中美AI创业项目有哪些差异，并购会成为AI公司退出之路吗丨CCF-GAIR 2017
来源：雷锋网
作者：李秀琴
　　正如其它前沿科技一样，AI也是一个全球性的产业，一直面临着全球性的议题。　　雷锋网消息 7月8日下午，在雷锋网承办第二届CCF-GAIR全球与(300024,)峰会的AI+专场上，主持人Comet Labs中国市场负责人王星携昆仲资本创始合伙人姚海波、红点投资董事张鸣晨、九资本董事总经理邱谆、源星资本副总裁毛振桦、国金投资投资副总裁苏亮一起，为大家分享他们各自对“沟通中美，放眼全球”中美AI创投呈现的差异的洞见和观察。　　本次圆桌讨论的议题主要关注在中美AI创业项目的差异，以及和其相关联的风险判断、估值会有哪些区别，具体可见下方：　　主持人：美国和中国的人工智能项目相比，它们有什么特别显著的特点？在对它们进行判断、估值的时候，有什么区别？最好能结合一下具体的案例分享一下。　　姚海波：1、中国企业很“贵”；2、很多优秀的AI创业公司落地都比较成功；3、中美的技术的差异化对VC来说仍然是一个黑匣子，但是可从“谁能拿到具体应用”、看第三方怎么评价等方法去做评断。　　张鸣晨：投资分三个维度：钱、人和事。钱这一块，市场有贵的也有便宜的；人的角度来说，很多团队会在硅谷和国内设立自己的办公室，中美都在同一个起跑线上；事，这一块差异是最大的，美国的AI创业项目以纯商业项目居多，中国则以大的央企、国企的项目居多。总的来讲，两边会越来越趋同。　　邱谆：中美现在越来越接近。从人才的角度而言，美国基数更大一些，中国赶超很快；从性价而言，美国更具优势，因为技术能力更强。估值方面，中美没有实质上的差别，主要是看人、看方向、看事。　　毛振桦：从本身而言，其最大的问题是对AI产业估值体系的建立。其二是投资人，中美差异显著。中国投资人易受房地产、的影响，美国投资的成熟度、忍耐度、容错能力相对要强得多。其三是的退出通道，中国企业天然的是看盈利指标，而美国没有这方面的强制要求。　　苏亮：硅谷公司环境更宽松一点，不需要讨论太多商业模式，包括估值，国内公司相对苛刻；中美认知差异较大，硅谷是硬核技术的公司，更注重技术，中国则更看重商业落地。　　主持人：过去几年我们也看到在美国硅谷有一批人工智能和技术企业被科技巨头、产业巨头并购的案例，前两天百度还刚刚收购了美国一家NLP的公司。在接下来的几年，并购是否仍然是AI公司的退出途径？在AI领域有没有可能成长出le、Facebook这样巨头企业？　　苏亮：现在还没到那个时机。AI还只是方法论，真正诞生伟大公司还是因为商业模式的拐点到达了。我认为可能会诞生很伟大的公司。　　毛振桦：不一定完全靠并购，这两年AI在全球范围越来越普及，落地难度降低了，所以IPO退出的可能性也是有的。第二个问题，个人认为难度比较大，因为这两家公司它们不是基于AI，而是基于规模成长起来的，国内的T也是如此。　　邱谆：收购肯定不会停止，但是非常大的收购，如10亿美金以上的规模可能会放缓，AI领域是否会出现巨头，我个人相对比较乐观。现在行业格局还没有完全固定，初创企业还有很大的机会。　　张鸣晨：很多收购、并购其实是属于防御型的进攻。AI本身是一个方法论，但是只要有巨大的需求，这个领域还是有机会在AI的应用上产生一些巨头公司。2007年谷歌收购YouTube，当时所有公司都觉得谷歌收购的价格太高了，如今看来反而太过便宜。所以我也持乐观态度。　　姚海波：AI一定会出无极公司。AI不仅连接了人，还连接了信息，同时连接了物，所以一定会出现超越Facebook、Google的公司。现阶段而言，并购是非常现实的选择，不管你在哪个跑道创新，看看谁现在还有钱，下一步是不是就要跟他在一起玩。　　主持人：最后一个问题，我们这个主题还有一个部分叫做放眼全球，在中国和美国最关注的区域是哪儿？　　苏亮：比较关注英国，它的学术气氛更浓一些，而且英国的AI领域创业公司价值观更宽松一些。　　毛振桦：我最关注的是德国，它的智能制造非常厉害。制造作为智能产业的基石，它反而是最有价值，也是最有必要被自动化、信息化和智能化改造的。　　邱谆：主要关注中国和美国。此外，还有以色列，因为它的国内市场非常小，只要过了A、B轮，就一定会出现在硅谷。　　张鸣晨：除了硅谷这个主战场，还比较关注以色列和从大型技术型公司出来的人才。　　姚海波：只关注中美，重点关注中国的创业机会。　　（注：7月9日将是CCF-GAIR 2017的最后一天，雷锋网（公众号：雷锋网）依然坚挺会为大家陆续送上关于大会的精彩内容，要继续关注哦=。 =）　　雷锋网原创文章，未经授权禁止转载。详情见转载须知。
责任编辑：Robot&RF13015
机会早知道
已有&0&条评论
最近访问股
以下为您的最近访问股
<span class="mh-title"
style="color: #小时点击排行我的AI转型之路与AI之我见（非985211的奋斗路程与视角） - CSDN博客
我的AI转型之路与AI之我见（非985211的奋斗路程与视角）
我是一名传统网页（php+ruby）和应用开发（android）转型AI相关开发的码农。在非985211高校出身的情况下，我前期自己买书学习，到现在考研上课全身心的投入智能系统的开发当中来，在算法当中理解了数据和模型，对一些基本问题的解决和现在社会上的环境风气有自己的看法，在这里不吐不快，和大家分享一下。
对于人工智能的入门和基础理解我有一篇综述的博客文章，手把手的入门机器学习的”Hello World“，有5个基础开发实例，方便理解整个开发的过程。
数据分析入门：Weka的使用（只要四步，不会编码也可以做机器学习与数据分析）
机器学习的“Hello World” MNIST手写字体识别（用SVM支持向量机算法）
Iris花数据集分析
支持向量机（SVM）人脸识别
多层感知机识别MNIST手写字体识
详细内容，有兴趣的同学请点击下面的链接。
（0）【机器学习】机器学习综述与“Hello World”实战（附带5个实例）
也抽空做了2个小项目与大家分享。
新闻分类系统（Python）：爬虫（bs+rq）+数据处理（jieba分词）+分类器（贝叶斯）
谣言识别系统（Python）：爬虫（bs+rq）+数据处理（jieba分词）+分类器（贝叶斯）
人人都是机器学习工程师
现在人工智能无论是在校园里还是在工作当中，无论是在国内还是国外，都是十分火热的话题。现在在高校校园里，计算机专业，电子工程专业，自动化专业，机械专业，土木工程专业等等工科，理科，甚至新闻与传播专业等，只要手里有数据的专业，基本都有人工智能，机器学习等相关的话题。
不但在中国，美国，就连在日本，我在参观高压电专业实验室的同学都在用SVM预测地区高压电用电量估计，用蚁群算法来为高压电传输塔的建立做最合理的规划。自动化同学实验室再用决策树做图像识别，做机器人智能抓取。生物医学实验室的同学在用聚类分析DNA的基因序列。电子实验室的同学用回归分析电路板的检修，和用深度神经网络开发智能汽车。而且这不是在最好的帝国大学，这只是在世界排名800的普通工科院校。在入学的时候，校长在发表讲话，我比较激动，因为校长通篇的演讲都是在说“現在は人工知能の時代になりました。皆さんは人工知能の知識を勉強しでください。”就是“现在是人工智能的时代，请大家学习一下人工智能的知识。”就连普通上课最后同学们查询资料，发表这个课程相关论文的学习内容时，很多同学都是结合这门课和机器学习的分析方法，解决原来计算条件有限下难以解决的问题。
十几年前，机器学习还只是世界顶尖大学的玩物，现在所有的高校里都有相关的学习与研究，应用在各行各业当中。从原来的博士专业中独享，到现在的普及到硕士专业，以后大批本科生毕业也可以从事人工智能，数据分析相关的开发。现在大批的研究生开始学习机器学习算法， 研究在各种场景环境下的带入应用，不再去做网页，写EPR系统，开发APP，而是转向数据分析，图像识别，自然语言处理，神经网络等等。
在京东图书当中，周志华的《机器学习》评论数为8700+，而PHP卖的最多的《PHP从入门到精通》只有评价数6100+，郭霖的《第一行代码 Android》的评论数为1.4万+。由此可见不远的将来大家可能会从原来的PHP是最好的语言，即将变为SVM是最好的算法。
各种收费学习平台收割大学生的智商税
近几年知识收费成了各大网站的又一突破点，有良好师资的网站不断推出新的，符合市场定位的技术视频，并收取学员一些学费。可是现在有很多平台把市面上的书籍网络上的代码一抄，模模糊糊的讲解一下就敢收费400，500，甚至上千元的收费，这和11年安卓的培训市场上是如出一辙。这年头各种牛鬼蛇神，牛头马面都敢出来当老师，开班授课，市场一片混乱，不少刚出社会或者刚进大学的同学都被这个人收了智商税，希望大家应以为戒。现在世面上这么多的书籍与各种好的原创视频，知识点解读，论文分享的好公众号，希望大家不要再上当了，在掏钱的时候好好观察，这个是交了智商税还是真交了学费。
学会信息检索 + 合理利用资源
现在国内的视频网站上并没有多少好的人工智能教学的相关视频，但是油管上有成千上万的好的视频，从知识点的讲解，论文的解读，具体应用的手把手的代码教学，嗾使十分丰富的。具体的推荐请看下面书籍，公众号，视频的推荐。
很多同学找不到学习资料和视频资源。其实，信息检索也是一门学科，我在大学期间选修过这门课，后来我想这就是数据分析的第一步，数据收集。在这里我推荐大家加入我的群，群里都是一群新手，也包括我，都是想依靠技术让自己生活变的更好的一群人，群里不定期更新PDF书籍资源，现在已经有2.71GB，234本书了，可以让大家节约时间，少走一些弯路。QQ群号：。
为什么要学习AI
AI开发与传统软件工程，互联网应用开发相比较区别有哪些
传统软件工程，互联网应用开发主要是依靠开发语言和开发工具，重点学习一些算法和数据结构，库，框架。AI开发则有自己相关的库和框架，更多是学习机器学习的相关算法与对算法的优化，重点是把算法和模型应用到实际的问题当中，从不同的环境场景下提取数据，处理数据，分析数据的能力。
AI开发与传统软件工程，互联网应用开发相融合
互联网网站开发的都在做精准推荐，电子相关的都在做图像识别和处理，让计算机能具有”看“的能力，APP开发的在用机器学习来开发智能应用，语音输入法等。现在智能系统是解放生产力又一大有效的方案，现在不断有更多更好更新奇的应用被开发出来，提高了工作效率，降低了生产成本。
所以，作为传统开发和AI开发其实真正的区别并不大，无论是现在还是未来，好的传统开发是必须要会AI相关算法与技术应用到自己的项目当中，而好的AI开发是要会传统开发的技术，来实现自己的算法模型，解决实际问题的，所以两者是相辅相成的关系，互相离不开的。
未来AI的发展机遇
AI的开发工作机会分析
我从五月份开始关注拉钩网，春季刚开始的时候还没有机器学习，深度学习，自然语言处理，图像处理，数据挖掘，精准推荐的分类，现在在工作岗位分类中，都有人工智能这一大类了。可见现在人工智能相关的工作十分火热并工程师紧缺。
7月14日，人民日报报道了《中国人工智能人才缺口超500万，供求比例仅为1：10》一文，文章中说到。
一位数据挖掘高级工程师，在关闭招聘网站自己简历的情况下，每个月仍会收到4到5个猎头的电话，游说他去其它公司。现在以人工智能算法开发工程师为例，该职位少则月薪1万、2万，多则年薪百万。不像其它行业占据职业高薪榜的是高级管理人才，在人工智能领域中，技术类工程师拿的是最高薪。李开复说过“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司（谷歌、脸书和微软）都在用不合理的价钱挖人”。最近领英发布的《全球AI领域人才报告》显示，到2017年一季度为止，领英平台上的全球AI（人工智能）领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数也超过5万人，位居全球第七。
目前国家要产业转型改革，同时也强调产业升级的重要性，互联网行业中最稀缺的就是人工智能人才。现在国内的供求比例仅为1：10，供需严重失衡。工信部教育考试中心也曾在2016年向媒体透露，中国人工智能人才缺口超过500万人。目前国内外企业均把人工智能看成下一个变革的主要力量。AI技术人才，则是主导这一变革的中流砥柱。人工智能的竞争说到底是对人才的竞争，因此出现了各大互联网企业高薪挖人的现象。《全球AI领域人才报告》显示，美国已成中国AI人才最大回流来源，中国拥有海外工作经历的AI技术人才有43.9%来自美国。华人人才的持续回流，将加快缩短中国与美国等国家的技术差距。
由以上可知，现在加入到AI的开发中开正是大好时机。
现在AI开发工作的市场需求
现在市场上人工智能开发多是在研究生博士生居多，本科生并不是很受欢迎，本科生在本科阶段绝大部分是没有研究的，专业课的学习为主，自己喜欢的开发相关学习为辅，的确时间上并不是十分充裕，所以研究生和博士生现在受到市场的欢迎。基本上都是统计学、应用数学、计算机等相关专业，硕士及以上学历，具有优秀的数据结构和算法设计能力，能将算法实现为代码，至少熟悉一种大数据处理的编程语言（R、Python、JAVA、GO、Perl、Ruby、SPSS等），熟悉大规模信息处理与分布式计算等相关技术，较强的数据敏感度，逻辑分析能力和文档写作能力，
数据挖掘，搜索算法，精准推荐，深度学习，机器学习，图像处理，图像识别，语音识别，机器视觉，算法工程师，自然语言处理等方向现在十分火热。多数企业招不到合适的人员。
AI开发工作应该拥有哪些技术
开发语言多数以R、Python、JAVA为主。
将算法转换为代码的能力，即编码能力，这方面想提高除了多看多写，别无他法。
熟悉opencv，sklearn，tensorflow，caffe，Spark，keras，pyTouch等开发库，没必要全会，但是要有熟练的一个或几个。
大规模信息处理与分布式计算，开发环境搭建与优化，算法的调参与优化。
文档书写，团队人员的交流能力。
分析问题，分析数据，带入算法和模型到实际场景应用的能力。
我与AI的初次相遇
12年第一次接触机器学习
12年我第一次接触机器学习，当时进了实验室大家还不说机器学习，都是说数据挖掘，做了一个垃圾邮件处理的问题，当时并没有完成。之后就一直没有做这方面工作，一直做的是网站开发和APP开发。那时候是以java开发为主，学习python当中。由于没有什么书籍，网上博客也不全，代码也是残缺错误，所以那时候学习数据挖掘进度缓慢，没有什么成就感，没有网站开发和APP开发带来的成就感大，所以也就主要是做开发写代码为主。
16年断断续续的学习
由于在日本考学校要考试，还要写研究计划书，所以重新开始机器学习算法的学习，没有做什么实际的应用，只是单纯的推导公式，学习算法。做了一个根据网页信息对网页进行分类的应用，写成了研究计划书。多是看视频，看博客为主，书籍也是《机器学习实战》一本翻了很多次。
17年开始全身心的投入学习
修士（对应国内研究生）入学之后，开始全面系统的学习。没有什么特别的经过，就是不断看书，写代码实现，看论文，写博客记录。日本学生人人都写研究记录，我也开始写博客记录我的学习经过。每周都有和老师研究进度报告，和实验室研究会议，当前的研究进度的说明，发现了什么问题，怎么解决的。还有用《Python Machine Learning》，每人每周讲解一章，实验室人不多，算上我和两个前辈就3人，但是这个人工智能实验室在上世纪80年代就有了，算是历史不短吧。
现在国内市场上的人工智能相关书籍也开始慢慢多了起来，但是还是有老问题，有的书籍互相重复内容太多，有的书籍单纯是官网简介和demo代码的翻译，多数质量并不是很高，导致我现在看中文书预习，看日语书学习，看英语书复习，日本关于机器学习相关的书写的相当详细，理解起来也简单，中文书多数是翻译英文版的书籍，而我英语不是十分的好，看英语书向来要花点时间。
我学习AI的方法
看书，代码，分享的循环
学习的过程就是枯燥的，不停的看书，写代码实现，没别的方法了。找数据，找项目，找问题决解，锻炼自己解决实际场景问题的能力。然后最好写成博客分享给大家，对自己未来找工作，还是交接志同道合的朋友都有好处。
有的同学一上来就看代码，算法的原理和数学公式的体现不会是看不懂代码的，所以要先看书，从书上的例子一点点做起，还有部分同学基础的开发和数据结构不是很擅长，也要先补习一下这方面的内容才可以，总之基础的确很重要，万丈高楼没有地基的确是不行的。
《机器学习实战》
《自然语言处理原理与实现》
《机器学习》
《统计学习方法》
《支持向量机导论》
《统计自然语言处理（宗成庆）》
《深度学习》
《模式识别-第二版(西奥多里蒂斯 著，李晶皎译)》
《驾驭文本
文本的发现、组织和处理_》
《Python Machine Learning》
《Advanced Machine Learning with Python 》
《MATLAB智能算法30个案例分析》
《人工智能 一种现代的方法（第3版）》
《统计学习基础 数据挖掘、推理与预测》
《凸优化》
等等经典书籍，啊，你要问这个书籍哪有下载，请加群免费下载2.71GB，234本PDF书籍，群号：。
公众号推荐
大数据文摘 ： 每日大数据新闻推送。
机器之心 ： 每日机器学习新闻推送。
PaperWeekly ： 每日推荐论文推送并解读。
量子位 ： 人工智能新闻每晚推送。
爱可可-爱生活 每日多次不停的推荐论文，库，等等人工智能相关信息。（唯一重磅推荐）
周莫烦 （油管）：
周莫烦 （优酷）：
Stanford University School of Engineering ：
吴恩达机器学习 （油管）：
吴恩达机器学习 （网易公开课）：
加州理工学院公开课：机器学习与数据挖掘 ：
Udacity ：
edureka! ：
sentdex ：
推荐看用深度学习做GTA5的汽车自动驾驶
Siraj Raval ：
强力推荐，这个视频博主有各种手把手教学的视频，比如音乐合成等。
论文网站推荐
arxiv-sanity ：
我写AI博客的想法
我的现在水平只能写写博客，把自己学习到的东西免费和大家分享一下，肯定有我理解错误或者不完全的地方，和大家交流，解决问题是我的初衷，结实更多相关从业人员也是好处，我把一年的课都选在半年内上完，在我还有一年半校园生涯的时间里我会坚持更新博客，提高写作表达能力，但是毕业之后估计就没那么多时间了吧，谢谢大家对我的支持与鼓励，大家共同进步吧。
未来中国需要大量的掌握人工智能技术的工程师，在各行各业中穿插交流更具具体场景开发，很多同学英语不好，编码能力不好，开发经验不足，我希望通过我的一点绵薄之力帮助更多的同学入门人工智能技术，如果大家都这样想就好了。
现在就想多看书，多看论文，然后自己实践解决一些实际的问题。已经制定了详细的计划，希望可以坚持下去。
——————————————————————————————————-
有学习机器学习相关同学可以加群，交流，学习，不定期更新最新的机器学习pdf书籍等资源。
本文已收录于以下专栏：
相关文章推荐
AI（Artificial Intelligence），即人工智能。人工智能领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩...
AlphaGo的战无不胜和百度机器人小度连续打败最强大脑选手再次引爆了人工智能。
过往提到机器人，可能往往是想到机器人帮我们扫地，削苹果，替代人们做各种各样的体力劳动，但当机器人拥有了人工智...
本文介绍了Java中的四种I/O模型，同步阻塞，同步非阻塞，多路复用，异步阻塞。同时将NIO和BIO进行了对比，并详细分析了基于NIO的Reactor模式，包括经典单线程模型以及多线程模式和多Reac...
/zhejiangxiaomai/p/5729638.html
zookeeper，已经被很多人所熟知，主要应用场景有（数据订阅/发布...
我是一名传统网页（PHP+ruby）和应用开发（Android）转型AI相关开发的码农。在非985211高校出身的情况下，我前期自己买书学习，到现在考研上课全身心的投入智能系统的开发当中来...
我是一名传统网页（PHP+ruby）和应用开发（Android）转型AI相关开发的码农。在非985211高校出身的情况下，我前期自己买书学习，到现在考研上课全身心的投入智能系统的开发当中来，在...
会话管理class tf.Session运行TensorFlow所有操作的会话管理类。&#160;会话管理封装了所有被执行的操作对象，并且计算所有张量的值，例如：&#160;# 创建一个图.a = tf.constant...
训练模型&#160;在TF里提供了一些类和函数来帮助训练神经网络模型，主要的类就是优化器类，它提供一个基类的接口，让外面使用所有优化器算法达到统一，因此，优化器是接口类，你不能实例化它，只能从它的派生类来进行实...
前面学习怎么样查看numpy的版本号，这才是刚刚开始，现在来开始更深入地学习一下它，否则以后会很麻烦的，更加看不懂那些例子的代码了。一个用python实现的科学计算包。包括：1、一个强大的N维数组对象...
1. 下载Python 3.5 64位版本https://www.python.org/downloads/windows/2. 安装PIP软件管理工具3. 从DOS窗口里运行PIP下载TensorF...
他的最新文章
讲师：王禹华
讲师：宋宝华
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)}