廖若雪(创业公司的机会在哪里)
资讯
2024-04-13
463
1. 廖若雪,创业公司的机会在哪里?
我来从大公司和风投的角度回答吧。上周,高通副总裁兼高通创投董事总经理沈劲告诉我,高通创投目前的投资重点调整为前沿科技,确切说就四个方面:人工智能、XR(AR/VR/MR)、机器人,无人机,以及万物互联。
“终端侧人工智能就是AI的一个入口”,不乏为目前略显焦虑的AI投资人、缺乏机会的AI创业企业的一个方向。
所谓的终端侧人工智能,也指端智能、端侧智能、边缘计算等。如今线上的流量入口越来越少且越来越贵,以后的入口是大大小小的终端,包括手机、摄像头、传感器、机器人等,将涵盖我们生活的方方面面。
而且高通创投发现,很多AI巨头在终端侧人工智能方面并没有做到完全覆盖。譬如,高通最近追加投资的农业大数据公司奥科美,奥科美的农业数据,高通没有、BAT也没有,巨头们尽管数据量庞大,但数据种类不一定全面,譬如鸭叫、猪叫的声音,或者农业植株叶子的图片,是缺乏的——而这就是初创企业的空间和机会。
在这些领域中创业,无可避免要关注设备端的AI,因为终端侧AI有几个优势:
数据安全;低时延,类似刷脸、美图、拍照等功能一定都是在终端进行;整个执行回路的可靠性。简单说,采集到的数据如果要通过网络传输到云端进行计算,然后再返回到终端,那么过程中网络的任何不稳定就都会导致应用的失败,这样整个执行的可靠性就变弱了。自适应。目前的刷脸技术需要多方配合:规定必须站在某个位置,脸部必须朝某个方向,然而有了自适应技术,就灵活很多。譬如ETC,传统的ETC要求汽车必须短暂停车识别,但现在的技术已经可以支持车辆以正常的速度通过收费站完成识别和认证。不过,要具备这种自适应的能力,就需要终端侧人工智能的配合。在终端侧,全球出货量最大的终端就是手机,而今年手机已经开始使用人工智能功能,例如美颜、人脸解锁。看来今后手机的AI能力会越来越强,AI的普及性会越来越高,AI应用的覆盖面也会越来越广。
当然,从之前的云端AI,发展到现在的终端侧AI,给了业界新的挑战,小数据环境下本地训练的能力就是其中之一。
在云端的人工智能发展,包括运算能力、模型复杂程度等,可以不断往上叠加——比如商汤科技在2016年推出了1000层的深度神经网络,而这么大的网络显然在手机或者笔记本上是跑不起来的,它更适用于大数据、精细层计算。
而目前终端侧人工智能的使用,都是将已经训练好的模型小型化,然后放在手机、联网摄像头、空调等各类终端上让它来执行。终端侧智能下一步研究的重点是:小数据、无标注、限制环境下的人工智能训练,考验的是小数据环境下的本地学习和本地训练的能力。
从AI整个大方向看,中国市场特别大,这就给中国的AI企业带来独特又非常宝贵的市场资源。
中国的互联网金融发展得特别快,身份认证的市场比较突出。并不是说美国的互联网金融水平不高,但美国多年来的信用卡和信用体系,积累的数据已经特别多。在美国,要鉴别身份,目前并没有刷脸的技术,但因为系统已经积累了很多数据,他们可以通过核对这些数据信息就能判断你的身份,比如说你在某几个地址是否居住过;但是中国没有这样的数据积累,同时互联网金融在这两三年内突然爆发,这就提供了一个广阔的身份认证市场,比如你想盗用别人的身份证借款,要如何判断这是不是你本人的身份证,这个市场就很大了。
市场大,大家都入局,那么机会就减少了,所以人工智能初创企业需要在各个行业进行挖掘。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!
1. 廖若雪,创业公司的机会在哪里?
我来从大公司和风投的角度回答吧。上周,高通副总裁兼高通创投董事总经理沈劲告诉我,高通创投目前的投资重点调整为前沿科技,确切说就四个方面:人工智能、XR(AR/VR/MR)、机器人,无人机,以及万物互联。
“终端侧人工智能就是AI的一个入口”,不乏为目前略显焦虑的AI投资人、缺乏机会的AI创业企业的一个方向。
所谓的终端侧人工智能,也指端智能、端侧智能、边缘计算等。如今线上的流量入口越来越少且越来越贵,以后的入口是大大小小的终端,包括手机、摄像头、传感器、机器人等,将涵盖我们生活的方方面面。
而且高通创投发现,很多AI巨头在终端侧人工智能方面并没有做到完全覆盖。譬如,高通最近追加投资的农业大数据公司奥科美,奥科美的农业数据,高通没有、BAT也没有,巨头们尽管数据量庞大,但数据种类不一定全面,譬如鸭叫、猪叫的声音,或者农业植株叶子的图片,是缺乏的——而这就是初创企业的空间和机会。
在这些领域中创业,无可避免要关注设备端的AI,因为终端侧AI有几个优势:
数据安全;低时延,类似刷脸、美图、拍照等功能一定都是在终端进行;整个执行回路的可靠性。简单说,采集到的数据如果要通过网络传输到云端进行计算,然后再返回到终端,那么过程中网络的任何不稳定就都会导致应用的失败,这样整个执行的可靠性就变弱了。自适应。目前的刷脸技术需要多方配合:规定必须站在某个位置,脸部必须朝某个方向,然而有了自适应技术,就灵活很多。譬如ETC,传统的ETC要求汽车必须短暂停车识别,但现在的技术已经可以支持车辆以正常的速度通过收费站完成识别和认证。不过,要具备这种自适应的能力,就需要终端侧人工智能的配合。在终端侧,全球出货量最大的终端就是手机,而今年手机已经开始使用人工智能功能,例如美颜、人脸解锁。看来今后手机的AI能力会越来越强,AI的普及性会越来越高,AI应用的覆盖面也会越来越广。
当然,从之前的云端AI,发展到现在的终端侧AI,给了业界新的挑战,小数据环境下本地训练的能力就是其中之一。
在云端的人工智能发展,包括运算能力、模型复杂程度等,可以不断往上叠加——比如商汤科技在2016年推出了1000层的深度神经网络,而这么大的网络显然在手机或者笔记本上是跑不起来的,它更适用于大数据、精细层计算。
而目前终端侧人工智能的使用,都是将已经训练好的模型小型化,然后放在手机、联网摄像头、空调等各类终端上让它来执行。终端侧智能下一步研究的重点是:小数据、无标注、限制环境下的人工智能训练,考验的是小数据环境下的本地学习和本地训练的能力。
从AI整个大方向看,中国市场特别大,这就给中国的AI企业带来独特又非常宝贵的市场资源。
中国的互联网金融发展得特别快,身份认证的市场比较突出。并不是说美国的互联网金融水平不高,但美国多年来的信用卡和信用体系,积累的数据已经特别多。在美国,要鉴别身份,目前并没有刷脸的技术,但因为系统已经积累了很多数据,他们可以通过核对这些数据信息就能判断你的身份,比如说你在某几个地址是否居住过;但是中国没有这样的数据积累,同时互联网金融在这两三年内突然爆发,这就提供了一个广阔的身份认证市场,比如你想盗用别人的身份证借款,要如何判断这是不是你本人的身份证,这个市场就很大了。
市场大,大家都入局,那么机会就减少了,所以人工智能初创企业需要在各个行业进行挖掘。
本站涵盖的内容、图片、视频等数据系网络收集,部分未能与原作者取得联系。若涉及版权问题,请联系我们删除!联系邮箱:ynstorm@foxmail.com 谢谢支持!