人工智能公司的估值怎么算？

人工智能金融投資

峰瑞資本 | 2017-03-29 11:52

【數(shù)據(jù)猿導(dǎo)讀】互聯(lián)網(wǎng)時(shí)代的創(chuàng)業(yè)思維不適合AI時(shí)代

技術(shù)、人才紅利都迅速放緩

過去在人工智能能領(lǐng)域創(chuàng)業(yè)的時(shí)候，大家會(huì)問我這些問題：

你的算法到底是什么？是不是深度學(xué)習(xí)的算法？

你是不是用了神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)多少層？

這是投資者或大眾關(guān)注的第一點(diǎn)——“算法如何”？

然后，大家還會(huì)問：

你的團(tuán)隊(duì)里有PHD嗎？有BAT研究院出來的人嗎？有高校教授嗎？

人工智能能剛剛起步時(shí)，大家的焦點(diǎn)基本集中在兩個(gè)方面：算法和人才。

這兩張圖反映了我過去一段時(shí)間對(duì)這兩個(gè)方面的觀察。

第一張圖，我稱之為“技術(shù)的紅利”。這張圖是在ImageNet歷年圖像分類任務(wù)中獲得第一名的算法的錯(cuò)誤率。2013年的時(shí)候，獲得第一名的算法錯(cuò)誤率是13%，2014年時(shí)是7%，2015年時(shí)是3.6%，到2016年時(shí)變成3.0%。大家可以看到，從2013年到2014年，錯(cuò)誤率下降了近一半，從2014年到2015年，又下降了近一半，而2015年到2016年的時(shí)候，下降的幅度就變得很小了。

做技術(shù)的人應(yīng)該都知道，在深度學(xué)習(xí)的框架下，以現(xiàn)有的技術(shù)處理圖像分類任務(wù)的能力，錯(cuò)誤率繼續(xù)下降的空間已經(jīng)不多了?？吹竭@個(gè)結(jié)論，我非常吃驚。技術(shù)放緩的速度遠(yuǎn)比我們自己想象的要快。

第二張圖，我稱之為“人才的紅利”。

橫坐標(biāo)是時(shí)間，縱坐標(biāo)是工資。過去，人工智能公司招人都很貴。最近，我隨機(jī)選取了一家非常知名的人工智能公司的招聘列表，2017年時(shí)，這家公司招聘圖像識(shí)別處理工程師的薪水是15—30K/m，已經(jīng)和普通的IOS工程師差不多。

目前，大家普遍的認(rèn)知是：人工智能領(lǐng)域，所做事情的框架已經(jīng)日趨清晰明了，但人才缺口比較大，學(xué)校的供給不夠。任何一家人工智能公司招人，都更傾向于熟練的、很快能將想法實(shí)踐落地的人，傾向于招有一定專業(yè)院校和學(xué)術(shù)背景的人才。

通過上面兩張圖，我想說的是：人工智能技術(shù)跟其它技術(shù)一樣，到了一個(gè)階段性平臺(tái)期，技術(shù)紅利放緩的速度非?？?，人才供給發(fā)展的速度非?？?。

對(duì)投資人來說，在人工智能創(chuàng)業(yè)的第一階段，公司的估值就是“算法x人才”。它們的乘積，大概就是你的公司在市場當(dāng)中的價(jià)值。而目前，這個(gè)乘法的兩端都在快速地下降，這是我們對(duì)第一階段人工智能創(chuàng)業(yè)的的判斷。

AI公司估值的階段論

我把人工智能賽道上的公司分成5個(gè)階段：

1.提供狹義技術(shù)的階段

2.提供解決方案的階段

3.提供模塊化產(chǎn)品的階段

4.提供整體產(chǎn)品的階段

5.業(yè)務(wù)閉環(huán)數(shù)據(jù)循環(huán)階

大部分創(chuàng)業(yè)公司處在“狹義細(xì)分技術(shù)”的階段。這一階段，判斷公司的標(biāo)準(zhǔn)就是我們剛剛提到的公式：“估值=算法x人才”。我們可以看到，這個(gè)公式下的公司，價(jià)值在被快速地拉平。在我看來，這一波的機(jī)會(huì)紅利已經(jīng)基本結(jié)束。

在這一階段的人工智能創(chuàng)業(yè)浪潮中，獲利最大的科學(xué)家創(chuàng)業(yè)團(tuán)體，現(xiàn)在在創(chuàng)業(yè)上的優(yōu)勢不會(huì)那么大了。接下來，我相信機(jī)會(huì)仍然會(huì)留給產(chǎn)品經(jīng)理、工程師和商業(yè)人才。過去的估值方式，過去的價(jià)值判斷方式，和過去的技術(shù)、人才紅利都已經(jīng)基本結(jié)束。

現(xiàn)在，很多公司都已經(jīng)進(jìn)入第二階段了。不論是圖像公司還是語音公司，大家都開始進(jìn)入提供解決方案的階段。

在第二階段，判斷公司市場價(jià)值的方式也會(huì)發(fā)生變化。我自己列了一個(gè)公式，就是從“算法x人才”演變成“估值=算法+數(shù)據(jù)x商業(yè)價(jià)值”。算法后面是一個(gè)加號(hào)，主要原因在于，大家都還沒有數(shù)據(jù)和商業(yè)價(jià)值的時(shí)候，比的是算法，但是當(dāng)大家都有了數(shù)據(jù)和商業(yè)價(jià)值后，商業(yè)價(jià)值的重要性會(huì)迅速地超過算法，所以算法所占的比重會(huì)越來越少。

人工智能并不是互聯(lián)網(wǎng)的下一代

互聯(lián)網(wǎng)在過去做的最主要的事情是解放渠道，釋放渠道的效率。所以我們看到，過去的創(chuàng)新型模式都是為了讓產(chǎn)品能夠直接抵達(dá)消費(fèi)者。不論是電商打掉中間的零售商和經(jīng)銷商的渠道，還是滴滴打掉出租車的渠道，其實(shí)都是在渠道上做文章。

我覺得人工智能并不是互聯(lián)網(wǎng)的下一代，也不是互聯(lián)網(wǎng)的替代者。這兩者是并行的。因此，移動(dòng)互聯(lián)網(wǎng)、互聯(lián)網(wǎng)的機(jī)會(huì)依然有，并且依然非常大?；ヂ?lián)網(wǎng)這條線本身會(huì)繼續(xù)往前發(fā)展，人工智能做的事情則更偏向底層——在生產(chǎn)端提高生產(chǎn)效率。

這也是我們現(xiàn)在為什么覺得toC端的機(jī)會(huì)比較難：生產(chǎn)端還沒有被改造，于是就不太會(huì)有新的產(chǎn)品出來；沒有新的產(chǎn)品出來，用戶端體驗(yàn)也就不會(huì)有特別大的提升。

這波人工智能的浪潮，凸顯的是“數(shù)據(jù)x商業(yè)價(jià)值”。我們從toB和toC兩個(gè)角度來分析。

toB端，我的判斷是人工智能會(huì)向行業(yè)的縱深端去發(fā)展。從生產(chǎn)端來看，不論是服務(wù)業(yè)、農(nóng)業(yè)還是工業(yè)，大家對(duì)效率提升的需求是非常明顯的：在醫(yī)療領(lǐng)域，提升診斷的效率；在金融領(lǐng)域，提高金融數(shù)據(jù)服務(wù)的效率……需求和商業(yè)空間是巨大的。于是我們的挑戰(zhàn)不再是技術(shù)被拉平了，而在于對(duì)行業(yè)需求的理解和產(chǎn)品的設(shè)計(jì)。

另外提到一點(diǎn)：大數(shù)據(jù)。這個(gè)詞其實(shí)是老生常談了。從企業(yè)服務(wù)端來看。美國企業(yè)服務(wù)市場的路徑是：傳統(tǒng)軟件→IT服務(wù)→云計(jì)算→大數(shù)據(jù)→人工智能，最后才有了人工智能。所以，在美國做人工智能領(lǐng)域的創(chuàng)業(yè)，好處是基礎(chǔ)設(shè)施非常成熟、完善，但很多事情都被大公司做了，初創(chuàng)公司需要在大公司的夾縫中尋找生存空間。

在中國，企業(yè)端基礎(chǔ)設(shè)施還是非常落后的，是一片空白。因此，中國有一個(gè)特有現(xiàn)象：跨越式的發(fā)展。在電商、本地服務(wù)、金融支付等行業(yè)，跨越式發(fā)展的例子比比皆是。

toC端，我的觀點(diǎn)是：想用人工智能去提升消費(fèi)者的體驗(yàn)，通過一個(gè)單點(diǎn)去突破比較困難，更多是一個(gè)系統(tǒng)化的工程。比如，車載語音的交互體驗(yàn)，智能家居體驗(yàn)等。它需要的不僅僅是產(chǎn)品本身做得多好，更是整體的居家環(huán)境、車載環(huán)境。這些基礎(chǔ)的傳感器和基礎(chǔ)的服務(wù)、數(shù)據(jù)足夠完整之后，我們才會(huì)有一個(gè)體驗(yàn)足夠好的東西出來。反之，現(xiàn)在做這個(gè)事情，就會(huì)感覺很累或者說撬不動(dòng)，因?yàn)榛A(chǔ)設(shè)施和服務(wù)沒起來。

互聯(lián)網(wǎng)領(lǐng)域，單點(diǎn)做個(gè)小APP就能撬動(dòng)一個(gè)很大的空間。但在人工智能領(lǐng)域，這幾乎不可能。關(guān)于這個(gè)結(jié)論，我自己心里也有個(gè)問號(hào)，我也很好奇人工智能里能夠單點(diǎn)突破的產(chǎn)品到底是什么。

這是我對(duì)于AI創(chuàng)業(yè)第一個(gè)階段和第二個(gè)階段的一些投資思考和筆記。

人工智能沒有網(wǎng)絡(luò)效應(yīng)

最后，回答四個(gè)疑問：

第一個(gè)疑問是：人工智能是不是可以理解為互聯(lián)網(wǎng)或者移動(dòng)互聯(lián)網(wǎng)后的下一個(gè)創(chuàng)新，或者是替代品？

我認(rèn)為這是不對(duì)的。人工智能和互聯(lián)網(wǎng)是并行的，相對(duì)獨(dú)立的。照套互聯(lián)網(wǎng)的思維方式是很危險(xiǎn)的。

比如，人工智能是沒有網(wǎng)絡(luò)效應(yīng)的，也幾乎沒有馬太效應(yīng)。這句話是什么意思呢？馬太效應(yīng)基于網(wǎng)絡(luò)效應(yīng)，因?yàn)榫W(wǎng)絡(luò)效應(yīng)能快速地集聚資源、拉開與競爭者的差距，所以會(huì)出現(xiàn)行業(yè)通吃的情況。而人工智能是基于生產(chǎn)效率的提升，它本身沒有網(wǎng)絡(luò)效應(yīng)。至少現(xiàn)在看起來，行業(yè)通吃的事情可能不存在。不見得誰比誰快、誰能把誰滅了，而是大家都能找到自己的一塊地盤。

第二個(gè)疑問是：人工智能領(lǐng)域創(chuàng)業(yè)有沒有勢能？

我們可以看到，在互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的窗口期，創(chuàng)業(yè)公司要打仗，要迅速融資。但是看起來，在人工智能領(lǐng)域似乎沒有所謂的“勢能”。技術(shù)有它固定的規(guī)律和速度，不太可能用融資的方式拔苗助長。在同一個(gè)人工智能細(xì)分領(lǐng)域，誰先做、誰后做差異并不會(huì)特別大，能夠扎扎實(shí)實(shí)把事情做好倒是更加重要。在傳統(tǒng)互聯(lián)網(wǎng)領(lǐng)域或在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域，或許可以在四年之內(nèi)做出一個(gè)上市公司，但是在人工智能領(lǐng)域，這基本是不可能的。

第三個(gè)疑問和第四個(gè)疑問其實(shí)是連在一起的：投資人們都喜歡問，人工智能公司會(huì)變成什么？到底能做多大？這個(gè)行業(yè)到底能做多大？

大家以前對(duì)這類公司的期望是做成一個(gè)技術(shù)平臺(tái)公司。技術(shù)平臺(tái)公司的意義更多的是，怎么把算法和數(shù)據(jù)整合成一個(gè)產(chǎn)品，或者整合成一個(gè)服務(wù)。云計(jì)算就是很典型的一個(gè)例子。但現(xiàn)在看來，“技術(shù)平臺(tái)”只是其中一種選擇，還有許多其它方式。

從人工智能領(lǐng)域公司的壁壘來看，要從算法開始，讓你的公司從一個(gè)技術(shù)平臺(tái)公司做到一個(gè)數(shù)據(jù)產(chǎn)品服務(wù)公司，然后再抽象到一個(gè)更高層面的技術(shù)平臺(tái)公司。

人工智能很難像互聯(lián)網(wǎng)一樣從單點(diǎn)突破，做橫向整合。它做大做深最大的可能性是縱向整合，整合整條產(chǎn)業(yè)鏈里不同的生產(chǎn)者、生產(chǎn)資料，再往上整合到產(chǎn)品層面。這比較抽象。舉個(gè)例子，比如你做人臉識(shí)別，是只做人臉識(shí)別？還是做人臉識(shí)別加上人臉識(shí)別攝像頭？還是做人臉識(shí)別、人臉識(shí)別攝像頭，還要再加上人臉識(shí)別系統(tǒng)，做成一整個(gè)產(chǎn)品？它不是只做一個(gè)人臉識(shí)別就把所有人臉識(shí)別都做全了，而是做人臉識(shí)別可以選擇從產(chǎn)業(yè)鏈下游往上做，也可以從上游往下做。

這是人工智能領(lǐng)域創(chuàng)業(yè)的狀態(tài)和規(guī)律，它和現(xiàn)在的互聯(lián)網(wǎng)公司完全不一樣，我的一點(diǎn)思考供大家參考。

來源：峰瑞資本

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。