峰瑞資本李豐談投資邏輯：什麼時候才是投資AI的正確時機？

雷鋒網按：4月26日下午，未來科技學院宣佈啟動“未來科技資助計畫”，聚焦科研和科技創業。北京市科委高新處王齡樅，石勇、蔣田仔等國內著名科學家，峰瑞資本創始合夥人李豐等風險投資家出席了會議並作了主題演講。

人工智慧學家主編劉鋒對未來科技資助計畫進行了介紹。談到“未來科技資助計畫”的原因，劉鋒博士說：“‘未來科技資助計畫’核心是通過互聯網，通過眾籌的方式支援科學家做前沿科學研究，以及創新創業。我們將科學家的創新創業研究專案作為範例在平臺上展示。如果投資人覺得項目不錯，經過深入瞭解後可以進行線上資助，也可以進行有意向資助，我們做了這樣一個平臺。”

現場，投資家代表峰瑞資本創始人李豐做了主題為“深科技投資”的演講，講述了峰瑞資本對前沿科技創新的投資邏輯，對於人工智慧的投資，他說：“如果線下資料線上化已經做得非常好，我們就投大資料。如果大資料已經做得很好，我們就投這個方向上的人工智慧。如果還沒有進入到大量資料產生的階段，邏輯上我們就先不投大資料，而是先投感測器。等到感測器被很好的工業化之後再投大資料，然後再投人工智慧。”

以下是李豐的演講全文，雷鋒網做了不改變原意的刪減：

為什麼現在人工智慧這麼熱？

我們從兩年前就說要投科技，現在投的有三分之一是高科技，人工智慧只是其中很小的一部分，我們在兩年以前投的時候人工智慧還沒有現在這麼熱。

人工智慧現在變成了很熱的話題，我們自己投的大概有十個左右和這個方向有關。我們看人工智慧，抽象來看，其實就是資料處理技術和建立模型效率的提高。

我們在看待市場正在發生的早期熱點和現象的時候，通常會問自己這樣幾個問題。第一個問題，為什麼是現在開始熱？意思是為什麼不是之前，也不是之後；第二個問題，為什麼發生了這種模式，或者發生了這個概念、這個熱點，而不是別的？

拿人工智慧舉例。為什麼現在發生？為什麼是人工智慧？根據我們的簡單理解，它其實代表資料處理效率的提升，不管是對類型複雜程度還是建立模型的有效性。那麼它為什麼會在這個時候出現呢？其實是因為資料已經多到需要用這個技術來處理，或者需要提高效率來處理。

那麼大家就會考慮，這些所謂非常多、非常複雜的資料，到底是從哪兒來的？為什麼會在今天出現這麼多需要人工智慧處理的資料？

我們把它分成兩個部分，第一部分是線下資料大量線上化，在積累到一定規模後會帶來對資料處理能力和效率提升的需求。如果某個領域當中，連資料化的過程都還沒有開始，大概這個領域還輪不到人工智慧先出現。第二部分則是新資料的大量產生，而不是把線下原有的東西通過某種形式搬到線上去。

過去十幾年或者幾十年裡，科技進步的相關領域遵循了這樣一個有意思的簡單規律：

一些底層工業技術的進展和快速提升，使得我們可以把一些比較重要的感測器變做的又小又厲害，而且很便宜，然後把這些感測器安裝在了以前不能安的地方；接下來，我們讓這些廣義上製造了大量資料的感測器能夠聯網。

Uber、亞馬遜Echo、摩拜單車出現的原因

比如，手機上很早就有攝像頭了，只不過那個時候它的用途不大，但是到了今天，已經成為了必不可少的功能之一。為什麼攝像頭在諾基亞稱王的時代沒有得到如此廣泛的應用？原因很簡單，手機攝像頭的技術進展巨大，變得又好又便宜。而且手機又可以連網，所以你拍攝的的照片、視頻等資料就可以在網上大量傳播。

再拿手機舉例。由於智慧手機的出現，還誕生了世界上最大的幾家初創公司，比如國外的Uber，國內的“滴滴”。以前要訂車，你要打電話說多長時間後要到哪兒接你，接你的人也要和你不停地說，現在狀況是怎樣的，車號是多少，現在走到哪裡了等等。然而智慧手機裝在了GPS晶片之後，你只需要點擊幾下，就可以把所有的需求非常準確、清晰地表達出來，且你還可以知道司機離你有多遠，多長時間到。這一切能夠實現的原因，就是我們把以前沒有裝進手機裡的GPS晶片裝進了手機，這也是手機變成智慧手機的原因。

亞馬遜的智能音箱Echo也是相同的道理。亞馬遜把麥克風陣列進行了重新組織，在播放音樂的時候會有麥克風搜集你的聲音指令，然後再用人工智來處理這些指令，並執行相應操作，這就是智慧音箱。

再比如摩拜單車，其實就是把GPS、電子鎖、通訊晶片裝在了原來沒有被放過任何感測器的自行車上。因此，你可以通過智慧手機知道自行車在哪兒，可以通過用智慧手機開鎖，這就是共用自行車出現的原因。

當然，我們現在還在嘗試把更多感測器放到車裡，比如雷射雷達、毫米波雷達等等，加上計算和通訊晶片，使得我們在將來可以生產具備完全自動駕駛能力的汽車，也就是所謂的Level 4、Level 5。你把這個問題再抽象看，它只是把原來沒有裝在車上的感測器裝到車上，讓它即時產生各種各樣的資料，然後再在各種維度上進行組合、加工和處理，由此誕生了新的商業模式。

從結論上可以回到我之前所說的：

1. 工業技術的突飛猛進，特別是感測器技術的提升，使得我們可以把感測器做的又小、精度又高、又便宜，然後越來越多地放在以前沒有放過感測器的物體中去，比如放在自行車上，無人機上。

2. 然後讓這些感測器聯網，製造和傳播大量的資料。

3.當資料積累達到一定的程度的時候，我們開始用更好的方式來處理這些資料，因此我們走到人工智慧。

投資人工智慧的邏輯

從結論上來講，人工智慧在大部分領域都不一定是最好的時機，除非這個領域已經按照我所說的順序發生了很多事情。

但是，在很多行業和很多事情上，我們終會走到人工智慧的那一天。原因是有如此多的東西開始被加上這些感測器系統，讓它們聯網，並開始產生大量資料。總有一天這些資料會多到現在沒辦法處理的程度，因此這個時候這個方向就會進入人工智慧。

我們的投資邏輯也是一樣，如果線下資料線上化已經做得非常好，我們就投大資料。如果大資料已經做得很好，我們就投這個方向上的人工智慧。如果還沒有進入到大量資料產生的階段，邏輯上我們就先不投大資料，而是先投感測器。等到感測器被很好的工業化之後再投大資料，然後再投人工智慧。

以自動駕駛舉例，現在還沒有足夠的多車被裝上這些感測器，因此也沒有足夠多的資料，因為這些感測器從精度、尺寸和成本上來講，都還沒有達到大規模商用的階段，所以先要解決的問題是改進和反覆運算這些感測器，直到它們能夠被大規模地裝在車上，這時候才過渡到大資料階段，有了大資料才會最終走到人工智慧。所以在還沒有大規模商用感測器的領域，我們只能先投底層技術，直到他們已經成熟了。

以上是我為大家分享的經驗和方法，謹供參考，如果有不全面的地方請批評指正。

雷鋒網推薦文章《

百度技術學院對外開放，一切都是為AI佈局？

》