本文是投资人Nathan Benaich在12月1日伦敦Re.Work大会深度学习讨论时的发言，机器之心编译整理。
1、为什么人工智能的投资热潮会出现在现在这个时间点？
我一直认为，人工智能是当下最激动人心和具备变革性的机会，这其中有诸多原因。根据KPCB的报告称，全球约有20亿手机，这些手机用户非常依赖手机，其中有40%的手机用户会接入互联网。这也意味着我们现在制造了过往从未存在的数据，包括用户行为、喜好、兴趣、知识以及社交联系。
计算和存储的成本大幅下降，而计算的能力则显著增长。我们已经看到在学习方法、架构、软件基础设施方面的进步。创新的步伐正在加速，我们无法准确预测到接下来会是什么样子。
以人工智能为驱动力的产品如雨后春笋般涌现，在搜索引擎、电商/音乐推荐系统、在线广告以及金融服务方面都有不俗表现。开发者对于人工智能有了更好地理解，并且愿意在构建更复杂应用程序时集成更多高效工具。
2、人工智能技术在市场上的表现如何？
现在一些企业的数据和开放数据都存放在各种类型的数据仓库中。不妨想象一下，如果能让这些数据建立起某种联系，也就提供了一种观察复杂问题的新角度，从这个新角度出发的洞察力可以做出更多预测。DueDil、Premise、Enigma等公司都是以这样的方式给市场带来惊喜。
企业可以利用自身的专长，在人工智能的帮助下提供更专注、高附加值和可复制的解决方案或产品，这会突破人类的一些局限。比如，类似SiftScience,、Ravelin的在线欺诈检测公司，以及ZestFinance、 Kreditech在内的个人贷款创业公司。这些公司解决了传统意义上人类手工检索、核对少量资料而无法做出准确预测的难题。
你是否开发出新型的面向更广泛市场需求的机器学习或深度学习架构？包括特色工程、数据处理、算法、训练模式以及产品部署。你是否可以将新的工具和技术打包到市场上原有的成熟产品中，并最终提供给终端客户？H2O.ai、 Seldon 和 Prediction.io正在这个领域耕耘。
调查显示，知识工作者日常工作重复而机械、低效率并容易犯错。可以考虑通过结构化的工作流，辅助于可量化的工作产出，利用情景决策，以自动化的方式帮助这些知识工作者。这方面，.Gluru、 x.ai、 SwiftKey都有很多尝试。
物理世界大量的自动化交互需要情境传感器的输入、逻辑和智能技术的参与，这个领域Tesla、Matternet 和SkyCatch都有一些自己的解决方案。
基于长远研发和专注研究的企业都面临一定的风险，包括DNN Research、DeepMind和Vicarious都处在这场激动人心却又风险极大的战场。
在我看来，更重要的一点则是包括谷歌、IBM、微软等大公司相继发布的开源技术，以及大量能够推出便宜产品的公司，这些都表明技术的壁垒正在快速消除。接下来发展的方向则是：专属的数据接入、经验丰富的人才以及具有吸引力的产品。
3、从投资人的角度去看，这些人工智能创业者都面临哪些困难？
（1）运营角度
你是否有更长期的研发路线图而不仅仅是短期的商业化想法？尽管越来越多的产品类型和产品框架发布出来，但投资人在投资时依然会关注产品的性能能否满足用户需求。用户是产品的最终评判者，这也是创业公司必须认识到的一点。
薄弱的人才库。一方面是现有人才不具备综合性的技能，另一方面，如何招募更多优质人才并让他们安心工作？
（2）商业化角度
早期就要思考如何平衡研发和产品研究、设计。一个粗糙的产品即便再美化依然无法优雅，所以事先综合考虑很重要。
人工智能的产品在市场上还是新鲜事物。你所面临的客户，可能是什么都不懂的科技小白，所以，你必须精心设计整个销售循环里的步骤。你要通过什么方式销售你的产品？SaaS？API还是开源呢？
当然也可以选择付费的咨询、体系建设以及支持服务等商业模式。你现有的产品能否应对客户数据或其他平台数据的处理要求呢？
（3）财务角度
作为创业者，你觉得哪些是有价值的？所谓的MVP（minimum viable product）？还是媒体报道？还是开源社区的用户？你是应该专注核心产品开发还是面向客户，与客户需求的变化不断调整产品呢？在融资时要有一个缓冲时期。
（4）用户角度
有两个要素需要用户参与到人工智能产品中：
首先，机器在认知方面表现很差，为了让机器变聪明些，需要用户帮助机器提升自己；
其次，在这个供大于求的丰裕时代，用户面临诸多产品选择，一个app在90天内退款的比例为35%。
对很多用户来说，之所以感觉某个产品无法满足其需求，其中一个关键要素是没有形成用户习惯，以下有一些典型案例，展示用户在产品开发中的重要作用，以及如何形成用户闭环：
搜索：谷歌搜索框的自动填充成为谷歌理解用户搜索请求的方式，用户通过消除歧义的方式训练机器；
视觉：谷歌翻译和交通标记检测都允许用户提交反馈数据；
翻译： Unbabel公司的社区翻译机制不断提升机器的翻译能力；
垃圾邮件过滤：比如Gmail；
更具体的一个案例，比如IBM Watson能够在病人诊断提供相应的资料。
这些互动即能提升系统的性能，有可以培养用户使用产品的习惯，促使他们更长时间的使用。
记住一点，对于那些我们不了解的事物，我们很难完全信任。
4、人工智能领域投资的现状
首先，我们需要看看全球的投资市场，在2015年前三个季度，共有470亿美元的投资，这个数字放在过去20年全年投资总额来看，已经超过了其中17年全年投资总额。我们预计年底会达到550亿美元。
现在，约有900家人工智能相关的企业，绝大多数聚焦在商务智能、金融和安全领域。2014年第四季度，由Vicarious, Scaled Inference, MetaMind 和Sentient这些公司掀起了一阵投资热潮。
到目前为止，也就是从2015年1月1日到2015年12月1日，我们预计约有300笔人工智能公司的投资，这里所谓的人工智能公司包括其产品或技术涉及到人工智能、机器学习、计算机视觉、自然语言处理、数据科学、神经网络、深度学习等。这其中有几个数字值得关注：80%的投资少于500万美元；90%的现金投资发生在美国，欧洲只有13%；75%的多轮融资发生在美国。
有33个合并或并购的交易以及1个IPO公司Adgorithms。这些交易中，除了6家欧洲公司，1家亚洲公司，其他都是美国公司。比较大的三笔交易：Twitter 5亿3200万卖下TellApart（该公司之前融资1700万美元）、BlueCoat 2亿800万卖下Elastica（该公司融资4500万美元）、IronSource1亿5000万卖下SupersonicAds（该公司融资2100万美元）。这些交易对于投资者的回报还是比较可观的，其他的交易更多的还是基于对人才的争夺，现阶段人才并购基本都是6到7人的小团队。
总体来看，人工智能的投资在整个风险投资的比例大约为5%。这要高于2013年宣称的2%，不过仍然远远低于广告、移动以及商务智能软件。有两个要点；其一，人工智能公司的投资收益刚刚出现，表现在一些小规模的多轮融资；其二，绝大多数的投资发生在美国地区。
亟待解决的问题目前有两个：
（1）健康
我曾经花费大量时间研究基因对于癌细胞扩散的作用，在医疗方面我认为面临诸多挑战，离疾病的治愈还有很长一段时间。现在，我认为我们需要实时检测身体状况，降低照顾病人的费用。
我们现在每天接触的设备可以追踪我们的运动、心跳、睡眠甚至生殖状况。我们现在在线的时间要远远大于离开互联网的时间，我们也不在担心存储在云端的健康数据。当然，不管新闻如何渲染所谓的隐私困扰，我们每天依然使用互联网，还用来追踪身体数据。
我们拥有了从未有过的的庞大人口健康数据库，从中可以挖掘出更多关于基因影响疾病的洞察和分析。如今，我们的医院是如何运作的呢？一个病人在医院陈述自己的病情，医生必须通过大量设备来做出诊断。未来，在一个实时连接、实时追踪健康市局的时代，我们可以提前预测到某个人可能患上什么疾病，并提前制定干预或治疗措施。这需要大量基于人工智能的应用程序：比如智能传感器、信号处理器、深度学习等等。
下面这些公司都致力于解决这个问题：
Sano：基于血液的生命指标检测；
Enlitic/MetaMind/Zebra Medical：用于辅助医生决策的视觉系统；
Deep Genomics/Atomwise：学习、模拟和预测基因如何影响人类健康和疾病，理解药物如何应对疾病的变化；
Flatiron Health：为诊所和医院提供海量的医学研究数据；
谷歌：一份无针采血的专利展现出谷歌对于未来可穿戴设备的想象力。
（2）企业自动化
未来的企业可以自己运行吗？根据BAML的数据，人工智能驱动的知识工作自动化将在2020年减少9亿英镑的劳动力成本。鉴于机器人带来的效率提升，我认为离全自动企业运行的实现已经很近了。
想象一下，企业运行的核心模块，包括CRM、市场营销、财务、法律、网站部署、客户交互、招聘和商务智能都以SaaS交付。而类似于Zapier 或Tray.io的产品，可以实现在不同模块之间的连接。进一步来看，基于实时数据的决策也可以实现。或许，我们需要重新思考一下电子商务公司，当你完成在上面注册后，你的商品清单、价格、交易、推荐、客户交互、打包发货等等或许都可以自动化完成。
5、远景
我非常看好人工智能对于我们生活和工作的所带来的价值。我认为存在一些低风险的投资机会，特别是短期内就有受益的项目。对于那些致力于长期创新的公司来说，需要给他们更多的支持。
我们必须记住技术的商业化，这要求创业者必须理解你的产品，你的客户以及你给客户带来的价值。最后，你必须考虑在美国市场展现你的创意和产品，正如上文所言，几乎所有的投资都发生在这个地区。
机器之心编译出品，编译：赵赛坡。