应该说人工智能的话题喊了几十年，就像互联网也喊了很多年才落地，智能手机喊了很多年才普及一样。人工智能现在突然爆发起来，不是偶然的，背后是技术的巨大进步，把一些长期以来有痛点、但是解决不了的问题解决了。

　　智能机器领域更是，这个领域未来会全球化竞争，中国在很多行业上是有优势的，例如安防、物流、零售，都是世界上最复杂的，这些技术的在对外输出方面有较大的发展空间。

　　作为天使投资人，我们的责任就是“春江水暖鸭先知”，对趋势应该更敏感一点。从这个角度看，现在互联网确实在进入一个阶段性的冬天。

　　并不是互联网本身有问题，而是互联网作为一种效率提升工具、一种信息的赋能工具、一个打通信息管道并消除信息不对称的工具，它的边际效应已经逐渐到了瓶颈。当各行各业可以很方便的互联网作为工具时，只喊着互联网，或者因为互联网而大肆烧钱，指望未来效率大量提升，就不容易成功了

　　我经常举的一个例子是，神州专车现在开始逐渐的向上走，而Uber、易到，在运营出问题的情况下，就开始下滑，这是什么原因？神州是传统企业，不怎么互联网，但几个月来，互联网滴滴模式的东西它也都学了去了，它的App，它的LBS，它的智能化定价，运力管理，都做的不错了

　　而同时，他所擅长的低成本车辆采购、高效司机管理，服务质量的管控，这些运营侧的优势就逐渐显示出来了。而互联网企业，如果不能利用互联网带来更高的效率提升，就谈不上什么优势，如果对黑车司机这种问题的管理跟不上，用户体验不佳，也就越来越下坡路了。

　　这部分大家现在都渐渐有了共识，我们就不展开了。回到今天的主题，下一个春天在哪里？我们在观察：下一个技术，什么技术能带来互联网这样的巨大"新能量"，从而改变各个交易链条呢？那就是人工智能

　　现在说的比较多的人脸识别、图像识别、语音识别，都是老生常谈。历史上也诞生了一些公司，能解决一些问题，能在限定的场景内达到一定的识别率（我昨天看有人在回忆李开复的博士阶段就做到了95%的识别率，这个是真实的，但也是加了大量的限制条件的，并不实用）。

　　以人脸识别为例，以前的技术要求人配合机器，站在一个专门的摄像头前，静止一秒钟，专门的光线条件，在几百人几千人的库里被识别出来。这样的技术可以用，但只能用来做个门禁，做一个卡口的配合检查。如果想用在身上，让机器人能和人正常的社交，就完全不行了。

　　而现在的技术是什么：十几亿人的大数据库，每秒100帧以上的识别率，非配合场景、自然光线、侧脸和遮挡，都能以很高的识别率识别出来。这才有了安防、金融等领域的大量应用。

　　这样一个细分领域说起来很小，但最近几年来，特别是2015年以来，在各个识别领域的进展都是这样飞速的，人脸识别、商品识别、图像、手写文字、对各种动作，以及对自然语音的识别等等。

　　这些加起来，就构成了非常大的突破，机器对“物理世界”的理解能力，得到了大的飞跃，让机器（包括计算机、手机，也包括各种实体的机器、机器人）可以准确地理解各种任务、各种环境，去做大量的人能做或人都不能做的事。

　　所以我想说的第一个观点，就是人工智能的快速成熟，在2015年正接近临界点，从老生常谈，到真的可以感知和理解这个世界。

　　这背后的原因，其实还是要感谢互联网、移动互联网时代的“遗产”，正是我们每天都在产生的数据、上传到云端的数据，促成了一天就相当于过去100年的数据量，促成了云端大脑的成熟。

　　在这样的技术背景下，更具体的机会在哪里呢？因为一批技术平台，深度学习这一代技术驱动下的技术平台，都是在2010－2011年的样子就建立了，现在都已经很有规模了，再去重新做底层技术，从资本和创业者的角度都不是最好的，重复发明轮子。我的观点是，底层技术的成熟，为创业者带来了强大的工具，有几个方向都很有机会：

　　在互联网上，利用智能技术的进步，进一步的去理解用户、理解服务或商品、理解交易，进一步的去精准推荐，提高有效性，把流量的价值发挥到更大。这方面现在很多人在做，互联网公司也有很大的流量和数据积累优势，机会很多，挑战也很多，我们回头再说。把智能技术和机器技术结合起来，开发新一代的智能机器。绝不仅仅是机器人，也不光是智能硬件。包括各种智能的工业设备、服务设备、汽车、飞机、业务系统等等，这一领域很多的机械技术／机器平台本身很成熟，可以再改进，但关键是利用智能技术的突破，给机器带来强大的“理解任务、完成任务、自动化、柔性化”的能力。

　　这些智能机器，在每一个行业的链条中都有需求。现在互联网改造的更多是各行业的销售、市场环节，另一部分通过SaaS模式影响到内部组织管理或者通过B2B交易平台影响到了企业采购。但大部分行业的生产、任务交付这些核心环节，还不能光靠互联网被改造。这里都是智能机器的很大机会，而且行业缺乏巨头，BAT互联网巨头们不能先天凭借流量和生态优势而取得垄断地位，对初创团队是有利的。

　　所以我的第二个观点是，人工智能的大爆发中，智能机器的行业应用，有大量的机会。

　　这里再说说，为什么2B的行业应用看上去这么不好做，水这么深，反而可能比2C的「酷产品」更有机会

　　应该说这也是我们这些年投资了不少智能机器／技术驱动的项目得出的经验。丁盯智能门锁就是个典型案例：开始也想过做2C的家庭客户，后来还是找到了短租公寓、房东这样的行业市场，然后最先取得了突破，现在成为最大的智能门锁企业。

　　2C看上去很美，但对于智能技术等“先进技术驱动的项目”来说，其最大的问题还是，一开始产品很难做的很完善，因为技术开始没那么成熟，或者适用范围窄，或者成本高，或者需要一定的实施和定制化。

　　如果技术上来就很成熟很通用，那也就不是先进技术了。

　　而C端消费者对于不成熟的东西，买单意识总是很差。他们希望足够完善、足够通用、足够便宜、足够漂亮，甚至其他方面也足够好。但这并不可能。

　　而2B的消费者相反，如果能找到合适的客户，他们有痛点、期望解决问题、而且能通过解决这样问题使得企业能够快速发展、越做越大，也就能给产品带来销量，并成为行业行业标准。

　　具体到智能机器领域，我觉得2B客户至少有几个优点：

　　对核心功能以外的事情高容忍，比如我们face++的人脸识别摄像头，能抓住坏人，但在安装上肯定有要求，在外形上不一定上来就很漂亮，用户根本无所谓：）对价格能高容忍，只要你能解决核心问题。这也就意味着不用面对销量低时bom降不下来bom高了卖不动的常见悖论。很多案例下，只要切入点准确，2B客户不在乎成本短期内高一些。可以人机混合，这是我觉得最重要的。

　　2C用户往往希望机器独立解决很多问题，而2B不同，他可以配置1个人＋n台机器形成一个组合，把机器不好解决的一些问题还交给人来做。例如我们说的人脸识别追逃犯中，警察还是可以去实体确认下对不对；我们的物流机器人中，机器手不容易做到的特殊商品可以安排人来拿。先跑起来，再逐渐解决这些人来做的环节，不断替代，渐进改进。可以聚焦单任务，用户对家庭机器人的期望估计是保姆，什么都能做，但谈何容易？行业客户还是可以聚焦单任务的，再通过一个个任务和功能的积累，逐渐成熟，逐渐降低成本并树立品牌，长期看，2B也可以转为2C。

　　以上说的，都是2B比2C的一些可能优势。反过来，我觉得对于2B的智能机器创业者，我们的建议也是要利用好这些优势，避免“做一个太复杂的木桶”，而是能利用和客户的深度合作，把精力聚焦到做出核心功能、做透核心功能和长期价值。

　　这是第三个观点。第四个，再简单说一下，我们觉得什么2b领域有机会。这个在座的各位肯定都更专业，你们选择一个领域前肯定经过了深入的调研。我只能通用的说说：

　　人力密集型行业。（这些行业）人所从事的劳动，是不断重复、但有一定的灵活性的。比如，物流行业的不停的分拣、搬运（每次东西不同），建筑行业的不停的做工（每次的场景和多少不同），零售服务等行业的一些岗位（比如不停的送东西，但每次东西可能不太一样）因为重复工作适合机器代替，现在人力成本上升太快。而有一定复杂性和灵活性，是这一批智能机器的机会。如果太简单，就是机械重复，那上一批自动化时代已经改造的差不多了。

　　这里面特别建议，利用视觉技术、人机交互技术的发展机遇，很多事情都可以用机器来替代。用人规律有特别明显的波峰波谷的行业。这样的行业，现在如果还是招人／遣散人／再招人很困难，如果有机器替代部分，客户十分欢迎。例如物流、农业。行业的趋势，对柔性有很高的要求。比如现在很多制造领域在C2B的逆向决定任务，物流从原来的整件运输到向灵活的按需、小商品级别的分拣配送。这里面人的能力有极限，培训难度也非常大。危险、特种、大空间尺度的很多任务。最后但最重要的一点，很多海外（全球化）的机会。大家都知道现在中国互联网公司不少在出海，发展也不错。

　　所以，第四个观点，就是2B领域的选择，这些有需求、有纵深的领域，即使不是技术非常先进，只要能深入去理解行业需求，和业务系统有好的结合，我觉得也会有一批创业的机会，包括Saas＋机器混合的机会。

　　问题：刘维老师，很高兴今天能参加这个微课活动，并认识您！作为图媒动画内容制作公司，我们希望找到一种能够识别，设置，跟踪，匹配图媒作品和创作者身份数据平台，能帮助设计师理解用户的习惯和注意力，通过人机交互，视觉技术帮助设计师将内容生产与用户模型进行匹配和关联。我们希望有这种图形图像识别跟踪平台和技术资源，不知能否指望人工智能技术？或者说，这个方向有没有创业机会？

　　刘维：我觉得这个方向是很好的，设计师原来也是凭个人的理解在创作，质量好不好也只能通过客户的简单反馈。但未来这些都可以通过深度学习、更高频和深入的用户反馈包括最终用户反馈，来了解到哪里设计的好和不好。机器逐渐也能自己尝试做些设计。下来我们可以再多做交流！

　　问题：刘维老师您好，我想了解下，目前全球范围内，有没一家做的非常出色的2B的思维机器人的公司，智慧型软件可以，面向垂直领域的。

　　刘维：我对思维机器人这个概念理解的不一定准确。如果说是能理解2B任务，能“思考”的机器人，我觉得分领域都有一些不错的。例如，物流领域的很多机器。我个人的观点，智能都要有一个「任务」。比如是更好的调度？更好的推荐？更好的搜索？越具体的任务，越能形成循环，不断优化。这也是和传统的基于规则的自动化设备的区别现在围绕一定任务的问答机器人进展很快（只要回答的质量是可以评价和反馈的）。比如，美国现在几款围绕用药指导、疾病诊断的专家系统机器人（软件）。

　　问题：维总，联想之星很看重智能机器这块发展，想问一下联想在智能机器领域的投资目前是个什么情况，投资了哪些公司？接下来希望能找到哪种类型的智能机器领域的公司？

　　刘维：关于联想之星的投资，这部分是我们三大投资之一，2010年开始投资，到现在投资了30余个项目。两大类，第一是技术平台，有目前几大领先的识别技术类公司，face++、思必驰、好买衣，还有Airmap、Ablecloud这些无人机、智能硬件的底层云平台等等都是我们天使投资的。另一类就是刚才所说的行业应用，像丁盯、欧瑞博这些智能硬件，Matternet、Weft这些行业智能机器，燃石医疗等肿瘤智能诊断等。

　　在国内外我们都在积极布局人工智能领域，算是最坚定的天使机构。这也是我们发起CometLabs这个全球加速平台，进一步联合全球的产业公司，帮助创业者找到2B应用的合作机会的原因。

　　问题：对AI方面的人才，国内外的差距，您怎么看待

　　刘维：人才差距这部分，我的观点可能和很多人有所不同：AI领域正是中国弯道超车的一个大好机会。在很多领域，中国团队缺乏经验，工程化实践经验差，做的不够扎实。但也有一些领域，特别是核心的智能算法，深度学习等领域，中国一批公司现在做到了世界领先，因为中国的算法天才有优势、数据积累有优势。

　　希望大家都能利用好中国独特的人才优势、产业公司多的优势、供应链好的优势，早日作出成功的好项目！各种想法和创业计划，欢迎和我们交流！