作為一名風(fēng)險投資人，我很幸運地看到和評估了許多與人工智能有關(guān)的創(chuàng)業(yè)公司(注意：這個術(shù)語有一些baggage。為了本文的目的，我可以互換使用AI和ML，以使事情變得更簡單)。

目前，人工智能應(yīng)用到了一些你能想象到的所有領(lǐng)域中，包括從工業(yè)能源的使用到找到合適的gif動圖。

利用人工智能來改善和解決當(dāng)今緊迫的商業(yè)和社會問題，是我認(rèn)為科技發(fā)展的一個決定性趨勢。而且，我非常高興能在其中扮演一個微小的(或者說無關(guān)緊要的)角色。

我也堅信，正確的分類與定義是正確解釋和理解事物的關(guān)鍵，人工智能也不例外。

就現(xiàn)在而言，人工智能行業(yè)在分類方面非常不明確：給我的感覺就是，人工智能公司似乎是在沒有明確界限的情況下被堆放在一起了。很顯然，這可能會讓事情變得更加混亂，讓人工智能這個場景更難被人所理解。

例如，我在CB Insights的朋友們做了一份名為“AI創(chuàng)業(yè)公司100強”的市場地圖。

這是CBI提供的一個非常好的資源，它按照人工智能公司所從事的行業(yè)給它們進(jìn)行了詳細(xì)的劃分。但如果仔細(xì)觀察的話，這些分類并不是非常完美的，也不協(xié)調(diào)。

比如說，汽車、機器人和醫(yī)療行業(yè)都是行業(yè)，但文本分析和視覺是應(yīng)用。那么，提供核心AI技術(shù)的公司應(yīng)該放在哪里呢?這是人工智能領(lǐng)域不同的層面，可能不應(yīng)該在一張地圖上。

在我看來，有三種類型的人工智能公司——核心、應(yīng)用和行業(yè)，分別代表著人工智能領(lǐng)域的不同賽道。

核心人工智能公司(Core AI Companies)

核心的人工智能公司開發(fā)的技術(shù)可以改進(jìn)人工智能創(chuàng)建或部署過程本身。以下是這一賽道中的一些方向，以及幾家正在進(jìn)行創(chuàng)新的公司：

數(shù)據(jù)清洗：Trifacta，Paxata，Wealthport，Datalogue

建模(Modeling)：Sentient，Petuum，MLJar

部署(Deployment)：Yhat，Seldon

這些公司都在人工智能的某些特定的、與行業(yè)無關(guān)的領(lǐng)域進(jìn)行創(chuàng)新。其中一些公司開發(fā)的是特定的工具，而另一些公司則聲稱能創(chuàng)造一個全新的人工智能，將徹底改變其工作方式(比如2015年左右的Geometric Intelligence)。如果你投資的是核心的人工智能公司，你應(yīng)該對這條賽道的工作原理有一個很好的理解。如果你是這些公司的創(chuàng)始人之一，你應(yīng)該有在規(guī)模上部署機器學(xué)習(xí)和人工智能的經(jīng)驗。

應(yīng)用人工智能公司(Application AI Companies)

在更具體的方面，應(yīng)用人工智能的創(chuàng)業(yè)公司開發(fā)的技術(shù)，可以幫助不同行業(yè)的公司使用人工智能完成一項特定的任務(wù)。和上面提到的一樣，下面是這個賽道上的一些方向和一些有趣的公司。

分析和理解文本：Indico, Synapsify, Lexalytics

分析和理解圖像和視頻： Clarifai, Kairos, Imagry, Affectiva, Deepomatic

機器人/語音：Init.ai, MindMeld

行業(yè)人工智能公司(Industry AI Companies)

人工智能公司的最后一個賽道是將這些技術(shù)應(yīng)用于特定垂直行業(yè)的特定業(yè)務(wù)問題。毫無疑問，這一類別中的創(chuàng)業(yè)公司的數(shù)量是最多的，而且在很多方面代表了人工智能的真正前景——用新技術(shù)解決實際的和迫在眉睫的問題。在這方面，想要提供一些企業(yè)的例子就更容易了。它們的愿景格式總是“XXX的人工智能”：

DigitalGenius：用于客戶支持的人工智能

Cylance：防止網(wǎng)絡(luò)威脅的人工智能

X.ai：安排會議的人工智能

Drive.ai：自動駕駛汽車的人工智能

現(xiàn)在你或許已經(jīng)了解——這些公司的共同主題是，他們將機器學(xué)習(xí)/人工智能應(yīng)用到特定的問題或領(lǐng)域中。在研究這樣的投資時，投資者會同時考察人工智能本身(如果它運行良好的話)和特定的商業(yè)案例(不管它是否令人信服)。

比如說，在X.ai的案例中，投資者會想知道人工智能是否有效，但他們也會研究人工智能是否是解決日程安排問題的最佳方式，以及日程安排是否是一個值得解決的問題。對于另外兩個賽道上的公司來說，很少考慮這方面的因素。這一賽道上的人工智能公司的創(chuàng)始人通常都沒有人工智能經(jīng)驗，甚至可以是非技術(shù)人員(當(dāng)然，有合適的支持團隊和CTO)。

人工智能“光譜”

為了理解更好地比較這些賽道之間的區(qū)別，我們可以用兩個關(guān)鍵的軸來定義和評估這些類型的公司:ROI時間軸和適用性，這兩者都來自于客戶的角度。

上軸代表客戶的投資回報率時間線，而下軸表示不同類型的企業(yè)的適用性。

核心人工智能：一項可能需要時間才能得到回報的重大投資，但可以為幾乎所有行業(yè)帶來好處。它們的成果通常會被數(shù)據(jù)科學(xué)家或其他技術(shù)人員使用。

應(yīng)用人工智能:一種中期投資，可以很快被證明是有用的，但需要一些時間來整合到業(yè)務(wù)流程中。與具體業(yè)務(wù)的多個部分相關(guān)，并且由技術(shù)人員和非技術(shù)人員使用。

行業(yè)人工智能：一項幾乎可以立即支付股息的投資，但它只會解決一種特定類型的問題。由非技術(shù)人員(銷售、市場營銷等)主要使用。

這些分類是通用的，所以肯定有例外(比如核心人工智能可以快速部署，等等)。

投資者的視角

作為一名分析師，當(dāng)我從事研究工作時，我試圖將公司歸類為其中的一種，因為它們都是非常不同的投資標(biāo)的。具體來說，它們在客戶組織中的不同點交付，需要不同的交付周期，并需要花費不同的時間和精力去實施(ROI時間軸)。

與我交談的大多數(shù)公司(大概80%左右)都在從事某種行業(yè)人工智能的工作。在剩下的20%中，15%是應(yīng)用人工智能公司，5%是核心人工智能(大致是這樣)。不過，其他投資者，尤其是只關(guān)注人工智能的投資者，可能會有不同的劃分標(biāo)準(zhǔn)。