AI智能
改变未来

李开复:发明期已过,AI科学家创业需谨慎(附演讲视频)

2012年至今,在深度学习推动下,这一波人工智能的蓬勃发展已有近十个年头。

 

在初期,一系列由AI科学家创建的初创公司,经过大浪淘沙,如今已有多家脱颖而出成为独角兽企业;榜样在先,于是有不少 AI 领域的学者,也寄望于自己在该领域深厚的研究功底,想乘风破浪,闯出一番事业来。

 

但人工智能的创业环境早已发生变化,单靠科学家挂帅就开辟一片天地的时代一去不复返。在进场之前,AI科学家需要对当前AI创业形势有充足认识和准备,否则真可能热血而来,冷场而归,落得科研、商业两头空。

 

那么,在2020年这个时间节点,人工智能创业的大风向是什么?在如今环境,AI创业有哪些特点?AI学者是否应该入场,以及该如何入场?

 

6月23日,在北京智源大会“AI创业专题论坛”中,创新工场创始人兼CEO李开复博士针对这些问题,做了一场深度演讲 “AI赋能时代的创业”。

 

演讲分为三部分。李开复先是对 AI 创业的时代背景做了详细分析,指出AI已经从“发明期”进入“应用期”,AI创业的大环境已发生巨大变化。随后,他对欧美科技巨头成功经验进行分析,提出科学家型创始人在主导关键技术之外也需要理解商业,需要补齐产品化、商业化的能力。在最后,李开复谆谆告诫,AI科研人才不要盲目入场创业,发挥价值的道路千千万万条。

 

以下,智源社区对李开复博士的演讲内容做概要整理,以飨读者。整理:智源社区 贾伟

一、AI 创业,大环境已变

过去 5 年,AI 已正式地从发明期进入了应用期。

回顾人工智能六七十年的历史,早期有很多人在里面摸索碰撞,发明了很多东西,但大部分最后都证明是没有用的。

 

随着深度学习的兴起,一切都改变了。深度学习在很多领域都产生了巨大的效果提升以及相当的商业价值,把很多应用从不可用变到了可用,从勉强可用、狭窄领域可用变成很方便、很普及的可用。除此之外,还有一个改变是,10年前真正懂深度学习的人可能只有几百上千个,而今天已经有几百万的工程师在使用深度学习。

所以今天的人工智能进入了一个新的时代。

 

回顾过去这十年AI的发展,我们会发现,AI 是一个从黑科技到B2B、再到AI赋能传统公司、然后进入无所不在的过程。

 

这个过程跟互联网很像。互联网在刚兴起的时候大家也感觉像黑科技;后来出现了包括阿里巴巴这样的B2B公司;再随后便是赋能传统行业。当时微软成立了一个互联网部门,专门寻找可以用微软的技术和产品进行互联网赋能的场景;几年之后,这个部门就被解散了,因为互联网已经无处不在了。通过这个镜鉴可以看到,很多高深的技术大体会走这四个步骤。

 

在2012年的时候,AI 创业是一个纯技术的时代,许多 AI技术人员成了创业者和CEO,他们以技术为本,去寻找潜在的应用场景。

几年后,技术发展了,AI 进入了B2B时代,先后涌现了许多B2B公司,他们的技术会用在金融、银行、保险或零售制造等领域,但因为每个行业使用AI的方法不一,每个公司在得到AI赋能时,都会遇到复制化的瓶颈。因此现在来看,AI赋能传统行业,应该是 AI 领域迎来的最大机会。每个公司应该去分析自己对AI的需求,分析AI能够带来什么样的增益或成本降低。

 

另一方面,根据普华永道的分析,2030年全球范围内的AI市场规模将达到15.7万亿美元。这15.7万亿美元并非来自AI独角兽,而是来自传统行业——信息通讯、制造、金融服务、批发零售、运输存储、专业服务、医疗和建筑业等与AI的深度融合。AI的赋能可以让它们取得近一倍的增长。因此传统行业去了解AI,用AI来改造、提升、赋能,找合适的人或合作伙伴帮助自己提升效益,现在是一个巨大的机会。

 

从另外一个角度来看,由于AI 已经不像以前那样稀缺,所以靠一批懂AI的人了解一个传统行业后,去颠覆这个行业并成为领跑者,现在看来已经不那么现实了。更可能的情况是,传统行业学会并掌握AI,利用AI来扩张自己。

 

那么,AI可以赋能哪些传统行业呢?

 

 

李开复博士认为有四个相关领域:

 

第一波是互联网智能化。因为互联网的数据最多,所以能得到的价值最多。目前,最大的AI巨头其实也是互联网公司。

 

第二波是商业智能化。所有的商业都有数据,从大数据的累积、结构化、创造价值、分析,直到AI,这是一个水到渠成的流程。

 

第三波是实体世界智能化。AI 能够感知(听、看……),而且已经达到甚至超过人的水平。更厉害的是AI可以介入各种传感器,它可以感知许多人类不能感知到的信息(例如温度、湿度,或黑暗中的事物),还能够进行三维重建等等,这些都是人类不能做到的。而AI能够把IoT中各种的传感器组织起来,把多模态数据融合起来,这代表以后的AI在感知上将全方位超过人的能力。

 

第四波是全自动智能化。当AI能动起来,有了手、脚、轮子的功能,有了无人驾驶、智能农业、智能制造、机器人等等,这又会再提升到一个新的层次。

 

另一个问题是,如何利用AI赋能传统行业?

 

 

李开复博士提出四点:

 

1. 单一环节降本提效。AI 可以取代许多传统行业中需要人重复劳动的工作,这将在很大程度上节省人力成本。例如某公司有近4亿美元的潜在坏账,传统方法需要雇佣数百名信贷员进行检查,但如果引入AI技术,只需要几名全职AI工程师就可以解决了,这不仅能够降低成本,而且还能在很大程度上降低违约率。

 

2. 单一环节优化赋能。例如在教育行业,教育不外乎是课堂学,回家练,考试测,然后老师评。在这四个过程中,老师的部分角色是可以用AI取代的。例如在学的过程中,可以用虚拟老师(例如卡通人物)来教学前的孩子,会更有趣一些;在练的过程中,用AI来纠正英语发音,这样就可以有一个无所不在的老师帮你讲更标准的英语;在测的时候,可以用AI改卷,或自适应题库等;而在评的时候,可以用AI智能纠错,或合成点评,从而能够对孩子一对一的建议。这些优化,并不改变原来的流程,只改变流程中的某一个事情。

 

3. 流程智能化赋能。这方面的代表是智能零售。如下图所示,围绕零售的全过程,利用AI技术精准预测每一家店哪种商品会在什么时间点卖出多少,分别对仓库(仓储调度)、工厂(生产研发制造)、零售商、经销商等整个商品生产、销售流程进行优化。同样的情况也适用于医疗行业。

 

4. 重构整个行业规则。这一步是最伟大的,也是最困难的。一定程度上,我们可以说今天的AI已经开始重构安防领域了,也可能重构了互联网领域,对于其他领域可能会相对更困难一些。但我们还是可以看到一些机会,当一个行业正在快速变革的时候,比如说从线下到线上教育的过程中,是不是有可能重构整个行业规则?或者在智能制药方面,是否能够用机器学习来提出制药效率?

 

总结来讲,李开复博士认为,当前环境下,AI已经度过了由少数精英引领的“发明期”,而进入了遍地开花的“应用期”。在这一阶段,AI赋能传统行业将是一个新的机遇。而在这个机遇中,最主要的将是传统行业主动拥抱AI,而非AI颠覆传统行业。

 

二、AI科学家创业需要理解商业

为了探究AI赋能时代创业的特点,李开复对64家海外科技巨头(北美44家,欧洲15家,以色列5家)的创业模式做了深度分析。他发现以下六条规律:

 

 

1、成功的科学家企业,拥有技术独占性和领先性的硬科技公司为主流。

2、拥有技术领先性的硬科技公司也需要强大的产品和销售团队。

3、成功的科学家企业,通常有两类:科学家创始人自身曾有产品商业经验,或者早期引入了商业背景的高级合伙人。

4、成功的科学家企业,在成立企业前已有成功的技术落地案例占很高比例。

5、成功创业的科学家,30-40岁创业的比例最高。

6、部分行业成功的科学家企业具有典型行业特征。

 

比较有意思的一点是,通过比较这64家企业,李开复发现,只有20%的成功企业脱胎于校园/实验室,而接近60% 来自于工业界/工业实验室,另外有超过22%的是经过投资者撮合,也即将一个技术强硬的科学家与一个商业合伙人组成团队。

 

李开复指出,从投资者的角度来看,他们更倾向于最后一种,“因为很多科学家可能自认为可以做,但我们要投资钱进去之前,还是要看他的商业经验是否充足,许多科学家本身并不很擅长商业。所以如果他没有,就要找一个商业合伙人。”

 

精益创业之父 Steve Blank培训过500个科学家团队,辅导过 261个成型创业项目,他得出一个结论便是:科学家往往很不愿承认自己并不具备把技术商业化的洞察与能力。

 

 

科学家有自己的特质,从读博的时候就要求追求创新突破,要求学术严谨,慢工出细活,写篇论文可能要五六年的时间。然而企业家的要求是务实地追求商业回报,要求效率速度,希望产品快速迭代。这两种人本质上是完全不同的类型。一个科学家做CEO,如果他自己不是很理解和尊重商业化的重要性,没有找一个重要的合伙人来管理公司,没有恰当地分配股权,那么他就可能面临灾难。这也是为什么我们看到许多有很强技术的初创公司在产品化、商业化的时候掉进了死亡谷。主要原因就在于,在搭建整个团队的时候,他们没有足够地尊重商业化人才的重要性。

 

因此,李开复呼吁:“科学家主导关键技术之外,还需补齐产品化、商业化的能力。”

 

在技术研发之外,一定要重视商业化的能力,这并不是找个人来打工就好,而是需要多元化地进行行业探索、市场开拓、初期产品、市场化等,这可能需要好几种不同的人。一个创业团队里,科学家固然是关键,但产品运营、商务拓展、售前售后、BD销售合作等也同样非常重要。

 

回归到AI 创业本身,认清当前的创业环境特别重要。李开复指出,AI 技术产品化、商业化的门槛已经大大降低,这主要得益于以下四个因素:

1. 软件层面:

1)TensorFlow和PyTorch为代表的深度学习框架已经成熟;

2)绝大多数深度学习模型及核心开发工具都以开源形式发布,这大幅简化了科研与工程复杂度。

2. 硬件层面:

1)Nvidia的GPU系列,Google的TPU系列,华为昇腾系列等AI加速芯片构成的硬件生态日趋完善;

2)服务器端和边缘计算端目前都拥有成熟的AI加速方案。

3. 集成层面:

1)云平台、容器、虚拟环境等技术大幅降低了AI算法的实施与部署成本;

2)现有的大数据平台、商业智能平台或传统商业系统与AI算法之间的连接越来越容易。

4. 人才层面:

1)纯科研型的人才结构已经转变为科研型、工程型、产品型、商业型的复合人才结构;

2)工程型、产品型、商业型人才在人工智能落地的过程中,越来越居于关键位置。

 

这就导致AI 已经不再是Rocket Science。从CNN发明到成功商业化,花了30年时间;而谷歌从提出Transformer模型到大规模商用仅用了2年。

 

这说明,新技术成功商业化的时间越来越短了。

 

任何人都不能期望因为是自己发明的新技术,别人就学不会。大公司有的是技术,有的是人才,有的是资金,初创公司如果不能在两年内成功商业化,就很难具备竞争优势。

 

“我们可以看到现在整个行业有巨大的改变,我们必须要尊重这个环境。AI 已经度过了发明期,进入了应用期,这是一个很大的跳跃,所以我们要用不同的心态来看待AI创业。”

 

李开复博士正、反两面举了六个例子来说明情况:

 

1. 旷视科技:从游戏探索到商业落地。旷视科技创立于2011年,时值AI的“发明期”。旷视科技的创始团队是一支科研团队,在初期没有可以借鉴的行业经验,他们利用领先的科技优势尝试过不同的产品领域,例如To C类产品“乌鸦来了”、“相面大师”等,尽管这些产品的商业价值有限,但他们有足够长的时间保持竞争优势,来做商业探索;后来在创新工场等机构伙伴的帮助下,他们找到了更具价值的To B 商业场景,营收得以大幅提升。 

 

2. 创新奇智:以商业落地为根本,充分利用AI技术。创新奇智成立于 2018 年,这个时候已经是AI的“应用期”,AI公司林立,巨头们也已经进入。这个时候成立公司,就应该意识得到除了AI技术领先性,商业落地也很重要。因此,创新奇智提出“技术产品”+“行业场景”双轮驱动模式,深挖应用场景,打造面向业务价值的人工智能产品及解决方案,2019年营收相比2018年实现5倍多成长。

 

3. 河小象:AI是赋能教学评测端的强大工具,AI可以提升教育质量,降低整体成本。需要注意的是,教育的核心仍是优质内容。河小象是一家AI教育的典型公司,AI是它的加分项,而精心打造的内容才是决定是否成功的关键,也是最深的护城河。

 

4. 艾登科技:医疗行业先明确商业模式,再利用AI赋能。艾登科技是一家医疗+AI的公司,它发现了医疗行业中存在的几个痛点,例如诊疗数据质量不过关、医院间信息无共享机制,同一病症的医疗治疗方案和支出在不同地区差异巨大等。于是艾登推出了一套SaaS软件,这个软件能解决以上的痛点,而且定价也很合理,目前,3000多家医院已经在使用这套软件。更重要的是,医院日常使用企业软件的过程,就是在帮助企业用脱敏数据来训练算法和模型,从而帮助医生来选择最佳的诊断方案。艾登的这种商业策略,不仅能够以充足的理由获得脱敏数据,而且医院也愿意为之付费。如果是一位AI科学家来做,一个很大可能的方案是去和某一家医院签一个独家合作,甚至要付出很大的费用才能获得医院的数据,渗透会很有限,规模化落地也会受限。

 

5. 反面案例:医疗影像读片技术公司,难以找到商业落地。当前,CV技术的发展如火如荼,在许多领域AI的识别精度都已经超过了人类,但我们却发现医疗影像读片公司都发展得很困难。为什么?首先如何拿到数据是一个大问题。训练AI需要大量数据,这需要与多家医院进行合作;而另一方面,医生的标注水平决定了机器学习的结果;AI也只能达到部分病症标注,这极大地限制了AI的发挥空间。其次,医院普遍不会为软件买单,而生产硬件(读片机器)成本却非常高,医院同样不想购买。所以这些公司现在都面临着商业的困境,虽然技术足够好,但仍难以发展。

 

6. 反面案例:教育公司尝试前沿AI技术,却脱离市场需求。这是创新工场曾PASS掉的一个项目,这家教育公司有非常前沿的AI技术,他们希望做一个真的机器人老师。这个技术非常酷,应该也是最难的AI问题之一。但他们没有想到市场的需求在哪,在什么场景取代老师?是谁来付费买单?家长心理上是否接受?

 

总结来讲,当前已经不再是那种草莽初创的时代,AI技术已经没有太高的壁垒,AI科学家创业,必须要充分理解商业,才能避免掉入死亡谷。

 

慎之!

 

三、AI科学家创业:扭转心态,做擅长的事

在报告的最后部分,李开复博士针对想要创业的AI科学家们提出了若干建议,如下:

 

1. 科研的问题还非常多,如果喜欢做科研,可以尝试做System 2的问题。System 1 中AI技术的“发明期”已经过去了,如果想要创业,想要做伟大的技术,就要针对System 2进行科研储备,一旦这些技术成熟,你便有一次机会做“发明期”的事情了。但这个有可能需要非常长期的投入,因为我们花了60多年时间的才让感知达到科研突破期,下一次是井喷是什么时候没有人能够确定。

 

2. 对于真的想参与创业的AI科学家,要放低姿态,理解商业。投身AI赋能的方式有几种:1)像吴恩达那样,撸起袖子创业,但必须要意识到现在已经不再是发明期了,在应用期创业难度会更高,所以一定要找懂行的合伙人;2)加入传统公司,前面提到AI赋能传统公司将是未来一大机遇,但这时候需要考虑你是否能融入传统公司的企业文化等问题;3)加入AI赋能公司,去帮助传统公司做AI 赋能。

 

3. 如果真的决定撸起袖子创业,李开复博士给出四点建议。1)扭转心态,你的上帝是用户,要做有用并且有市场的创新;2)做擅长的事,如果不擅长比如商业化等领重要领域,就要找擅长的人加入核心团队;3)科研突破与商业回报并重,强调效率速度,快速迭代,创业就要有创业者的速度;4)要找到懂科技又懂商业的投资人,这可以补足你可能存在的需求和短板。

 

4. 有许多AI专家并不想创业,但仍然希望能够将自己的研究产生实际价值。李开复博士也总结了三种模式,分别为:1)Hinton模式。Hinton自己专注于理论研究,希望能够推动下一轮的AI发展,但是他会让他的学生去企业,帮助他们做AI应用,而自己并不受市场、竞争等因素的干扰;2)李凯模式。李凯教授自己出去创业,创办了Data Domain公司并上市,开辟了数十亿美元的新市场,成功之后回归学校,在技术与商业层面指导学生继续创业;3)李飞飞模式。身在学术圈,但利用学术休假等机会在企业兼职参与创业,之后再回归学术。这三位大师的模式,事实上也是一种可以让你参与AI创业或创造价值的方式。

 

道路千万条,对于AI科学家,重要的一点在于认清现实,认清自我。如此,才能有效利用自己的专长,做更有价值的事情。

赞(0) 打赏
未经允许不得转载:爱站程序员基地 » 李开复:发明期已过,AI科学家创业需谨慎(附演讲视频)