您当前位置:白界新闻网>科技>投资人逃离人工智能

投资人逃离人工智能

2019-11-06 13:47:13人气:993 分享
Current Font Size:

摘要:莫涛所供职的企业,以一家人脸识别技术的ai初创公司,创始团队由知名科学家组成,在2017和2018年连续获得a、b两轮亿元级别风险投资,还曾入选某三方服务机构评选出的《2018中国人工智能创新成长企业

来源

作者

2019年7月的一个下午,墨涛对荣众财经表示:“本月我已经看到了30家投资机构,下个月至少还会看到30家。”。

墨涛是一家人工智能“马千里”企业的董蜜。他这个月刚刚上任。老板招募他的目的也很清楚,那就是寻找资金。

“在同一个投资机构中,会有几个fa同时与我对接,一些是副总裁,一些是合作伙伴。”因为有太多的足球运动员需要停靠,墨涛甚至不记得他们的名字了。

“我的态度很简单。谁先带人来,谁就有名单,一切都以最后一次会议为准。”

墨涛为一家拥有人脸识别技术的人工智能初创公司工作。它的创始团队由著名科学家组成。2017年和2018年,墨涛赢得了两轮价值1亿元的风险投资。他还被一家三方服务机构评选为2018年中国人工智能创新与增长50强企业。

“他们的融资并不顺利,”帮助公司寻找融资的投资银行家刘伟告诉荣众财经。

“该公司2018年的实际收入为6000万英镑,但实际收入仅超过2000万英镑。它的大部分主要业务是政府项目。筹集资金非常困难,但估值并不便宜。”

“在最后一轮投资之前,它们的价值为21.5亿元。本轮需要3亿元,投资前26亿元,投资后29亿元。今年没有人会接受这个价格,”刘伟坦率地说。

“这种情况最近很常见。在过去两年里,太多的人工智能公司夸大了它们的估值,泡沫将会破裂。

事实上,墨涛的声明也证实了这一观点。

“现在我们的态度非常开放。投资者认为估值是否高并不重要。你可以开一个初始价格。你可以坐下来讨论如何计算,”墨涛说。

2016年曾被称为“人工智能的第一年”。

今年春天,阿尔法围棋手和世界顶级围棋手李师义之间长达一个世纪的较量,使得“人工智能”的概念几乎一夜之间传遍了全世界。正如科幻小说或电影中描述的那样,吃甜瓜的人第一次意识到天网主宰的恐惧离他们自己如此之近。在主要的科技论坛上,人们讨论的话题也变成了“奇点来了”和机器人的三大定律。

然而,已经进入公众视野的人工智能的所谓“新概念”已经诞生了50多年。

早在20世纪50年代,研究人员就开始试图通过模拟人脑给计算机“智能”。

在他们看来,人脑不是根据明确的规则,而是凭直觉识别物体。例如,当我们看到一只狗时,我们清楚地知道它是一只狗,但是我们不能解释为什么我们知道它。事实上,与准确定义物体的特征相比,人脑识别更像是一种特征匹配,这也是“神经网络学派”的初衷。

到了20世纪70年代,计算机科学家开始研究神经网络在推进人工智能方面的可行性,但当时的主流学术界普遍认为神经网络在数学上有局限性,没有前途。因此,直到20世纪90年代,神经网络学校一直被视为边缘地带的“异类”,很难获得资金和发表论文。

2010年,来自斯坦福大学的一位名叫李菲菲的中国计算机科学家组织了一场名为imagenet的机器学习图形识别竞赛,该竞赛将从2010年起每年举行一次。

这项比赛的有趣之处在于,它每年为参与者提供一百万张图片作为培训材料,每张图片上都手工标注了图片中的对象。

比赛规则是玩家使用这一百万张训练图片来练习他们自己的程序,然后让程序识别一些新图片。每个新图片都有一个预设的标准答案,竞赛程序可以猜测五个答案,只要其中一个判断与标准答案相匹配,那么它就是正确的。

2010年至2011年的两年间,imagenet竞赛最佳成绩的判定错误率在26%以上,但2012年,错误率突然下降到16%,此后一直在下降。

到2017年,机器识别的错误率已经下降到2.3%,这个水平已经超过了人类。

那么,2012年发生了什么事,突然使人工智能技术发生了质的飞跃?

答案是“卷积网络”被发明了。

那年imagenet竞赛的获胜者是多伦多大学的一个研究小组。他们创造性地在传统的“输入层”和“输出层”(即所谓的“卷积层”)之间增加了几个逻辑层。

研究小组要求每个卷积层只识别特定比例的图形模式,然后下一层只需要在前一层的基础上识别。这样做的优点是每个神经元只需要处理一小部分数据,参数可以重用,大大减少了计算量。

在这个新模型中,那些只有一层卷积的结构被称为简单神经网络(左)。那些具有多重卷积的被称为“深度学习”神经网络(右)。

新算法如此成功,以深度学习为代表的神经网络学派几乎一夜之间从边缘的“社会人”转向正统的主流学派,成为了“大师”。今天,几乎所有的人工智能企业都从神经网络学校继承了它们的基本技术框架。

总的来说,这是一个关于“革命者”从社会边缘粉碎旧世界的鼓舞人心的故事。

“卷积网络”和“深度学习”的出现也带来了新技术的曙光,人类文明似乎走上了一条全新的进化道路。

有了这么大的“风口”,资本是不容错过的——从2012年开始,各行各业的投资者开始涌入人工智能电路。

首先是互联网巨头。谷歌、脸书等公司已经开始大规模扫货,并不遗余力地购买深度学习领域的领先学者——例如,多伦多大学获奖团队很快注册了一家公司,2013年被谷歌以5000万美元收购。半年后,谷歌照片将具备搜索功能,然后谷歌将能够从自己拍摄的街景图像中识别每个家庭的门牌号。

另一方面,vcpe也不甘示弱。在热钱激增的情况下,一大批深入学习领域的专家在风险投资的支持下创办了自己的企业,其中有一些杰出的中国科学家。

2012年,目前在麻省理工学院实验室担任博士后研究员的朱思溢在加州大学洛杉矶分校视觉识别与机器学习中心主任兼导师艾伦·尤耶(alan yuille)教授的支持下回国,并与他的好朋友、acm全球大学生编程竞赛冠军林辰唏一起共同建立Itu技术。两年后,在香港中文大学任教的唐晓友教授放下教鞭,和他的得意门生徐莉建立了上堂科技。

也是在那一年,自称“环顾四周,看不见对手”的格林肖开始登上主要媒体的头版。据说,他们的投资者许小平和沈南鹏就格林豪特未来的市场价值应该是“1000亿美元还是5000亿美元”进行了激烈的辩论,最终双方“折中在3000亿美元的中间值上”

据乌镇智库发布的《全球人工智能发展报告》,仅2012年至2016年,全球新增人工智能企业5154家,融资规模224亿美元,占2000年至2016年累计融资规模的77.8%。其中,仅2016年融资规模就达到92.2亿美元,是2012年的近6倍,相当于2000年至2013年融资总额。

在大量投资者眼中,人工智能是继蒸汽机、内燃机和互联网之后的第四次生产率革命。

然而,像火烹调油这样的融资热潮也让我们很容易忽视以下事实:

神经网络作为一种最初没有被广泛重视的技术,其完美的“反击”实际上是非常偶然的。

正如《浪潮之巅》的作者、硅谷风险投资家吴军所说:“恐怕20年后很难在人工智能技术上取得又一次重大突破,因为今天的人工智能已经耗尽了40年来积累的技术红利。”

从吴军的角度来看,20年内能够产生巨大加速度的大部分东西在目前的学术界都是可以预测的——“但是在目前的学术界人工智能研究领域并没有多少新课题”,“即使科学家们正在努力工作,人很多,也需要大约20年的时间来积累一个让人们感到非常兴奋和惊喜的理论基础。”

事实上,这一判断绝非危言耸听。

以机器视觉为例,经过五年的发展,神经网络算法在这一领域的潜力已经基本耗尽,同样的技术也逐渐将其转化为红海。

“现在这个领域每年都有很多比赛。每个公司都以最佳表现为例,但事实上,技术是一样的,很难形成差异,”一名人工智能行业的员工告诉荣众财经。

“在同样的两家机器视觉公司,一家表示其识别准确率为97%,另一家表示为98%。你认为他们之间的差距在甲方眼里有多大?”上述人士说,“最后,我们必须与价格作斗争,看看双方的关系。”

“目前,机器视觉最大的应用场景是安全,主要是政府采购,而其中最大的问题是退款,”墨涛告诉荣众财经。“该公司96%的订单来自政府项目。当关键人员离职或领导层变动时,这些项目很容易导致风险抵抗力下降。”

然而,这并不是第一代人工智能企业面临的最大危机。

与每个人在机器视觉和语音识别领域的成功相比,真正的问题似乎是在新领域突破深度学习模式的困难。

事实上,在过去的一年里,业界对人工智能有一个共同的评价:2018年,人工智能的进步是没有进步的。

经过几年的发展,深层神经网络算法目前仍处于“黑箱”阶段,由轻微干扰引起的严重对抗识别的例子无法得到有效的解释和解决。对此,图灵奖获得者清华大学的姚期智院士公开表示,深度神经网络产生的“有限值”很可能是“令人失望的”,即使算法的透明度在未来得以实现。在他看来,与其修补现有的神经网络模型,不如开一个新炉子,“探索新的途径,寻求突破”。

然而,“探索新的道路”太过于面对面了。毕竟,没有20年可以等待。

残酷的现实是,这些投资的前景并不乐观。

据it oranges等数据来源显示,从2014年到2018年,中国人工智能领域发生了126起退出事件,仅占同期投资事件的1/20。其中,ipo退出占40%,回报率仅为1.83倍。

另一项数据显示,2018年,近90%的人工智能公司出现赤字。

早在2017年9月,李开复就预测:“今年上半年开始的人工智能创业(融资热)出现泡沫。融资将需要大约18个月。据估计,到明年年底,一些公司将倒闭。”

阳光下没有什么新鲜事。大约在2010年,石墨烯的光明前景也吸引了许多投资者。七年过去了。该国几乎没有企业在三层能源下生产高质量石墨烯,无数热钱冲击了水漂。

2019年的人工智能产业已经像石墨烯一样,显示出疲劳的迹象,早期努力太多,后期着陆太慢,一热一冷。

“今年我们基本上已经不再关注人工智能技术,”上海的一位投资者告诉荣众财经。"算法实际上是现在总公司已经出来了,没有投资机会."

数据显示,自2019年第二季度以来,国内人工智能投融资的数量和金额呈下降趋势,仅完成30项融资,同比下降45.5%,融资总额达到50亿元,不到去年同期的40%。

然而,“四小龙”汤汤、师旷、易图和云收到了200多亿条,占总数的五分之一。

在资本的寒冬下,2008年不仅投资机构严重分裂,人工智能企业在2008年甚至1999年也不可避免地分裂。

一方面,第二、第三梯队的大量人工智能企业融资困难,另一方面,“不缺钱”的人工智能巨头经常出手投资工业应用端。

“vc为基础的人工智能公司”已经成为人工智能行业的独特景观。

其中包括上塘和师旷设立的直接进入市场投资项目的战争投资部门,以及锡比池、中科师陀等传统vc、pe等机构联合设立的通过筹集外部资金补充自有资本池的产业基金。

烧别人的钱时,把钱拿给别人烧。

“独角兽部队的外国投资或收购主要是为了消化过度融资。一些内部人士表示:“实际的商业场景太小,也太小,无法支持估值。”"一些公司自愿选择,另一些公司不得不这样做以支持高估值."

2019年9月,“第一批人工智能股票”红软科技在科学委员会上市。这家在机器视觉人工智能领域拥有126项发明专利和73项软件版权的低调企业,被认为是目前“市场登陆最成功的人工智能公司”。

根据招股说明书,鸿软科技服务于华为、三星、oppo、vivo、小米、索尼、lg和传音等知名手机制造商。从2016年到2018年,其来自“智能手机视觉解决方案”的收入分别为1.7亿元、3.1亿元和4.3亿元,占2017年后总收入的比重越来越大。到2018年,其智能手机视觉解决方案的收入已达到96.57%,相应的毛利率为94.29%。

另一方面,最近刚刚在香港交易所提交ipo申请的师旷科技,在“城市物联网解决方案”中拥有最大的收入份额。2017年、2018年和2019年上半年,收入分别为1.68亿元、10.57亿元和6.95亿元,分别占同期总收入的53.6%、74.1%和73.2%,相应的毛利率分别为31%、52.1%和65.2%。

但“为了完善ai iot的战略布局”,被巨额收购的物流机器人公司Erez在2018年与邝其志合并后,仅占招股说明书收入的5%左右。

口号响亮而清晰,但身体是诚实的。

各种迹象表明,政府订单仍然是以匡为代表的第一代人工智能的主要收入来源。

众所周知,科技创新局的上市公司估值溢价很高。前25家上市公司的平均市盈率约为53倍。到目前为止,红软科技的市场价值为250亿元人民币,折扣约为35亿美元。然而,今年4月,师旷从中国银行集团、中国工商银行、科威特投资局和阿布扎比投资局等巨头那里获得了5.9亿美元的第二轮融资。甚至在他进行首次公开募股之前,估值已经超过40亿美元。被称为“融资机器”的尚堂科技(Shang Tang Technology)继续领先于“全球估值最高的艾独角兽”,9月份刚刚披露的估值超过70亿美元。

每个人都可以判断其中是否存在泡沫。

值得注意的是,根据师旷的招股说明书,联想之星(Angel Wheel)、创新工程(A系列和B系列)和祁鸣风险投资(b1系列)的最终持股远低于当年的投资,这意味着大部分股份(约90%)可能已经被师旷回购。

照片:师旷科技9轮融资

资料来源:师旷技术招股说明书

事实上,根据上一轮每股28.48美元的价格,创新工程在6年前的一轮疏忽中每股0.24美元的投资回报率约为120倍,年化回报率接近220%。然而,进入第二轮的祁鸣风险投资也获得了16倍的回报,年营业额约为180%。总的来说,仅仅看一个项目就能让"第一代人工智能投资者"赚很多钱--不同于通常的纸财富和荣誉,这种投资的大部分可能已经通过早期回购结算,这是真正的金钱和白银。

索罗斯曾经说过,世界经济史是一个基于幻觉和谎言的系列。要获得财富,方法是认识到幻觉,参与其中,然后在幻觉被公众认识之前退出游戏。

索罗斯是一位称赞邹邹的哲学家。

如果你用通俗的方式翻译,也就是说,所谓的概念和期望都是废话。为了赚钱,你必须先假装相信,然后建一个仓库,等必须相信的人,轿子,让真正相信的人接受报价。

你看,光着身子,没有美感。

编辑

© Copyright 2018-2019 gambitco.com 白界新闻网 .All Right Reserved