全国统一热线:

新闻动态

news

新闻动态

人才招聘

   人才管理 人才管理从战略和组织发展需求出发,围绕人才队伍建设,针对不同人才群体形成差异化的管理系统,构成人才标准、规划、选拔、培养、使用和保留的管理闭环。 推动关键岗位员工进行多岗位、跨职能、跨行业历练,...
点击查看更多
新闻动态

当前位置:官网首页 > 新闻动态 >

线性资本创始人王淮年度展望:AI的产业化 2018-2023 | 2019 线性年会系列 2

2019-10-18 17:42

原标题:线性资本创始人王淮年度展望:必赢国际appAI的产业化 2018-2023 | 2019 线性年会系列 2

作者&编辑| 线性资本

图片来源| 线性资本

去年年会中,我们指出未来是AI投资的黄金十年,并细致分析了线性关注的八大行业中AI如何落地的普适规律以及应用场景。

年过一载,来到线性资本成立五周年的时点,我们提出的「AI产业化」正在变为主流。

10月11日,始终信任与支持线性的LP、Portfolio以及Close Friends齐聚上海,一道回顾、剖析与展望线性在数据智能驱动行业进化的理念践行。

本篇是线性资本2019年年度会议系列的第二辑承接上一辑的现场回顾,我们将继续听到由线性资本创始人王淮在年会下半场带来的年度展望 - 「AI的产业化 2018-2023」

线性资本创始人兼CEO 王淮Harry

00.

展开全文

AI的产业化 2018-2023

年度展望是我们历年年会的最后一个固定节目,聊聊我们在过去一年的深入思考跟对未来的想法。目的是希望最后对大家有所启发,能够改变或者改善对行业的一些观点。

今年的主题是「AI产业化 From 2018 to 2023」,这个时间点是我们认为接下去AI改造产业的黄金时期,至少从投资的角度来看是的。改造过程依旧会非常漫长,但是有些领域会比另外一些领域更快、更值得今天先下重手,这也是今天我给大家做分享的一个整体框架。接下来将主要围绕以下三个方面展开。

什么是大数据、AI和AAI

生活中经常碰到这样的事情:一个概念、一个名词用了很久,你并不知道它究竟在指什么,只不过你用的多了、用的习惯了,把它变成了你以为的理解。

在这里,想借这个机会把这三个的概念:大数据、AI和AAI,以我们的理解给大家做一个阐述。

这里我想借鉴主席以前说过的一句话:「没有调查就没有发言权」。这句话展开成下面三个维度:

大数据

首先「没有调查,就没有办法了解事实」,这就是大数据。

大数据就是对事实的主要组成:人物、事件和场景的客观描述。

AI

然后「没有事实就没有办法进行基于实事求是的思考」,这是指的基于数据的AI处理。

AI针对大数据进行算法处理,就是对描述的算法化处理,从过去的样本中寻找规律或Correlation。

机器智能将来究竟有没有可能改善并超越人类智能,对于这块的拓展要求还是很高的。但到目前为止只是在现有的数据当中,找出其中的规律与关联性。这正是今天AI所擅长的、所聚焦的特点。

AAI (Actionable AI)

最后「没有基于事实的思考, 就不应该在寻找解决方案的会议上发言」。

在使用AI之前,只有理解AI跟事实、场景、数据的关系,才会从中受益。将AI的算法处理应用在现实问题当中,强调的是实践、是行动指南这一点。

而AAI就是从算法处理后得出来的对于现实问题有指导意义的行动指南 (Actionable Insights)。

大数据、AI 与 AAI 的现实例子

什么是AI产业化

之前的铺垫就是为了要看到产业里面各种相关的问题:要思考的是它的大数据在哪?能够用的算法在哪?这些算法究竟是否能够解决我们所关心的具体问题?

5个条件

我们最关心的问题,什么是AI的产业化?AI的产业化就是AAI在各个产业里面的落地。如何实现这点,从我们的观察和经验来看总结出下面的五可原则。

1. 问题可定义:

理解行业痛点,通过产业具体的问题去思考算法和所需数据,而非本末倒置。问题可定义:理解行业痛点,通过产业具体的问题去思考算法和所需数据,而非本末倒置问题可定义

2. 方案可执行:

以AI为基础的解决方案必须可以落地执行,也就是前面指出的AAI,避免走传统咨询的老路。

3. 结果可衡量:

没有明确的衡量方法,就无法证明AI的实际效果,AI方案也不可能落地。

4. 闭环可循环:

随着数据的积累以及业务的进展,AAI能够实时地、持续地、自动地优化实施的效果。

5. 效果可付费:

客户愿意为提升的效果支付可观的费用,也就是说AAI服务要能够带来溢价能力。

2个Fit

从投资方的角度如何判断一个项目在产业化方向上的成熟度,我们总结为2个Fit。

1. Technology-Problem Fit:

崇尚从问题出发,去寻找或判断技术能不能作为问题的解决方案的核心。

2. Problem-Market Fit:

找到的行业痛点是否可以成为大规模可付费的市场。

我们崇尚从Problem的角度出发去思考什么样完整有效的Technology来Fit这个Problem,所以对团队的要求也是基于这个,而不是有几个AI算法的好手这个团队就值得投了。

理解Problem在哪里,又要理解技术前沿在哪里,最后的风险还是要落实到从Technology有没有办法变成一个Product,从Problem有没有办法变成Market。

我们在前者做得很好,在 Technology 到 Product 的有效进化上判断得蛮准。而后者的风险在于并不见得所有的问题最后都能变成一个有效的市场。这个是我们在未来五年、十年所面临的系统的挑战。

结合上述分析框架我们可以通过时谛的具体案例看到AI如何改造鞋子设计行业,将原先90天的传统设计流程缩短至了7天。

时谛改造制鞋设计行业

3个机会

去年我们通过6个维度细致分析了AI最适合改造的八大行业,结合一年的切实体会去判断,我们看好其中这3大行业的机会。

1. DaaS(Decision as a Service):

相较美国,中国大体量的SaaS企业数量少,基于中国企业对科技提效的需求,机会还是很多的。

2. 工业

工业市场产值大,小幅度的效率提升也可带来大体量的价值增加。

3. 零售

线下零售在整体零售中占比高,中小企业的数量多,市场空间大。

与AI结合的八大行业机会以及我们最看好的三个方向

这3大行业存在相对共性的特点,第一个是我们看大机会的要点,就是经济体量大。

中国中小企业的数量超过美国,但是中国的百亿美金ToB的SaaS企业却很少。美国这类企业有近50家左右,这里肯定是有问题的。只要中国的企业对于用科技提效这件事是真实需要的,中国出现大型的ToB SaaS的公司机会是一定有的。

在工业这个领域,GDP高达30万亿。如果能够让整个行业的效率提升5个点,也就是1.5万亿GDP的提升, 而当中属于优化服务的市场在500亿上下。

零售领域,线下占整个消费品零售总额的81.6%. 但线下最大的问题是Fragmented (碎片化)。线下市场有几万个商家参与其中,最后落在零售上面的单体还是小,但这反而给了To B的SaaS企业机会。

第二个特点,在这个行业当中提升数据颗粒度和质量的基础技术是切实存在、切实可行的。

第三个特点,行业中存在Bridge Men和Early Adopter。找到搭桥人,把AI作为对方产业的关键点,可以在落地目标行业中事半功倍。同时值得指出的是,相比大型企业,中型企业更愿意尝试新的解决方案,他们体量足够、又迫切希望扩展到下一个阶段。

什么样的人才能抓住这个机会

第三个给大家分享的是人才的问题,这是我们一直在强调的。我们以3P3C的原则看待人,也是线性衡量自己员工的一个标准。

1. 专业 (Professional)

投资的技术产品上至少属于国内前三的团队。

2. 热情 (Passionate)

对将要解决的问题充满热情。

3. 韧性 (Persistent)

在创业的过程中做打不死的小强。

4. 决断力 (Cruel)

在真实商业过程中的决断力。

5. 知行合一 (Consistent)

想的说的做的都是一致的。

6. 可靠 (Credible)

可靠的可依赖的合作对象。

3P3C原则

额外的要求

最后也想分享一下我们对创业者的额外要求:

必须是干过类似的大活、累活、苦活。

以技术为核心的复合经验,即AI+产业。不能只懂技术,要想办法能够懂产业里面的。不仅是在产业表面,要深入到产业里面具体的问题,要在那里不断的思考。

从错误中成长起来,一个好的创始人一定不要怕犯错。我们对错误分成三个点来去理解:对于小问题要迅速决策,要犯大量的小错;对大问题要谨慎决策,要犯小量的大错;对于生死问题要集思广益,反复权衡,不要着急的下决定。

要在前进的过程当中稳步前进、富有耐心。这是ToB领域典型的特点,这个特点不适合ToC,ToC是要想办法迅速冲上去,而ToB一定要稳步前进,把时间真正变成你的朋友。

全国统一热线

+地址:广东省广州市天河区88号
+传真:
+邮箱:admin@baidu.com

友情链接

微信平台

微信平台

手机官网

手机官网