金慧瑜

　　[ 當下的人工智慧仍處於嬰幼兒水準，不過，制約人工智慧發展的三大壁壘(運算能力、數據積累、有效演算法)正在漸漸消解 ]

　　“在美國，2015年是機器人元年，而對中國，機器人還只是萌芽。”常年奔波于美國矽谷和中國的謝殿俠近日在一場小型沙龍裏對在場的機器人愛好者説。

　　其實這也是當下很多對機器人感興趣的投資者的共識，他們期待這張尚未有太多色彩的白紙上，有更多新技術的應用、更多行業數據的開放以及更有創意的應用場景。

　　界面、場景與數據

　　謝殿俠是上海海知智慧科技的CEO，從事語義分析理解方面的基礎技術平臺服務，他最近和一家知名風投設立了一支專項天使基金，專注於人工智慧應用領域，尤其是智慧機器人的極早期天使投資和YC 式創業企業孵化。

　　在美國，2015年被稱為智慧機器人的元年，不同類型的智慧機器人每台售價從幾萬美元降到2000美元以下，像上世紀80年代初的電腦一樣走進日常辦公和普通消費者家庭。

　　而在國內，在面向消費領域的智慧服務業機器人以及人工智慧技術在各個領域的應用，顯然還處於比較早期的幾乎空白期。

　　“只要想法相對靠譜、人相對靠譜，經過了篩選即投資80萬元人民幣，佔8%的股份。”謝殿俠告訴記者，投資範圍尤其是面向服務業的智慧機器人，把美國、中國有潛在經驗和技術積累的團隊發掘出來，幫助他們用幾個月時間把創意想法變成可演示的原型産品，並推動進行下一輪的融資。

　　“在國內，智慧機器人的發展需要一個生態鏈，我們希望能整合國內外的産業鏈資源以及資本，幫助這些團隊快速、低成本地把想法早一點變成現實。”謝殿俠説。

　　謝殿俠告訴《第一財經日報》記者，他們自己提供的是一個AI(人工智慧)語義分析理解的技術平臺，讓機器人以及任何應用可以通過介面理解人的自然語言進行交互，因而他關注的是産業鏈上游的內容、知識、服務和下游的各類智慧機器人以及智慧硬體等。

　　産業鏈下游是和用戶直接接觸交互的界面，包含了智慧耳機、智慧音箱、汽車車載，甚至機器魚等各類“機器人”，不限于手機上的各類應用。

　　天使投資人、起點創業投資基金的創始合夥人查立認為，機器人作為一個界面的應用場景尤其重要。“比如在某些不適合人類工作的領域，比較臟、危險的地方，或者是人類無法實現的功能，如飛行器。它們的共同點是延伸了人類在視覺、觸覺、伸展方面的能力。”

　　他在美國接觸到一個和人類打網球的機器人：一邊是個運動員，另一邊是4個飛行器牽著一個網，它們的準確率、打球策略、整體配合、速度表現都非常好。此外他們還在了解一個幫助盲人的機器人的項目。

　　關於産業鏈上游，謝殿俠認為，可包含時間、地點、人名等的日程助理等提醒服務，以及音樂、演出票務、活動、健康、金融財經等領域，通過這些領域合作夥伴合作形成領域知識圖譜，為下游服務。

　　“例如在音樂方面，擁有內容的平臺合作，相當於塑造一個機器人DJ，不僅可以根據曲目名稱、專輯或者演唱者等播放，也可以根據你的情緒、感受來推薦適合心情的音樂。”謝殿俠説，他們還在做的一件事情就是推動國內的開放數據聯盟，鼓勵各行業各領域尤其中小企業將數據開放共用並連接起來。

　　華創證券認為，數據是智慧化的基礎，大量的數據不僅是機器學習的前提，而且智慧化效果直接跟數據量成正比，在萬聯網的初期階段，競爭更多表現為數據入口的競爭，掌握數據入口的企業，是他們看好的一級和二級市場的方向之一。

　　技術是核心

　　紀源資本合夥人于立峰指出，目前投資界的投資熱點主要集中在雲計算、移動網際網路和大數據三個方面，而未來三到五年中的投資熱點還將包括智慧技術領域，包括機器智慧。

　　于立峰指出，其中的一個投資熱點就是識別技術，它包含了語音識別、視頻、圖形、行為識別等。“有很多小型創業公司在從事這方面技術軟體的研發工作且取得了進展，這些識別技術還將不斷地迭代更新及不斷適應智慧技術的發展和未來的需求，不斷地去提高識別技術的精確度和可靠性。”

　　謝殿俠告訴記者，支付寶、騰訊所做的遠端開戶已經運用了人臉識別技術，這一技術領域國內的參與者包括了百度、騰訊、face++(曠視科技)等。“人類可以達到95%的準確度，而Facebook、百度研發的技術已經可以做到超過這個數字。”

　　曾獲IDG資本1000萬美元注資的SenseTime(商湯科技)CEO：“通過深度學習和大數據分析，機器人可以來判斷人與人之間是什麼樣的關係。如果我們做陪伴機器人，就可以分析情感，甚至可以通過看網路照片、視頻來分析人物之間有沒有競爭、依賴、信任等關係。”徐立説。

　　而除了識別技術以外，圍繞智慧機器人的各類關鍵技術都是科技巨頭看好的領域。

　　就人工智慧機器人而言，一般分為操作層、感知層、認知層三個部分。工業機器手臂就是操作層的東西，感知層包括很多視覺産品，更多是感測器。

　　“未來人工智慧機器人要有大的突破，核心在於認知層，但目前國內做認知層的不是很多，主要是IBM和微軟做得多一些。”圖靈機器人CEO俞志晨在近期硬蛋舉辦的一場機器人論壇上表示。

　　在很多人看來，當下的人工智慧仍處於嬰幼兒水準，不過，制約人工智慧發展的三大壁壘(運算能力、數據積累、有效演算法)正在漸漸消解。

　　在運算能力方面，IBM 研發的倣人腦晶片True North有上百萬個數字神經元，每個神經元分別和其他神經元連接産生的突觸有2.56億個。這可堪稱電腦行業最具顛覆性的變革。

　　中國人工智慧協會青年分會主席、復旦大學教授張文強認為，不斷積累的數據使機器智慧可以不斷自我進化，而移動網際網路等産生的大數據，使得機器智慧的數據瓶頸可以得到解決。

　　而數據量和運算能力的突破也帶動了演算法的進步，深度學習演算法的出現，將人工智慧的發展帶上了一個新的高度。