順為資本孟醒：不要跟巨頭比牙齒，AI創(chuàng)業(yè)我看好這三個領(lǐng)域

時間：2016-11-07

“你以為你在撩妹，其實你在撩機。”
人工智能在沉寂了一段時間后又重新熱鬧起來，目前，它已成為國內(nèi)諸多投資公司的重點研究和布局方向。

但你一定不知道的是：
在美國的VC圈，人工智能領(lǐng)域其實幾乎已經(jīng)消失了；
“明星背景”的技術(shù)大牛其實不太適合去人工智能的創(chuàng)業(yè)公司；
做人工智能，2B類比2C類公司目前的機會更好；
人工智能算法團隊仍然從海外招聘更好，因為國內(nèi)太“貴”；
……

孟醒在企鵝智酷Live第二期活動中，透露了大量能讓你“大吃一驚”的有意思的訊息。他曾經(jīng)創(chuàng)辦過兩家人工智能創(chuàng)業(yè)公司并被成功收購，目前，孟醒以投資人的身份繼續(xù)深耕這個領(lǐng)域，他站在不同的兩個視角，為我們展現(xiàn)了人工智能在創(chuàng)投圈“最真實”的一面。Enjoy：

分享人：孟醒

編輯：騰訊科技鄭可君龔鵬飛

孟醒：順為基金副總裁以及入駐企業(yè)家，曾經(jīng)作為創(chuàng)始人和CEO創(chuàng)辦兩家人工智能領(lǐng)域的明星創(chuàng)業(yè)公司，并在美國最大博彩娛樂公司CAESARS ENTERTAINMENT任職互動娛樂業(yè)務(wù)亞太區(qū)負(fù)責(zé)人。

順為資本：由雷軍及許達(dá)來先生聯(lián)合創(chuàng)立，管理三支合計17.5億美元的美元基金和一支10億元人民幣的人民幣基金。重點關(guān)注互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、高科技行業(yè)以及互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)結(jié)合所帶來的變革。

一

主持人：請先作自我介紹，并分享您的創(chuàng)業(yè)經(jīng)歷。

孟醒：我叫孟醒，目前在順為資本負(fù)責(zé)泛人工智能以及大數(shù)據(jù)上下游相關(guān)的投資。在這之前我做過兩家人工智能的創(chuàng)業(yè)公司，一家在硅谷，一家在國內(nèi)。在美國的這家公司是我在2012年還在讀MBA期間做的，叫Orbeus，后來被亞馬遜收購，目前接管了亞馬遜AWS里絕大多數(shù)跟視覺圖像相關(guān)的服務(wù)。

第二家創(chuàng)業(yè)公司在北京，名字叫知圖科技，是用圖像識別和深度學(xué)習(xí)技術(shù)在廣告行業(yè)進行深挖的一家技術(shù)公司。主要是做將圖像相關(guān)的技術(shù)應(yīng)用到媒體上，來挖掘圖像信息的廣告位。這家公司在去年的時候賣給了一家在美國上市的中國互聯(lián)網(wǎng)公司公司。

在創(chuàng)業(yè)之前，我曾經(jīng)在香港的摩根大通投行部負(fù)責(zé)TMT行業(yè)。當(dāng)時，這個行業(yè)里還沒有像今天這么多的并購和投資案，絕大多數(shù)都是中國公司到美國上市做IPO。我做了很多這方面的案子，也有幸參與了幾家中國公司到NYSE敲鐘的情景。
另外一段經(jīng)歷是我在美國最大博彩娛樂公司CAESARS ENTERTAINMENT任職互動娛樂業(yè)務(wù)亞太區(qū)負(fù)責(zé)人。這部分包括游戲方面的投資，游戲方面的合作開發(fā)以及世界上最大的德州撲克的競賽品牌WSOP在亞洲落地的運營，這兩塊業(yè)務(wù)跟創(chuàng)業(yè)沒有直接關(guān)系，但從資本的角度和管理的角度給了我很多啟發(fā)。
目前在順為資本，我的角色跟投資團隊沒有任何區(qū)別。2016年主要以投資為主，2017年我希望能夠多花一些精力到我們順為資本的被投項目中。畢竟作為一個創(chuàng)業(yè)者，我經(jīng)歷過被投公司所面臨的所有問題，有一些經(jīng)驗可以和大家分享。同時，也有一些困惑可以和大家一起探討，基于這樣的思路，我在琢磨怎么樣能夠組織一些更有意義的投后，或幫助被投企業(yè)運作的一些活動。

二

主持人：第二個問題，您是如何理解人工智能行業(yè)的？

孟醒：人工智能是一個包羅萬象的行業(yè)，我從人工智能創(chuàng)業(yè)或者投資兩個角度來進行分享。
最近一年以來，資本市場轉(zhuǎn)冷的現(xiàn)象比較明顯，唯一沒有受到影響的是人工智能以及其延伸領(lǐng)域。但這個領(lǐng)域的投資方向每個公司很不一樣。我經(jīng)歷了大概四類公司的階段，但這四個并不是嚴(yán)格先后次序，會有同時存在關(guān)系或者前后關(guān)系。
第一類是做感知層算法的公司，目前大家耳熟能詳?shù)幕蚬乐递^高的創(chuàng)業(yè)公司，絕大多數(shù)在做感知層的算法。2012年出來一波比較優(yōu)秀的公司，當(dāng)然2012年也是一個在人工智能算法領(lǐng)域標(biāo)志性的時間點（Alexnet在Imagenet上的突出成功使得Deep Learning成為主流）。感知層就是讓機器具備人的五官的基礎(chǔ)感知能力，從視覺到聽覺的理解能力，這部分公司可以理解為做人工智能的基礎(chǔ)設(shè)施工作。
第二類是算法向芯片層面延伸的創(chuàng)業(yè)公司。國內(nèi)從2014年開始廣泛普及這類公司，絕大多數(shù)是在算法優(yōu)化的過程中又深入了一步，覆蓋到上游芯片層面，無論從用模組設(shè)計，到用FPGA搭建自己的SoC，硬件層面矩陣運算的優(yōu)化，甚至是指令集層面的優(yōu)化，這些都有涉及。他們覺得僅僅在算法層面的優(yōu)化不能彌補使用通用芯片所帶來的效率的損失。
第三類是通過人工智能改善垂直行業(yè)效率的2B公司。這類大批公司是從2015年以后誕生的，這時候人工智能的基礎(chǔ)設(shè)施已經(jīng)有一定的規(guī)模。這些規(guī)模可能由創(chuàng)業(yè)公司來提供，也可能來自學(xué)術(shù)領(lǐng)域的突破，也可能是由大公司的基礎(chǔ)設(shè)施來提供，到一定規(guī)模之后會在垂直應(yīng)用領(lǐng)域找到結(jié)合點，比如在醫(yī)療、農(nóng)業(yè)、金融這些領(lǐng)域，研究這些方向上用人工智能算法怎么能夠提高效率，尤其是2B的效率。
最后一類公司是做2C的人機交互方向的。這類公司是在2014年以后出來的，比如人機交互的智能機器人，聊天機器人等這些方式。
很多時候，大家認(rèn)為人工智能解決的是算法的問題，其實本質(zhì)上人工智解決的是經(jīng)濟問題。經(jīng)濟問題可以理解為從整個算法端和數(shù)據(jù)端開始，數(shù)據(jù)的收集，涉及到人工怎么去做標(biāo)定，用什么方式找到數(shù)據(jù)，或怎么用優(yōu)秀產(chǎn)品來收集數(shù)據(jù)，人工的激勵機制是怎么樣的，怎么樣使數(shù)據(jù)獲取成本最低。到算法端，需要選擇性價比最高的算法，怎么利用有限的計算能力和傳輸能力，所有這些問題其實都指向了我們能不能把經(jīng)濟成本優(yōu)化，把人工智能做好的核心是把經(jīng)濟問題解決好。
在人工智能上的努力都是為了分別對應(yīng)2B（優(yōu)化效率）和2C（優(yōu)化體驗）這兩個方向，能夠在效率上改善經(jīng)濟成本。
所以，做人工智能方向的核心并不是要做出一個東西來逼近人的智能。

如果我們目的僅僅是要創(chuàng)造逼近人智能的產(chǎn)品，其實上帝已經(jīng)給予我們這樣的能力了。我們其實是可以造人的，成本其實也不算很高。人是多么復(fù)雜的精密儀器，每寸皮膚上都有壓力傳感器、溫度傳感器、濕度傳感器，都有神經(jīng)。我們具備視覺，可以自由做3D SLAM, 物體檢測，人臉識別，行為識別。我們有聽覺，有語音識別，有自動降噪，有遠(yuǎn)場語音增強，有自然語意理解。所有我們?yōu)槿斯ぶ悄芩龅呐Γ荚谌松砩暇邆淞恕Ｆ鋵嵖梢酝耆蒙锏姆绞蕉挥眯畔㈦娮拥姆绞蕉阉鼘崿F(xiàn)。
反過來說，造人本身是有成本的，因為人本身不能大規(guī)模復(fù)制。同時還有倫理的成本，使我們不能把這種生物科學(xué)的方式作為我們?nèi)ジ纳菩实淖罴逊绞剑晕覀儾庞辛擞每蒲械姆绞交蛘咴谛畔㈦娮訉用嫒パ芯咳斯ぶ悄堋?nbsp;
可以總結(jié)一下，我對人工智能的看法，其實是我們要去通過解決一件件改善經(jīng)濟成本的小事，使得在提供效率和提供體驗上把經(jīng)濟成本賺回來，這是我們核心要做人工智能的目標(biāo)。

三

主持人：第三個問題，從投資人和創(chuàng)業(yè)者角度，如何去判斷一個公司的亮點會有哪些不同？

孟醒：我作為一個人工智能創(chuàng)業(yè)者，同時也作為投資人工智能方向的投資人，我覺得這個視野的轉(zhuǎn)變和觀點的轉(zhuǎn)變很明顯。我舉兩個例子。
第一個例子，是“技術(shù)的深度”和“技術(shù)深度能夠打動別人的程度”兩者的對比。
一般創(chuàng)業(yè)團隊做一段時間后有了階段性成果，就去進行商務(wù)談判融資，拿著以前在學(xué)術(shù)領(lǐng)域所發(fā)表的paper、融資的PPT，還有自己的demo。
他想充分證明自己的技術(shù)能夠領(lǐng)先，無論是從文章被引用的次數(shù)，還是demo能看到的實際樣式，還是通過刷榜來跟Google等一線公司對比的結(jié)果，都希望能表現(xiàn)自己的技術(shù)能力。
這是包括我自己在內(nèi)創(chuàng)業(yè)時的一個標(biāo)志性的心態(tài)，造成的結(jié)果就是：就是很多創(chuàng)業(yè)者拿demo過來，我作為一個投資人去看的時候，發(fā)現(xiàn)很多人拿demo以后都不再多解釋了，認(rèn)為投資人看完后，理所應(yīng)當(dāng)就應(yīng)該重視自己，表情上就是一副拿了已經(jīng)金牌的臉。

是這樣的表情嗎？

這個時候其實很尷尬，絕大多數(shù)投資人對于demo的熟悉程度遠(yuǎn)遠(yuǎn)不如創(chuàng)業(yè)者自己的熟悉程度，不解釋是投資人很難理解。
另外，你從投資人的角度來說，一種就是他完全沒有聽過你提到的刷榜和期刊，一種是都聽過，但是有很多創(chuàng)業(yè)者都對他講過，所以他們分不清榜的難度，你比到底強多少，這個很難分辨。
造成的結(jié)果就是投資人很難被你的demo所打動，但是創(chuàng)業(yè)者打動了自己。其實雙方都應(yīng)該有往對方的方向去拉近，但現(xiàn)在還是離得很遠(yuǎn)。
第二個例子就是對于產(chǎn)品思考的完整程度，尤其是算法。厲害的人出來做人工智能創(chuàng)業(yè)的時候會比較怕深入討論產(chǎn)品，原因是本來改變世界的事兒，一旦把這個事情具體到產(chǎn)品方向來說，這個事聽起來就變小了。
從投資人角度來講，聽創(chuàng)始人只講算法和與算法相關(guān)的成績是很可怕的，因為算法本身是不能拿來當(dāng)飯吃的。投資人不一定追求你把產(chǎn)品和產(chǎn)業(yè)的思考都講對，但是要有邏輯，有深度，表達(dá)了對深化產(chǎn)品的態(tài)度。看推理過程，根據(jù)過程倒推創(chuàng)業(yè)者的思維模式。

四

主持人：第四個問題，如何看待人工智能領(lǐng)域的明星創(chuàng)業(yè)團隊？人工智能領(lǐng)域的理想團隊?wèi)?yīng)該是什么樣子的？現(xiàn)在缺什么？

孟醒：我先說結(jié)論：這個行業(yè)里面非常缺人，缺的是AI的產(chǎn)品經(jīng)理，就是既懂技術(shù)邊界，又懂得需求邊界的人，這兩者結(jié)合起來，能把這兩塊融會貫通的人非常少。
行業(yè)里面不缺一般意義上的明星，特別牛X的算法達(dá)人，牛X的背景的BAT，很多從斯坦福，甚至于Google、Facebook出來的人，這些會越來越多。但是，方向性和定義產(chǎn)品這件事是特別難的。
研發(fā)明星其實有的時候會成為創(chuàng)業(yè)公司的成本和負(fù)擔(dān)，我舉一個例子：
看到最近Facebook的人工智能研究院FAIR的Director，他昨天發(fā)了一篇文章：《我們?yōu)槭裁茨苷械阶詈玫娜耍俊?nbsp;其中一個最核心論點：Facebook除了給研發(fā)明星一個很有意思的工作去做以外，可以允許員工去在學(xué)術(shù)領(lǐng)域繼續(xù)勇猛漸進，去想辦法發(fā)更多的paper。同時，在Facebook這個平臺上做東西可以進行大量延展，不為任何垂直領(lǐng)域去定制，而是為了10億以上人群研發(fā)技術(shù)，擴大自身影響力。
越是明星的背景，越是對于擴大影響力和通用性這件事情有著強烈的追求。但在創(chuàng)業(yè)公司里，如果你的團隊花費時間去想怎么寫一篇能夠在學(xué)術(shù)界有影響力的paper，那就很麻煩了。因為在學(xué)術(shù)領(lǐng)域?qū)で笸黄聘趧?chuàng)業(yè)里面把一個產(chǎn)品做好是非常不一樣的事情。對學(xué)術(shù)的執(zhí)著在科研領(lǐng)域是黃金品質(zhì)，在創(chuàng)業(yè)卻是成本。
第二，一個理想的團隊?wèi)?yīng)該包括一個非常核心的，能夠同時懂得技術(shù)邊界，又懂得應(yīng)用場景的產(chǎn)品經(jīng)理，可以是一個人也可以是兩個人。但是兩個人必須能很好地融合，一個會用虔誠的心態(tài)在垂直領(lǐng)域深挖技術(shù)，一個非常懂得行業(yè)同時非常聰明，愿意去理解一定算法邊界的行業(yè)人士，這兩個組合也可以算一個產(chǎn)品經(jīng)理。由這兩個人去形成組合慢慢去往下擴散的團隊，如果對應(yīng)的行業(yè)又非常對口，我覺得是非常理想的團隊。

五

主持人：第五個問題，您認(rèn)為人工智能在未來可預(yù)見的五年內(nèi)，最主要的應(yīng)用體現(xiàn)在哪些領(lǐng)域？

孟醒：五年內(nèi)如果能看到的爆發(fā)可能在兩年之后看的更清晰。今天比較明確的形勢有這么幾個：
第一，五年之內(nèi)AR會贏得技術(shù)上比較大的突破，從產(chǎn)品化的程度和普及程度來講，將有平臺革命性的迭代。圍繞AR所做的一系列AI功能會是一個非常有意義突破點，這里面包括圖像識別，包括物體檢測，包括跟蹤，包括SLAM 三維重建等等一系列的技術(shù)。
第二，絕大多數(shù)的AI創(chuàng)業(yè)公司背景是偏技術(shù)的，這樣的公司最適合在以下幾個行業(yè)突破：
第一個是純互聯(lián)網(wǎng)行業(yè)。但問題是這些都由巨頭把握著，造成創(chuàng)業(yè)公司很難突圍，也就很難引領(lǐng)這些新的AI方向或者是創(chuàng)新性的AI方向能夠帶到不同互聯(lián)網(wǎng)的方向。
其次，我比較看好的幾個垂直領(lǐng)域：農(nóng)業(yè)、醫(yī)療和金融。
先說農(nóng)業(yè)，農(nóng)業(yè)的渠道其實沒有特別強的人在把控，也就是說使用新的服務(wù)或者使用新的決策是相對比較市場化的。
醫(yī)療行業(yè)，好處是一些細(xì)分的醫(yī)療領(lǐng)域里用人工智能去做一些明顯能提高現(xiàn)有醫(yī)療行為的應(yīng)用的時候所需要的訓(xùn)練數(shù)據(jù)沒有想象中的做其他應(yīng)用領(lǐng)域那么大。這一下子減低了很大障礙，同時醫(yī)療決策越來越市場化，同時客戶非常分散，因為醫(yī)院，醫(yī)療機構(gòu)，醫(yī)生都很多。
金融領(lǐng)域，創(chuàng)業(yè)公司已經(jīng)出來一批，美國的Wealthfront, 國內(nèi)有一系列的智能投資顧問，或者說用大數(shù)據(jù)或者用人工智能算法的方式授信等等。
從個人情感出發(fā)和產(chǎn)業(yè)結(jié)構(gòu)出發(fā)，我其實更多在看農(nóng)業(yè)方向，當(dāng)然還有一些像現(xiàn)在炒得非常熱的智能駕駛等這些方向。

六

主持人：第六個問題，人工智能領(lǐng)域2B和2C方向如何選擇？為什么？

孟醒：我對著這個PPT來講。大多數(shù)的人工智能方向，要么是改善體驗，要么是改善效率；要么是一個2B，要么是一個2C的方向。剛才講的絕大多數(shù)情況都是垂直領(lǐng)域，是2B的。
上個月我在美國待了很長時間，也拜訪了美國一線的VC和投行，尤其是之前專注人工智能領(lǐng)域的投行。我發(fā)現(xiàn)在美國一些VC已經(jīng)沒有兩三年前專門設(shè)立的人工智能部門。也就是說這個領(lǐng)域其實已經(jīng)消失了，或者說正在消失。

消失是因為在絕大多數(shù)領(lǐng)域里，人工智能已經(jīng)像互聯(lián)網(wǎng)一樣散落在每個垂直行業(yè)，成為行業(yè)本身的一部分。所以你公司的核心價值，看的不是它的算法，而是看人工智能作為一個核心壁壘，能為這個產(chǎn)業(yè)鏈增值多少。
有許多行業(yè)出現(xiàn)變革的機率非常大，而且他們每個行業(yè)的機動性都不太一樣。比如說醫(yī)療行業(yè)、電力行業(yè)、電力巡線這些行業(yè)，因為政策或者采購方式的變化導(dǎo)致行業(yè)的變革，而變革是因為行業(yè)養(yǎng)不起這樣低附加值的勞動力。
而做一個2C的事情最終要解決的是人的體驗。但最終的目標(biāo)是要獲取足夠多的流量，利用這些流量做增值服務(wù)。
人工智能直接去做2C相對來講會非常難。因為在2C里面，對應(yīng)的行業(yè)變革是平臺的迭代，例如從PC到移動端就是一個平臺迭代。假如我們沒有從PC到移動端這個前提，直接從移動端切入到AI，把AI作為一個主流的流量入口，這是比較困難的。
當(dāng)然，AI的發(fā)展不僅僅在于平臺切換。我們現(xiàn)在智能家庭或者物聯(lián)網(wǎng)本身是一個分布式或者離散式的平臺，迭代可能會把這個平臺本身去中心化，這也可能會給AI一個入口或者流量的機會。
從個人角度來看，在現(xiàn)在創(chuàng)業(yè)者找到一個合適的行業(yè)，充分了解這個行業(yè)的需求，能夠看準(zhǔn)這個行業(yè)在某個時間點產(chǎn)生變革，變革是什么，然后提供2B的服務(wù)，可能會比等待一個平臺迭代的周期去突擊2C的機會要更快或者更容易。

七

主持人：第七個問題，您自己創(chuàng)業(yè)的時候是怎么選擇方向的？

孟醒：第一家公司我們是把人臉識別、物理檢測和場景識別打包，通過獲得API向第三方公司輸出技術(shù)。這種模式可以理解為我們的商業(yè)模式是建立在別人商業(yè)模式的基礎(chǔ)上，也可以理解為2B，我覺得更形象的應(yīng)該是2D的商業(yè)模式。選擇這個模式是因為第一次創(chuàng)業(yè)，沒有考慮到這個模式的天花板在哪，當(dāng)時覺得這個模式有價值，馬上找人去把這個產(chǎn)品開發(fā)出來，第一次就是以這樣的方式來做產(chǎn)品。
這個模式很快就遇到瓶頸。我們發(fā)現(xiàn)這個模式只能拿到?jīng)]有資金或者付不了錢的小客戶的生意。稍微大一點的客戶對安全性有要求，因此我們不能用通用模式去做。而如果做定制，這件事情的周期又比較長。我可能需要再做一個demo去把一個客戶談下來，這跟傳統(tǒng)的軟件銷售有點類似。
第二家公司的核心模式是在互聯(lián)網(wǎng)上通過圖像識別的方式去挖掘數(shù)據(jù)來變現(xiàn)廣告費。這時候我們已經(jīng)不再給其他公司提供圖像識別服務(wù)和技術(shù)，而是想在互聯(lián)網(wǎng)上所有存在圖片的位置上去理解圖片本身。就是不光知道圖片里面有誰、有沒有臉、有沒有車、有什么背景，或者這些相對的位置在哪，而且還要知道他們對應(yīng)的一些形態(tài)，通過這些我們想在圖片里植入一些信息比如廣告，我們考慮用什么樣的方式、什么樣的背景或者什么樣的形態(tài)去植入，不會影響用戶他們?yōu)g覽圖片本身的體驗，同時使用戶被這個廣告影響到。
所以我個人經(jīng)歷也是一個迭代的過程。第一，如果我們以后再去做人工智能方向創(chuàng)業(yè)的時候，一定不能賭別人的業(yè)務(wù)是否能夠跑起來。如果你做技術(shù)輸出這件事，很大程度上是在賭你客戶的業(yè)務(wù)能不能跑起來，跑起來也許你能夠分到一杯羹。所以我覺得應(yīng)該在更大程度上把商業(yè)模式掌握在自己手里，自己去做垂直領(lǐng)域的應(yīng)用。同時，我覺得在國內(nèi)不像在海外有那么好的退出環(huán)境，如果你長時間沒有改善效率或者獲得收入，長期經(jīng)營很難支撐下去。所以提供技術(shù)服務(wù)總體來講不如做自己的應(yīng)用那么性感。

八

主持人：第八個問題，中國人工智能的核心科技研究發(fā)展與國際領(lǐng)先水準(zhǔn)比較如何？

孟醒：先澄清一個概念，中國的研究發(fā)展其實可以從兩個角度來理解：一個是說中國人本身在人工智能核心領(lǐng)域的研究發(fā)展，第二個是說國內(nèi)的中國人在這個方向的研究發(fā)展。
如果把中國人作為一個整體來講，從視覺領(lǐng)域去看，基本上已經(jīng)占領(lǐng)了視覺領(lǐng)域相當(dāng)大的份額。2015年在CVPR(計算機視覺三大會議里面的一個最大的會），我當(dāng)時隨便挑了一些論文，大概有20-30篇，作者里面沒有中國人的paper也就不到4篇。這個會基本上是這個領(lǐng)域最頂級的會議，這里面所發(fā)表的學(xué)術(shù)論文90%都是由中國人參與，甚至都是中國人主導(dǎo)的項目。
同時在這些會場里看到的也都是中國人。近幾年有這樣一個趨勢：以前絕大多數(shù)是海外華人（當(dāng)然海外華人成長也是最近幾年起來的），慢慢這幾年你會看到國內(nèi)越來越多的研究專家跟世界同步接軌，也參與到這些研究里來，在頂級期刊上發(fā)表文章。因為在國內(nèi)的院校像清華、浙大的一些老研究員和教授培養(yǎng)了一批在這個行業(yè)里面非常頂尖的學(xué)生，這些學(xué)生在海外一線院校都做出了很不錯的業(yè)績。
反過來講，純粹在國內(nèi)而沒有海外經(jīng)歷的研究人員，在頂尖或者在非常前沿的算法上可能還是和國外專家有差別。我說的這些差別都是非常短期的，因為這個事情在改變。但是我們創(chuàng)業(yè)的時候，通常會把算法團隊放在海外，哪怕貴一點，也會優(yōu)先從海外招人。當(dāng)然國內(nèi)也存在著很厲害的人，但是我們招聘的成本可能要高很多，而且這些人會被更大更成熟的企業(yè)更早地招走。

九

主持人：第九個問題，現(xiàn)在大公司都在發(fā)力人工智能，創(chuàng)業(yè)公司還有機會嗎？人工智能創(chuàng)業(yè)公司應(yīng)該如何考慮退出？

孟醒：先回答退出的問題，國內(nèi)的人工智能創(chuàng)業(yè)公司退出是一個非常大的問題。因為我們到現(xiàn)在為止還沒有建立起一個像海外那樣，為了得到優(yōu)秀的技術(shù)團隊而去收購一家公司的環(huán)境。這基本意味著我們的創(chuàng)業(yè)公司要么做出現(xiàn)金流，要么被海外公司投資或者收購。
在創(chuàng)業(yè)公司退出很嚴(yán)峻、同時大公司也在發(fā)力的雙重考驗下，我覺得如果創(chuàng)業(yè)公司堅決朝著2B這個方向去嘗試，找到一兩個比較合適的垂直行業(yè)深扎到里面，前景還是非常廣闊的。垂直行業(yè)里面的需求多種多樣，甚至有很多看起來非常簡單的東西，經(jīng)過算法的改造之后會有很大的提升空間。
很多公司上來就做終極挑戰(zhàn)，去做開放式人機交互，做聊天機器人，或者去做陪伴機器人。其實合適的應(yīng)用場景可以很簡單，比如微軟前天發(fā)布了一個應(yīng)用，跟某家快餐連鎖做drive through人機交互的自動化。
Drive through就是你開車經(jīng)過麥當(dāng)勞類似的快餐店時候不用下車，搖下車窗在一個話筒前面點餐，然后再在另一個窗口前面取餐，全程都是開車的，節(jié)省時間。原來這項工作需要兩個人做，一個負(fù)責(zé)記錄點餐，一個負(fù)責(zé)在窗口備餐和收費。現(xiàn)在微軟這套系統(tǒng)把點餐這塊完全替代了，難度相對并不是那么大因為輸入場景很固定。這是一個標(biāo)準(zhǔn)的極大的存量市場，都沒有用戶教育成本，技術(shù)難度和執(zhí)行難度都比較合理。
我覺得這種單個的想法不一定能支撐起一個特別大的公司，但是由于類似這樣的點非常多，例如圍繞快餐行業(yè)進行交互學(xué)習(xí)，因此從核心需求點這個角度切入，我覺得能夠支撐起若干家比較大的公司。這就像以前我們做O2O的樣子。
互聯(lián)網(wǎng)大公司也都在發(fā)力，而且在流量上占有領(lǐng)導(dǎo)地位，但是它很難做到在每一個垂直領(lǐng)域做的非常深，因為這本身不是他的核心業(yè)務(wù)。同樣，在人工智能領(lǐng)域，大的公司我覺得會在建設(shè)語音、語意等基礎(chǔ)的識別上發(fā)力，之后可能會去開源，而且將來開源的算法會達(dá)到相當(dāng)好的程度。
特別大的公司不可能針對每個垂直領(lǐng)域都開發(fā)出特別適應(yīng)的方式和產(chǎn)品。

十

主持人：第十個問題：以下幾個領(lǐng)域，您選擇其中一個或兩個具體分析一下吧。領(lǐng)域如下：聊天機器人+智能助手；人工智能在農(nóng)業(yè)、醫(yī)療、工業(yè)的應(yīng)用；3D場景重建；自動駕駛領(lǐng)域。

孟醒：那就聊聊最近非常火的聊天機器人這個領(lǐng)域。我們團隊基本上體驗過所有市面上的產(chǎn)品，中文的、英文的，大公司開發(fā)的如Google的和Facebook的各種機器人、到國內(nèi)我們做的各種機器人，人工的、半人工的，以及完全機器去做的。
之前我說過，我覺得懂得AI的產(chǎn)品經(jīng)理非常重要，因為他需要知道技術(shù)的邊界在哪，才能定義這個產(chǎn)品。
我覺得如果你的定位是開發(fā)一個人工機器人助理，目前來看，絕大多數(shù)公司產(chǎn)品都在解決頭部問題。因為頭部問題有量，有量才能培養(yǎng)人的習(xí)慣，也能培養(yǎng)機器的習(xí)慣。所以現(xiàn)在都在解決量的需求，例如打車、訂咖啡，還有一些相關(guān)的比較容易去解決或者頻率非常高的需求。
我認(rèn)為在頭部需求中用聊天對話這種方式去解決不是最優(yōu)的切入點。原因是所有這些頭部需求早就已經(jīng)有非常合適的垂直應(yīng)用來解決了。
舉個例子，打車這件事情，如果我的起點終點比較固定，比如永遠(yuǎn)是從公司到家，你用哪個App打開去做，可能沒有太大區(qū)別。也許區(qū)別就在于對話節(jié)省一點時間，但是你稍微去控制一下定位就可以解決，比如我今天是從東門出來，而不是從西門出來，滴滴可能是把那個針扎到東門而不是西門。
為什么滴滴的App做成了這個樣子，而不是你直接打開以后就可以有一個語音對話窗口，這是它本身產(chǎn)品思考決定的。所以我覺得頭部需求既然量很大，就有值得去為它做優(yōu)化的地方，而不應(yīng)該是統(tǒng)一，所以它的UI更適合分別優(yōu)化。
反過來講，其實長尾需求反而是適合做AI的。什么是長尾需求，就是我非常少提到的東西，比如我突然想改一個戒指，我想知道在哪有可以改小一號的工匠。
解決長尾需求成本是非常高的，尤其用機器的方式解決。但是只有當(dāng)你向機器人提出這樣長尾的需求，他同時幫你解決的時候，你才能夠獲得足夠大的價值。甚至于，我覺得真正成功的機器人服務(wù)是不應(yīng)該用祈使句作為主要交互方式的。
這點跟搜索是一樣的，搜索做的就是把長尾需求聚攏。這里的搜索肯定不是大眾點評搜索出來餐館或者機票，而是我們想搜出來某一個我們不知道的公司或者某一個人，我想看看它的背景，其實這些是非常低頻的事情，但是攢的足夠多就會造成一定的需求。
我覺得我們可以開發(fā)出像搜索引擎一樣提任何需求或者長尾的問題都可以解決的機器人，這個技術(shù)難度過于大。人很難成為所有領(lǐng)域的專家，但是成為一個領(lǐng)域的專家相對是比較容易的。對應(yīng)的，我們應(yīng)該把助理升級為一個專家，把他聚焦在一個垂直領(lǐng)域的專家。從語意上來講，我覺得他的輸入和輸出對應(yīng)的范圍是相對比較垂直的、固定的。
我在美國看過一家比較有意思的公司，公司不太知名，叫STATMUSE。這家公司主要做的是NBA體育數(shù)據(jù)庫，他把整個NBA體育數(shù)據(jù)全都爬下來了。你可以向他提任何相關(guān)的數(shù)據(jù)問題，比如我想知道“在姚明的職業(yè)生涯中，第一次跟奧尼爾交鋒時得到多少籃板”。這是一個長語句，而且它本身是一個非常開放的問題，你把他這句話扔到Google里面很少能夠回答上來，因為很少有人去提這樣的問題，這樣的樣本并不多。
公司在這個領(lǐng)域做的很好，它對應(yīng)的人群是兩種：第一個，是賭球的人，他們對數(shù)據(jù)的需求極其旺盛，尤其是做FANTASY體育的時候，完全是靠數(shù)據(jù)來判斷輸贏的方向，而且他們拍腦子就能想出我需要什么樣的數(shù)據(jù)，但是很難用一個既定的UI或者用戶交互界面來得到他們想要的那些通過復(fù)雜的篩選方式獲得的數(shù)據(jù)，用自然語意就可以得到，這就是一個專家所帶來的價值。
第二個方向，就是他們?yōu)轶w育解說做及時的反饋。例如我做解說的時候，看到一個球員投了一個球，我想說他已經(jīng)連續(xù)三場比賽在第三節(jié)投的第一個球很準(zhǔn)，這個數(shù)據(jù)怎么來，很難讓一個人在現(xiàn)場搜索這個數(shù)據(jù)。而機器人能在我想到以后馬上就搜，搜完之后能馬上告訴我，這個是一個很有價值的方向，所以他跟ESPN簽了一個很長的和約。
我覺得這兩件事加一塊，這個市場就足夠大了。賭球那個市場很大，而且代表的是一個有規(guī)律的、足夠垂直、足夠深的市場。我覺得在這個垂直領(lǐng)域的公司其實比一個通用的公司更有價值。