今天AI毫无疑问是一个热火的话题，但是背后最大的本质是一个数据驱动商业，数据时代的到来，如何抓住这波大机会，是值得长期深思的事情。

在中欧众创平台“创未来”创业沙龙的人工智能专场上，迅雷创始人程浩、上海证券交易所前CTO白硕、中欧学院运营及供应链管理学教授赵先德、PPTV创始人姚欣就人工智能这个话题分享了一些见解。

人工智能创业者有哪些误区？人工智能创业公司算法真的决定一切吗？人工智能又是怎么优化供应链服务资本市场的？今天的AI潮一定会有泡沫但泡沫不一定是坏事情。我们从大家发言里整理提取出一些核心内容供大家参考和快速了解：

程浩：人工智能创业的机遇在哪里，常见误区有哪些？

机遇

人工智能在我们生活中已经很多了，可以说无所不在。人工智能有机遇的领域，分几个大的部分：第一个就是机器人，细分成三个领域——工业类机器人，服务类机器人，面向消费者的机器人。而机器人只是人工智能的一部分，很多领域里面其实并不需要一个实际的载体。包括像自动驾驶、ADAS、金融领域、法律领域、HR领域、媒体领域等等。比如医疗领域的达芬奇机器人非常有名，已经是几百亿美金的市值公司，他们的帮人做胸腔手术有几个优点，第一微创，伤口很小的时候手伸不进去，机器可以；第二精确，人手会抖，但是机器非常精确；第三，机器人不会累，还可以做远程医疗。

误区和风险

第一个误区：算法和科学家真的是一切吗？

大家有时候往往会产生一个什么误区呢？就是说我这没几个脸书和谷歌来的科学家不好意思做这个领域的创业。其实没有必要，这完全取决于你到底做什么。

我们把人工智能创业的领域我们分成两个部分，第一是自动驾驶这样的关键性应用。关键性应用的特点就是这事不能出错，哪怕99.99%的精确度也意味着一万次里面有一次要出事故。所以对算法要求很高，入门门槛极高，如果没有资源和持续融资能力是走不通的。

但还有一类叫非关键性应用，比如门禁识别技术和送餐机器人等。除了必须要达到能用门槛之外，更多的拼的是行业洞察、工程和产品化能力、成本控制、供应链管理以及营销能力。

第二个风险：如果只做技术，那么可能真的是死路一条。

这个说的有点危言耸听，但是基本上就是这样。未来算法的壁垒是越来越低，如果公司的竞争力是算法是非常危险的。因为即使不是这个领域的专家，也可以直接找到相关领域的已经做好的模型，加入自己的参数。算法类公司（技术提供商）极易被上下游挤压。

作为技术提供方，哪些做垂直应用，哪些授权给第三方，有好几个判断判断标准：第一是市场空间大小，第二个是行业的集中度，第三是提供的技术到底是革命性的还是创新性的，是革新性还是改良性的。如果是改良性的，往上游走的概率比较小，如果是革命性的东西，往上游走的概率就大。第四是双方壁垒，第五是团队基因。

总的来说，技术服务商要尽量做全栈，要尽量形成技术、产品、商业和数据的四位一体的闭环，这样的公司才有长久的价值。

赵先德：我认为只有AI还是不行的，更重要的是要把AI应用在供应链不同的环节。

过去六年中国在AI的资本形成总额超过了之前的三十年的总和。中国过去两年新增的AI企业数量超过了之前十年的总和，这是一个大趋势。但是我认为只有AI还是不行的，更重要的是要把AI应用在供应链不同的环节。

在供应链里面实际上要做好多不同的工作，针对这些不同的决策，我们第一要积累数据，第二要有数据分析能力，这样才能知道如何从数据当中学习得到相应的决策和解决方案。

所谓的数字化的供应链有一个狭义的定义，用供应链生产提供数字化的产品，但更广泛的一个定义是数字化的供应链实际上适合于所有种类的产品和服务，我们在管理供应链的过程当中，我们要有办法能够把供应链的不同环节、组织、人、设备之间的这些流程要有数字化的工具把它连起来。

而挑战在于如何利用技术把供应链里面不同的流程数字化、自动化，把不同组织之间的流程连起来，有了这种能力会发现在供应链不同环节都积累了大量的数据，之后我们要通过这些数据的分析去改善流程，做决策优化。同时有了这些能力之后，我们可以做供应链的创新，也可以做长夜模式创新。我们可以通过自己的能力，加上新兴的技术，去建立数字化的生态圈。

人工智能实际上在供应链不同的环节都会发挥作用。除此之外在基于供应链生态圈的商业模式这种设计，实施的过程当中，人工智能也会发挥很重要的作用。大家可能有来自各个不同行业，我们做的事情可能是在供应链不同的环节，在不同的环节去开发研究了不同的技术，这些技术真要发挥作用必须要把这些技术的作用在供应链不同的环节连起来，之后才能够真正的改变我们的商业模式，给我们的目标顾客创造更多的价值。

白硕：

1.资本市场需要人工智能进行升级

基本上可以它看成客服、投研、投顾、量化四个相衔接的阶段：

客服 我们看到语音识别已经成熟了，可以渐渐的使用智能客服来回答问题的客服机器人。客服机器人目前真正部署在使用的水平还不是特别高。这里有动态信息、语境建模、客户身份建模几个生长点。

投研 经过第一代基于关键词检索的技术，第二代是已经普遍的情感倾向性分析，比如推特上面预测大盘走势，第三代是自然语言加上知识图谱，利用知识图谱贯穿产业链，的情感分析的传达，这里智能投研的产品形态包括快速的研报和机器可读新闻。

投顾 主要的任务是完成对客户和对资产两个画像，在此前提下提供相应的智能匹配、搜索，投资决策的服务。技术包括知识抽取，包括情感分析，包括知识图谱。

量化 量化当然是最前面执行交易这样一个环节。这里面除了机器学习，其实还有一些其他的因素，比如说基础设施、数据的清洗和金融博弈。

2.资本市场怎么支持人工智能产业的孵化和发展

人工智能产业可以分四类，一个是科班原创，从信任度和成熟度两个角度评分，就可以看到我们倾向于谁。第二境外对标的，属于跟随的，信任度也好，成熟度也好，但是它肯定不是老大。第三是企业转型，它本来是自己运行了一个业务比较成熟的，但是转为人工智能，这可能它的成熟度还是好的，但是信任度不太好。第四就是民间原创，等于一些“野路子”，从专业的角度存在问题。提倡人工智能专家为资本市场提供独立的专业判断正好是我提议要做的，也是学界的人工智能专家需做的事情。

姚欣：这次的AI潮是不是又是泡沫？是，但泡沫不一定是坏事。

深度学习可能代表着第三次AI浪潮的启动。这次和以前最大的区别就是我们以前在学各种各样的程序设计，背后是程序员在工作，而这次的深度学习，可能是一次极大的改变，变成了让机器自主学习。

转载请注明出处。