Teknologi kecerdasan buatan adalah salah satu area yang menjadi fokus Qingtong Capital. Baru-baru ini, Qingtong Capital mengundang Li Man, pendiri mitra pengelola Gaojie Capital, untuk berbagi pengalaman investasinya di bidang AI selama bertahun-tahun, serta jalur subdivisi yang perlu mendapat perhatian pada tahap ini.
Berikut ini adalah konten utama yang dibagikan oleh Li Man dalam edisi ke-38 "Qingtong Big Coffee" (gambar dan konten disediakan oleh Gaojie Capital):
Qingtong Big Coffee Talks Edisi 38-Gaojie Capital Li Man
1. Tahap pengembangan AI, bubble terbaru
AI bukanlah proposisi baru Sejak Konferensi Dartmouth lebih dari 60 tahun yang lalu, AI telah melalui banyak siklus pasang surut.
Sejak 2012, dengan pesatnya perkembangan pembelajaran mendalam jaringan saraf, ditambah dengan penurunan biaya komputasi dan kemampuan penyimpanan, popularitas kecerdasan buatan terus meningkat. Kemenangan Alpha Go telah memicu kehebohan di bidang ini dan bahkan seluruh masyarakat.
Justru karena perkembangan pesat dalam lima atau enam tahun terakhir, tampaknya ada tren di seluruh lingkaran modal ventura baru-baru ini, dan memalukan untuk mengumpulkan dana dan berinvestasi tanpa membicarakan "AI". Saya pikir gelembung jangka pendek baru-baru ini dalam kewirausahaan AI sangat serius. Seperti teknologi lainnya, AI sangat tertarik dan bahkan berkembang selama periode pengembangan yang panas. Setelah beberapa waktu, jika tidak memenuhi ekspektasi, ia akan cepat mendingin.
Saya lebih khawatir setelah gelembung pecah, banyak orang akan berpikir bahwa AI hanyalah sebuah cerita, seperti gelombang sepeda bersama dan pembelian kelompok.
Faktanya, menurut saya, AI sendiri bukanlah track yang spesifik, ini menunjukkan masa depan yang sangat menjanjikan, dan masa depan ini sebenarnya baru saja dimulai. Meskipun AI telah menunjukkan prospek pengembangan yang bagus, AI masih memiliki banyak keterbatasan. Dalam hal visi mesin dan pemahaman bahasa alami, kami masih memiliki banyak masalah yang belum terpecahkan, yang membutuhkan lebih banyak pembelajaran mesin untuk mencapainya.
AGI (Artificial general intelligence) dapat mengesampingkan keterbatasan AI yang hanya dapat diklasifikasikan tanpa memahami konotasinya, dan dapat lebih dekat dengan kecerdasan otak manusia. Kecerdasan manusia meliputi kemampuan penalaran, induksi, peringkasan, perencanaan, dll, bukan hanya klasifikasi. Banyak orang memperkirakan bahwa kita mungkin tidak dapat mencapai tingkat kecerdasan ini dalam 20 hingga 30 tahun mendatang, atau bahkan 50 tahun mendatang.
2. Landasan yang mendasari AI, dengan fokus pada semikonduktor
Dari segi layout keseluruhan, AI menjadi fokus Gaojie Capital dari aplikasi menengah bawah hingga atas.
Di bagian bawah AI, fokus utamanya adalah semikonduktor. Jenis semikonduktor berikut ini yang menjadi fokus kami saat berinvestasi.
1. Perhitungan. Bagaimana cara menghitung konsumsi daya yang lebih cepat, lebih murah dan lebih rendah? Konsumsi daya rendah terutama di sisi Apps, yang merupakan bidang IoT yang didukung baterai di bagian pinggir. Aplikasi tersebut membutuhkan lebih banyak kalkulasi daya rendah.
2. Penyimpanan. Data harus disimpan untuk kalkulasi, yang merupakan fungsi yang sangat mendasar. Saat dunia menjadi semakin digital, sejumlah besar fisika, entitas, peristiwa, dan hubungan akan menjadi digital dan bertahan. Sekarang semuanya sudah terdistribusi dan semuanya ada di cloud. Bagaimana ini bisa disimpan dengan lebih murah dan lebih cepat?
Nah di bidang penyimpanan, entah itu SRAM, DRAM dan raksasa dunia lainnya, atau Micron, LG, Hynix, Samsung, Zhaoyi dalam negeri justru menempati banyak saham. Kami lebih prihatin tentang apakah ada trek baru yang dapat memiliki murahnya Flash dan kecepatan SRAM untuk menyelesaikan beberapa skenario tertentu. Kami juga memperhatikan kemajuan integrasi penyimpanan dan penghitungan, karena throughput antara penghitungan dan penyimpanan seringkali tidak cukup cepat, yang memengaruhi efisiensi secara keseluruhan.
3. Persepsi. Persepsi adalah bagian yang sangat penting, Kecerdasan buatan harus dapat menangkap sinyal fisik dari dunia luar. Pada dasarnya, sekitar 70% persepsi masyarakat tentang dunia luar adalah persepsi visual, sekitar 20% adalah persepsi pendengaran, dan sekitar 10% adalah persepsi penciuman, rasa, sentuhan, dan persepsi lainnya. Sinyal fisik dari dunia luar ini harus dirasakan dan didigitalkan sebelum dapat dipahami oleh komputer dan dunia TI.
Di bidang ini, kami lebih memperhatikan persepsi 3D. DOE Apple berkembang lebih cepat sekarang, yang memecahkan pengenalan 3D dan pengenalan wajah ponsel, yang mewakili arah pengembangan.
Sensor perseptual masih merupakan bidang yang relatif penting. Banyak di antaranya yang diwujudkan dengan menggunakan teknologi MEMS. Sensor tersebut lebih baik di Eropa, dan beberapa orang melakukannya di China, tetapi tidak terlalu bagus. Oleh karena itu, kami juga melihat apakah ada bakat baru. Padahal ada poin lain, bagaimana bisa dirasakan oleh sensor, misalnya di bidang medis, saya merasakan sinyal EEG, tekanan darah, kecepatan aliran darah, dll. Bagaimana saya bisa merasakan sinyal tubuh yang lemah ini, apakah akan memakai gelang atau menggunakan yang lain? jalan?
4. Komunikasi. Ada dua jenis komunikasi, end-to-end dan end-to-cloud. Jenis yang pertama adalah end-to-end, misalnya dalam bidang otomotif, jika kita dapat berkomunikasi antara mobil dan mobil dan antara mobil dengan lampu sinyal, kita dapat menghindari banyak kecelakaan lalu lintas. Jenis kedua dari end-to-cloud, ponsel atau IoT, akan mengirimkan sinyalnya ke cloud. Cloud mungkin memiliki lebih banyak kemampuan komputasi dan pertukaran, dan sinyal dari ujung dapat dihitung di cloud dan kemudian dikirim kembali. Atau instruksi.
Di bidang komunikasi, kami lebih mementingkan Lora, 5G, WiFi, BLE, NB-IoT, dll. Tentu saja, NB-IoT dapat diterapkan oleh Huawei dan China Mobile, dan mungkin tidak banyak peluang bagi perusahaan kecil, tetapi kami juga memperhatikan.
5. Layanan. Rantai industri semikonduktor masih membutuhkan banyak layanan pihak ketiga. Umumnya, ketika perusahaan semikonduktor pertama kali dimulai dengan sekitar selusin orang, tidak mungkin untuk mencakup semuanya dan membutuhkan layanan pihak ketiga. Misalnya, dia pandai mendesain MCU, tetapi dia memiliki kemampuan komputasi yang relatif kuat. Dia perlu tahu cara mentransmisikan, cara mengelola daya, dan cara mengurangi konsumsi daya. Semua ini harus diterapkan di perpustakaan orang lain. Kami juga telah memperhatikan apakah ada perangkat lunak desain semikonduktor yang cocok untuk China yang secara bertahap dapat menonjol.
Ada generasi baru peralatan dan bahan di bagian bawah semikonduktor Peralatan ini pada dasarnya dimonopoli oleh pabrikan asing besar dan telah ada selama bertahun-tahun. Peluang yang kita lihat adalah apakah ada peralatan generasi baru yang menggunakan kecerdasan buatan untuk membantu pengemasan, pengujian, dan inspeksi yang lebih baik, atau apakah bahan semikonduktor generasi baru dapat meningkatkan kinerja semua aspek dan melanjutkan semikonduktor.
3. AI tingkat menengah, tidak banyak peluang
Di lapisan tengah AI, menurut kami tidak banyak peluang.
1. Data. Data adalah makanan AI, tetapi tidak mudah bagi perusahaan kecil untuk memahami sumber datanya.
AI membutuhkan banyak data. Alasan mengapa China berpeluang mengungguli Amerika Serikat sebenarnya karena China memiliki lebih banyak data. Amerika Serikat memiliki lebih banyak perlindungan privasi, dan datanya tidak begitu terbuka, tidak begitu banyak. China memiliki populasi yang besar, banyak orang yang online, dan datanya relatif mudah diperoleh. Kami tidak terlalu sensitif. Jadi sebenarnya data adalah keuntungan yang sangat penting bagi kami.
Mengumpulkan data sebenarnya mengakumulasi nilai bagi perusahaan. Ali memiliki banyak data e-commerce, Baidu memiliki banyak data pencarian, dan Tencent memiliki banyak data obrolan pribadi, ini adalah sumber data yang sangat berharga. Namun, tidak mudah bagi perusahaan kecil untuk memulai bisnis dengan memahami sumber data, sehingga di tingkat data, kami merasa tidak mudah menemukan peluang.
2. Algoritma. Algoritma adalah senjata AI, tetapi karena open source, hambatannya tidak tinggi.
Faktanya, seluruh dunia perangkat lunak algoritme sekarang bersifat open source, semua orang dapat mempelajarinya, selama Anda memiliki kecerdikan tertentu, Anda dapat mempelajarinya. Ini hanya diterapkan pada skenario tertentu, dan mungkin perlu diubah. Anda perlu mengedit ulang gagasan ini sendiri agar sesuai dengan skenario spesifik Anda.
Kami tidak akan berinvestasi secara khusus di perusahaan algoritme, karena algoritme itu sendiri tidak terlalu tinggi. Hal yang berharga adalah bagaimana menggunakan algoritma data untuk menyelesaikan masalah pemandangan yang sebenarnya.
3. Arsitektur. Arsitektur harus lebih sejalan dengan skenario aplikasi tertentu.
Beberapa tahun yang lalu, Profesor Berkeley mengusulkan set instruksi RISC-V, yang sepenuhnya open source dan gratis serta dapat digunakan secara bebas untuk tujuan apa pun, memungkinkan siapa saja untuk merancang, membuat, dan menjual chip dan perangkat lunak RISC-V.
Ini lebih untuk menantang dominasi ARM di ujung seluler di ujung IoT. Semua orang tahu bahwa jika Anda ingin menggunakan arsitektur ARM untuk mengembangkan chip, Anda perlu membayar biaya lisensi yang tinggi. Untuk perusahaan kecil, pendanaan adalah tantangan besar.
Sistem open source RISC-V menyediakan platform yang baik untuk sebagian besar startup kecil. Kami juga sangat optimis dengan terobosan RISC-V di bidang arsitektur.
4. Penerapan AI tingkat atas, dengan fokus pada industri manufaktur dan jasa yang cerdas
Manufaktur cerdas
Penerapan AI tingkat atas adalah hal yang paling dipedulikan semua orang, dan juga yang paling kritis dari tiga area lapisan bawah, tengah, dan atas. Di tingkat atas, ia memiliki cabang manufaktur cerdas yang luas, yang mencakup komponen inti, sistem, inspeksi visual, robot industri, dan Internet industri.
1. Komponen inti. Terutama digunakan dalam proyek robotika, termasuk motor servo, reduksi, pengontrol, radar industri, ontologi, dll. Saat ini, komponen inti kelas menengah ke atas dalam negeri pada dasarnya dimonopoli di luar negeri, dan kami mempertahankan fokus yang sangat tinggi pada produsen komponen inti kompetitif dalam negeri.
2. Sistem. Sistem adalah integrasi Tujuan paling penting dari manufaktur cerdas adalah untuk memecahkan masalah sub-industri. Misalnya tembakau, 3C, mobil, tekstil, makanan, obat-obatan, dll. Banyak perusahaan yang terdaftar di bidang AI memulai dengan integrasi, mengintegrasikan komponen di pasar dan teknologi mereka sendiri untuk memecahkan masalah spesifik dan membentuk daya saing. Oleh karena itu, integrasi sistem adalah jalur yang perlu kami perhatikan.
3. Inspeksi / penyortiran visual. Booming e-commerce memiliki permintaan yang besar untuk inspeksi / penyortiran visual, karena penyortiran manual rentan terhadap kesalahan dan tidak dapat berfungsi untuk waktu yang lama. Selain e-commerce, inspeksi visual dapat diterapkan pada inspeksi kualitas industri. Metode pengambilan sampel saat ini belum sempurna. Nantinya, AOI (Automatic Optical Inspection) tidak dapat menyelesaikan pendeteksian material kompleks seperti tekstil, tetapi pembelajaran yang mendalam Dan inspeksi visual dapat diterapkan di banyak bidang.
4. Robot industri. Robot industri adalah lintasan yang sangat besar, ini sebenarnya sebuah sistem. Kami fokus pada apakah arah penelitian perusahaan sejalan dengan skenario tertentu. Kami telah mengamati banyak pabrikan AGV dan menemukan bahwa ini bukanlah jalur yang mudah, tetapi saya pikir masih ada peluang untuk menemukan pemain potensial dalam perkembangan pesat.
5. Internet Industri. Saat ini, pemeriksaan peralatan adalah perawatan rutin. Jika rusak sementara, Anda hanya dapat menemukan pabriknya. Untuk mesin yang penting, Anda perlu mencari produsen atau agen asing. Siklus perawatannya panjang dan bahkan menyebabkan pabrik berhenti. Jika status pengoperasian peralatan mesin, nomor, peralatan, dll. Dapat dideteksi terlebih dahulu melalui sensor, dan pencegahan dapat dipastikan, produksi yang lancar dapat dipastikan.
Industri jasa
Cabang penting lainnya dari aplikasi AI tingkat atas adalah layanan. AI akan memberdayakan banyak industri, seperti pertanian, NLP, keamanan, pendidikan, medis, logistik, dll.
1. Pertanian. Pertanian China saat ini masih produksi skala kecil, dan lebih dari 85% lahan subur kurang dari 15 mu. Menurut survei kami, akibat eksodus kaum muda untuk bekerja di kota, rata-rata usia petani di China kini hampir 60 tahun. Dengan penerapan kebijakan pengalihan lahan yang dilaksanakan oleh negara, terdapat lebih dari 3 juta pertanian di China dengan luas lebih dari 50 hektar, dan mereka masih terus berkembang. Area tanah subur yang luas dapat diterapkan pada sains dan teknologi, menggunakan kecerdasan buatan untuk membantu pemupukan presisi, penyemprotan, irigasi tetes, penanaman, dll., Tidak hanya membuat produk pertanian lebih berkualitas, tetapi juga secara efektif menghindari pemborosan bahan produksi.
2. Pemahaman bahasa alami (NLP). Ini adalah jalur yang sulit di bidang AI. Bahasa manusia sangat rumit, dan pemikirannya tidak stabil. Sulit bagi mesin untuk memahaminya. Bahkan terjemahan Baidu dan Google tidak akurat. Saya pikir sebelum teknologi NLP matang, bidang tersebut dapat direduksi menjadi jalur subdivisi, seperti pemasaran cerdas, layanan pelanggan cerdas, analisis, dll., Untuk membantu meningkatkan efisiensi personel layanan pelanggan.
3. Keamanan cerdas. Keamanan cerdas telah dikembangkan sejak lama, tidak hanya menyelesaikan masalah pengenalan wajah, tetapi juga secara akurat mengenali pola suara dan lintasan gerakan di lingkungan yang kompleks dan situasi jarak jauh, serta memainkan peran positif dalam mempromosikan jaminan sosial. Perkembangan pesat dan penerapan bidang keamanan telah diakui secara luas oleh komunitas bisnis.
4. Pendidikan. Di bidang pendidikan AI, pembelajaran yang dipersonalisasi merupakan tren. Karena setiap orang memiliki kemampuan dan tingkat pengetahuan yang berbeda, mereka perlu mengumpulkan data, membuat model, dan menerapkan algoritma untuk mengajar siswa sesuai dengan bakatnya.
5. Medis. Yang lebih populer adalah analisis gambar, yang diterapkan pada paru-paru, tumor otak, arteri, dll. Pada saat yang sama, kami juga sangat prihatin tentang pengeditan gen, menggunakan algoritme untuk mengetahui gen penyakit mana yang terkait dan menemukan penyebab penyakit, sehingga dapat mempelajari diagnosis dan rencana pengobatan yang tepat.
6. Logistik. Total biaya industri logistik menyumbang sekitar 15% dari PDB Cina Ini adalah pasar yang bernilai lebih dari sepuluh triliun yuan, yang mengandung banyak peluang. Ini tidak hanya mencakup peluang yang ditimbulkan oleh kebangkitan e-commerce, tetapi juga faktor-faktor seperti perkembangan ekonomi, mobilitas penduduk, dan perdagangan luar negeri. Kami prihatin tentang peningkatan efisiensi melalui drone, robot penyimpanan, dan penyortiran cerdas.
Secara umum, AI adalah peluang emas dalam sepuluh hingga dua puluh tahun ke depan, tetapi masih dalam tahap yang sangat awal. Dalam beberapa tahun terakhir, peningkatan daya komputasi dan popularisasi data secara besar-besaran telah membuat AI mengantar pada periode yang eksplosif. Untuk benar-benar mencapai kecerdasan manusia, diperlukan algoritme pembelajaran mesin yang berbeda untuk diintegrasikan dengan yang sudah ada dan yang akan datang.
- Daya saing mobil baruSUV 7 tempat duduk mana di bawah 100.000 yuan yang lebih kuat?Dapatkah Wuling Hongguang S3 menciptakan mitos lain?
- Versi upgrade dari Great Wall C30EV secara resmi diluncurkan, dengan harga 1,5-154,000 yuan / konfigurasi sedikit meningkat
- Ikuti "kegilaan" MPV 6-kursi? Baojun merilis 360 peta resmi dengan jarak sumbu roda 310W yang konsisten