人工智能，是當(dāng)前最大風(fēng)口，充滿著無(wú)限的想象力。直接的影響就是，在這個(gè)領(lǐng)域涌現(xiàn)出了大量的創(chuàng)業(yè)公司。那么，我們?cè)撛鯓尤ダ斫膺@些公司呢？在Cornerstone Venture Partners的分析師Justin Gage在Medium上發(fā)表的一篇博文中，他提出了一個(gè)理解人工智能創(chuàng)業(yè)公司的框架。他認(rèn)為，當(dāng)前的人工智能創(chuàng)業(yè)公司主要有三個(gè)賽道：核心人工智能公司（Core AI Companies）、應(yīng)用人工智能公司（Application AI Companies）、行業(yè)人工智能公司（Industry AI Companies），并且對(duì)這三個(gè)賽道進(jìn)行了分析。
作為一名風(fēng)險(xiǎn)投資人，我很幸運(yùn)地看到和評(píng)估了許多與人工智能有關(guān)的創(chuàng)業(yè)公司（注意：這個(gè)術(shù)語(yǔ)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(jiǎn)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(dòng)圖。
利用人工智能來(lái)改善和解決當(dāng)今緊迫的商業(yè)和社會(huì)問(wèn)題，是我認(rèn)為科技發(fā)展的一個(gè)決定性趨勢(shì)。而且，我非常高興能在其中扮演一個(gè)微小的（或者說(shuō)無(wú)關(guān)緊要的）角色。
我也堅(jiān)信，正確的分類(lèi)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(lèi)方面非常不明確：給我的感覺(jué)就是，人工智能公司似乎是在沒(méi)有明確界限的情況下被堆放在一起了。很顯然，這可能會(huì)讓事情變得更加混亂，讓人工智能這個(gè)場(chǎng)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(qiáng)”的市場(chǎng)地圖。
這是CBI提供的一個(gè)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(lèi)并不是非常完美的，也不協(xié)調(diào)。
比如說(shuō)，汽車(chē)、機(jī)器人和醫(yī)療行業(yè)都是行業(yè)，但文本分析和視覺(jué)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(lái)，有三種類(lèi)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(kāi)發(fā)的技術(shù)可以改進(jìn)人工智能創(chuàng)建或部署過(guò)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(wú)關(guān)的領(lǐng)域進(jìn)行創(chuàng)新。其中一些公司開(kāi)發(fā)的是特定的工具，而另一些公司則聲稱(chēng)能創(chuàng)造一個(gè)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(duì)這條賽道的工作原理有一個(gè)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(jī)器學(xué)習(xí)和人工智能的經(jīng)驗(yàn)。
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(kāi)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(xiàng)特定的任務(wù)。和上面提到的一樣，下面是這個(gè)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(jī)器人/語(yǔ)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(gè)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(wèn)題。毫無(wú)疑問(wèn)，這一類(lèi)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(shí)際的和迫在眉睫的問(wèn)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(huì)議的人工智能
Drive.ai：自動(dòng)駕駛汽車(chē)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(jī)器學(xué)習(xí)/人工智能應(yīng)用到特定的問(wèn)題或領(lǐng)域中。在研究這樣的投資時(shí)，投資者會(huì)同時(shí)考察人工智能本身（如果它運(yùn)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(shuō)，在X.ai的案例中，投資者會(huì)想知道人工智能是否有效，但他們也會(huì)研究人工智能是否是解決日程安排問(wèn)題的最佳方式，以及日程安排是否是一個(gè)值得解決的問(wèn)題。對(duì)于另外兩個(gè)賽道上的公司來(lái)說(shuō)，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(méi)有人工智能經(jīng)驗(yàn)，甚至可以是非技術(shù)人員（當(dāng)然，有合適的支持團(tuán)隊(duì)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(gè)關(guān)鍵的軸來(lái)定義和評(píng)估這些類(lèi)型的公司：ROI時(shí)間軸和適用性，這兩者都來(lái)自于客戶的角度。
上軸代表客戶的投資回報(bào)率時(shí)間線，而下軸表示不同類(lèi)型的企業(yè)的適用性。
核心人工智能：一項(xiàng)可能需要時(shí)間才能得到回報(bào)的重大投資，但可以為幾乎所有行業(yè)帶來(lái)好處。它們的成果通常會(huì)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(shí)間來(lái)整合到業(yè)務(wù)流程中。與具體業(yè)務(wù)的多個(gè)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(xiàng)幾乎可以立即支付股息的投資，但它只會(huì)解決一種特定類(lèi)型的問(wèn)題。由非技術(shù)人員（銷(xiāo)售、市場(chǎng)營(yíng)銷(xiāo)等）主要使用。
這些分類(lèi)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(shí)，我試圖將公司歸類(lèi)為其中的一種，因?yàn)樗鼈兌际欠浅２煌耐顿Y標(biāo)的。具體來(lái)說(shuō)，它們?cè)诳蛻艚M織中的不同點(diǎn)交付，需要不同的交付周期，并需要花費(fèi)不同的時(shí)間和精力去實(shí)施（ROI時(shí)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(guò)，其他投資者，尤其是只關(guān)注人工智能的投資者，可能會(huì)有不同的劃分標(biāo)準(zhǔn)。
