新智元编译
来源：bradfordcross.com
作者：Bradford Cross
译者：闻菲、张易、序媛
新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。
简历投递：jobs@aiera.com.cn HR 微信：13552313024
新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。加盟新智元，与人工智能业界领袖携手改变世界。
【新智元导读】本文作者 Bradford Cross 是 VC，自己也创立了公司。他对 2017 年 AI 创业做了5大预测：①Bot 热潮要崩盘、②深度学习会变成商品、③AI 会像清洁能源那样让 VC 扑个空、④MLaaS 做不起来、⑤垂直领域 AI 有机会。LeCun 对④⑤表示强烈赞同。作者的分析是，MLaaS 没有用户可言，懂的人直接用开源的东西，不懂的人就算你用了 API 也做不起来。另外，关于 bot 要完，作者认为并非技术不好，而是使用场景等其他原因。
今天，Facebook AI 实验室负责人 Yann LeCun 在Twitter上发布了这样一条消息——他不认为 AI 是服务，把 AI 或机器学习当做服务来销售的商业模式是行不通的。但是，LeCun 认为垂直领域 AI 创业是很好的。
LeCun 之所以这么说，是因为他看见了一篇预测 2017 年 AI 创业 5 大趋势的文章，并且十分赞同作者的分析。新智元现将 LeCun 点赞的文章编译如下。
（文／Bradford Cross）随着 AI 热浪达到沸点，2017 将成为冷静下来的一年。泡沫会破，但一小撮垂直导向的创业公司却会迎来成功。这些公司解决全栈产业问题（full-stack industry problem），要解决这些问题不但需要领域专家的知识、独特的数据，还必须有使用 AI 实现其核心价值主张的产品做支撑。
对于2017年的AI创业形势，我提出5大预测：
Bot 热潮要崩盘
深度学习成为商品
AI 成为 VC 的清洁能源 2.0
MLaaS 迎来第二次死亡
全堆栈垂直 AI 创业反而会成功
Bot 热潮要崩盘
过去几年围绕“bot”很是兴起了一股热潮。
在技术圈子里，我们说起 bot 的时候，通常指的是“软件代理”，这些软件代理一般拥有“不同于任意程序代理的4 大关键特性；也即响应环境、自主性、目标导向和持久性（persistence）”。
企业偷梁换柱，把“bot”的意思改成了“任何形式的业务流程自动化”，并且创造出“RPA”一词——机器人过程自动化（robotic process automation）。
在未来几十年里，业务流程自动化当然还是会继续演进，但当前围绕“bot”——以语音为基础的聊天会话界面——的狂热，将在 2017 年开始崩溃。原因如下：
1. 消费者互联网上的社交 VS 个性化之战为我们提供了很好的启示。最终取得胜利的个性化平台是 Facebook，而它也恰好是做得风生水起的社交平台。人在很多事情上还是喜欢跟其他人社交，我推测很多 chatbot 最后也会这样。关于 bot 的思考很多都是从功能方面去考虑，实用，但没有社交智能，意识不到很多人在与其他人面对面交流中才能满足的需求。因此，大多数 bot 即使最初吸引来用户，最后也会让他们流失。
2. 很多人从全球范围内兴起的消息应用热潮里，读取了错误的信息，包括 Slack 的兴起，以及中国的微博平台上的一些互动。很多人由此把赌注押在了 AI 驱动的数字个人助理这样的平台上。上面也说过了，这些社交平台既要实用，又要满足情感需求，现在还不好说能不能将这样的设置推广应用到纯实用 AI 驱动的 chatbot。
3. 相比其他更为视觉化的解决方案，对话界面在完成任务方面往往不那么有效。对话界面这个方向很有意思，做的时间也有几十年了。对话界面在有些应用上很强很好，但绝大部分应用都会有更加有效的界面。
4. 需要注意，我说 bot 要完没有一条理由是“AI 还不够好”。像 Siri 这样大多数系统的问题都是部署差。用现在的技术我们能做出很多有意思的 bot 界面，但我认为更主要的问题是人想不想要去用它们。
深度学习商品化
深度学习现在处于完全狂热的状态。对于那些不理解各种AI术语的人而言，深度学习是机器学习的一部分，而机器学习是AI的一部分。深度学习不是一个多么与众不同的东西，它只是一个很酷的工作，使得许多重要的问题产生了超好的结果，所以人们就使用了它。如果你想了解深度学习是如何适应不断演化的AI领域的，可以看我去年秋天写的文章。
深度学习初创公司已经取代了5年前的iOS移动应用初创公司。一大堆公司猝不及防地被深度学习产生的卓越结果（特别是计算机视觉方面）和解决新问题的能力所惊艳。因此，我们目睹了谷歌、Facebook、Twitter、Uber、微软和Salesforce展开大规模的、激进的并购策略以填补其差距。
所以，如果深度学习如此重要，又被高度追捧，为什么我认为今年它会被商品化？纵览NIPS 2016和2016年整个会议圈，很显然，现在深度学习是无处不在的。有这么多的毕业生具备了这一技能。四年前的情况是截然不同的。现在市场已经调整以创造更多的供应。
现在，综上所述，我需要做一个澄清声明。我认为今年深度学习领域中机器学习人才将会更加商品化，我不是说机器学习本身将成为商品。机器学习人才溢价依然会相当高。但是随着第二梯队的技术公司和非技术公司完成他们当前的并购浪潮，我们过去几年所看到的深度学习创业公司收购价格将会崩盘。我预计今年还有源源不断的、人傻钱多的接盘者，但是今年晚些时候我们可能会看到这波并购潮放慢步伐。
AI对VC们来说就像是清洁能源技术的2.0版
让我们回想一下最近的清洁能源技术失败中一些突出的问题，我认为这同样适用于AI。
1.清洁能源技术不是一个市场，它只是一个担忧，一个横截面。气候变化和可持续性问题是非常严重的问题，无论是作为事业还是生意都值得我们去思考。但是，作为横截面的担忧不是生意，企业需要销售客户想要购买的产品或服务。特斯拉和太阳能城市可以说是清洁能源技术的成功案例，但请注意，他们都是“全栈型企业” – 分别是一家汽车公司和一家太阳能公司。所以当一家全栈型公司销售一个真正的产品到一个真正的市场，而清洁能源技术只是作为其中的一个元素，那就行得通。但只为清洁能源技术而生的清洁能源技术是行不通的，因为它不是从客户需求出发的。伟大的企业从客户需求开始。伟大的宣教事业从一个由客户需求定义的愿景开始，并结合了一个满足需求的使命。具有社会使命但没有以客户为中心的组织最多只是一个适度有效的慈善组织。伟大的企业放在首位的永远是客户需求，而非技术的横截面，即使再有社会意义。
2.绿色能源不是市场，能源才是。太阳能是老大，并且增长迅速 - 因为目前它有经济效益。当沃伦·巴菲特和伊隆·马斯克在一个市场上竞争时，这可能表明它有良好的商业意义。他们认为可持续发展是一个重要的使命，但也意识到企业把客户放在第一位才合情合理，而社会责任要服务于企业客户和员工的需要。没有什么比担负了可持续性社会责任的不可持续的企业更讽刺。
3.先保存自己再拯救世界的心态。在清洁能源技术领域，有很多身披闪亮盔甲的堂吉诃德，这是些技术狂热分子。过去几年中，我们开始看到自说自话的人工智能伦理委员会，也看到人们开始担心机器人会抢走所有的工作，等等。好像整个人类的进步都要由那些AI领域的从业者操心，就因为他们做的事情有些意义。这种朦胧的傲慢使人们看不到自己被困在一个回声室里，每个人都在谈论技术趋势，而不是客户的需求和企业的经济学。这种有毒的扭曲现实使得技术狂热分子把很多聪明且重视自身发展的人拉入到毁灭的边缘。
4.清洁能源技术和人工智能都是深刻的技术问题，而越来越多地在消费者互联网和简单的SaaS服务（软件即服务）上历练而成的初创公司和VC社群越来越无法充分评估深度技术领域的投资机会。在第3条所述的傲慢状态的驱使下，人们在阅读了几篇博客文章、听到几个音符后一猛子扎到水里，摇身一变。一个充斥着临时专家的时代诞生了。
那么这是怎么发生的？
我有一个理论，经济的信息时代从根本上改变了人类在历史上曾反复经历的疯狂周期。作为一个前对冲基金的从业者，我阅读过所有关于金融史和市场心理学的巨著。 让我们不妨追溯一下从90年代中期以来发生的畸变。
我认为，社交互动的快速增长和在线信息的传播创造了一种自我的海森伯格效应，甚至在一个商业周期开始之前就开始了狂热和疯狂。消费者互联网是一个很好的例子，90年代的提前狂热导致了2000年真正商业周期开始时的崩溃。两年后的2002年，1998年起步的谷歌，开始招聘所有那些崩溃后埋在废墟下的人才，并定义了消费者互联网真正的商业周期。
在清洁能源技术被Wired宣布死亡的四年以后，太阳能成为最干净、最便宜的能源，伊隆和沃伦都在此领域有所动作。 特斯拉和太阳能城市正在成为一个完整的清洁能源技术的帝国。
所以我认为我们现在正处在AI的初创阶段。我现在看到的大多数AI初创公司都会以和过去十年同样的方式惨淡收场。有一个非常小的群体已经做AI创业10年或更长时间，这批在AI的前期疯狂中闯入这一领域的人，犯了和清洁能源技术相同的错误，他们闯入了AI的领域，却没有探寻客户的需求。
AI创业公司现在大多是举着锤子找钉子。 随着接下来12-24个月这一现象变得更加明显，以及大公司对AI审美疲劳并丧失兴趣，就像他们对移动应用程序开发商的态度那样，我想我们会开始看到潜在的创始人，而VC们则会意识到有些事情已经结束了。那时，比起过去12个月决定挺近AI领域的人，搞AI创业的人会少一些。
MLaaS（机器学习即服务）的 二次死亡
机器学习即服务是已经被我们关注了近10年的一个想法，它一直都是失败的。
它为什么不成功，其本质原因是：懂的人会去用开源代码；而不懂的人，即使你给他API他也什么都做不出来。
许多非常聪明的朋友已经陷入这种困境。比如那些被巨头收购以加强其 ML团队的初创公司，包括IBM的Alchemy API，Intel的Saffron以及 Salesforce的Metamind。然而，在一个API上复制一个ML模型以赚取快钱的诱惑力，将持续吸引这些没有灵魂的人。
亚马逊、谷歌和微软都试图把MLaaS层作为他们的云战略的一个组成部分卖出去。我还没有看到创业公司或大公司真的在使用这些API，而且我看到的AI应用并不少，所以这应该不是我观察样本太小的原因。
无论是来自大型云提供商的服务还是来自初创公司的服务，最终结局都将是一样的，他们今年开始放慢了。云提供商会让服务保持运转，但他们赚不到大钱。随着业务增长乏力，同时没有动力投入更多，MLaaS初创公司今年将开始面临关门。
这个问题非常现实; MLaaS解决方案没有客户群 - 不论是有能力的群体还是没有能力的群体，他们都服务不了。
有能力的群体：你需要机器学习人员建立真正的生产机器学习模型，因为正确地训练和调试这些东西是很难的，它需要理论和实践的双重理解。这些机器学习的人往往只是使用MLaaS服务提供的开源工具。因此这一群体无法成为客户群。
无能力的群体：无能力的群体不会通过使用API开展机器学习。他们将购买能够解决更高层次问题的应用程序。机器学习只是他们如何解决问题的一部分。在内部引进机器学习技术人才非常困难，而且在“数据产品”的人才方面还要困难得多，这些人才可以帮助您确定正确的问题，这对于机器学习解决方案的实现很有意义。无能力的群体，就是除了有着强大的机器翻译和数据产品团队的技术公司之外的每个人。是的，我是说整个全球商业世界的所有产业。这是个超级巨大的群体。如果你相信“软件正在吃世界”的理论，那么你就会认为每个行业中的每个公司或多或少在某种程度上都必须成为一个技术公司。同理，也要成为数据公司。
在谷歌和Facebook这样的顶级高科技公司和科技行业以外的顶尖公司之间，已经存在着很大的技术能力差距。再考虑到数据能力，这种差距简直大的出奇。
全栈垂直AI创业公司才靠谱
我已经在AI领域工作了近20年，并且在硅谷做AI创业近10个。我是DCVC的联合创始合伙人，这是一个关注AI和数据的、领先的VC。我的经历使我既非常兴奋又能够清醒地关注全栈垂直AI应用。
我非常兴奋，因为我认为每个行业都会被AI改变。我保持着清醒，因为低水平的、基于任务的AI被快速商品化。我认为，如果你不从头到尾完整地解决一个高层次的问题，你就会陷入一个低级别AI服务的商品化世界而进退两难，那么你要么不得不接受被收购，要么就因为动力不足而渐渐死掉。
垂直领域AI创业公司要解决全栈性的行业问题，必须有相关的专业知识、专业的数据和一个用AI提供其核心价值主张的产品。
虽然大多数机器学习人才在2C的互联网巨头和相关的一般技术公司工作，大规模和实时性问题潜伏在技术之外的所有主要行业。如果你相信“软件正在吃世界”的假设，那么每个行业的每个公司都需要成为一家科技公司。
当你专注于垂直领域，你可以找到高层次的需求，我们可以更好地用AI技术满足它；或找到新的需求，必须用AI技术满足的需求。这是极好的商业机会，但他们需要更多的业务知识和专业知识。偏技术的人群创立AI公司通常既无法意识到业务需求，也不虚心的学习业务和领域专业知识，而这些是做到“上移堆栈”或“全栈”所必须（正如我所津津乐道的）。
新的全栈垂直AI创业公司正在金融服务、生命科学和医疗保健、能源、交通、重工业、农业和材料等领域涌现。这些初创公司将使用专有数据和机器学习模型驱动以解决高层次领域问题。它们其中的某些公司将在2017-2018年收益达到1亿美元。而这些全栈创业公司将是AI领域的特斯拉和太阳能城。
编译来源：http://www.bradfordcross.com/blog/2017/3/3/five-ai-startup-predictions-for-2017
联系客服
