市场有机会做大,但是有很ж多另外的因素可能会限制现实当中的应用。这里主要考虑到好多属于交通法规、政策、开车习惯。还有很重要的是属于周边技术,车是智能↗的,但是路是否智能、交通灯是否智能,只有这些东西都到一定程度Φ了我觉得实现L4的日常化就变得可能。王淮认为2020年L*ζ4基础上面的成熟度应该问题不大。这也是我们跟很多车厂的人聊下来的感受。

4、AI感★知。感知通过传感器获得与高精度位置相对的信息。算法层面是基于获得的这些信息“我”要作出一个决策。简单一点就是⊙要不要右拐避免旁边的车,右转之后控制最后怎么执行?整体电子化、智能化之后,这些构建反馈机制要做得更加灵敏,对于控制系统的智能化也提出了一定的要求。如果说汽车创业,这个领域的创业≈对于人才的要求、资金的要求都很巨大,我们作为机构放弃了这个领域,但是对于里边核心的技术还是有价值的。

5、AI+安防。线性认为目前还有基于泛人脸识别领域的创业机会不太多了,除非应用场景比较窄。虹膜在中国应用场景一直没有起来,印度这个国家没有身份证,但是通过虹膜采集实现识别身份。线性投资的一家公司拿下了印度政府的单子,印度的身份识别实际上背后是中国的技术,但是一定是通过当地的公司来实现的这种技术集成的。

6、AI+医疗目前这个领域发展较为偏早,这个领域有很大的特点就是技术这个层面如果有能力获得数据,获得好的数据,能够切入到场景的话这个技术一定是有价值‖的。有一篇文章讲通过小孩子6—12◁个月图∮象识别来预测小孩子在两岁的时候得自闭症的概率是多少。因为如果6—12个月的时候能够得出这个小孩子很有可能得自闭症的结论,这个时候采取一些措施让小孩子避免获得自闭症,比起24个月之后这个数据有效的多。在美国这是非常大的市场。人在6—12个月历史上最好的医生做得判断大概50%左右,机器能够做到81%。

这个问题很大的挑战在哪里?如果能够获得这些好的数据?即使证明了技术不错,怎样和医院切入进去做试点,最后还有办法盈利,盈利也是蛮困难的一件事。刚刚在上个月投了一家AI,在肿瘤治疗领域的应用,总体认为AI+医疗领域很有机会的。

本篇内容来◎自王淮在《2017全球创投数据峰会:用数据解码2017创投趋势》活动上的演讲,经B2B作者王玙珺(Becky-WYJ)整理编辑,供业内人士々参考。

推荐阅读:

1.三大VC谈企业服务,2017年投资风潮将指向何处?

2.软件革新并不奏效?被淘汰的理由只需包含这4种