编者按:上周五，星河融快邀请了多位人工智能领域的专家、企业家、投资人进行了一场闭门分享会。星河互联人工智能事业部总经理、合伙人刘威葳发表了题为《人工智能创业者要回归商业规律》的演讲。演讲谈到了2017年第一波AI初创企业倒闭的现象。刘伟针对这一现象提出了一些建议，希望能给AI领域的创业者一些启发。
人工智能进入高速发展期，巨头和初创公司纷纷布局，传统行业也迎来了重构的契机。
对于创业者来说，随着巨头构建的AI生态系统越来越完善，存储和计算成本大大降低，AI初创企业的难度也在逐渐降低。数据显示，近两年新增人工智能企业数量超过过去10年总和。
在资本推动行业发展的前提下，一些初创项目出现了估值泡沫，从商业规律来看，人工智能要全面落地还有很长的路要走。
我觉得AI领域的创业者应该根据行业痛点深耕领域，打好基础，解决实际商业问题。
2016年，人工智能发展迅速。从标志性事件、巨头布局、投资数据可以看出，发展极为迅速，但整体仍处于起步阶段。
自20世纪50年代以来，人工智能得到了发展。早期不叫“人工智能”。它有很多契合那个时代技术属性的称谓，比如“人机交互、专家系统、模式识别、机器学习、深度学习”等。，都是人工智能覆盖的领域。
2010年之后，以机器学习为代表的一些课题的发展与之前有什么不同？可以发现，随着大数据的发展，越来越多的领域产生分布式大数据，可以训练算法模型。此外，FPGA、GPU甚至未来专用芯片的发展也使得低成本的底层计算能力成为可能。
目前在人工智能的基础框架中，最底层是基础设施，包括数据和训练模型。是中间的技术层，有算法和各种框架，上层有应用在不同子领域的解决方案。这就构成了目前人工智能的产业链。
从地域分布图可以看出，全球60%到70%的项目在欧美。从全球AI项目成立的时间来看，欧美的AI项目大多成立于2013年和2014年。在中国，2014年和2015年也创造了一批AI的天使项目。从推断来看，中国整体的AI发展应该比美国慢半年到一年，而且当时的一些明星项目还不叫人工智能项目。
这是AI与各个领域的结合，比如医疗、营销、商业智能、安全、金融、IOT等。基本上涉及了我们现在看到的所有科技领域和传统行业的方方面面。我们认为AI的前景还是很广阔的，但目前比较成熟的技术是医疗、金融、垂直领域的智能客服、语音、安防等领域。
医疗有一个典型的特点，场景和应用相对封闭，数据结构化。如果你得到了它的数据，就很容易得到训练模型，这是它的天然属性。
还有一些开区，进度稍慢。语音领域，现在其实是最有前景的领域。从测试集在安静环境下的测试准确率来看，基本可以达到95%。但是在非安静环境下，其应用效果并不好，实际效果还存在很多问题。另一个问题是对语义的理解，尤其是对汉语语义的理解还不成熟。
我谈到了人工智能的火热发展，但是从技术发展的角度来看，人工智能还处于初级阶段。从分布的象限来看
你看，大部分领域都是刚刚起步，语音可能更快，所以还有一些更有潜力的领域，比如智能机器人。从现有项目数量来看，智能机器人应该是AI最大的细分领域。
从成熟度曲线来看，语音第一，计算机视觉第二，尤其是安防领域。在封闭的场景中，有大量孤立的数据可以用于训练。在这些领域，它具有先发优势。
就像刚才说的，在AI火热的同时，从2016年下半年开始，我们看到了很多变化。以上是我们基于人工智能行业的演进和大环境的分析，看到的一些行业变化。
首先，IPO在提速。这种变化对前沿科技有影响吗？未来影响很大。
很多新三板项目已经退市。如果你整个项目基本面好，连续三年盈利，可能会去IPO排队。从数据上来看，还是能看到IPO提速的一个趋势，也听到证监会的消息，未来每周都会有十个项目通过IPO审核。按照这个速度，一年将有500多个项目。
其次，国内成长基金募集金额成为最大。成长型基金，A轮左右，商业模式得到验证的项目今年会特别受投资人追捧。事实上，资本市场的注意力倾向于后移，这一点我们从数据和通常的业务流程中感受到了。
最后，在这么大的资本驱动力下，AI项目会随着时间的演进和资本的驱动力，从早期的天使期逐渐过渡到A轮左右的趋势。你可以看到早期项目融资的金额有减少的趋势。
那么我们如何看待这些变化呢？
从数据中我们可以看到，有很多AI项目的估值很高，甚至整个人工智能领域在去年都出现了很大的泡沫。随着IPO的加速和项目随时间的不断演进，高估值项目的退出将面临巨大挑战。我们可以通过a股人工智能的概念项目来看一下它的营收、商业模式、PE、PS，用它作为标尺。其实你会看到，人工智能离完全商用还很远，离完全盈利的阶段还很远。
截至2016年Q3，以科大讯飞为例，科大讯飞全年营收约33亿，之后净利润4.9亿。我们以HKUST的快飞作为一个缩影来看行业，所以类似HKUST快飞的一些语音公司的主营业务还没有盈利，整体还在烧钱。这么高的估值，投资者该退出什么样的倍数或预期？这是一个非常严重的问题。
所以我们判断，在IPO加速和高估值的双重作用下，我认为2017年AI行业会出现第一波洗牌。那些商业模式长期得不到验证，估值很高，烧钱很猛的项目，会遇到没人接手，无法退出的风险。
最后分享几个我们对这个行业的整体看法，这些看法来自于我们对AI领域创业项目的长期跟踪、探索、思考和沉淀。
第一，算法壁垒会逐渐降低。
去年，如果你有一个好的科学家，一个好的算法分析团队，可能很容易拿到天使轮甚至A轮之前的融资。那是肯定的。去年我们也有很多这样的机会。当时对很多项目都很犹豫，不知道以后会是什么样子。团队好，背景好，很纠结。随着行业的演进，随着你越来越重视，越来越多人去做，不断有科学家进入这个领域，算法和壁垒肯定会慢慢降低。这是法律。
第二，项目要有垂直领域的深度能力。
除了算法，创业团队还需要具备行业深度和市场实践的能力。没有这些能力，项目落地就很难，很单薄，可能会面临很多危机。
第三，解决需求更重要。
在落地应用场景中，解决需求比创新算法更重要，所需能力更全面，创造的价值也更容易实现。那么，核心问题是，创业项目的产品能解决什么样的需求？
第四，整体解决方案更有价值。
软硬件整体解决方案比单一算法更有价值，硬件项目的壁垒比软件项目高一点，这是我们观察到的现象。所以整体解决方案极其重要。比如在产业初期，为机器人提供算法或硬件的核心部件是不够的。提供软件，客户需要找硬件，提供硬件需要软件。最好的能力是提供一套完整的软硬件解决方案。有这种能力的机会还是有的。
第五，数据资源更加稀缺。
垂直领域数据资源比单一算法更稀缺。能不能得到别人得不到的带标签的数据训练集？比如在医疗领域，这对于早期的训练模型是极其重要的。
第六，To B的领域会率先落地，To C落地需要5-10年。
人工智能会在To B领域率先倒下，C端还很远。只有B端相对成熟，能够低成本解决对C端的需求，C端才有机会落地。
第七，AI领域还有很多创新创业的机会。
在这个领域，还有很多创新的机会，我们也在积极创造和投入。
对于AI创业公司来说，首先要考虑的问题是如何生存。这里有四种生存方式:
寻找被收购的机会
加强生态合作，与合作伙伴整合解决方案，形成高壁垒。
管理现金流并有效运营。
能拿钱就拿钱，不要盲目追求高估值。
随着人工智能产业的发展，我们过于关注“人工智能”这个概念本身，相对弱化了创业法则。相信2017年在资本和产业发展的推动下，人工智能会趋于理性发展。也欢迎真正回归创业规律的AI创业者和我们一起进步，一起改变未来。
