人工智能投资的三个层面,王淮,线性资本合伙人,关于线性：做最好的数据智能基金,线性资本已投案例,37个项目,if ($data_based &&$AI_driven &&$commercially_applicable) {$best_investor =“Linear Venture” ;,},线性资本公众号,线性资本典型案例,地平线,Rokid,酷家乐,特赞,点融,同盾,Ping++,桃树,中科视拓,神策,观数,股书,……,第2页,线性资本是最痛快的投资机构，在重大决策上简单直觉给出最支持创业者的帮助；在战略决策上，给出创业者最简单也最具前瞻性的战略决策。,——杨滔，桃树科技创始人,商业不懂问张川，技术不懂问王淮，他们是绝代双娇。,——桑文锋，神策数据创始人,很荣幸在公司早期得到线性资本的认可，甚至协议都没有签钱就打进来了，也因为这份信任，让同盾有更强动力砥砺前行。,——蒋韬，同盾科技创始人,技术人做投资什么都好，就是不好忽悠。本来想打个埋伏，找个商业绕道，没想到还有个有商业感觉的搭档。奉劝各位创业者，如果没有真材实料别来找他们，不好对付啊 。也可以学我，上来半小时脱光了给他们看，这样他们也会趁热打铁迅速做决定的，而且一旦认定了他们会一直跟着跑下去，挺好。,——Misa，Rokid创始人,线性资本核心投资数据（一期+二期）,投资开始时间,2014.09,已投项目个数,37,进入后续轮个数 21,投出金额,当前价值,32M USD,60M USD,第3页,AI投资的三个层面,AI FutureLayer 15%,AI + Applications 70%,AI PhysicalLayer 15%,第4页,AR/VR,商业 /医疗 /金融 /交通 /教育 /安防 /物 联 网 / 工 业/MISC,IT基础设施/底层技术/数据/模型平台,人工智能流程的必要步骤,Big Data,Algorithmic Processing,Application,• 大规模,• 结构化,• 标注好,• 统计学习方法,• 回归算法,• 决策树, SVM,• 深度学习方法,• 决策整合,• 要么更快 - speed,• 要么更好–quality,• 整合的体验,• 从产品到商品,当前关于AI的大多数Buzz Word都聚集到深度学习,第5页,Big Data – 机会,要有原始数据积累的强策略,或者 策略2) 通过强能力输出获得初始用户,策略1) 历史的数据积累,*合投方：紫牛基金、明势资本、地平线,*合投方：尚珹资本、元禾控股、启明创投、宽带资本、华创资本、IDG,第6页,Algorithmic Processing – 机会,有用的算法就是好算法,人工智能 != 深度学习，但深度学习流行之前，人工智能并不流行,提高决策质量（反映在核心指标上），或者加快决策速度,对于结构化的数据，深度学习不一定能带来更好的结果,*合投方：王刚、同盾科技、创新工场、界石投资、光信资本,第7页,Application – 机会,寻找与（潜在）应用场景的紧密结合,Old Problem!,科研,技术,产品,商品,starts with ADAS,*合投方：晨兴资本、高瓴资本、红杉资本中国、金沙江创投、真格基金、DST、双湖投资、青云创投、祥峰投资Vertex,第8页,人工智能应用层举例,Al + BI,• SaaS/DaaS,• 最容易看懂,• 利用最新的大数据框架和机器学习方法来解决行业痛点,*合投方：红杉资本、明势资本、薛蛮子,第9页,人工智能应用层举例,Al + FinTech,• 金融纯数据生意,• 技术面落地容易,• 人为门槛高 – 监管,• 离钱近,*合投方：北极光、老虎基金、新鸿基、渣打银行,第10页,人工智能应用层举例,Al + FinTech,第11页,人工智能应用层举例,Al + 交通,• 最热的AI 投资领域,•,L4 Ready by 2020,• 可惜早期基金很难参与,第12页,人工智能应用层举例,智能驾驶发展模式分为渐进和一步到位两种,目前智能驾驶发展主要的两种模式：• 传统汽车企业：渐进地将智能驾驶技术从目前的L1、L2向L3、L4推进。在做智能驾驶方案的过程中不影响整车的销售，并且能够逐渐地将现有研发成果付诸应用。,• 互联网公司：一步到位开发出L4级别的无人驾驶汽车，而非单纯做整车厂的算法软件供应商。比如谷歌、百度。目前还没有公司完美地实现了L4。,传统车厂及零配件制造商倾向于从辅助驾驶切入，渐进式过渡至智能驾驶,特斯拉、宝马、沃尔沃目前已经研发出L3级别的车辆；奔驰、奥迪等传统车商通过收购初创智能驾驶团队，在博世、大陆等汽车电子系统供应商帮助下进行产品级智能驾驶的研发测试,L0,L1,L2,L3,L4,互联网公司倾向于一步到位，直接开发出L4级别的智能驾驶汽车,互联网公司，如Google和百度，凭借自身算法、数据、地图、科技人才储备等方面的优势，致力于一步到位开发出能够完全实现自动驾驶的智能汽车产品，但目前尚无产品出现,第13页,人工智能应用层举例,智能驾驶的核心是感知、决策、控制,智能驾驶实现的第一个环节是对周边环境的感知，通过传感器和高精度地图的协作来实现；第二个环节是依靠算法来处理获取的信息并进行决策；第三个环节是将决策后的指令通过执行器完成。,传感器,高精度地图,算法系统,控制系统,感知,决策,控制,智能驾驶的实现机制可以类比于人体的各个器官的功能：感知系统可以类比为人的五官感知外界，算法系统类比大脑做驾驶判断，执行系统类比人的四肢操纵汽车。,第14页,人工智能应用层举例,Al + 安防,• 人脸,• 虹膜,• 声纹,• 指纹/掌纹,第15页,人工智能应用层举例,Al + 医疗,• CV 技术的应用在辅助诊断和辅助治疗,• 新药研发,• 病历病史挖掘,• 大健康管理,第16页,Thank You！,王淮,线性资本合伙人,第17页,
