各种书java技术大本营ai前线201809月刊.pdf

目录 卷首语 1 AI 公司的几个重要维度 1 马云：旧制造业要凉，贸易战至少得打20 年（附演讲全文） 3 李开复：年轻人现在就该开始找AI 替代不了的工作 13 调参工要凉？微软 开源AutoML 工具包NNI 20 如何通过深度学习轻松实现自动化 ？ 24 一年过去了，25 万月薪的AI 工程师还存在吗？ 47 别用大批量mini-batch 训练神经网络，用局部SGD ！ 53 卷首语 卷首语 AI 公司的几个重要维度 风险投资基金AI List Capital 管理合伙人 Henry Shi 博士 最我从 2014 年起就开始投资AI 初创公司，到目前为止看过了数千家公司，投 资了其中近30 家。这些公司中有些已成为独角兽，而有些仍然在寻求应用的突破口。 作为投资人，我一直在思考如何发现下一个AI 独角兽，也总结了 AI 公司（特别 是针对行业应用的AI 公司）的几个重要维度。我相信这些维度，无论对投资人、创 业者以及其他AI 从业人员都是有借鉴意义的。 维度一：价值。AI 起到的价值到底是什么？这个问题很重要，因为它往往决定 了一个AI 公司的商业模式和竞争格局。AI 起到的价值必须清晰，并且显著（而非不 痛不痒）。通常AI 的价值体现在两方面： 1. 降低成本、提升效率，比如AI 可能减少了人工成本（如无人驾驶）、客户获 取成本、客户流失率等。 2. AI 可能创造新的价值。比如我投的一家 AI 公司ObEN （获得了软银、腾 讯等机构的后续投资），能为明星快速地构建AI 虚拟形象，使得AI 能够代 替明星和粉丝互动，创造全新的互动体验。新的体验进一步催生了新的用户 行为和商业模式，构建了新的价值生态。 维度二：壁垒。随着AI 的基础框架越来越成熟，应用型AI 公司的壁垒更多在数 据而非技术上。或者说，技术壁垒的基础往往是数据壁垒。我们在 AI 公司的数 据壁垒时，通常会看两方面： 1. 是否已经有较多的数据积累，且竞争对手获取这些数据的难度较大？这可 以理解成先发优势。 2. 是否具备“数据网络效应”？“数据网络效应”指的是，当数据越来越多的 时候，AI 的性能会越来越好，进而能够获得更多的客户和数据，形成滚雪球 效应。“数据网络效应”很关键，它能够使有着“先发优势”的AI 公司越走 1 AI 前线 越快，形成”大者恒大、强者恒强”的效应。 维度三：技术风险。任何一个行业应用对于准确率都有一定的要求。比如AI 应 用于医学影像自动 时，其准确率需要至少和影像科专家相当。无人驾驶对于 AI 的准确率则更加苛刻，得比人驾驶的事故率低很多。所以，在考虑AI 应用于某个行 业时，我们会深入思考三方面： 1. AI 是否有可能达到这个行业要求的准确率？ 2. 要达到这样的准确率，需要多少训练数据，需要技术上有什么突破？ 3. 在准确率还没达到要求时，是否有“过渡型”的应用？ 对于很多应用来讲，1 和2 是有不确定性的，所以对3 的考虑就格外重要，这决 定了AI 公司的落地周期。比如在无人驾驶技术还不够成熟时，智能辅助驾驶可以作 为可落地的过渡型应用。并且，通过这种过渡，AI 也可能获得更多的训练数据，最 终实现自动驾驶。 维度四：规模化。一个好的AI 公司，其AI 技术不仅要落地，还要能够规模化。 这就要求其应用场景能够“标准化”，其AI 产品能满足一大批客户的需要，而不只是 为少数客户定制。AI 公司需要多和客户沟通，深度挖掘客户们的普遍需求。 以上的这些维度，希望能帮助大家更加全面深刻地 AI 公司，帮助大家更理 智地作出“投资”，无论您是投钱、投时间还是投资源。期待越来越多的AI 公司可以 落地，可以规模化！