翊翎资本范维肖关于投资人工智能的建议(3)

　　98%是什么概念？是给你100张色情图片，有两张检测不出来。假如说新华网用这样的技术，它一定要保证它的网站内容 不会出现任何差错。所以98%的识别率在这种场景下没有用。

　　反过来，另一家小公司也做图片鉴黄，给它100张图片，能识别出3张来，保证这3张图片100%一定是黄色图片，人工只需要鉴定其余的97张就好了。

　　场景落地的时候，企业端看的是投入产出比。我投入极低价格，帮我解决一部分价值，对我来讲就是个极大效益。

　　所以到了场景增益的时候，我们要做的是顶层结构的调整，这个顶层结构的调整从两边来讲，一边是做AI的公司，一边是应用AI的公司。

　　早期AI公司都是To B的增益，我们一定要去理解产业上的一些问题，知道产业症结在哪儿，进去之后能够对这件事有极大增益作用，我才能去拿到数据，持续在上面做学习和改进。

　　AI应用型公司也是一个投资方向，看哪些产品可以去附着到AI上来变成增益。在这个过程中我们需要不断切换，从一级市场、二级市场、一级半市场三个部分去切换着看这件事儿，不同事情在不同市场下一定是不同的。

　　我个人估计，一级市场和二级市场的收益差在逐渐降低，这个数据一旦加速，迭代周期就会缩短。所以在这个时候要找到需求侧的投资，因为它会在场景落地时产生极大的项目价值。

　　无人驾驶：换一种思路

　　底层结构的更改方面，我们在去投资一些AI类、技术类公司时，一定要看到它在商业上的一些思考和方式。

　　这里举一个相对比较集中的例子：无人车自动驾驶。

　　从传统意义上来讲，我们对于无人车的认知已经不再仅限于怎么躲避障碍路、怎么躲避行人、遇到紧急情况时怎么保证驾驶人和行人安全。现代自动驾驶里边应用最成熟的是uber，它去年收购了一家公司叫otto，专门研究货车的无人驾驶。他们的思路是要把无人驾驶变成火车：前边一个驾驶员开车，后边八辆无人驾驶大卡车全都跟着，这也是为什么现在大家都说这家无人驾驶公司做的科技叫跟随式技术，它根本不是自动驾驶，而是跟随。

　　跟随其实是没有错的，这就是顶层结构性调整推动事物回到底层做重新认知，再把它推到商业环境中来。

　　我们研究自动驾驶，如果都考虑让它像人一样学驾驶，是一种思路，但这种东西的研究可能会非常非常的慢。实际应用过程中，落地场景会遇到各种障碍。做无人车很难，但是做火车就简单多了，铺一条轨道就可以。

　　传统人类驾驶用的是地图。无人驾驶项目的核心投资点也应该在地图上。这种技术在国内被称为高精地图，在国外叫Mapping。Mapping制图技术更重要一些，因为无人车驾驶是基于这种轨道的方式来思考。

　　技术服务化，服务商品化，服务组合共振化

　　现在很多大公司都在把AI服务化，比如百度就把很多关于图片鉴黄、语音识别、自然源处理等技术以API的方式开放，任何人只要会写几行代码，就可以将其调用出使用。在这个代际过程中，慢慢会出现技术服务化、服务商品化和服务组合共振化的现象。

　　比如现在很多公众号都变成机器人，用户可以通过语音形式跟服务号说打车，当他按住语音键说“我要打辆车去东直门”时，后台要经历哪些过程呢？