本篇文章2090字，读完约5分钟
本文从三个方面阐述了技术创新带来的投资机会。
本文由华创资本授权的《我是黑马》(微信号:中国成长资本)发布。
人工智能不是一个新词汇。在过去的60年里，人工智能在学术界和工业界经历了三次大起大落。然而，人类从未停止追求通过机器实现人类智能的最初梦想。无论是投资还是创业，我们都在探索如何发现人工智能在商业环境中的应用价值。那么，经过60年的人工智能发展，我们今天应该怎么想？
技术发展是周期性的
自1956年达特茅斯学院首次正式建立人工智能研究领域以来，人工智能在历史上经历了繁荣的黄金时代和幻灭的低谷。在低谷时，人们曾试图用一些新词(如大数据和机器学习)来掩盖这个被提出并粉碎了三次的概念。然而，人类最初的人工智能梦想并没有改变，最终随着阿尔法戈战胜李世石而再次被唤醒，预计这一次将会给行业发展带来质的突破。
事实上，不仅仅是人工智能。如果我们阅读有关it和互联网的流行书籍，如《浪潮之巅》和《沸腾的十五年》，整个it行业在过去的几十年里也经历了起起落落，这说明了一个问题:技术发展的历史是周期性的。一般来说，最后一波技术的广泛应用往往是新一轮技术发展的原因，这是一个从量变到质变的过程。
人工智能的历史
时机非常重要，量变产生质变
在周期性技术创新领域，创业和投资需要着眼于时代的需求，走在周期的前面，而不是前面。就像youtube出现之前的许多视频公司一样，他们受到带宽限制，这使得他们最终失败；但是，如果手机只在2g网络下工作，我相信今天很多手机应用都不会成功。
技术创新必须是由先前的量变引起的下一次质变。当数量变化不来时，它将导致失败。
这就是为什么科技创业和投资的时机非常重要。中国的创业环境经历了产品创新和模式创新两个阶段。随着国内基础通信设施的完善，互联网的普及带来了海量数据的积累，摩尔定律和云计算大大提高了计算能力。我们相信中国已经为下一个技术创新时代做好了准备。
除了改善基础设施、提高计算能力和积累大量数据之外，中国在技术人才比例方面已逐渐位居世界第一。
根据白宫不久前发布的《人工智能研究与发展国家战略计划》，从2013年到2015年，sci中涉及深度学习的文章数量增加了约6倍，中国科学家发表的相关论文已经超过美国，成为世界第一。
这就是为什么今天许多人都在谈论技术创新，当我们参与看似广泛的技术创新时，我们应该关注什么方向？我从以下三个方面解读技术创新带来的投资机会:
1.数据处理和决策。随着海量数据的积累以及计算和处理能力的量化变化，需求方和供应方都面临着质的变化的机遇。我们可以看到，大多数在过去几年里蓬勃发展的互联网公司基本上都在疯狂发展，而之前积累的海量数据金矿还没有被挖掘出来。如今，互联网流量的红利正在消失，在线流量变得越来越昂贵。深度挖掘流量带来的价值，提高用户保留率，是互联网企业在经历了早期的野蛮成长后日益迫切的需求。从供给方面看，机器学习、云计算和数据人才的数量变化极大地提高了数据处理能力。因此，我们将在未来很长一段时间内重点关注和规划数据驱动的技术创新机会。
2.机器代替了人。近年来，世界人口结构发生了明显变化。发达国家的老龄化和发展中国家劳动力成本的上升使我们越来越渴望机器来代替人，这无疑为创业和投资带来了巨大的机遇。如果机器要取代人类，它们必须学会独立完成人类的行为，如听、说、读、写、走、做和理解。然而，要完全突破这些技能并达到人类的水平，我们认为至少需要几十年的时间。
然而，随着诸如视觉识别、语音识别、神经语言编程(nlp)、slam(即时定位和地图构建)等基础技术变得越来越成熟，我们相信一些简单和重复的任务可以首先由机器来学习。在商业和工业领域，机器都在慢慢地从量变到质变，比如大规模应用客户服务和售前机器人(chatbot)，比如工业制造机器人等等。
3.沉浸式互动。随着人类信息获取手段的丰富和信息处理能力的增强，新的人机交互形式也将在这种由量变到质变的浪潮中出现。从传感、通信到数字内容，有各种各样的机会，这将是贯穿整个产业链的一个重要环节。如今，非常热门的虚拟现实和虚拟现实实际上是整个产业链的整合，每一个环节都决定着这个概念能否真正普及。例如，许多虚拟现实制造商现在无法解决的oled屏幕供应问题，已经成为产业链中的一个关键问题，除了三星能否让其他制造商制造高质量、大规模生产的屏幕。当然，除了屏幕，还有大量的机会等待技术创新企业在整个沉浸式交互类别中挑战。
身临其境的互动站在前人的肩膀上，与时间交朋友不同于产品创新和模式创新，人类对任何技术创新的追求都将是持续的。
在过去的几十年里，主要大学和大公司的人工智能实验室通过大量的研究不断地将资本转化为知识，而投资和创业则不断地将知识转化为商业应用，这就是技术创业的独特魅力，因为我们总是站在前辈的肩膀上，不断地追求它。
与移动互联网带来的商业模式创新的快速爆发不同，在技术创新领域，投资和创业都需要与时间交朋友。每当暂时的技术困难被克服时，新的商业机会就会出现。因此，现在我们对人工智能应该比以往更加谨慎，同时也相信它比以往更加接近成功。
