用一个数据判断人工智能产业的未来

 

2019年，中国的油气勘探领域对民营资本放开，我们可以利用AI技术，去分析哪里可能有更好的油田。但是如果在2019年之前，这个领域还没有开放的时候，即便你解决了这个问题，也无法撬动市场格局。

 

第二步，判断人工智能的潜力

 

找到绝对的痛点之后，我们要判断智能的潜力，因为不是所有的问题都适合AI(人工智能)去解决，比如设计一个太空飞船这样一个开放性、创造性的问题。再就是有其他替代手段的关键性问题，这些问题对可靠性的要求往往非常高，也不太适合AI去解决。比如肿瘤的早期诊断，如果今天的所有的医生都做不到，AI哪怕能起到一点作用也是一种能力补偿，但是如何有其他的替代手段，AI的不准确性就会被成倍的放大。

 

第三步，设计完整的系统

 

如果找到的痛点足够痛，AI也可以解，我们也无法期待简单的应用AI技术就能解决这个问题。因此，面对这样的情况，我们要敢于把系统做“重”，就是复杂一些。第一是敢于碰硬件，硬件虽然带来了复杂性和更高的成本，但它能够带来信息采集的效能，并且形成决策实施的闭环。第二是敢于碰运营，不光是基于人-机的运营，还要敢于去做运营商。第三是不依赖已有的数据，而是逆向思考：为了解决这个痛点，我们需要把什么数据引入进来?

 

第四步，寻找切入的路径

 

百度风投作为一家早期风险投资企业，我们和被投的每一个项目都会讨论，未来的终局是什么?未来五年、十年到底能不能做出一些颠覆性、产业革命的事。即便创业者谈清楚了，绕回到实施，很有可能也要从一件改良产品的小事做起。

 

比如农业的种植，一上来就想开发一种新的种植方法，那么整个项目的验证周期会非常的长。能不能利用现有的数据在原有的方法上提高一些效率，降低一些成本?这虽然不是终局，但是一个非常重要的切入途径。

 

第五步，寻求模式变革

 

一旦切入进去，我们就要寻求模式的变革。但是要记住一点，项目落地之后的红利期往往是有限的，如何在有限的时间之内找到模式变革的方法，寻求升维，这是一个很重要的命题。拿三文鱼的养殖来说，三文鱼只能生活在特定的水域内，这样天然的水域不需要做很多人为的补偿。而随着AI技术的发展，有一些不适合养殖三文鱼的地方，也变得合适了。比如有一片水域，三文鱼可以生长的很好，但是突然来了一股寒流，鱼都冻死了，对于这样的环境变化，利用一套智能系统恰恰可以进行预测和补偿。

 

如果这样的技术系统证明可行，我们就能够在合适的时间，去圈占三文鱼养殖的上游要素，把这个项目做大。最终通过模式的变化，把产业效率做上来。如果这件事别人也能做，而我们效率做的更高，这是一种溢价能力;如果我们把它升维到一件别人做不了的事，又是一个溢价能力。