文|王维嘉 信中利美国创投公司创始合伙人
对于人工智能，有人说它是“仙女”，有人说它是“魔女”，从投资人角度来讲，无论是“仙女”还是“魔鬼”，它都要给投资人带来收益，它须是一个“娶回家的媳妇儿”，能“怀孕生孩子”。
创新浪潮的规律
从1985年第一次到美国至今几十年间，我在硅谷观察到了几个规律。
第一，创新大约以十年为一个周期。我经历了四次创新浪潮，第一次是个人电脑，第二次是互联网，第三次是移动互联网，第四次毫无疑问是人工智能。为什么是以十年为一个周期？因为十年间，所有能做出的技术都已经做出来了，能成功的商业模式也成功了，一些大型公司也已形成了垄断，风险投资也无法再进去了，所以他们不得不寻找下一个方向。因此，我们在硅谷的美元基金的投资期限全部是十年。
第二，中国的追赶。当创新浪潮刚出来的时候，如当我们2007年第一次使用IPhone的时候，中国手机基本都是山寨机，质量与IPhone差得非常远。但十年内，中国基本上已经迎头赶上，今天华为手机在很多方面都已经超过了苹果。但是，当中国刚刚追上的时候，美国下一个浪潮又出来了，人工智能就是从2012年开始启动的一次新的浪潮。
在此之前，人工智能已经出现并研究了60年，这次有什么不同？最大的不同就是这次不再需要人去编程，而是让机器从数据里学习。我从1988年开始也做了几年的人工智能研究，当时的人工智能没有任何商业应用，所以我转行做移动通讯。而到今天，因为计算能力、数据提高了十个数量级，这就相当于一个火箭的引擎、燃料增加了十个数量级，所以人工智能起飞了。
关于人工智能，我们从媒体报道里听到过很多词，大家千万不要被这些词“忽悠”了。人工智能、机器学习、神经网络和深度学习，四者之间是互相包含的关系，从我们外行或者投资的角度，完全可以把它看成是一回事。今天的人工智能主要是模仿人脑。人类学习的主要功能就是当你受到外界刺激以后，你的神经元开始发送电流，然后和附近的神经元产生新的连接，这个新的连接就是记忆。如果不断地刺激，刺激越多，我们的记忆就越深刻。
今天，我们所有神经网络的原理都很简单，就是用一个电子的电路来模仿一个神经元。如果我们要投资人工智能，很重要的一点就是要把整个生态搞清楚。
金字塔结构
对于人工智能的生态，我总结出了一个金字塔结构。
处于最顶端的叫算法，算法是什么？如果我们把人工智能当成一个火箭，算法就是引擎的设计。以发动机为例，过去是螺旋桨发动机，现在是喷气式，喷气式这种新型的发动机就是算法。
算法下面是芯片。芯片就是引擎本身。这两个东西是最重要、最基本的。
再往下是计算软、硬平台，特别是软件平台，在未来的竞争当中，它的生态系统就在这一层。谷歌有一套开源系统，全世界大约有几十万工程师在谷歌这套开源系统上开发软件。未来的竞争是，即使你能产生出芯片，如果没有人给你开发软件，芯片也没有用。
最底层就是市场机会、投资机会最多、GDP产生最多的应用。应用层面哪个领域市场最大、机会最多？首先是以电动汽车和自动驾驶为代表的各类应用，代表着一个5万亿到10万亿美金的市场，它会使我们现有的汽车行业发生天翻地覆的变化。还有图象识别，如人脸识别、医疗图象识别、语言文字处理等。将来语言文字的技术可以发展到什么程度？据个人估计，十年之内，我们只要戴上一个耳机，走遍全世界可以不需要其他翻译人员。
在2007、2008年 ，当移动互联网出来的时候，我们在讨论什么是移动互联网的杀手级应用。很多人认为移动互联网无非就是把搜索条放在手机上，在手机上看网站，即把PC上的东西放到手机上。但最后我们发现，移动互联网不是这些，那它是什么？是滴滴打车、O2O，因为只有手机有位置信息，而PC没有。所以今天我们所看到的从自动驾驶到智能医疗，可能都不一定是人工智能的惊喜市场，真正的惊喜市场也许还没有出现。
人工智能的优与劣
那么人工智能到底是什么？其实非常简单，就是让机器学习数据里的相关性，只要数据有相关性，机器就可以学习。今天的基于神经网络的人工智能就是如此，死记硬背，然后熟能生巧。让它看的场景多了，它就记住并学会了，它的大脑智能还仅相当于爬行动物的大脑，和今天人类的智能还相差甚远。
我们知道，人类的智能除了相关性之外，我们在学习和判断的时候还有一个依据是因果性，但今天的人工智能里是没有因果的，它不懂因果，只知道相关，这是它和人类思维的最大区别。简而言之，它不能举一反三。比如，你给一个小孩看一只黄颜色的狗，明天给他看黑色的狗，他就知道这是狗不是猫。如果是机器，我给它看的狗全部是黑色的，突然再拿一只黑猫给它看，它还是会认为这是一只狗，因为它认为狗最重要的特点是黑颜色。这就是当前人工智能出现的问题——它不会把最重要的特征提取出来。所以在美国有一批反对当前人工智能神经网络的模型派，他们认为人工智能一定要理解世界，要有模型、有因果，不能只靠相关性。这就是今天人工智能的局限性。
我举两个例子，都是我们投资的项目。第一个是发现新药和医疗诊断。发现新药是一个什么过程？比如癌症，癌症中起主要作用的是蛋白质，要攻克这类癌症，生物学家首先要找到目标蛋白质，剩下的事就是化学家要找到能与这个蛋白质发生作用的化合物。那么目标蛋白质怎么找？当前的做法是几百名化学家根据他们的经验从无穷种的化合物中去试，就像炼金术一样，去做实验，不停地筛选。这个过程大约需要两年，花费2-4亿美金。今天一个新药发现的成本是30亿美金。
那么对于这个过程，人工智能会怎么做？将历史上所有能与蛋白质发生作用的化合物的数据提供给机器，让机器开始学习，从而总结何种蛋白质配何种化合物。实际上，它就相当于一个有经验的红娘，如果一个红娘成功为一万对新人牵桥搭线，那么当有一个小伙子需要找另一半的时候，这个红娘基本上也能为小伙子找到八九不离十的人，身高、体重、脾气、性格基本上都符合要求。
医疗诊断也是这样。人患疾病后，身体会出现相应的症状，比如一个人血糖高，那可能与心脏、肾、遗传有关，这就是它的相关性。一个有经验的大夫可能只会想到三五种情况，但是机器可以判断得非常准。如果你把历史上所有人类的病例都提供给它学习，那它就会成为一个最有经验的老大夫。
第二个是通用机器人。我们投资的这家公司主要是做机器人，现在的机器人还需要编程，比如你让它做的工作从一件事变成另外一件事，那就需要对它进行重新编程。这家公司的目的就是希望通过训练让机械手能听懂人类的指令，并按照指令操作。
今天自动驾驶电动车的核心有两个，一是环境的感知，所以要有一堆传感器，激光雷达、摄象头、毫米波雷达等等。二是软件，用来帮助车辆做路径规划。硬件是感知，软件是路径。今天自动驾驶的问题在于哪？就在于虽然激光雷达已经非常非常精确，但是它的售价是1万美金。我们投资的这家公司可以将毫米波雷达做成香烟盒这么大，售价200美金左右，而且可以全天侯工作。
人工智能的应用
根据以上的分析，哪些领域能应用人工智能？只要满足两个条件就可以应用：一是数据密集，一是钱多。人工智能还能做哪些人类做不了的事？比如艺术，有一张图片，我希望将它变成具有梵高风格的油画，再优秀的画家也不一定能做到，但机器可以，只要给它提供所有梵高作品的数据，让它学习，这也是相关性。
所以人工智能和互联网的区别是什么？我认为最重要的区别是互联网公司全部是2C的公司，而人工智能到今天为止全部是2B的生意。这一区别对我们投资人来讲非常重要。比如在2C的生意里，一般是赢者通吃，所以当一个新的商业模式出现以后，所有人不惜一切代价都要进入，为什么？因为只要它成功了，多贵都不算贵。但是人工智能2B的生意就不一样，比如在中国人脸识别领域，同时可以存在多家公司，到最后要拼销售，看谁能将最大的客户群搞定。互联网是从商业的边缘启动，而人工智能是从商业中心爆炸，如金融、自动汽车。
总结一下，AI时代的投资逻辑是什么？赛道怎么选？第一，数据相关性可以优化产业流程的赛道可以进，即产业要足够大。第二，如何选车手？拥有独家技术其实非常难，我看了上百家人工智能公司，他们很多都是用GPU、用谷歌的东西，原创的算法非常难。独占数据非常困难，但不是不可能。
如果一家公司有独创的技术，还能独占数据，那这家公司就非常值得投。但如果没有独家技术，也没办法独占数据，那我们就看先行优势，如果它进的产业比别人早，叠加的次数比别人早，那它的东西就会比别人好，这样的企业也可以跟进。
从投资的角度，我们要回归基本，要看技术壁垒、市场规模、团队等等，这和其他的投资一样。很多人会问，今天做人工智能，在中国如何与BAT竞争，在美国如何与谷歌、脸书、亚马逊竞争？我认为，今天他们拥有的数据，十年后都不再叫数据，为什么？他们拥有我们每个人的DNA数据，我们每个人的病史吗？他们拥有石油的数据吗？他们拥有汽车驾驶的数据吗？没有，这些数据都在行业里。
所以，作为新创公司，我们和他们竞争是没有问题的。但是2C的生意，这些大公司会逐渐吸进来，所以当你的人工智能要进入2C市场时，就一定要当心他们。
在硅谷，我们要帮助企业从零到一，我们投资的公司一定要有三个落差：一是技术落差。比如在决定投资前，我们一定会问自己，这样的技术中国有没有。如果有就不投了，一定要中国没有，且技术落差要非常大；二是时间落差；三是资本落差，同样是人工智能公司，在硅谷的估值是中国的五分之一到十分之一，仅这个资本差就非常吸引人。从VC的角度而言，我们坚信江山代有才人出，各领风骚三五年，“新科状元”一定会呼啸而来。