人工智能创业投资全貌

[color=rgb(0, 0, 0) !important]|原作者: 小智|来自: 智东西

摘要: 尽管理想的人工智能指的是通过技术创造“类人”的机器，使其具备人的感知能力、表达能力和思考能力。这个概念是由约翰·麦卡锡在1955年提出。但受技术局限目前远不能达到这一目的。事实上，目前的人工智能指的是技术 ...

从这篇文章中你可以了解到人工智能各细分领域的创业概况，以及其所涉及到的技术范畴中机器视觉领域全球公司的布局与未来趋势。 你对AI的了解究竟有多深？ 人工智能的概念所包含的范畴其实非常广泛（仅知道阿法狗可是不够的哦！） 尽管理想的人工智能指的是通过技术创造“类人”的机器，使其具备人的感知能力、表达能力和思考能力。这个概念是由约翰·麦卡锡在1955年提出。但受技术局限目前远不能达到这一目的。 事实上，目前的人工智能指的是技术能够训练机器掌握某项“近于人”的能力，将人从最基础最单一的繁杂事务中解放出来，作为工具提高人的生活和工作体验。这是目前学术界和工业界共同努力的方向，伴随技术的发展已经取得了一定的成果。 人工智能创投详情 从技术架构上来看，人工智能需要基于大数据进行海量识别训练，对其计算性能和存储性能都在硬件层面上提出了严峻考验。基于机器学习/深度学习算法，人工智能常见的应用方向在于图形图像识别（包括机器视觉技术）、自然语言识别（包括语音和语义），并在人机交互方面也有应用。在此基础上，人工智能掌握了“看”与“听”的基础性信息输入与处理能力，才能向用户层面演变出更多的应用型产品。 对于下图，我们可以清晰地看出人工智能下面的众多细分领域。 且搁置争论这样的分类是否恰当的问题，但对于各领域公司数量与融资水平我们还是可以得出一些趋势上的结论。 机器学习整个算法层面的创业公司依然是人工智能领域占比最大的细分方向，也最受资本追捧。但对于其在应用层面上异军突起的创业公司数目，我们认为是智能行业、互联网行业，甚至全行业对人工智能的需求在加深，当然我们无法判断这其中有多少题材炒作的泡沫存在。 自然语言处理方向创业数量庞大，这一领域用户最为熟悉，技术发展相对成熟，业界大公司也非常多。但其创业公司平均融资额1100万美元，属人工智能领域融资额较低的细分方向。尽管如此，该方向的通用类技术创业公司为整个人工智能细分方向中创业公司最多的分类。我们建议在自然语言处理方向上的创业公司，尤其是定位在应用层面上，需要深思熟虑自身的商业逻辑，才能有望获得资本的青睐。 机器视觉方向的创业公司数目不算很多，但平均融资额相对较高，这样的表现体现出了该领域，在市场上的稀缺性，也体现出了资本急于在这一方向寻找重要投资标的。总体而言，机器视觉作为非常底层的技术，在智能行业的应用会非常广泛，市场空间也会相当广阔，但相关技术的深度造成该方向的门槛较高。 人工智能产业链 在了解了人工智能的技术架构之后，我们即可明确整个人工智能产业链的参与者都有哪些企业。 在底层上，除了云计算、数据服务、和运算处理供应商之外，还包括网络运营商，传感器企业及操作系统企业。 在算法和识别技术层面，我们熟悉的国内外公司都包含其中，包括IBM Watson、科大讯飞等等。 进一步向上到行业应用这一层面，人工智能所关联的领域则更加广泛，包括机器人、无人驾驶、无人机、智能家居、可穿戴设备等等。 机器视觉是人工智能的视神经 对机器视觉这一具体技术层面进行架构分析，我们可以看到： 信息采集（大数据）：计算机识别的图像一类为静态内容，以图片为主；另一类为动态内容，包括视频和实景，其中实景需要利用传感器技术进行采集编码。 目标检测特征定位及提取（模型训练）：将采集到的信息进行检测、关键点定位及特征提取，给定相应的数据和标签提交到 学习平台进行训练，提高识别的精度。 人脸识别/图像识别（识别反馈）：经过大量的训练之后，最终计算机给予相应的识别反馈信息，主要有人脸、物体、手势等。目前计算机识别主要停留在感知的表层，未来识别的广度与深度还需要进一步的挖掘。 计算机识别准确度和识别类型多寡是影响计算机视觉技术应用发展的基础因素。 其中， 斯坦福大学视觉实验室主办的ImageNet ILSVRC大赛，在2015年产生的冠军组其识别分类错误率就已经超过了人眼，仅为3.57%。 国内外公司布局 国内计算机视觉创业热度递增且深入行业，但处于早期阶段。 国外巨头自研和收购双管齐下布局，将视觉技术广泛应用于自身产品升级，并基于自身基因打造技术服务平台和新品类持续提升影响力。 Google： • 提供谷歌图像搜索功能。 • 提供开源深度学习系统Tensor Flow 。 • 打造结合计算机视觉等多项技术的黑科技，包括Project Tango原型机、谷歌无人车 。 • 开放Cloud Vision API帮助开发者创建具有视觉识别功能的APP 。 • 提供Google Photos智能识别搜索服务 。 • 收购案包括：Moodstocks 图像识别技术公司、Fly Labs 图片编辑工具将其并入Google photos 、Jetpac 图片数据分析应用。 微软： • 微软研究院Project Oxford开放API为开发者提供微软认知服务（how-old.net/twinsor not.net均以此为基础） • 小冰商业平台发布图像识别功能 。 • 存储应用OneDrive提供图片识别创建标签功能。 亚马逊： • 研发Prime Air无人机。 • 收购案包括：欧洲某家计算机视觉公司用于无人机研究（未对外公布公司名称） 、Orbeus图像识别公司。 苹果： • 基于ios和macOS提供照片管理应用 。 • 成立虚拟现实项目团队，研发相关产品。 • 收购案包括：Faceshift 实时动作捕捉技术公司、Metaio AR技术公司、Emotient 面部识别技术公司、Perceptio 图像分类体系技术公司。 IBM： 打造Watson技术平台，并开放API帮助开发者创建APP。 • 收购案包括：Truven Health Analystic，医疗数据及分析公司、Alchemy API 非结构化数据实时分析公司。 Facebook： • 搭建两大实验室分别专注于基础研究与产品应用。 • 与谷歌、Vision Labs合作推出通用计算机视觉开源平台。 • 推出智能照片管理应用Moments 。 • 收购案包括： Oculus VR公司、Pebbles Interface 手势识别公司、Nimble VR 手势识别公司。 国内巨头百度相对激进，阿里巴巴、腾讯基于自身产品进行功能试水。 此外，我们还应该注意到华为在人工智能方向上的战略布局，其出发点也是基于自身产品进行功能试水，并将向企业级服务推进。 机器视觉的应用 计算机视觉技术已应用于传统行业和前沿创新，安全/娱乐/营销成最抢先落地的商业化领域。 机器视觉在安全方面的应用从软硬件两个层面优化安防人员的作业效率和深度。 机器视觉在娱乐方面的应用在于有效迎合直播平台的前端用户体验和后端监管要求。 机器视觉在营销方面的应用在于促进视频环境中广告主和用户间交互闭环的落地。 计算机视觉还将逐步拓展服务和工商业等多重应用场景，并与等无人驾驶、VR/AR、生物科技其他技术融合共同推动创新型行业应用的发展。 趋势性判断 易观智库对于机器视觉行业的整体评价是： 当前产业细分程度不足，市场处于早期探索阶段。 B端需求强于C端，商业模式较为清晰。 技术应用场景可复制性较强，拥有自研技术的团队容易享受技术红利。 实际应用的价值以提升效率为主，并非取代人类，而是辅助作用，从业者需管理市场预期，耐心培育市场。 计算机视觉创业投资成本巨大，行业壁垒高，对行业痛点的洞察以及对产品性价比的控制是影响商业变现的关键因素。 而行业的整体趋势则是会逐渐从底层创新向应用层面渗透。 欢迎加入本站公开兴趣群