原标题：伟高达创投：AI创业不仅仅是爱上一项技术

AI到底是什么，起源于何方，创业者和普通人，又该如何看待AI。

相比于Google“造人”（Google的人工智能助理Google Assistant不仅能听的懂人话，而且已经可以开始“说人话”了）、FDA通过首款完全自主人工智能诊断系统，可取代眼科医生这类科技前沿的轰动性事件。京东“10年裁8万人”的“谣言”或许会让更多人开始恐慌，但我们刚好可以从刘强东的辟谣中，看看AI对于我们到底意味着什么。

刘强东反复强调，人工智能可以把人类从繁琐艰苦的劳动中解放出来，并描绘了“无人公司”的愿景。

“解放”，或许是我们理解AI需要深入挖掘的关键。

凡是过往皆为序章

机器人之父Rodney Brooks谈及人工智能时，借用了莎士比亚《暴风雨》中安东尼奥的一句话：凡是过往，皆为序章。

这句话的一种解读是，过去注定了未来，命运的剧目将一幕幕上演；另一种解读是，过去并不重要，大部分必要的工作都在前方，等待我们去完成。

无论是何种解读，都意味着，对任何所谓的新生事物，都值得研究一下过去。

“人工智能”这个概念最早出现于1956年，最初的概念和研究都是基于猜想，因为当时电脑的速度和内存容量不足以模拟人类大脑的许多高级功能，但主要的障碍还是无法利用现有的程序编写程序。

因此，研究转向了不依赖于硬件和软件的人工智能子学科问题，包括规划、问题解决、知识表示、自然语言处理、搜索、游戏、专家系统、神经网络、机器推理、统计机器学习、机器人技术、同时定位和映射、计算机视觉、图片理解等等。

自1956年以来，每年已经有超过100万人从事AI研究，相信这个真实的数字超过了很多人的想象。正是长期的积淀，随着近年来算法算力的提升，人工智能得以飞速发展，引发新的技术革命。

只有通过回顾过往，我们才能清楚的知道人工智能究竟为什么会造成如此巨大的影响。

原因无二，是AI对效率提升的重塑，AI是一场技术革命，相较工业革命意义更大。工业革命解放了人们的劳动力，AI则是通过多年的“默默积累”，以看似“颠覆性的”、匪夷所思的速度释放劳动力。无数科研人员多年的努力，终将释放巨大的价值。

AI更像是一场效率革命，提升人的效率和社会的效率，这才是“解放”的真正含义。

什么算AI创业

在AI快速发展的时代，AI焦虑已经成为众多创业公司的心病，好像不将AI元素加入自己的项目就会被历史淘汰，不将AI作为自己BP上的主要竞争优势就无法获得资本的青睐。

为此可能会在创业初期投入大量不必要的成本。

很多AI创业者往往会犯一个错误，那就是他们爱上了一项技术，但其实真正重要的是利用技术为人们提供价值，不然是找不到客户的。所以这个令他们兴奋的产品将如何为他们的客户提供价值，他们必须想明白。

人工智能还是创业风口么？很多创业者会问我们这个问题。

严格意义上来说，并不是。

今年开始，很多投资机构将停止人工智能项目的投资（特别有价值的才会考虑）。根据行业发展曲线，随着各个细分领域的创业者层出不穷，市场的有限需求和AI与产业的实际结合决定了行业正在洗牌期。

对于人工智能创业者，比创新、比场景、比数据、比技术、比体验、比务实，尽量小步快跑多融资，手握粮草才有机会挺过寒冬。从风口方向上，深度学习、机器学习、自动驾驶、认知计算的热潮已经在走下坡路，基本已经没有机会，尤其是做平台。而脑机接口、边缘计算、智能机器人、虚拟助手的创业机会还是在走上坡路。

也许，我们或许可以换个思路思考AI创业。

如果将AI视为一个技术工具，那这个工具几乎可以给所有行业赋能，这种赋能更应该与符合时代特征的“新物种”相结合，这样，才不会陷入盲目使用技术的误区。

更重要的是，不久的未来，全民玩AI将不再是梦想。谷歌开发的Cloud AutoML和后续AI工具，将很可能实现“无需精通机器学习，每个人都能用AI产品定制机器学习模型”。

现在商业的重构本质上都是效率的重构，过往多是通过模式创新，但今后主要是通过技术创新，AI恰是现阶段最高效的技术手段。如何利用AI这个工具，才是创业者应该深入思考的问题。

思考清楚了，人人都有机会用AI创业。

深度学习和认知升级

人工智能和人类在科幻电影中的对立其实“太不真实”，至少现在还看不到任何证据，显示那种对立的场景会在未来的几百年内实现。

技术从来都不是我们需要担心的，使用技术的人才是！很多人往往会忽略这一点。

在外人眼中，人工智能深度学习的能力令人叹为观止，那是因为对于一件非常具体的任务，深度学习能够提供非常优秀的性能表现，但是，它们能力应用范围非常狭窄。以围棋为例，例如将棋盘从19x19扩展到29x29，人类棋手完全可以立即适应，但程序AI不得不从头开始学习，它们的通用性无法达到人类的水平。

有很多人认为AGI（通用人工智能）是场规模空前、万人瞩目的大变革。但真实的情况是，迄今为止这方面并无实质的方法和进步，成千上万的研究者已经研究了这个问题62年，但没有突然出现转折点。

机器的“深度学习”是在模仿人类，而人类却在忽略自身的深度学习能力。

深度学习中的“深”字误导了很多人，机器深度学习的理解仍是浅薄的，深度学习中的“深度”是指网络中单元或“神经元”的层数，并不是深刻的理解。

多数人对时代的认知往往会落后真实时代二十年。认知升级对我们而言才是迫在眉睫的，首先，我们该做的，是重拾自身的“深度学习”，拥抱新生技术。

失业潮不是我们该担心的问题，回顾历史，每一次新技术的革命，都会重构社会分工，有工作会被AI和机器取代，就有新的工作需求诞生。

学会利用技术工具的重要性在接下来的时代尤为重要，以前技术是少数人的玩具，今后技术将对更多人开放，很多新的机会将出现在对技术工具（AI、区块链、大数据等）的利用上。

All in AI，更多是战略上的宣传。我们应该看到的是，技术驱动未来，AI只是万千技术中的一种。

学会利用技术，可以释放我们更大的价值。

这也是伟高达专注于投资深度科技驱动的项目的关键！

关于如何把握AI的发展方向，伟高达合伙人季淳钧提出三个判断：

第一，首要明确的是，在AI背后是否有足够的有效数据来驱动AI能力的提升。大数据是AI的基石，目前的深度学习主要是建立大数据的基础上，即对大数据进行训练，并从中归纳出可以被计算机运用在类似数据上的知识或规律。离开大数据谈人工智能毫无意义，如果把AI比作一把刀的话，海量数据就是磨刀石，这把刀一开始是否锋利并不重要，要重点看他的数据能力，比如他的行业数据获取方式等等，如果有源源不断的高质量数据提供，这家公司的前景还是有很大的想象空间的。

第二，一千个人眼里，有一千个哈姆雷特。AI也一样，每个行业必须有自身领域的AI。任何拥有大数据的领域，我们都可以找到深度学习一展身手的空间，都可以做出高质量的人工智能应用，因为它不同于互联网的拿来主义，一旦有人在这个行业成功了，那么他的模式将被其他行业争相模仿。未来10年，AI将从数据、信息、技术等层面，融入教育、医疗、金融、家居、零售、汽车交通、物流等各行各业，颠覆现有的生产、运作模式，激发出新的智能道路，造就一个属于中国的“互联网+”时代。

第三，显然，计算力和算法是AI的核心。其中，芯片与超级计算机、云计算并称计算力的三驾马车。但是，真正用于AI的超级计算机芯片还处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是今后发展AI的重点努力方向之一。‘’