AI 创业公司的三个死穴/AI 医疗的现状与局限/政府税收中的 AI 技术 |AI Insider#027

本期导读:

  • 研究:FB 展示如何将 2D 照片转换为 3D、亚马逊新论文提升购物搜索体验;
  • 学术:机器人应用于自闭症治疗、应对计算机视觉对抗攻击的新研究;
  • 医疗:AI 在医疗应用的现状与局限;
  • 洞察:AI 创业公司的三个死穴;
  • 市场:AI 芯片、AI 医疗、自动驾驶等创业公司融资汇总;
  • 行业:五角大楼 AI 道德原则、数据中心最新报告;
  • 应用:ABB 仓库机器人、博世 AI 实践、政府税收中的 AI 技术、利用 AI 戒烟;

洞察(试读):AI 创业公司的三个死穴

投资公司 a16z 上月发表了一篇分析 AI 创业公司困境的文章,如果你关注 AI 创业领域,一定要读一下这篇文章,或者你也可以先看看我的点评。

这篇文章从商业模式的角度入手,将 AI 创业公司与传统软件公司做了对比,你会发现其中有太多值得思考的问题,我将其称之为「AI 创业公司的死穴」

1.云服务的成本

AI 创业公司热衷于使用云服务,云服务的确可以帮助 AI 创业公司快速完成机器学习模型的搭建与部署,并借助其弹性的特点,使得 AI 创业公司可以应对突发的流量压力。

但这个看似甜蜜的方案背后,隐藏了众多「套路」,一方面,整个机器学习模型训练所需的计算、存储、网络资源非常高,这也是一个巨大成本,FT 此前的一篇报道称,创业公司在云上的花费,为 AWS、微软贡献了巨额收入。

另一方面,云服务的隐形成本还包括机器学习模型在云服务商不同区域的迁移,以及在不同云服务商之间的迁移等等。

更重要的一点还在于,困扰整个 AI 发展的算力问题,短期来看几乎只能靠钱来解决,摩尔定律已经失效,而 OpenAI 指出的巨大算力需求与英伟达单个 GPU 实际算力提升之间形成了鲜明的反差。

或许会有人说,分布式计算就是为了解决这个难题而出现的,但正如 a16z 分析师所言,这个方案解决的是速度,而不是成本。创业公司对于分布式计算的迷恋,无异于「财务自杀」。

2.人类的位置与成本

如果你听过「没有数据就没有智能」,还需要记住另一句:「没有大量被人类标注的数据,就没有足够的智能」。

这就涉及到了整个产业链上的人类成本。过去几年时间里,媒体热衷于报道哪家公司年薪百万招募机器学习博士,但很少听到哪家 AI 公司为获得人类标注数据所付出的成本,a16z 给出的数字,这个数字占据了企业营收的 10%—15%。

另一个佐证是,在被誉为「AI 第一股」的旷视科技招股说明书里,「数据标注」人员占公司全员的比例为 17%。

这也可以解释为何数据标注已然成为一个巨大的产业,利用中国天然的劳动力优势,数据标注产业的发展势头也非常凶猛。

如果说数据标注只是一种外包的人力成本,那么 AI 创业公司还需要另一层人力成本,当 AI 产品渗透到各个行业,创业公司们所面对的是一个巨大而又需要定制化的市场,换句话说,这需要大量人力去维持、开拓。

这又和传统软件公司不同,在传统软件公司,软件的一个功能可以适配足够多的企业和行业,但在 AI 领域,数据源的不同所带来的连锁反应到底有多大呢?a16z 分析师举了一个例子,两家汽车制造商的车辆缺陷检测,看似相同,但不同数据来源决定了整个模型训练、部署会出现巨大差异。

3. AI服务化是个不得已的选择

「AI 服务化」与其说是 AI 创业公司的营销词汇,倒不如说这是一个无奈选择,当云服务成本无法通过规模化降低,当人力成本在数据标注与行业扩张中居高不下,留给 AI 创业公司的选项委实不多。

a16z 分析师最后的总结指出,当下很多 AI 创业公司更像是一个服务公司而不是软件公司,「你可以代替某些服务公司,但无法代替服务」。

对于崇尚「软件吃掉世界」的 a16z 而言,这个推论也向世人展示了其对于 AI 创业的看法,当 AI 创业公司被看作服务的时候,AI 创业公司的估值与增长空间已经被限定,至少在硅谷,软件/技术公司的估值为其营收的 10–20 倍,而服务类公司的只是 2 倍。

这也抛出了另一个问题:是不是即将迎来又一个「AI 冬天」?从我的角度去看,这个时期更像是「秋天」,无论资本市场还是国内外的巨头公司,正在更理性地看待 AI 技术与产品,同时也在评估其对于未来行业发展的影响。

所有这一切都在展现一个事实:AI 创业公司的热潮已经过去了。

 

(欢迎订阅「AI Insider」获取本期全部内容 )