李开复：AI创业的十个真相

　　“重仓”人工智能，是李开复和创新工场未来几年的方向。但是，他面临一个很重要的问题：现在的 AI 创业，核心是 AI 科学家，而“文能起笔安天下，武能上马定乾坤”的 AI 科学家凤毛麟角，用他的话说“该创业的都创业了”。

　　这时，产业在面临一步棋。那就是：如何把一个普通的 AI 科学家变成“创业英雄”。

　　身为 30 年前就开始研究人工智能的李开复，觉得自己“技术味”的创新工场有能力推动这步棋，并且在这一步棋中获得稳固的战略优势。

　　李开复表示，

　　AI 创业现在是科学家的天下，之后是数学家的天下，将来是普通人的天下。

　　以下是李开复在《创新工场人工智能战略白皮书》发布会上的闭门分享，这里将其整理成为〈李开复：AI 创业的十个真相〉，呈现给读者。

　　

　　AI 科学家都是超级宅男

　　创新工场本身主营的机构是投资和投后的机构，我们当然是看项目、看创始人，他们有 idea、方向，我们就会用基金投资它。

　　过去的互联网创业模式，已经非常经典地被“精益创业”说明：

　　几个小朋友随便做个产品上去，能融资就融资，无法融资就拉倒。怎么样去惠及用户，迭代产品，之后变现，成为经典的模式。

　　这个创业的模式，红利时代已经过去了。当然以后还会有，但是不会像以前那么多。创业的门槛大大提高了，因为人工智能是下一批创业方向，而人工智能创业里面很核心的人物其实是 AI 科学家， AI 的公司没有 AI 科学家就没戏唱了。

　　但是 AI 科学家往往都是超级宅男，自己宅在房间里，整天做实验，突然你把他丢到一个残酷野蛮可怕的世界里，他自己创业成功率就不是很高。

　　很多 AI 科学家这辈子从来没想过创业，现在突然想创业了，然后发现自己长处特别长，短处特别短：

　　他也许技术很牛，但是也许执行不够；

　　也许他的产品展示起来很好，但是一做起来都是 Bug；

　　也可能他产品做得很不错，但是不懂市场；

　　或者懂市场但是不知道怎么去卖。

　　尤其 AI 本身又是一个 ToB 的业务，所以不是那么容易自己做一个局。所以 AI 科学家需要懂商业的人；懂 ToB 的人，需要工程师。

　　

　　AI 创业“不美好”

　　我们平时都会把 AI 创业讲得很美好，今天我就跟大家讲讲 AI 不美好的地方。

　　第一个就是：AI 科学家有短处。

　　这一点刚才已经说了，我们要想怎么帮“宅男”补足短处。

　　第二个就是：AI 创业很贵。

　　刚才讲的“精益创业”很便宜，因为几个小朋友不拿薪水，用零元就可以把第一个 App 推出去。

　　我们刚投资一家公司，投了 1 个月以后钱就用完了。我说你们不就 8 个人怎么钱就用完了，给了你好几百万元啊？但他们说，光买机器就用了 300 万元。

　　第三个就是：AI 需要资料。

　　辨识一张图片，最少需要几十万张样本资料，甚至几百上千万。谁给你弄资料？

　　所以做人工智能投资有一个非常头大的地方：一下顶尖的人就投完了。

　　过去这 2 年我们就到处去扫，从最厉害的团队出来的无人驾驶公司投了 2 个，没投 2 个。然后就再也找不到团队了，因为有资格的人就那么多。

　　我们做互联网金融，扫完以后大概投了 2 个，然后可能有 1、2 个错过了机会，1、2 个没投，然后就没有了。

　　因为 AI 科学家就那么多，能够创业把事情打造到一个地步的就那么多。

　　AI 的现状是“僧多粥少”。大家都去抢那几棵树，就把树拱到天价了。我觉得 AI 这片土地需要“施肥”，而不是抢那些非常少的农作物。

　　所以我们成立了“人工智能工程院”。我们可能花几千万元把机器搞定，然后帮助 10、20 家创业公司；我们从各种管道拿到资料，AI 科学家可以做实验；我们试着让更多有潜力的 AI 科学家，能够考虑来创业这条路，帮他们把可能 95% 的失败率降低到 40%，这样的话我们就能够产生自己的价值。

　　当然，投靠创新工场，我们帮你解决所有问题，也要求回报。本来可能 500 万元占股 10%，现在也许给我们 15%，我们觉得这样也就足够了。以后如果可以打造出独角兽，我们是有很多回报的。

　　

　　这个工程院得到金钱回报之前，至少得花掉 2 亿元人民币。但如果是我们施肥的，想必那些“农作物”会比较喜欢我们。

　　两、三年之后，AI 会像 Android 一样普及

　　长期来说，真的永远只能由 AI 科学家创业吗？其实不一定。

　　任何技术都有一条发展路径，一个很好的例子就是 Android。当年我们跟 CSDN 的蒋涛一起做移动开发者大会。第一次大会的时候，我问现场观众：有多少人看好 Android？大概只有 5 个人举手。我问有多少人看好 Symbian？500 只手举起来。

　　但当时我们坚决相信 Android 才是未来的道路，只是平台不够。现在大学里面的 Android、 iOS 培训课程非常普及，你如果是一个电脑相关科系学生，你自学也好，去上培训课也好，几个月之内你就可以开始做 Android 了。

　　AI 也是这样的状态。

　　要多久时间呢？我们大胆假设两、三年吧。这两、三年里，我们工程院会用一个非常独特而有价值的方法孵化科学家。三年后平台出来了，很多聪明的大学生可以自学。平台、工具越来越多，AI 会变得越来越容易用。

　　以后年轻人创业，我觉得可能比现在科学家创业更能成功。因为创业需要有动机、有狼性，愿意拼命。本来就要把自己名声、身家全部赌进去的。

　　有资格的人 6 个月就能成为 AI 工程师，有资格的人是指：数学天才

　　一位老教授，用 30 年的功力弄出一个新演算法。这种可能性是存在的。

　　但真正能发力的其实还是年轻人。很多年轻人只是苦于没有平台。

　　我告诉大家一个秘密。

　　如果你是一个有资格的年轻人，我们只需要 6 个月就可以把你培训成为一个 AI 工程师。绝对不是你想像的 20 年、30 年。这不像材料科学家、火箭专家──这种专家真的需要 30 年功力。

　　那么，什么人有资格呢？

　　很不幸，不是所有人。“有资格”简单来说就是：数学天才。

　　当然，这其中也涵盖了统计、自动化、电脑。中国人口这么多，光是数学天才应该一年都要产生个几十万了。

　　假设有 10 万个数学小天才，里面对 AI 有兴趣的可能就会有 5 万个（因为中国学生特别愿意追最热门的东西，最热门的定义是什么呢？很酷，能赚很多钱的）。

　　里面有 2 万个接触一些培训平台，花了 6 个月去做，这 2 万人里可能又有 2 千个是适合的领军人物。比如说他是 AI 网域的雷军、傅盛这些人等。

　　这 2 千个最终才是我们最好的投资目标。我们的工作就是让这些人出现。

　　所以短期我们是抓着科学家，再过 3、4 年我们要把这些年轻人都培训出来，让他们认知这是创业最好的时机。所以秘密就是：我们要挖掘中国所有的数学小天才，然后引导他们进入 AI 创业。

　　AI 接管人类？我们的问题是科幻小说看多了

　　我们应该怎样看待 AI 呢？

　　有人看到 AlphaGO 战胜了李世乭，瞬间就联想到 AI 要接管人类。实际上，这其中还差十万八千里。

　　AI 里最难的问题之一，是跨领域的自然语言理解。要做到这一点，需要内文的理解、需要跨领域的知识，还需要人类的“Common Sense”。

　　例如我突然和你说：“中午还好没吃汉堡，麦当劳不好吃。”这句话所有人都明白什么意思，但是机器很难读懂。它可以每个字都辨识正确，但仍然无法“理解”。

　　再例如：打开的熨斗不能摸，沾水的手无法碰电。这些东西不用讲我们都知道。但是电脑怎么会知道这些事情呢？

　　你怎么去教电脑跨领域的知识？你怎么教会它七情六欲？你怎么教会它什么是美？什么是爱？什么是宗教？什么是信仰？这些东西差得还非常远。

　　揣测可能发生的事情跟确信一定会发生的事情，这两个还是要分辨清楚。任何刚才讲的 AI 无法做的事情，我们都无法揣测多久会突破。有人说 5 年，有人说 50 年，也有人说永远不会。

　　我觉得我们真正应该讨论的事情是怎么用 AI 来创造价值，怎么让人类能够消灭饥饿和寒冷，让每一个人都能有尊严的活着。

　　例如，未来很多蓝领和白领的工作都会被取代，也包括了记者。当然有些深度文章机器可能过 50 年也写得出来，但如果你从网上收集一些资料，例如科大讯飞发布财报，产品多了 30%，解析师说股票怎么样、未来人工智能被看好什么的，这种东西机器已经在写了。

　　宕机器能够取代简单的工作时，当 5 秒以内就能思考完的事情人都不用做的时候，当这么多人可能失业的时候，这些失业者应该怎么做？我们如何重新训练他们？孩子的教育是什么样的？怎么让人类继续找寻应该做的事情？也许造物者不希望我们做这种无聊的工作，让我们都做有意义的事情，所以才用机器取代了我们。

　　刚才讲的这些事情都是 10 年内会发生的。

　　

　　当然未来也可能是 AI 养活全世界，我们也许都成为 AI 的宠物，在家里戴着 VR 头盔玩游戏。机器会不会有自我意识，会不会取代人，会不会成为物种，虽然未必不可能，但这些是未知的。

　　很不幸的是：我们科幻小说看多了。

　　“AI 新物种”、“取代”、“奴役”，这些当然可以想像，但有更多必然的、有意思的问题，更值得我们去思考。

　　

　　AI“低处的果实”还没摘完

　　人工智能有很多学派。符号学派、连线学派等等。但是除了深度学习，其他方法经过多年验证，是不太有发展的。

　　模拟人的分析方法，希望把 AI 变成一个规律和专家系统，过去 50 年已经证明了这个思路不行。当然也许某天会有突破，但是直到那天为止应该是不行的。

　　就我自己的背景来说，在 1988 年，我就开始做语音辨识。当年第一套系统就是用完全机器学习的方法来做的非特定人类语音辨识。

　　现在看起来这是一个特别小的方法：世界上有一个人能够从纸上读出语音，我的老师就要把这套方法变成一套专家系统。

　　当年让我很坚定地认为：机器的构造跟人脑、人的思维方式其实是不一样的。我们硬要把 A 放到 B 其实是很困难的，就像我们无法逼自己变成一个深度学习者，去解析事情──我们脑子思维就不是那样的，是不自然的。

　　用脑科学的方法制造人工智能，是一个未知的领域。未知的东西有它的魅力，你要做研究就要做未知，你要有了突破那就是创新。在学术领域你做每一件事情的衡量标准是：我要做别人从来没做过的东西。我们可以假设脑科学跟未来的 AI 是相关的，我们可以去证明这是或不是。但是从投资的角度来讲，押注的风险就太大了。

　　当年深度学习也是因为资料不足，碰到了瓶颈。但近年我们看到有好几个特别大的变化：

　　第一个就是特别大量的资料在某些网域开始产生，而且我觉得我们目前还没有用完。

　　第二个就是 GPU 的使用让我们能够更高效地、非常快速地做深度学习。

　　现在我觉得，所谓的深度学习的果实还远远没有摘完。人工智能用软件来说百花齐放，一颗颗大果实就在你面前。在这种情况下，你还要去种花，何必呢？

　　我们把 GPU 和海量资料在全世界扫一遍，应该还够我们 VC 界吃个 5 年，所以从投资的角度这是非常清晰的事情。

　　再往下走，我觉得 AI 肯定不是只有深度学习。例如现在还有增强学习的方法，也在探索。AlphaGo 里面也不是只存在一个方法。所以我觉得学术界其实应该开始帮助和探索更多可能性，当我们把这 2 年的粮食吃完后，也许会有更好的机会。

　　我没有 AI 宗教信仰

　　当然未来 AI 也可能没有进一步的突破了。

　　如果没有的话，那就说明 AI 的黄金时代过去了。下面就是物联网或其他什么的。身为投资机构，我们并没有一种 AI 宗教信仰，我们还是要掌控灵活度。

　　就像移动互联网时代，当时我们应该是业界最高调的移动互联网 VC。但随后我们根据情况做了调整。

　　如果学术界跟产业界有合理的分工，我对未来 5 年投资界和产生的价值非常乐观，对于所谓 AI 泡沫我认为不会发生。当然有个案会是泡沫，但是我认为能吃的粮食实在是太多了。

　　学术跟产业的分工大概是这样：

　　一方面是一个天然有机的分工；

　　另外一方面又有一点羡慕嫉妒恨。

　　一般来说学术界看不起产业界，但在某个时刻突然产业界一个技术成熟了，在这个技术上学术界就做不到产业界的成就了。于是学术界就被逼去做新的东西。例如现在再做人脸辨识，学术界已经打不过产业界了。所以在人工智能领域，很少见到一个老教授一生只研究一个命题。

　　AlphaGo 本身没有商业价值

　　AI 会带给我们什么价值呢？

　　我想先说说 AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因为我们这样的专家把它讲得太悬疑。

　　之前我觉得围棋比西洋棋至少难 10 年或 15 年，但后来结果证明我过于悲观了。我过于悲观其实有很多理由。我当时认为围棋要比西洋棋难了一个天文数字，但天文数字也是数字。

　　

　　在 AlphaGo 之前最好的人工智能棋士达到业余五段。而 AlphaGo 最新的 Master 和职业九段之间的差距，大致相当于职业九段和业余九段的差距。这确实是很大的跳跃。

　　为什么会有这样的现象呢？也就是说，为什么下围棋的人工智能进步幅度这么大呢？

　　其实有一个非常现实的理由，就是想赚钱的人不会去做围棋。你看 AlphaGo 的专家队伍也没那么了不起，就是 20 个很厉害的机器学习专家。在 Google 里面可能有 2 千个这样的人，在微软里有 1 千个这样的人。原因在于微软和 Google 过去没有想拿 2 千个专家的力量打败职业棋士，他们更多时间都在做语音辨识、人脸辨识这些较有价值的事。

　　在没有价值的事上，用 20 个专家就算不错了。

　　金融、医疗是有商业价值的 AI

　　有商业价值的 AI，影响就大了。

　　AI 在资料量大的领域最易应用。这些资料最好被准确、自动化标注。

　　AI 在无摩擦的领域最容易应用。一个领域里如果有制造、测试、物流这类摩擦，那就麻烦了。无摩擦的领域是什么？医疗是无摩擦，金融是无摩擦。

　　AI 在赚钱最多的领域容易应用。毫无疑问，最赚钱的又是金融。

　　所以金融毫无疑问会是 AI 最快征服的领域。因为你的演算法可以很快就变成钱。

　　医疗也是一个特别巨大的领域。而且医疗相对传统，能产生增值的机会很大。而且它不是基于大数据。最好的医生是什么？就是他自己是一个深度学习的机器，根据经验做了好多好多次。

　　假设他诊断了 5 千名病人，诊对了很多，错了一些，之后他的判断就会非常精准。但一个好医生可能最多也就诊断 5 千个病人，但我们的资料是 5 千万个病人的级别。所以医疗超越医生应该非常必然，是全球性的趋势。

　　但 AI 医疗需要解决隐私问题，可能会有一些挑战。

　　

　　机器人世界的大门，要靠智能驾驶来敲开

　　除了大数据应用，还有就是科幻型的应用了。包括机器人、无人驾驶这类领域。

　　目前看得非常清晰，而且全球达到共识就是无人驾驶。有时候你要做一个科幻型的东西，需要万事俱备，天时地利人和才能推动。但是一旦开始动它就不得了。就像以前我们的移动互联网改造了整个产业链，以前的 SP、诺基亚之类。这样的产业变革来临，基本旧的企业全部会死掉，换成一批新的。

　　交通就会是下一个产业。我们非常幸运，目前有了共享经济，还有电动车。这两个领域已经在推动了，可推动的过程中遇到了一些阻力。

　　现在无人驾驶出来，就会改变世界的经济格局。我相信，世界经济 10% 是和交通和运输相关。虽然真正的无人驾驶到来可能还要 10 年，但有些其他的事情可以更快做好。

　　比如风景区游览车，比如运输卡车。

　　你可能会问，如果自动驾驶技术还不成熟，卡车下了高速公路怎么办？没问题，我们把仓储全设在高速公路旁边不就行了。

　　万一卡车看错路怎么办？那我们就重新修路，在路上放很多标帜和感应器，这也不是很困难。

　　所以我们未来 3、5 年我们就可以用很多修补程序，让无人驾驶能在有限的环境之下使用，所以千万不要认为自动驾驶还有 10 年才来，现在跟我们无关。

　　我们很少看到有一个产业从头到尾全部“投降”了。

　　哪家汽车公司还敢不说无人驾驶？每一家都在拼命想办法解决，整个产业力量都进来了。

　　全球的资本力量都在投资无人驾驶公司。

　　最新最酷的创业者，很多都在无人驾驶领域创业。

　　这是一个不可逆的必然趋势，会对各产业造成全新的布局。

　　例如，司机该怎么办？没有车会停下来，停车场该怎么办？以后的汽车长什么样子？道路要提供什么感应器？哪些领域是最快赚到最多钱的？

　　这些我们其实都不必太担心，因为最有商业嗅觉的人和最有科技能力的人已经每天推敲这些事。他们或者说我们，一定会找到解决方案。

　　当一辆无人驾驶汽车可以上路时，汽车之间就能对话了。例如：前面发生车祸，我的车要回避。今天我的主人急着上班，你让路给我，我给你 2 毛钱行不行？

　　这种情况下机器人就变得可行。与其期待家里的机器人以陪小孩玩的方式进化，还不如期待无人驾驶汽车促进机器人的进化。

　　（本文由 雷锋网 授权转载，首图来源：李开复）