分析報(bào)告：揭示人工智能真實(shí)潛力
關(guān)鍵要點(diǎn)
1、作為一種通用技術(shù)，人工智能（AI）和機(jī)器學(xué)習(xí)（ML）在幾乎每個(gè)行業(yè)都有潛在的用例，并能夠重塑人們生活和經(jīng)營(yíng)方式。近十年來(lái)深度學(xué)習(xí)的突破，使得人工智能在日常生活中的應(yīng)用越來(lái)越廣泛，為該領(lǐng)域的進(jìn)一步發(fā)展鋪平了道路。
2、VC在垂直行業(yè)的投資呈現(xiàn)持續(xù)增長(zhǎng)的趨勢(shì)，比2008年的水平高出12倍。2017年，在AI/ML領(lǐng)域的643個(gè)VC投資事件中投資總額達(dá)60億美元。同與此同時(shí)，在經(jīng)過(guò)多年缺少退出企業(yè)之后，過(guò)去兩年的流動(dòng)性大幅上升，轉(zhuǎn)而進(jìn)入AI/ML退出環(huán)境的新階段。
3、目前，幾乎所有商業(yè)上成功的ML應(yīng)用都使用監(jiān)督式學(xué)習(xí)，其中包括大量的應(yīng)用，但僅限擁有清晰標(biāo)記數(shù)據(jù)的領(lǐng)域。創(chuàng)業(yè)公司將面臨來(lái)自科技巨頭通過(guò)云提供的低成本產(chǎn)品服務(wù)的激烈競(jìng)爭(zhēng)，但他們可以專注于更多的細(xì)分領(lǐng)域或細(xì)分?jǐn)?shù)據(jù)集。
引言
在過(guò)去的十年中，AI/ML領(lǐng)域吸引了業(yè)界極大的興趣，相關(guān)應(yīng)用和商業(yè)整合快速發(fā)展。如今人們普遍認(rèn)識(shí)到的人工智能的概念。然而，這個(gè)領(lǐng)域內(nèi)已經(jīng)出現(xiàn)了幾次停滯。所謂的人工智能冬天往往是由于技術(shù)，基礎(chǔ)設(shè)施或方法的局限性而產(chǎn)生的。AI/ML的最新突破始于2006年左右，隨著深度學(xué)習(xí)的發(fā)展，受人腦生物學(xué)的啟發(fā)，ML的一個(gè)子集以分層神經(jīng)網(wǎng)絡(luò)（NNs）為基礎(chǔ)出現(xiàn)。深度學(xué)習(xí)技術(shù)是AI/ML（如圖像識(shí)別，搜索引擎，藥物發(fā)現(xiàn)，深度強(qiáng)化學(xué)習(xí)）幾乎所有當(dāng)前前沿研究和成功應(yīng)用的背后的技術(shù)。ML問(wèn)題的新研究方法，計(jì)算能力的巨大進(jìn)步，數(shù)據(jù)數(shù)字化和可用性的急劇增長(zhǎng)，使這一進(jìn)展成為可能。
人工智能（AI）屬于計(jì)算機(jī)科學(xué)領(lǐng)域，專注于創(chuàng)建一個(gè)能夠感知其環(huán)境并做出決策的智能機(jī)器，以最大限度地實(shí)現(xiàn)其目標(biāo)。機(jī)器學(xué)習(xí)（ML）是人工智能和數(shù)據(jù)分析的一個(gè)子領(lǐng)域，它使計(jì)算機(jī)能夠反復(fù)學(xué)習(xí)，改進(jìn)預(yù)測(cè)模型，并從數(shù)據(jù)中發(fā)現(xiàn)洞察力，而不需要人類編程。作為個(gè)人，我們已經(jīng)每天與語(yǔ)音助理對(duì)話，使用面部識(shí)別技術(shù)，接收電影或餐廳推薦以及許多其他實(shí)例，已經(jīng)與AI/ML應(yīng)用進(jìn)行交互。ML可以根據(jù)訓(xùn)練算法的方法分成三個(gè)子類別：
1、監(jiān)督學(xué)習(xí)
監(jiān)督學(xué)習(xí)是方法，通過(guò)機(jī)器學(xué)習(xí)算法，在一組標(biāo)記的數(shù)據(jù)上進(jìn)行訓(xùn)練（例如用標(biāo)記的圖像訓(xùn)練圖像識(shí)別系統(tǒng)以識(shí)別狗的圖像）。
2、無(wú)監(jiān)督學(xué)習(xí)
在無(wú)監(jiān)督學(xué)習(xí)中，算法用未標(biāo)記的數(shù)據(jù)進(jìn)行訓(xùn)練，并且必須確定數(shù)據(jù)集的基本結(jié)構(gòu)以及如何對(duì)其進(jìn)行分組（例如通過(guò)將手寫(xiě)數(shù)字分為10組來(lái)進(jìn)行識(shí)別）。
3、強(qiáng)化學(xué)習(xí)
強(qiáng)化學(xué)習(xí)從沒(méi)有訓(xùn)練數(shù)據(jù)開(kāi)始，這意味著機(jī)器必須通過(guò)經(jīng)驗(yàn)和迭代試錯(cuò)來(lái)學(xué)習(xí)執(zhí)行任務(wù)，同時(shí)最大化長(zhǎng)期獎(jiǎng)勵(lì)。
在近期內(nèi)，我們認(rèn)為AI-ML中的監(jiān)督學(xué)習(xí)應(yīng)用將繼續(xù)在面向消費(fèi)者的方法中發(fā)展和完善，專注于任務(wù)自動(dòng)化，幾乎到了無(wú)處不在的地步。在接下來(lái)的一年里，這些公司將生產(chǎn)出最具商業(yè)可行性的AI/ML產(chǎn)品，并將發(fā)生許多垂直行業(yè)的收購(gòu)。然而，我們認(rèn)為最大的AI/ML市場(chǎng)前景將來(lái)自潛在的擴(kuò)張到大量的企業(yè)應(yīng)用和新行業(yè)。
無(wú)監(jiān)督和強(qiáng)化學(xué)習(xí)的機(jī)會(huì)在垂直領(lǐng)域出現(xiàn)。雖然這些技術(shù)的擴(kuò)散仍有相當(dāng)多的障礙，但是這些技術(shù)的可能性可以解決越來(lái)越多的問(wèn)題提供解決方案。強(qiáng)化學(xué)習(xí)最重要的早期成就之一是來(lái)自Google的DeepMind的AlphaZero。這個(gè)算法純粹模擬下圍棋。進(jìn)一步的潛在強(qiáng)化學(xué)習(xí)用例可以改善傳統(tǒng)的解決方案，包括資源分配問(wèn)題，大量的個(gè)性化用戶界面（醫(yī)療保健，標(biāo)題，廣告等內(nèi)容），以及在機(jī)器人和自動(dòng)駕駛汽車中的應(yīng)用。雖然將這些技術(shù)應(yīng)用于商業(yè)產(chǎn)品方面存在障礙，但AI/ML最新的概念證明可以吸引大量投資。這已經(jīng)通過(guò)流入自動(dòng)駕駛車輛領(lǐng)域的資金量得到證明。以風(fēng)險(xiǎn)投資支持的企業(yè)和投資人最能適應(yīng)以人工智能為中心的世界。
也就是說(shuō)，由于問(wèn)題的復(fù)雜性和所需的計(jì)算能力，許多應(yīng)用將需要更多的時(shí)間來(lái)實(shí)現(xiàn)。針對(duì)這些問(wèn)題，硬件：量子/高性能計(jì)算和混合計(jì)算（GPU/CPU/FPGA/TPU）以及分解技術(shù)將復(fù)雜問(wèn)題分解為可管理的部分正在取得進(jìn)展。
VC趨勢(shì)
AI/ML領(lǐng)域的風(fēng)險(xiǎn)投資清楚地表明了過(guò)去十年來(lái)在垂直領(lǐng)域的發(fā)展和不斷增長(zhǎng)的熱度。在AI/ML的643次VC投資中，2017年已經(jīng)公布60億美元的投資。
美國(guó)AI/ML領(lǐng)域投資事件數(shù)量和金額變化情況
與當(dāng)代的技術(shù)突破并駕齊驅(qū)，投資數(shù)量以幾乎呈指數(shù)級(jí)增長(zhǎng)，庫(kù)卡機(jī)器人，比2008年的水平高出12倍。所有輪次的投資都在增加，但絕大多數(shù)的增長(zhǎng)都是來(lái)自天使和種子的早期階段。盡管最近主流媒體對(duì)AI/ML的曝光率已經(jīng)大幅上升，但很明顯，垂直領(lǐng)域仍處于早期階段。即使在市場(chǎng)上仍然存在細(xì)分市場(chǎng)。一些較大的公司已經(jīng)在執(zhí)行商業(yè)產(chǎn)品，例如在線貸款商Avant和舊商品交易市場(chǎng)，而其他許多公司正在努力改進(jìn)工具，擴(kuò)大其應(yīng)用和產(chǎn)品供應(yīng)。理論和實(shí)踐研究已經(jīng)提供了基礎(chǔ)，但是許多企業(yè)還處于確定可行性和用例的初始階段。此外，由于每個(gè)數(shù)據(jù)集的獨(dú)特性，AI和ML技術(shù)在企業(yè)中的執(zhí)行通常需要高度的定制化，這阻礙了早期的廣泛采用。
美國(guó)不同投資階段AI/ML投資事件
人工智能企業(yè)的估值增長(zhǎng)速度與風(fēng)險(xiǎn)投資市場(chǎng)相似。不同之處在于后期階段。造成這種異常的一個(gè)原因是2013年和2014年有大批AI/ML公司獲得投資，其中包括Palantir多個(gè)輪次的融資，并且還有大量的后續(xù)輪次的跟進(jìn)。此外，垂直市場(chǎng)仍然受到早期階段公司的支配。
退出
經(jīng)過(guò)多年稀少的退出事件，過(guò)去兩年代表了AI/ML退出環(huán)境的新時(shí)期。直到最近，AI/ML的退出才成為典型的風(fēng)險(xiǎn)投資周期的一部分，因?yàn)轱L(fēng)險(xiǎn)投資通常會(huì)在開(kāi)始增長(zhǎng)的時(shí)候流入垂直市場(chǎng)，隨后企業(yè)需要花費(fèi)數(shù)年的時(shí)間才能獲得戰(zhàn)略收購(gòu)方。這是關(guān)鍵的，因?yàn)锳I/ML退出目前幾乎完全是通過(guò)戰(zhàn)略收購(gòu)來(lái)實(shí)現(xiàn)退出的。我們預(yù)計(jì)這一趨勢(shì)將持續(xù)下去，因?yàn)槟壳暗目萍季揞^正在努力支持他們內(nèi)部人工智能產(chǎn)品。隨著在軟件/互聯(lián)網(wǎng)領(lǐng)域以外的公司意識(shí)到將AI整合到其業(yè)務(wù)中的潛力，將進(jìn)一步推動(dòng)收購(gòu)事件。
美國(guó)AI/ML市場(chǎng)退出事件
2016年和2017年的最大的退出事件都發(fā)生在自動(dòng)駕駛領(lǐng)域，通用汽車以10億美元的價(jià)格收購(gòu)了CruiseAutomation，Aptiv收購(gòu)了NuTonomy。同樣重要的是要指出，Cruise被收購(gòu)占到了2016年AI/ML退出金額的近40％。
美國(guó)收購(gòu)AI/ML公司最多的企業(yè)
局限性
在垂直領(lǐng)域，主導(dǎo)的情緒是積極的；但是，有一些限制可能會(huì)減緩AI/ML在所有行業(yè)的進(jìn)一步發(fā)展。AI/ML對(duì)我們生活的影響往往伴隨著宏偉論調(diào)，即過(guò)度地強(qiáng)調(diào)短期影響力，暗示著失敗是不可能的。這種思維方式可能是危險(xiǎn)的，因?yàn)楝F(xiàn)實(shí)的預(yù)期時(shí)間和有效的失敗管理應(yīng)該成為實(shí)施企業(yè)AI/ML技術(shù)的一個(gè)組成部分。例如，涉及自動(dòng)駕駛車輛的事故或其他算法錯(cuò)誤可能會(huì)損害公眾對(duì)該技術(shù)的認(rèn)知并導(dǎo)致一系列其他問(wèn)題，包括延遲執(zhí)行。