AI投资人如何“泡沫捞金”？创业者和投资人共同探讨AI与芯片市场

北极光创投合伙人黄河主持了圆桌讨论，参与讨论的专场嘉宾包括：中科创星、人工智能投资合伙人林佳亮；卡诺普自动控制技术有限公司总经理李良军；国中创投合伙人、董事总经理马若鹏；国科投资合伙人周晓峰；宽带资本合伙人周耘。

2018-04-28 12:46 · 投资界　　　

　　4月28日，由民建中央、科学技术部、四川省人民政府、深圳证券交易所联合主办，成都市人民政府、四川省科学技术厅、清科集团等承办的“第六届中国（西部）高新技术产业与金融资本对接推进会”在成都世纪城新国际会展中心拉开帷幕。作为中国西部乃至全国有重要影响力的科技金融品牌盛会，本次大会以“共享新时代，共促新发展”为主题，坚持新发展理念，大力提升发展质量和效益，以新发展理念为引领，共享一带一路新机遇，凝聚起新时代新征程强大发展动力，加速步入四川发展“新时代”！

　　在“军民融合与人工智能”主题专场，北极光创投合伙人黄河主持了主题为《人工智能时代的产业实践与投资机会》的圆桌讨论，参与讨论的专场嘉宾包括：中科创星、人工智能投资合伙人林佳亮；卡诺普自动控制技术有限公司总经理李良军；国中创投合伙人、董事总经理马若鹏；国科投资合伙人周晓峰；宽带资本合伙人周耘。以下是圆桌讨论全文：

　　黄河：首先感谢各位嘉宾百忙之中来参加我们这个环节，最近这些年，尤其是近两年整个的人工智能在我们国家，在投资的助推下，有一个非常快速的成长，但是也有一些不同的声音传出来，就是人工智能是不是真的能够快速地在我们的产业和应用里边落地，还是说更多的东西有一些虚火的成分在。

　　这次投资界的同行有4位，还有1位创业者，从他们不同的角度去听一听他们对这些事情的一些看法。下面我也有一些小问题，希望各位投资人能够给现场的观众带来一些你们的想法。

　　第一个问题，我想问一下周耘周总，我们看到一个报道说这几年整个的人工智能，中国的AI企业的数量矩阵已经排到第二了。您怎样观察这个行业，有的人是说我们大而不强，从您的角度怎样看待这个问题。

　　周耘：我觉得从整个来说，中国的人工智能还是一个刚刚开始发展，我觉得还有很大的发展潜力，如果说刚才您说的统计上，中国已经变成第二了，我觉得人工智能它有的是真的人工智能，有的是假的人工智能。从大数据的基础上，有一些只是在做第一阶段的机器学习，把自己定义成人工智能，有的是真正已经到了人工智能，能够帮助一些行业，一些技术应用的场景去解决一些问题，它只是一些BI，这个可能从统计角度来说。

　　从我个人来说，我觉得人工智能领域的潜力还是很大的，要跟更多的行业，或者更多的应用场景相结合，能够解决一些具体的问题，才有它的商业价值，我觉得发展的潜力还是非常巨大的。

　　黄河：从您的角度来讲，您觉得现在中国还是在起步的阶段。

　　周耘：我觉得是，我觉得上一位演讲嘉宾也说了，大家可能看到在医疗、无人驾驶、图像识别，现在刚刚开始在这几个领域里面找到了一些准确的商业模式，才能够人工只智能得到了特别具体的应用。但是在金融、教育领域人工智能刚刚起步。

　　刚才咱们在准备的时候，也聊到，其实这些都是应用资本，在技术测还有很多的发展，芯片厂这么热，人工智能的芯片，技术设施算法，有很多值得投资的方向。

　　一方面是基础的技术需要投资，还有更多的应用场景，更多应用的行业还需要投资者去发觉。

　　黄河：另外一个问题要问一问从资本的角度，现在的行业资本造风口速度越来越快，几年前我们说所谓的风口还没有出现的时候，一个事情可以持续3-5年被强烈关注，但是现在风口的速度越来越快了，让大家觉得应接不暇。

　　从投资人的角度来看的话，人工智能这个行业现在存在巨大的泡沫，不管是从估值的角度还是从投资的角度，都存在泡沫。您觉得这个泡沫存在吗，从估值的方面还有行业的方面都可以谈一谈看法。

　　周晓峰：我是来自国科投资的周晓峰，我们国科投资是中科院下属的一家投资公司，我们关注的方向也是以技术作为一个方向的，智能制造，包括半导体芯片，包括TMT、医疗。人工智能可能是对所有的垂直应用的领域里面都会有基本工具，对于这个基本的工具而言，这两年出来了，大家很兴奋，甚至有一定的泡沫，这个泡沫体现在第一这类公司很多，从无到有。

　　第二个从投资角度来看估值很高，一家公司出来了，没有太多的场景的应用，估值就能到几亿甚至十几亿。

　　我觉得在一个行业发展初期有一定的泡沫也是正常的，因为需要有资本力量去助推。

　　从另外一个层面来讲，无论从投资人还是创业者来讲，更多要关注它的价值，因为人工智能是解决问题的，我就要看AI到底解决了什么问题，不是说AI出来的算法，在理论上、数据上能做到什么样的成都。

　　现实生活中这样的问题如果能够解决了，所谓的泡沫就落到了实处。问题又是多种多样的，其实我个人的感觉来讲，我觉得大家可能会更加关注于一些在我们日常生活息息相关的，包括生活消费领域的主题，因为那是一个比较大的市场。

　　你的泡沫在这个市场里面相对能够更好地消化。对于行业从业者来说，大家还是静下心来，既然有这样的说法，如果有泡沫的话，可能也是暂时性的现将，可能会冷却。

　　黄河：您还是认为这个行业里面，目前是存在一定的泡沫，但是您看好说这件事情也许在不远的将来有一定的冷却。在这个泡沫当中，有很多机构在比较高的估值阶段切入进去，

　　您觉得您的机构里边存在这样的现象吗，不管存在不存在，从您的角度，您觉得这件事情如果存在，对后面的投资机构会采用什么样的态度来对待这个行业？

　　周晓峰：其实AI领域的话，我们还真的是也投了一些项目，不多，其中也有独角兽的项目，我们国科投资组织里面有三个独角兽的项目。

　　跟AI比较相关的是投了AI领域的通用芯片，北京的寒武纪，它应该是国内在AI芯片里面做得比较领先的一个公司，估值肯定也是独角兽的估值了。

　　我们进去的时候，去年投的时候还不是独角兽的估值，去年是年中六七月份投的，今年做新一轮融资的时候已经是独角兽的估值了。

　　我们感觉到为什么会去投它，其实作为投资人来讲，因为芯片这个领域它是一个长周期投资比较大的领域，人工智能对于芯片的要求，跟传统的CPU、GPU都有差异。

　　我认为在这个领域之内，一个专属的芯片有生存空间，但是它是一个烧钱的行业，当然这也是国家支持的一个项目。

　　所以基于它的特点，要做芯片，就要做大资金投入，必须在估值上面有空间。我们认为在未来它有它的应用在里面，任何的设备里面将来都需要用到这个芯片，所以我们才去投了寒武纪。

　　它现在的估值有没有一定的泡沫，这个我们不敢说，包括很多投资公司都有这样的情况，大家或多或少都会这样认为。

　　我觉得这个东西是需要时间去消化的，我们希望谁的资金投入和大家行业应用的发展，这些头部公司在应用的场景能够落地得越来越多。我们也有这样的意愿持续去帮助这些公司，我们更希望看到他们有落地。

　　所以在我们的内部，我们对人工智能强调的就是有垂直憧憬的行业应用的落地。

　　第二是我们希望有大数据的产生，我不是只是跑一个算法，你的算法，你的核心的东西是一个河道，如果没有大数据的水在流的话也是不行的。

　　黄河：您跟我们分享的这一点很宝贵。周总提到芯片的投入是几十亿量级的事情。

　　中兴的事情闹得轰轰烈烈，网上有各种各样的传闻。我想问一下从您的投资角度来看有人在芯片布局，也有人在应用层布局，从你们的投资角度，你们会怎样去看待这个问题，中国会在哪个方向上面有可能会胜出。

　　你们会从哪个方向布局呢？

　　马若鹏：我们这家管理公司专门管理中小企业发展基金，国家中小企业发展基金是克强总理在2015年、2016年倡导支持双创的背景下，发起的一支600亿规模的基金，专职支持中小企业。

　　国中创投管理基金主要是面向我们的TMT、医疗健康，围绕硬科技三个领域的投资。

　　今天探讨的人工智能就是我们重点关注的一个领域。刚才黄总抛出一个非常尖锐的问题，我们投资人工智能到底投资硬件还是软件，投资应用还是技术，这个问题牵连到芯片。

　　最近中兴事件对于我们国家芯片产业造成了很大的冲击，这个冲击有一个很值得反思的问题，我们在芯片领域应该怎样投资和布局。我们国家的芯片在初期，我们起步得比较晚，由于这种市场的惯性，就使得我们国家大批的优秀芯片企业没有机会得到市场的支持，没有机会得到市场的验证和产品的迭代。

　　我们早期投过一个GPS芯片的企业，在国际上当时这个企业是领先的，是一个海归团队做的，现在芯片技术应用大幅下降的主要原因是我们投资这家企业。

　　这家企业在创业的时候，GPS芯片一套片23美金，现在是3美金，我们这家企业很明显已经死了，但是带给世界的就是成本的大幅下降，同时国外的芯片厂家，GPS的芯片厂家也由原来的3家成为现在的1家，另外两家也打死了。说明市场没有给我们芯片厂家一个机会。如果美国现在敢封锁，可能我们国家的芯片企业就有机会得到市场的支持，得到技术的迭代。

　　回到AI上，对AI的投资，我们的策略主要还是偏重于应用级的系统级层级，因为从我们的人工智能技术来看，我们是国际上第二大人工智能国。但是我们从详细的数据分析，我们的规模主要集中在应用上，因为我们是全球最大的应用市场。从技术上，我们有很强的巨头跟国外竞争，腾讯、百度、阿里，但是我们跟谷歌，跟脸书比起来还是有差距的，但是我们发展我们的应用，这一块也能对AI的促进，和对国内的产业的提升有很大的促进作用。我觉得我们不怕国外的封锁，有了封锁我们就有发展的机会，你不封锁我们就发展市场，同样可以独树一帜。

　　黄河：下一个问题请李总，李总是在场嘉宾里面唯一的一个企业家，因为在座的其他都是投资人。我想问一个从实践的角度，你们是国内工业机器人控制器的生产厂家，你们作为行业的领头羊企业，你们的AI落地有什么样的看法，会从什么样的地方有你们切入的机会，你们有做什么样的把AI和工业机器人的结合，有没有这样的尝试跟大家介绍一下？

　　李良军：我是来自成都卡诺普的李良军，我们主要面向智能制造领域，工业机器人领域提供控制、伺服、传感器。得益于我们在多年的自动化的从业经验，以及我们专注于工业领域创业的经验，我们大概有50%的市场份额。其中在某一些场景和领域做得还不错，比如焊接，我们的控制器大概有85%以上的市场份额。

　　我们通过控制伺服传感技术早在两年前就开始进行研发，到目前我们整个产业链已经打造完整，今年有2000台的生产能力，到明年有望突破5000，这是我们公司的情况。在工业领域的AI应用，因为我们是做控制器的厂商，相当于机器人的“大脑”，我们在研发、创业的过程中也做了一些实践。

　　在工业领域做AI的应用，我们的感受是时机还不大成熟，不成体系。AI是一个算法，或是智能芯片，或是一个硬件，这个算法需要大量的数据，要学习数据，进行一个标记。这样的数据学习之后，它才会在这个公司里面，通过A到B的过程。在工业产业里面比较零散，标准化不够突出，存在一定的局限性。一个是它可能有很多场景，有的场景本身具备这个数据的基数就不是那么大，分析的样本不够多。工业场景里面有各式各样的场景，场景的采集需要一些智能硬件。这个场景的数据怎么采集呢，你要有数据源头，你才能做AI的算法分析，最终能够落地。

　　回到我们小的行业来讲，工业机器人里面，可以通过一些基于数据源头，通过成熟的采集传感器，和一些具备巨量场景的环境来采集，比如说视觉上面，和机器人比较多的领域里面，我们可以做一些示范性的验证，未来的工业里面AI会逐步普及和应用，但是在场景上面我们要找到前端的硬件收集。收集这些数据最终形成真正的智能。

　　展开来讲的话，我们在智能制造行业做了三个示范性的应用，有一些已经落地，有一些还在不断完善当中。我们通过视觉传感器，二维的也好，三维的也好，采集需要加工的一些工件的数据，以及周边的场景，在不需要对物体工件包括场景物体建模的情况下，自动对工具进行识别。并且在不需要人工干预的情况下，自动确定一些定位点，中间避开一些障碍物，实时识别不同的工件有抓取。当场景障碍物发生变化的时候，他会避开，这就更智能和更人性。

　　我们第二个做的是焊接的深度学习，焊接工业机器人在机器人领域里面应用最大，它有足够的场景来进行数据分析和标的。目前传统的焊接功能更多是应用于人工手持，具体的一些焊接参数和焊接轨迹靠有经验的师傅来设定它的电流电压等等，很依赖于人的因素，并且在外设上面电焊机好一点。

　　我们通过可以落地的视觉传感器，采用了大量的焊接样板进行标记，什么状态下好，什么状态下不好，所以我们在焊接过程中实时地检测它的状态，可以看分解大小，看溶质深度，让机器人不但可以代替人工，还可以学习老焊机师傅的经验，这个是我们实现的第二个场景。

　　第三，我们利用传感器在机器的设备维护上面做了一些工作。目前机器人在使用当中，更多是参照厂家提供的一些参数。在这种情况下设备的生命周期更多是靠产品本身的寿命质量来保证的，如果一旦发现使用不当就会加剧它的减缓。我们利用传感器，通过伺服系统做传感器，实时采集加速度，通过这个算法发现某个轴长期处于高速状态下面，我们就会提醒它，这个轴加速了，会缩短机器的寿命。我们还可以在实时的监测中，发现突发状况提出预警，让他去做一些提前的处理，保障机器的寿命。

　　综合下来，我们认为在工业领域里面，收集场景以及数据智能的硬件是一个关键，我们已经有成熟的硬件和巨量应用的场景来进行标记，最终能够解决方案的实际问题。前面的已经实际应用了，第三项在做的过程当中。

　　黄河：我听起来在视觉相关的传感器里面你们已经做了相当踏实的工作。

　　我想请林总来谈一谈，是算法的能力还是垂直应用的能力，还是高质量的标的数据的能力，在这些能力里边，作为投资人来讲，你们最看重的是什么东西，还是怎样确定在AI行业里面，你们人为什么样的企业是优质的企业，是值得你去布局的企业？

　　林佳亮：我是来自中科创星的林佳亮，我们关注的是硬科技的项目，我们希望有足够的技术壁垒来推动科技创新的项目。

　　在人工智能里头我们更关注哪些要素，其实我们看到很多的人工智能的三要素、四要素，基础的就是算法、数据、算力，还有场景。

　　我们会看到算力的层面主要是各类芯片公司，大量的算法的公司还是应用算力来去体现他们的算法和应用落地的。

　　中科创星在算力层面也有投资布局，我们投资了智能芯片、FPGA加速卡。在这一块的话我觉得核心就是技术，谁能够把计算速度做得更快，功耗更低，这个考验就是技术能力。

　　除了算力以外，其他的几个方面我觉得是需要结合的。我们会比较倾向于算法，或者说软件是要跟硬件结合。我们看到整个人工智能这一波的发起，首先是算法成熟。这个领域在学科上讲就是模式识别，这一波大家应用深度学习的方法，在很多模式识别领域的准确性有了大幅的提高。

　　比如在机器视觉领域，目前人脸识别的准确率达到了98%以上，比人的识别率还要高。算法不断在成熟，但是这个算法要让它落地的话，还要做大量的工程化的工作。

　　比如，即便机器视觉的准确率已经很高了，但是在具体应用上还要经过训练才能达到商业价值的，这种训练就是要跟场景结合，同时需要一些辅助的硬件，比如说识别智能传感器。我们看到即便是人脸识别，对汉族人的人脸的识别率高，并不一定对维族人的人脸识别率也高，这还需要经过专门的训练的。

　　我们会发现，这并不是单纯算法这个单一因素，而是需要需要做到真正结合场景的解决方案，这样才能形成一定的竞争力。

　　如果单一维度的话，是很难形成比较高的竞争壁垒的。