干貨 | 美國頂級投資機構方法論“如何判斷一個 AI 公司值得投資？”
來源：作者：北美購房網時間：2017/9/15
掃一掃，隨時看
Union Square Venture 的 Fred Wilson 對 2017 年“預測”第 5 條：投資者第一個問題會是“你們 AI 戰略是什么”，并對“沒 AI 戰略”公司保持謹慎（詳見硅發布報道《頂級投資人Fred Wilson預測》）。
千真萬確，現在源源不絕的創業公司都自稱 AI，對投資者挑戰是：如何去蕪存菁找到真正的 AI 公司？來看下美國頂級投資機構 Canaan Partners 的 Rayfe Gaspar Asaoka 撰寫的一個“方法論”，其主要投利用 AI 全新、獨特數據來破壞舊商業模式的初創公司。以下是我們翻譯簡寫。
AI 已經過熱，但也僅僅是個開始。
從初創、大企業甚至到好萊塢，AI 無處不在。過去兩年，對“深度學習”搜索頻率增加了 4 倍，AI 似乎是每篇學術論文、行業研討和創業公司主題，感覺已“言過其實”，但穿越“炒作”，AI 的確是下代創新浪潮——且還僅僅是個開始。
復合驅動：平臺、算法和結果
過去幾年 AI 平臺迅猛發展，尤其是其子領域“深度學習”：其傳播算法背后的微分方程足以令大多數開發者頭暈目眩，但開源庫 TensorFlow（注：谷歌開源人工智能系統）卻能讓任何人得以建立最新分類和復雜的 ConvNet。今天我們有一把開源選擇，如學術機構研發的 Theano、Caffe 和 DyNet；商業化公司提供的 TensorFlow、CNTK 和 MXNet。她們競相成為開發平臺時也互相推動改進功能，這場競爭其實也是企業內部的“特洛伊木馬”，隨平臺變得更易使用，AI 也會日益成為企業核心。
當算法從經典的“Rules-based AI”（專家系統），到 Regressions（機器學習），到多層網絡（深度學習），到現在的強化學習，我們看到 AI 滲透進企業的各種新方法。如深度學習重新定義了使用非結構化數據的領域（如：計算機視覺和語音）；強化學習有了更廣泛應用領域，從時間序列數據領域（如：金融和安全）到多步驟過程（如：機器人和物流）。對初創，去部署利用多代算法建立專有數據和模式的護城河已刻不容緩。
那么帶來結果是什么？AI 第一次在“規模化”上，實現在真實產品和服務中提供真實結果。像谷歌、Facebook 和百度等已在 Geoffrey Hinton、Yann Lecun 和吳恩達等科學家幫助下對 AI 展開應用研究。谷歌高管 Jeff Dean 最近談到谷歌內部對 AI 使用增加——不僅是研究領域，還包括“生產”。許多方面，這與 20 年前“軟件優先”及 10 年前“手機優先”相似，下代成功公司將是“AI 優先”。
去蕪存菁的投資
源源不斷的創業公司都自稱 AI，對投資者和創始人的一個挑戰是：如何去蕪存菁找到真正的 AI 公司？對“應用層面上構建 AI 解決方案的公司”尤其如此。為穿越“炒作”，我用一個簡單的 2X2 框架來說明我們機構如何做這種潛在評估。
在一個軸上，我尋找具差異化數據集（如：有唯一標記的數據、專有數據）或算法的公司，它們將通過改進 Train、Process 和提高模型獲得長期競爭優勢；第二個是商業模式創新，特別是，那些將顛覆耗時耗力的人工程序的以 AI 為中心的應用。
如果一個公司在一方面很強，但另一方面幾乎沒有，它可能會獲得短期成功，但有更優質數據或更獨特商業戰略的競爭者會在未來利用他們弱點“彎道超車”。下代 AI 贏家將是這兩方面都有優勢的公司，不僅會改變一個行業對自己業務模式觀點，且當競爭對手發現并試圖挑戰時，想打破他們數據和算法”防御壁壘“為時已晚。
舉例說明：我們投的 Ladder，它有差異化數據集和獨特 AI 模型能實時處理人壽保險申請，而傳統保險業需 6-8 周處理一個申請，這使購買保險便捷/易用。而當他們繼續從消費者獲得更多數據，實時包銷模型將獲得指數級改進，從而得到數據護城河和商業模式的雙重優勢。
最后階段：AI 民主化
我們正進入人工智能生態系統的一個關鍵轉折點，“平臺”、“算法”和“結果”的力量不是彼此孤立，它們緊密相連且產生病毒網絡效應。AI 依然非常早期（盡管已大肆宣傳），該新興產業大部分價值創造仍有待實現，但毫無疑問，AI 潛力和廣闊領域是真實的。
本網注明“來源：北美購房網”的所有作品，版權均屬于北美購房網，未經本網授權不得轉載、摘編或利用其它方式使用上述作品。違反上述聲明者，本網將追究其相關法律責任。 凡本網注明“來源：XXX（非北美購房網）”的作品，均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。
標簽：美國投資機構
上一篇：干貨丨美國投資移民—常見的資金來源說...
下一篇：中央公園大廈：全球最高住宅樓成功融資...
