經過幾年熱潮后，AI創業和投資逐漸回歸理性。AI企業從最初的單純比拼算法，到如今進入技術落地爭霸賽階段，資本市場評估企業的角度也從技術轉向商業，越來越看重現金流、解決問題能力以及商業模式是否成立等。

　　在騰訊AI加速器三期第五次閉門輔導中，AI創業老兵李軼受邀為學員帶來“新階段下AI行業機會探討”主題分享，重點講述AI領域華人在美創業的經歷以及其對中美AI差異化的思考，并結合國際環境，分享當前階段下AI創業的機會。

　　大衛·帕特森RISC-V國際開源實驗室助理主任、Orbeus創始人兼CEO李軼于2012年在美國創立圖像識別公司Orbeus，產品吸引多家巨頭伸出橄欖枝，她帶領團隊最終選擇亞馬遜，積累下豐富的海外AI創業經驗。

從創業到并購：華人團隊在美AI經歷

　　Orbeus創立于硅谷，主要提供兩款產品：基于云端的API和手機終端上的App。其中，基于云端的API主要做人臉相關的識別和檢測，也包括物體和場景創新性的識別和檢測，所有的核心算法均為自主研發。在這一基礎之上，熱愛旅游拍照的團隊提出了一個新的設想：是不是可以通過加標簽的方式來實現海量照片的搜索以及后期制作?于是，Orbeus開發出手機終端App Phototime，上線一周之內突破百萬下載量，一度導致服務器癱瘓。

　　Phototime躥紅之后，市場在悄然變化。谷歌圖片、蘋果iPhotos推出類似產品，圖像識別應用成為行業風口，Orbeus也陸續收到來自蘋果、雅虎、亞馬遜等的并購offer。衡量之后，團隊抱著用技術改變產業的想法，希望產品觸達萬千企業和開發者，最終選擇了加入亞馬遜。

　　技術創業公司加入大公司之后是一種怎樣的體驗?李軼表示，團隊目標清晰、成員年輕且規模小無冗余，加之亞馬遜的文化也相對開放，融合總體而言比較順利。

　　2015年底，Orbeus被并購入亞馬遜，僅僅花了不到三天的時間，整個團隊從硅谷搬到西雅圖，隨后就開始上班。

　　2016年，團隊完成了人臉識別、圖像檢索功能在應用層面的功能，也向亞馬遜證明了自身的后臺和技術能力。之后在亞馬遜 AI大戰略下，整個團隊被歸到AWS，成為獨立的一個組，組名沿用原來的Recognition，負責圖像和視頻識別能力。2016年11月， AWS CEO在re:Invent大會上向全球發布了他們基于云端API的產品Recognition平臺。

　　李軼認為，創業公司有三種狀態：一種是被并購；第二種是自我盈利，營收樂觀，能夠支撐團隊壯大，實現長線發展；第三種是通過資本運作取得更大的成功，比如IPO。

　　Orbeus當時有云端的API和手機端的App兩款產品，尤其是API已經有比較大的客戶。但是，他們慢慢發現，這是一個非常有核心競爭力的公司，但不是一個成熟的商業模式。AI可以給一些客戶賦能，但卻不提供最核心商業價值。

　　李軼相信，即使到今天，一家初創公司如果只做AI技術，它會面臨非常大的商業和盈利問題。哪怕是在亞馬遜這樣的巨頭，像Recognition，以及所有的語音、視頻、語義理解的底層服務，都不能在財報上體現很大的商業價值，這些技術更多的是戰略需要。因為亞馬遜是把企業圈到AWS生態里，向企業提供所有他們需要的，AI是其中一個方面。

AWS的AI戰略：“兩張披薩”團隊規模、包容失敗、做平臺

　　亞馬遜的AI應用大體分為三大類：

　　第一類是能夠看得見摸得著的產品，比如大家熟知的Alexa，無人商店Amazon Go，無人機Prime Air。

　　第二類是藏在后臺的AI技術，比如傳統的推薦引擎，倉庫機器人Kiva，最后一公里配送等等。

　　第三類是企業級應用，主要是在AWS平臺上，亞馬遜把后臺技術以工具和服務的形式提供給第三方企業，讓企業專注開發應用。

　　相比邊界清晰的AI應用，亞馬遜的AI創新環環相扣，彼此關聯。比如Alexa，它發端于2004年成立的Lab 126，成立后一直進行智能家居的秘密項目，項目本身以失敗告終，但是卻剝離出一些很成功的產品，比如Fire TV，比如Alexa。亞馬遜文化對前沿探索非常有包容性，對失敗容忍度高，現存的很多產品正是來自之前的失敗中。

　　在組織機制方面，亞馬遜主張小團隊。很多人聽過亞馬遜的“兩張披薩”說法，就是團隊規模上限在兩個披薩能夠吃飽。一個個小的團隊有明確分工，當然可能也會有一到兩個團隊同時做相近的事，最后看結果。

　　Alexa代表了亞馬遜戰略層面的偏好，做平臺。李軼透露，Alexa從創立以來從沒有靠硬件賺錢的明確計劃，它更多是希望以硬件作為切入口，把自身的技術和能力開源出去，把第三方的產品集成進來。亞馬遜也會把其中的語音喚醒、語音識別、語義理解等單獨出來，變成AWS服務，讓它們再以平臺的形式服務更多客戶。

中國人工智能商業化迎來政策紅利 ，政府推動AI產業規模化落地

　　這兩年AI趨于冷靜，創業公司的比拼已經從算法領域轉向技術落地。投資方看創業公司，也從技術轉向商業：越來越看重現金流，解決問題的能力，商業落地路徑，如何提升營收，商業模式是否成立等。

　　李軼觀察到，在AI技術落地方面，國內外差別很大。國內領先的更多是安防相關，包括智慧城市的to B或者to G業務。同類型的商業模式在美國創業公司中就沒有這么成功，美國只有亞馬遜、谷歌這樣的大公司才能承接智慧城市改造工程，小公司面對很多來自合規性、數據保護等領域的困難。在AI賽道，中國其實已經領先，數據量大，場景多，算法訓練結果更好。

　　同時，中國的大公司在底層通用AI技術方面做了很多工作，騰訊和阿里巴巴的AI基礎設施都已經非常成熟。這里面衍生出很多機會，比如傳統企業，在自己的垂直領域積累很深，那么就可以考慮AI技術如何在所在的自身產品、所處行業、產業鏈方面落地。

　　在政策方面，國家的新基建，為AI創業和落地創造了利好的政策環境。

　　最后，在大家熟知的實際落地的商業模式之外，李軼也分享了一些國際較為看好的AI方向：

　　1. Deepfaces技術在娛樂業、零售業的商業化;

　　2. 利用AutoML完成初步商業化部署，提供更多自主性;

　　3. 應對語音詐騙、系統入侵等下一代黑客;

　　4. 通過聯合學習打通相互孤立的數據，保護數據隱私;

　　5. 國內外對智慧城市的布局;

　　6. 利用AI提升能源效率，減少碳足跡;

　　7. 利用自我監督學習突破數據壁壘;

　　8. 機器學習算法和量子計算機的未來探索;

　　9. NLP算法在氨基酸測序、醫療設計上的應用。

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。