3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
新加坡何以成為最智慧國？
2018年10月15日 星期一
．投資人看 AI：對岸機器人行業什麼方向最具「錢」途？【上】
Investing in Artificial Intelligence and Robotics Stocks! [Buy the future]
 |
來源：泛人工智能
如果您是機器人行業的創業者，您肯定希望自已的創業公司，選擇了一個最具「錢」途的行業，行業競爭尚在藍海。
如果您是機器人行業從業者，您也一定希望公司的產品，真的能解決行業的痛點需求，「錢」途光明。
而Dr.王作為風險投資人，則希望搞清楚機器人行業現狀如何，什麼樣的機器人行業公司還處在青春期，並且佔據先發優勢呢？
帶著這些問題，Dr.王繼續在機器人行業裡，和您一起來尋找該行業第一個答案：
機器人行業創業公司在哪裡出沒，是在青春期，還是在成年期，投融資生存現狀呢？
——①——機器人行業公司分布城市
常規的機器人分類主要包括：工業機器人、服務機器人和特種機器人三類。在前面發表的「智慧製造」行研分析文章中，提到了一類最具「錢」途的行業方向，包括「智慧製造機器人」，實質即為智慧「工業機器人」。
因而，本文分析的機器人行業數據，不再包括工業機器人，只包括常規意義上的服務機器人，和特種機器人兩類數據。我們需要搞清楚這兩類機器人的行業公司，究竟應該是什麼樣的城市分布規律，我們究竟到哪裡，可以方便地找到這些創業公司，或者說在哪些城市機器人創業公司更易生存長大？
圖1 2017年至今得到風險投資的機器人行業公司在對岸中國城市分布趨勢
從圖1，我們可以看到2017年至今，得到風險投資的機器人行業公司城市分布的大致趨勢。北京、深圳、上海排前三強，北京仍然牢牢佔穩頭牌座椅；杭州、天津等城市處於第二梯隊，這與智慧製造行業中的「智慧製造機器人」城市數據相符。
機器人行業普遍需要，完善的製造業供應鏈資源，因而機器人行業公司的排名，也部分反映出相關城市的實體製造供應鏈，資源豐富程度，除此而外，機器人行業相關人才、資金等，也主要集中在一二線城市。
——②——機器人行業公司發展階段和投融資
為什麼我們要關注，機器人行業公司的當前發展階段和投融資呢？其實只是風險偏好不同，VC喜歡青春期的公司，PE喜歡成年期的公司。
圖2 2017年機器人行業公司投融資數量月度變化趨勢
從圖2，我們可以看到2017年以來機器人行業公司，投融資數量月度變化趨勢。非常明顯，機器人行業從2017年初以來，得到風險投資支持的創業公司數量越來越多，形勢不錯。
從圖3，我們可以看到2017年至今，機器人行業創業公司投融資輪分布趨勢。大多數投資機構在機器人創業公司A輪投資出手。從2017年至今，機器人行業創業公司，只有較少幾家公司完成過C輪融資，完成D輪融資的幾乎沒有，反映出機器人行業技術和商業模式還不太成熟，收入盈利還沒有得到PE投資機構的青睞。
圖4 2017年至今獲得風險投資的機器人行業公司創立年代分布趨勢
從圖4，我們可以看到2017年至今獲得風險投資的機器人創業公司，幾乎全是新生的創業公司，主要在2012年之後啓動，逐年創建的機器人公司越來越多，2015年達到創業高潮的頂峰。簡而言之，當前機器人整個行業尚處於中早期階段。
——③——機器人行業公司估值情況
我們在這裡觀察一下機器人行業公司的估值情況。
圖5 2017年至今機器人行業公司各輪融資金額趨勢
從圖5，我們可以看到2017年至今，機器人行業公司各輪平均融資金額。我們對比整個人工智慧領域，創業的各輪平均融資金額，可以發現，機器人創業公司天使輪平均融資1636萬元，相對整個AI行業高了13%；Pre-A輪平均融資3063萬元，相對整個AI行業高了10%左右；A輪（含A+輪）平均融資5383萬元，相對整個AI行業低了30%左右；B輪（含B+輪）平均融資1.2766億元，相對整個AI行業低了60%左右。C輪的融資家數較少，其中有一家公司C+輪融資金額過於奇異，拉高了行業平均，沒有代表性，不作比較。
從一級市場投資各輪的平均融資金額來看，機器人行業在天使輪與Pre-A輪等早期階段，所需的啓動金額相對人工智慧行業公司，平均融資金額較高一點。到達A輪和B輪中期時，投融資估值相對較低，也部分反映出盈利模式尚未成熟。
——④——簡單總結一下：
第一，北京、深圳、上海排前三強，北京仍然牢牢佔穩頭牌座椅；杭州、天津等城市處於第二梯隊，這與智慧製造行業中的「智慧製造機器人」城市數據相符。
第二，非常明顯，機器人行業從2017年初以來，得到風險投資支持的創業公司數量越來越多，形勢不錯。
第三，2017年至今獲得風險投資的機器人創業公司，幾乎全是新生的創業公司，主要在2012年之後啓動，逐年創建的機器人公司越來越多，2015年達到創業高潮的頂峰。簡而言之，當前機器人整個行業，尚處於中早期階段。
第四，從一級市場投資各輪的平均融資金額來看，機器人行業在天使輪與Pre-A輪等早期階段，所需的啓動金額，相對人工智慧行業公司，平均融資金額較高一點。到達A輪和B輪中期時，投融資估值相對較低，也部分反映出盈利模式尚未成熟。
本系列下一篇文章，將為您揭示機器人行業什麼方向，什麼樣的落地方向最具潛力，也即最具「錢」途？
PS：吟名言一句，放鬆一下
「成功是用努力，而非用希望造成。」——約翰赫斯金
作者注：尋找和股權直投泛人工智慧領域「細分行業裡唯一或第一的創新性公司」，包括AI大數據、AR/VR、機器人、區塊鏈等先進科技。創投界首家《泛人工智能簡報》專刊：每週一發表一期，梳理和跟蹤泛人工智慧領域最新動態和趨勢風口。《投資人看AI系列》：每週四發表一篇，以問題驅動，探索泛AI領域從業者和投資者最關心的問題。
．邊緣計算市場不斷擴大
Video Shorts: Introduction to fog computing
來源：
「曾經，有人認為世界上已經有足夠的計算能力，我們不需要計算能力了。說實話，如果這個世界不需要計算能力，英特爾做什麼呢？可是大數據時代的到來，給計算能力帶來了前所未有的挑戰。」 英特爾市場營銷集團副總裁、中國區總經理王銳博士的一番話意味深長。
 |
英特爾公司高級副總裁兼物聯網事業部總經理Tom Lantzsch
|
計算力會有盡頭嗎？智慧城市、智慧工業、智慧駕駛、智慧零售等物聯網應用，無一不和數據緊密相關，每種應用的落地，都伴隨大量數據的產生。
據分析師預測，到2025年，全球數據量將劇增至現在的10倍，達到163 ZB。如此巨大的數據，只有透過算法分析，提取有效數據，才會做出判斷產生價值，而且隨著人工智慧的發展，新應用對計算力的需求會更高。
三大策略驅動數據革命
英特爾正在進行以數據為中心的轉型，從端口設備到雲計算，加上內建記憶裝置和儲存、FPGA加速器技術、再加上網路以及5G連接技術和軟體支持，成為數據革命的驅動力。
王銳博士表示，「未來是AI時代，一個公司能否生存、能否成功，最終依賴的是他們到底有多強大的計算能力。越來越多的應用、邊緣計算、雲端計算，需要的是強大的計算、聯接和儲存的能力。英特爾的策略就是為新的數據世界，奠定技術基礎，增強他們計算、連接、儲存的實力。 」
時代在前進，技術在進步，不管擁有市場領導地位的國際巨頭，還是手握一技之長的後起之秀，都要隨著時代演進，才能在競爭中立於不敗之地，而在這場數據革命中，英特爾主要聚焦三個方面，王銳博士解釋，「第一，半導體生產領導者。我們繼續推動摩爾定律，雖然它是一個人為定律，但在過去的數十年裡，而且在未來會繼續推動最基本的計算能力，我們要利用半導體計算能力打造一流的平台；第二，我們要成為世界領先的端到端提供商，為企業提供從設備到雲端無縫協作的方案；第三，引領人工智慧和自動化革命，為卓越的、新穎的應用場景提供強大的技術支持。」
 |
人臉檢測與屬性提取方案
|
看中邊緣計算，應用落地非常迅速
數據在不斷增加，如果全部傳輸到雲端進行處理，顯然當前的頻寬和傳輸速度，都難以滿足要求。因此將數據處理，從雲端遷移到邊緣端十分必要。
英特爾公司高級副總裁兼物聯網事業部總經理Tom Lantzsch認為，「我們能夠推動的下一次轉變就是在邊緣計算。在去年，英特爾提出了物聯網的三個策略，分別是：第一，為物聯網設計高性能晶片；第二，增強邊緣計算，專注於網路邊緣計算方面的良好機會；第三，專注於電腦視覺，我們認為電腦視覺這項AI技術，將帶來變革性變化。為了實現這三個策略，我們在開發者工具及生態環境方面，進行了大量投入，我們還與合作夥伴共同為終端客戶，提供了行業整體解決方案（Intel IOT Market Ready Solutions），將這三個策略應用於教育、零售、工業、智會城市等領域。」
提出一個概念非常容易，實現起來一般很難，邊緣計算是不是也是這樣？在今年的物聯網峰會上我們看到很多實際應用案例，比如人臉檢測與屬性提取方案，可以透過人工智慧算法提取人臉特徵，從而判斷人的情緒；基於英特爾OpenVINO技術的人臉辨識系統，可以應用於教育行業，幫助老師即時判斷學生的上課情況；智慧健康測試系統，可以即時測試用戶的健康狀況並，提供改進方案。展會現場筆者看到了幾十種基於邊緣計算的產品。
 |
基於英特爾OpenVINO技術的人臉辨識系統
|
用英特爾副總裁兼物聯網事業部中國區總經理陳偉的話就是，「中國市場是既大又快，有點違反物理定律，因為牛頓第二定律是質量大了之後，速度就會慢。邊緣計算在過去兩三年，發展幾乎超過了所有的行業預計，很多實際的案例落地，將來這個落地會繼續加速。」
未來訓練會發生在邊緣
從數據的產生來看，大部分數據產生在邊緣，但是由於頻寬的限制，有45％的數據都在邊緣進行計算，佔比非常高，未來邊緣計算會發生什麼變化？
Tom Lantzsch分析，認為未來我們將看到一些新產品會開始在邊緣進行學習。現在所有的訓練數據集都發生在雲端，將來有更多的數據會產生於邊緣，而訓練也會最終轉移至邊緣。這就是我們所預見的未來。
而自能系統（Autonomous systems），會變得越來越自能，比如自動駕駛汽車、機器人系統、更為先進的視覺系統等。由於本地產生了大量的數據，所以自主性也會逐級下推，這是我們將面對的一項重大改變。
比如，一台存有50萬張人臉的攝影機，數據非常龐大。而這些算法將繼續在本地的系統層面上得到改善，而不會涉及到雲端，它將成為一台邊緣設備中的攝影機，而相應的學習也會在邊緣進行。
為了加大邊緣計算的算力，英特爾推出了OpenVINO工具，經過對比發現，基於OpenVINO平台的機器視覺深度學習系統，在使用 OpenVINO平台之後，比沒有使用OpenVINO平台前，速度提升7倍，如果使用OpenVINO平台再加上FPGA後，速度會比最初提升20多倍。
在醫療影像領域，使用OpenVino平台，可讓模型的運算能力提高188倍，也就是用在骨骼年齡檢測方面提高了188倍，肺部投影的速度提高了38倍。
 |
智慧健康測試系統
|
陳偉強調，與幾年前相比，物聯網的概念越來越清晰。我們在物聯網領域耕耘了十年，從嵌入式概念到物聯網分布式計算的概念，概念的清晰也使得英特爾的策略簡單了、聚焦了。
因為早期ARM和英特爾相比，如果物體不能產生數據，就會使用低端的晶片，產生低端的數據單元，而數據產生之後沒有判斷能力，所以要透過網路傳到後台進行處理。當數據量呈指數上漲時，網路頻寬放鬆了，渠道更靈活。
海康威視的邊緣伺服器，就是一個很好的應用，幾年前根本沒有伺服器跑在邊緣。5G商用以後，如果我們打掉網路的瓶頸，可能會影響整個終端到邊緣計算、網路，以及後端的所有平台。所以英特爾的思路清晰了，第一，專注於邊緣，邊緣本身就在擴大，從零到擴大；第二，做負載整合、應用整合；第三，做視覺計算。未來可能會演變，但這些平台化的技術，生態鏈的搭建，使得英特爾有一席之地。
另外，Tom Lantzsch還談到了自動駕駛領域，英特爾已經收購了Mobileye；在消費物聯網領域，英特爾一直在為企業、政府以及垂直領域，不那麼側重消費領域的客戶創造商業價值。
陳偉表示，「英特爾很好地發揮了自己的策略優勢，因為很多以消費者為導向的產品，是一些很簡單、小巧、聰明的東西連接到雲端，這其實並不是我們說的邊緣，只是雲端的簡單事物。所以我相信，對於英特爾以及我們的合作夥伴來說，專注於以我們業務為導向的領域，會帶來更大的商業價值。」
．「人工智慧+教育」的未來趨勢
Will Students Be Taught By Artificial Intelligence?
來源：人工智能大健康
技術才是變革的本源
線上教育未探索出清晰的商業模式時，從業者選擇將自身的資源及精力，投入到課程內容方面，確實是一個不錯的選擇。
但在如今線上教育各路企業家，紛紛採用以內容為核心的MOOC（Massive Open Online Course，大規模線上開放課程）模式之際，線上教育企業應該做出相應的調整。
但在如今線上教育各路企業家，紛紛採用以內容為核心的MOOC（Massive Open Online Course，大規模線上開放課程）模式之際，線上教育企業應該做出相應的調整。
此外，知識圖譜在教育領域的應用，使得人們的學習效率大幅度提升。它能夠對結構化的知識，進行處理並優化，從而為人們提供更為高效率、低成本的學習方案。
確實，人工的方式能夠處理結構化的知識，但在教育過程中，人們學習的內容，還包括大量的非結構化知識，此時人工處理不僅耗時耗力，而且精準度也著實有限。
而人工智慧的應用，則為處理非結構知識，提供了有效途徑，它可以精準高效地挖掘出，知識之間的內在聯繫，並根據學習者不同的知識需求，為人們提供相應的知識。
目前一些線上教育創業公司，已經在嘗試透過打造專家知識系統及學習系統，以實現對教學、反饋、社交、學習、知識庫及排序推薦等，多個領域的全面覆蓋。當然這需要累積海量用戶的學習數據，並透過大數據、雲計算等高科技技術，對其進行處理、分析及應用。
毋庸置疑的是，技術是推進產業變革的有效手段。在資訊呈現幾何式成長的行動網路時代，人工智慧及機器學習，是人類高效處理數據資訊的必然選擇，雖然它們距離發展成熟，仍有一段較長的時間，但足以支撐互聯網教育，完成對傳統教育的顛覆。
開啓全新的教育時代
就現階段而言，語音辨識與圖像辨識，是人工智慧在教育領域的兩大主要應用，但迫於技術難題，目前的應用也只是處於初級應用階段，未來仍存在著廣闊的提升空間。
高度發達的人工智慧，可以讓人類實現「思考即學習」，智慧機器人能夠與人類的大腦實現連接，從而讓人們只需要思考，就能獲得想要的知識。那些被用來輔助人們學習的學習機、紙質圖書等，甚至不再被需要，傳統的教育方式，將會被徹底顛覆。
未來，透過智慧機器人，就可以學習自己想要掌握的知識與技能，教學場景也不再僅限於簡單的文本、圖像、音訊、視訊等，人們將獲得沈浸式的立體化學習體驗。
透過豐富多元的教學場景，輕鬆、快樂地學習知識與技能。不難想像，對學習情況十分瞭解的智慧機器人，可以更有針對性地給予指導與鼓勵，讓我們更加高效地利用學習時間。
透過豐富多元的教學場景，輕鬆、快樂地學習知識與技能。不難想像，對學習情況十分瞭解的智慧機器人，可以更有針對性地給予指導與鼓勵，讓我們更加高效地利用學習時間。
毋庸置疑的是，人工智慧與教育的結合，將會開啓一個全新的教育時代。隨著創業者及資本巨頭的不斷湧入，會有越來越多的企業，探索出更多的人工智慧教育新玩法，不僅能夠讓他們獲取巨額的價值回報，更能夠提升整體教育水準，加速教育的發展進程。
意識學習：連接人與意識世界
意識教育可以分為兩種：其一是夢境中的學習；其二是類似科幻電影中的意識穿越學習。
夢境中的學習主要指的，是借助於人工智慧技術等，改變人們在睡夢中的思維，將夢境轉化為學習場景，這樣人們即便是在睡眠狀態，也可以學習知識。
意識穿越學習，則是借助人工智慧技術，創造一個巨大的意識世界，可以是教學類的，也可以是遊戲類的，此時，個體就相當於一個終端。
人們與意識世界連通後，就可以透過類似完成任務的方式，學習相關知識，人們完全可以根據自己的興趣，選擇適合自己的學習場景及遊戲場景等，這和當下十分火熱的虛擬現實產業，有著密切的關聯，市場中出現的VR（虛擬現實）眼鏡及頭盔等產品，就可以將人們帶入一個，極具沈浸感的虛擬場景中。
人們與意識世界連通後，就可以透過類似完成任務的方式，學習相關知識，人們完全可以根據自己的興趣，選擇適合自己的學習場景及遊戲場景等，這和當下十分火熱的虛擬現實產業，有著密切的關聯，市場中出現的VR（虛擬現實）眼鏡及頭盔等產品，就可以將人們帶入一個，極具沈浸感的虛擬場景中。
人工智慧當然不會只對線上教育，產生重大變革，隨著人工智慧的不斷滲透，及相關技術的不斷突破，未來人工智慧會在多個領域，掀起一場場重大的產業革命。
而對於在經濟大環境較為低迷背景下，仍在保持高速成長的線上教育行業，人工智慧技術的應用，顯然會創造出巨大的想像空間。新技術的出現，會對舊有的業務流程，及商業模式進行革新，線上教育也在積極尋求突破，未來人工智慧技術，無疑將會成為線上教育，完成轉型的強大推力。