作者 | David Kelnar

編譯 | Aileen 任杰 沈愛群 徐凌霄

科技中每一次的典范轉(zhuǎn)移(Paradigm shift，用于描述基本理論中從根本假設(shè)或法則上進(jìn)行的改變)，都會(huì)推動(dòng)企業(yè)改革進(jìn)而重新規(guī)劃生產(chǎn)，并隨之激起創(chuàng)新浪潮。 今天我們處于全球人工智能(AI)革命的早期階段。 機(jī)器學(xué)習(xí)算法的結(jié)果隨著經(jīng)驗(yàn)的提高，使我們能夠在大數(shù)據(jù)集中找到模式，并更有效地對(duì)人員，設(shè)備，系統(tǒng)和過程進(jìn)行預(yù)測(cè)。但是英國人工智能創(chuàng)業(yè)的動(dòng)向是什么?

我們已經(jīng)繪制了226個(gè)英國獨(dú)立的、早期的AI軟件公司版圖，并在最近幾周拜訪了這其中不少于40家的公司。 下面，我們分享我們發(fā)現(xiàn)的六大動(dòng)向，他們塑造了英國的AI市場(chǎng) - 從改變活動(dòng)水平和重點(diǎn)領(lǐng)域，到貨幣化的趨勢(shì)、投資的規(guī)模和分期。

一、英國AI前景：226家公司的統(tǒng)計(jì)

隨著時(shí)間的推移，我們期望“AI”公司和其他軟件供應(yīng)商之間的差別變的模糊，然后消失，因?yàn)闄C(jī)器學(xué)習(xí)被用來處理各種各樣的業(yè)務(wù)流程和部分。 然而今天，我們或許可以找到一個(gè)專注AI的初創(chuàng)軟件公司的子集 。

我們已經(jīng)在英國研究了226家早期AI公司，并與其中40家公司進(jìn)行了會(huì)面。 我們已經(jīng)制作了一個(gè)地圖(圖1，上面)，根據(jù)以下幾點(diǎn)來放置這226家公司。

 目的：公司是否專注于改善某種業(yè)務(wù)功能(例如市場(chǎng)營銷或人力資源)或某個(gè)行業(yè)(醫(yī)療，教育，農(nóng)業(yè))? 或者公司是否開發(fā)了能跨領(lǐng)域應(yīng)用的AI技術(shù)?

 客戶類型：公司主要銷售給其他企業(yè)(B2B)還是消費(fèi)者(B2C)?

 資金：公司迄今收到多少投資資金? 我們將投資資金從 “天使投資”(angel investment, 低于50萬美元)到成長(zhǎng)資本/成長(zhǎng)基金(growth capital, 800萬美元到1億美元)進(jìn)行劃分。

我們會(huì)定期更新我們的地圖。 如果我們忽略或分錯(cuò)您的公司，我們深表歉意; 我們知道許多初創(chuàng)公司可能正在大規(guī)模使用AI，但未展現(xiàn)出來。 請(qǐng)聯(lián)系我們添加或更正。

在分析市場(chǎng)并在最近幾周與40家公司會(huì)面后，我們重點(diǎn)介紹以下六個(gè)市場(chǎng)動(dòng)向：

1.關(guān)注業(yè)務(wù)功能的AI

大多數(shù)早期的英國AI公司 - 每6個(gè)中有5個(gè) - 將機(jī)器學(xué)習(xí)應(yīng)用于特定業(yè)務(wù)功能或行業(yè)的挑戰(zhàn)(下面的圖2)。 然而，六個(gè)中僅有一個(gè)在開發(fā)適用于多個(gè)領(lǐng)域的AI技術(shù)，即性能優(yōu)化及平臺(tái)或算法的研發(fā)這反映了AI領(lǐng)域正處于新興階段。 這些公司的活動(dòng)范疇包括開發(fā)計(jì)算機(jī)視覺解決方案至創(chuàng)造自主決策的算法。

AI公司向誰銷售?

10家AI公司中有9家主攻“B2B”，為其他企業(yè)開發(fā)和銷售解決方案(下圖3)。 只有1/10的公司是直接銷售給消費(fèi)者('B2C')。

圍繞數(shù)據(jù)的“冷啟動(dòng)”挑戰(zhàn)抑制了B2C AI公司的新生數(shù)量。 訓(xùn)練機(jī)器學(xué)習(xí)算法通常需要大量的數(shù)據(jù)。 雖然面向企業(yè)(B2B)的公司可以在缺少公開或受許可的(例如Facebook資料 )數(shù)據(jù)的情況下，分析他們所服務(wù)的公司提供的各種各樣大批量的數(shù)據(jù)集，但面向客戶(B2C)的公司在創(chuàng)始起初，通常沒有大量消費(fèi)者數(shù)據(jù)用作分析。 因此，隨著時(shí)間的推移，B2C公司通常隨著用戶基礎(chǔ)和數(shù)據(jù)集的增長(zhǎng)不斷部署機(jī)器學(xué)習(xí)的工作。 例如，Gousto是一家MMC投資的公司，向消費(fèi)者提供食譜和相關(guān)配料，以便捷家中的烹飪。 現(xiàn)在，Gousto的機(jī)器學(xué)習(xí)博士，數(shù)據(jù)分析師和工程師團(tuán)隊(duì)利用AI進(jìn)行倉庫自動(dòng)化和菜單設(shè)計(jì)。 自Gousto公司成立以來，該公司就早已開始嘗試使用AI，但直至近期才達(dá)到如今的效果。

考慮到“冷啟動(dòng)”的挑戰(zhàn)，現(xiàn)實(shí)情況是，大多數(shù)消費(fèi)者對(duì)于機(jī)器學(xué)習(xí)的初體驗(yàn)，是通過世界上最受歡迎的那些消費(fèi)者應(yīng)用程序(如Facebook，Google，Amazon，Netflix，Pinterest等)，利用大量數(shù)據(jù)集和機(jī)器學(xué)習(xí)團(tuán)隊(duì)，實(shí)現(xiàn)面部識(shí)別、搜索和娛樂建議、翻譯以及更多的功能。

2.人工智能創(chuàng)業(yè)分布不均衡

以每個(gè)部分的公司數(shù)量來衡量，以下的熱力圖突出顯示出了早期AI公司的活躍領(lǐng)域，(圖4，如下)。

最活躍的領(lǐng)域：

• 市場(chǎng)營銷與廣告、信息技術(shù)、商業(yè)智能與分析;
• 金融部門。

一般活躍范圍：

• 人力資源
• 基礎(chǔ)設(shè)施、醫(yī)療健康、零售部門。

上述領(lǐng)域都非常適合應(yīng)用AI，這便解釋了為何人工智能都集中活躍于其中。有機(jī)會(huì)在這些領(lǐng)域創(chuàng)造價(jià)值是顯然且有必要的。例如，在市場(chǎng)營銷和金融方面，廣告轉(zhuǎn)化效果的提升和財(cái)務(wù)績(jī)效的評(píng)價(jià)是易于量化的。 所有的上述領(lǐng)域都提供了大量非常適合應(yīng)用機(jī)器學(xué)習(xí)的解決的預(yù)測(cè)和優(yōu)化問題，它們都能提供用于訓(xùn)練和部署的大數(shù)據(jù)集。因此，在這些領(lǐng)域找到優(yōu)于人類表現(xiàn)的AI方案是在技術(shù)上可行的，而找到非AI的替代方案則不切實(shí)際或非常昂貴;并且，這些領(lǐng)域都是專業(yè)化的垂直行業(yè)，距來自消費(fèi)者和受到AI平臺(tái)提供商巨頭(如Google, Amazon, Microsoft, IBM)關(guān)注的競(jìng)爭(zhēng)威脅甚遠(yuǎn)，除了Google和IBM可能有能力在健康醫(yī)療領(lǐng)域發(fā)起挑戰(zhàn)。

有吸引力的市場(chǎng)基礎(chǔ)促進(jìn)了產(chǎn)業(yè)活動(dòng)，最強(qiáng)的AI公司們可以通過以下方式發(fā)展競(jìng)爭(zhēng)優(yōu)勢(shì)：引入深度的專業(yè)知識(shí)來處理復(fù)雜的專業(yè)領(lǐng)域問題;開發(fā)專利算法;通過利用非公開數(shù)據(jù)集

有吸引力的市場(chǎng)基礎(chǔ)促進(jìn)了產(chǎn)業(yè)活動(dòng)，最強(qiáng)大的AI公司可以通過以下方式發(fā)展競(jìng)爭(zhēng)優(yōu)勢(shì)：引入深度的專業(yè)知識(shí)來處理復(fù)雜的專業(yè)領(lǐng)域問題; 開發(fā)專利算法; 通過利用非公開數(shù)據(jù)集創(chuàng)建圍繞數(shù)據(jù)的網(wǎng)絡(luò)效應(yīng)(network effect，又稱需求方規(guī)模經(jīng)濟(jì)，就是指一個(gè)產(chǎn)品或服務(wù)的用戶越多價(jià)值越大); 并通過保障充足的資建立一個(gè)高質(zhì)量的機(jī)器學(xué)習(xí)團(tuán)隊(duì)和上市的資源。

產(chǎn)業(yè)活動(dòng)中營銷和廣告活動(dòng)占主導(dǎo)地位; 英國每5個(gè)初創(chuàng)AI公司就有1個(gè)關(guān)注該行業(yè)。 現(xiàn)代營銷和廣告的根本特點(diǎn)體現(xiàn)了AI的好處。 消費(fèi)者對(duì)網(wǎng)站和應(yīng)用程序擁有數(shù)十億個(gè)接觸點(diǎn)，這提供了豐富的可得但復(fù)雜的數(shù)據(jù)。 此外，營銷和廣告價(jià)值鏈的幾乎每個(gè)階段都適合進(jìn)行優(yōu)化和自動(dòng)化，包括內(nèi)容處理、消費(fèi)者劃分、消費(fèi)者定位，程序化廣告優(yōu)化，消費(fèi)者購物推薦和消費(fèi)者情緒分析。

二、不太活躍的領(lǐng)域

在一些領(lǐng)域，相對(duì)于市場(chǎng)機(jī)遇來說AI活動(dòng)是微不足道的。 例如，在制造業(yè)行業(yè)，很少有初創(chuàng)公司能夠解決實(shí)質(zhì)性的需求。 機(jī)器學(xué)習(xí)有潛力通過預(yù)測(cè)和優(yōu)化機(jī)器維護(hù)過程，提高機(jī)器20%的生產(chǎn)能力。 通過改進(jìn)的產(chǎn)品質(zhì)量數(shù)據(jù)分析，可以降低原材料成本和重復(fù)性勞動(dòng)。 此外，如果生產(chǎn)能力被預(yù)估的更好，“緩沖”(即儲(chǔ)存原材料和半成品以彌補(bǔ)生產(chǎn)過程中意外的低效)可以降低達(dá)30%。 制造業(yè)傳感器的激增，包括來自生產(chǎn)線的傳感器數(shù)據(jù)，機(jī)床參數(shù)和環(huán)境數(shù)據(jù)，也大大增加了可用于機(jī)器學(xué)習(xí)的數(shù)據(jù)。

在合規(guī)與欺詐(Compliance & Fraud)職能方面，較少有初創(chuàng)公司有意參與銀行合規(guī)資助項(xiàng)目從而獲利。花旗集團(tuán)30,000名員工，占該銀行員工總數(shù)的12% - 現(xiàn)在在做合規(guī)工作。在其15年一季度的電話會(huì)議上，花旗強(qiáng)調(diào)，通過提高效率計(jì)劃節(jié)省的3.4億美元，50%以上被用于監(jiān)管與合規(guī)的額外支出?；ㄆ旒瘓F(tuán)的同行之間也顯現(xiàn)出這一趨勢(shì)。摩根大通用于合規(guī)的支出，自2011年至2015年增加了50%，達(dá)到了9億，而高盛則強(qiáng)調(diào)，過去四年其員工人數(shù)增長(zhǎng)了11%，主要是為了滿足監(jiān)管合規(guī)方面工作的需求。我們與銀行的討論特別關(guān)注“了解您的客戶”(KYC)和反洗錢(AML)的打算。除了提出廣泛的需求，該部門提供大量的數(shù)據(jù)集，用于訓(xùn)練人工智能，作為昂貴 人工的替代品，并且考慮到人類監(jiān)測(cè)數(shù)據(jù)泛濫根本是不可能的，至少在某些方面的機(jī)器學(xué)習(xí)能力，能夠提供明顯優(yōu)于人類的績(jī)效。在銀行內(nèi)部努力下，可能有少數(shù)英國合規(guī)公司，開始專門留意潛在客戶的關(guān)注點(diǎn)或來自美國初創(chuàng)公司的競(jìng)爭(zhēng)，不過機(jī)會(huì)似乎相當(dāng)可觀。

1. 人工智能創(chuàng)業(yè)公司數(shù)量已經(jīng)翻倍

與前一時(shí)期(2011-2013年)相比，近年來(2014-2016年)在英國成立的AI公司數(shù)量(圖5，下圖)增加了一倍。 超過60%的英國AI公司成立于過去36個(gè)月。 在此期間，幾乎每周在英國都有一家新的人工智能公司成立。

人工智能領(lǐng)域的創(chuàng)業(yè)正在被更廣泛的人工智能時(shí)代的到來以及早期創(chuàng)業(yè)平臺(tái)所特有的因素推動(dòng)。

關(guān)于人工智能活動(dòng)的一般說法，就是在過去20年的人工智能研究中所種植的種子今天正在結(jié)果。新的算法，特別是卷積和復(fù)現(xiàn)神經(jīng)網(wǎng)絡(luò)，正在提供更有效的結(jié)果。訓(xùn)練數(shù)據(jù)的可用性的對(duì)數(shù)級(jí)增加使得調(diào)整機(jī)器學(xué)習(xí)算法以提供準(zhǔn)確的預(yù)測(cè)成為可能。圖形處理單元(GPU)的開發(fā)已經(jīng)將訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需的時(shí)間減少了5倍到10倍。 并且在過去五年中，公眾對(duì)人工智能的認(rèn)識(shí)提高了六倍，因此提高了買家對(duì)這項(xiàng)技術(shù)的興趣。

其他一些因素也正在推動(dòng)新的人工智能創(chuàng)業(yè)公司的產(chǎn)生。在過去的五年內(nèi)，因?yàn)橥顿Y者看到了該領(lǐng)域的前景，人工智能公司的風(fēng)險(xiǎn)投資基金增長(zhǎng)了七倍。行業(yè)云提供商(谷歌，亞馬遜，微軟和IBM)所提供的人工智能基礎(chǔ)架構(gòu)和人工智能服務(wù)降低了部署機(jī)器學(xué)習(xí)解決方案的難度和成本。而開源AI軟件(特別是機(jī)器學(xué)習(xí)組件庫TensorFlow)的成長(zhǎng)降低了參與機(jī)器學(xué)習(xí)的障礙。根據(jù)持續(xù)的風(fēng)險(xiǎn)投資資金，我們預(yù)計(jì)英國的高水平人工智能創(chuàng)業(yè)將持續(xù)下去。

新興人工智能公司主要集中在哪里呢? 在新興的人工智能公司中，人力資源業(yè)務(wù)功能和金融部門所占比例最高(圖6)。 三分之二的人工智能人力資源公司和人工智能財(cái)務(wù)公司還不到兩歲。

人力資源領(lǐng)域最近的活動(dòng)源自于行業(yè)內(nèi)發(fā)生的范式轉(zhuǎn)移。人力資源正從一個(gè)管理記錄的系統(tǒng)發(fā)展成為一個(gè)關(guān)于預(yù)測(cè)增長(zhǎng)和效率的驅(qū)動(dòng)者。企業(yè)主正在尋求利用以前未充分利用的數(shù)據(jù)集來提升應(yīng)用效果，應(yīng)用范圍包括基于能力的員工招聘到關(guān)于員工流失的預(yù)測(cè)模型。

令人驚訝的是，在商業(yè)智能，安全和合規(guī)功能，以及零售部門和基礎(chǔ)設(shè)施部門范圍內(nèi)，新的人工智能公司占的比例較低。 隨著機(jī)器學(xué)習(xí)的大數(shù)據(jù)集的成熟發(fā)展，這些部門曾經(jīng)首先吸引人工智能企業(yè)家的。

2. 一個(gè)相對(duì)于全球同行的新生行業(yè)

與全球同行相比，英國人工智能領(lǐng)域處于新生階段，既帶來了機(jī)遇，也帶來了挑戰(zhàn)。

今天，相比于美國同行的一半比率，有四分之三的英國人工智能公司處于他們自身旅程的最初階段，就是所謂的“種子”或“天使”資金階段(圖7)。另一方面，在每10個(gè)英國人工智能公司中只有一個(gè)處于晚期“增長(zhǎng)資本”階段，而在美國卻是每五個(gè)人工智能公司中就有一個(gè)。2015年，我們數(shù)據(jù)可用的最后一個(gè)整年，幾乎所有有資本輸入的英國人工智能公司都還處于天使，種子或A系列階段，而在全球人工智能領(lǐng)域內(nèi)，已經(jīng)有三分之一的公司收到了后期資金(圖8) 。

這種動(dòng)態(tài)現(xiàn)象既呈現(xiàn)了機(jī)會(huì)，也隱藏著風(fēng)險(xiǎn)。一個(gè)充滿活力的創(chuàng)業(yè)場(chǎng)景為處于初期的公司的企業(yè)家，員工和投資者提供了無與倫比的機(jī)會(huì)。與此同時(shí)，更加發(fā)達(dá)和資金富裕的海外競(jìng)爭(zhēng)對(duì)手可能會(huì)提高英國公司的競(jìng)爭(zhēng)壓力。這種影響可能因高比例被出售給大企業(yè)的人工智能公司而加劇，其中許多競(jìng)爭(zhēng)者來源于全球的供應(yīng)商。英國持有寶貴可以用于人工智能研究的資產(chǎn)，包括擁有四分之一的世界排名前25的大學(xué)，以及一個(gè)出現(xiàn)了了Deep Mind，SwiftKey，Magic Pony和其他英國人工智能公司而不斷增長(zhǎng)的人工智能從業(yè)者和投資者的生態(tài)系統(tǒng)。

3. 營利的旅程可能會(huì)更長(zhǎng)

超過40%的我們遇到的人工智能公司尚未產(chǎn)生收入(圖9)。 這并不是因?yàn)槲覀冇鲆姷氖翘幱诔跗陔A段的公司; 我們遇到的公司中，處于中位數(shù)位置的公司是一個(gè)創(chuàng)立于2 - 3年前，已經(jīng)籌集了130萬英鎊，有一個(gè)有9個(gè)人并且每月花費(fèi)7,6000英鎊的團(tuán)隊(duì)。

大多數(shù)人工智能公司，至少應(yīng)用型的人工智能公司，計(jì)劃獲得預(yù)收入而不是銷售軟件和服務(wù)的想法是一個(gè)神話。 我們遇到的所有公司都在實(shí)施或開發(fā)貨幣化計(jì)劃。 那么，為什么一些人工智能公司比其它領(lǐng)域處于初期階段的公司花費(fèi)更長(zhǎng)時(shí)間才實(shí)現(xiàn)貨幣化或規(guī)模化? 我們總結(jié)出以下四個(gè)原因：

在這個(gè)技術(shù)上有挑戰(zhàn)性的領(lǐng)域，最低可行產(chǎn)品(MVP)的標(biāo)準(zhǔn)可能更高，需要更長(zhǎng)的開發(fā)周期。

90%的AI公司是B2B公司。 在B2B銷售中典型的長(zhǎng)銷售周期會(huì)在AI公司中加劇，這是因?yàn)樵S多AI公司專注于分散而敏感的數(shù)據(jù)，如財(cái)務(wù)數(shù)據(jù) 。

由于廣泛各個(gè)客戶的數(shù)據(jù)集成、數(shù)據(jù)清理和定制要求，部署期可能會(huì)很長(zhǎng)。 我們遇到的一半人工智能公司有一個(gè)純粹的軟件即服務(wù)模式; 因此許多成本巨大的客戶端整合和定制工作以項(xiàng)目收入的形式獲得盈利(圖10)。

可用于初期公司實(shí)施的人員數(shù)量的有限性阻礙了許多人工智能公司的發(fā)展。 在幾家公司的情緒回應(yīng)中，有人告訴我們“即使我們有訂單，我們也無法實(shí)施更多的銷售。”許多團(tuán)隊(duì)中有三分之一的人員是從事部署支持工作的。

機(jī)器學(xué)習(xí)人才的高成本造成了現(xiàn)金燃燒率增長(zhǎng)的加劇，更長(zhǎng)的變現(xiàn)盈利之路可能對(duì)人工智能公司構(gòu)成挑戰(zhàn)。 我們建議人工智能公司籌集足夠的資本，使其在這段風(fēng)險(xiǎn)時(shí)期內(nèi)可以持續(xù)走下去，直到上市和超越。

4.投資更大，但分期是非典型的

至少在全球范圍內(nèi)，對(duì)人工智能公司的投資通常比平均資本輸入大20%到60%(圖11，顯示的是2015年數(shù)據(jù))。這反映了公司的基本面和資本供求的動(dòng)態(tài)。 人工智能公司的資本要求更高，因?yàn)樵诋a(chǎn)品可行性之前有更長(zhǎng)的開發(fā)周期，機(jī)器學(xué)習(xí)人才的高成本和復(fù)雜部署所需的更大的團(tuán)隊(duì) 。然而，除了這些基本面之外，資本輸入因大量的供應(yīng)(許多風(fēng)險(xiǎn)資本家尋求機(jī)會(huì)投資人工智能公司)和有限的需求(有相對(duì)較少的人工智能公司可供投資)膨脹。在過去的五年里，早期人工智能公司的風(fēng)險(xiǎn)資本投資增加了七倍，然而具有可投資前景的公司的數(shù)量仍然有限。

此外，在英國，相當(dāng)數(shù)量的少數(shù)公司成功從種子輪次跳到比隨后一輪的典型數(shù)量大得多的增長(zhǎng)(圖12，下圖)。三分之一的英國人工智能公司在之前的籌資額低于100萬美元的情況下，在一輪籌資中募集了超過800萬美元。 如上所述，這種動(dòng)態(tài)部分是由人工智能公司的資本要求驅(qū)動(dòng)的，但是人工智能公司中有限數(shù)量的有吸引力的投資機(jī)會(huì)還是只有那么多。與此同時(shí)，新生公司的估值預(yù)期受收到的“被并購”的邀約支持著 。

三、總結(jié)：英國人工智能的拐點(diǎn)

最近36個(gè)月標(biāo)志著英國初期人工智能的一個(gè)拐點(diǎn)。創(chuàng)業(yè)數(shù)量增加了一倍，因?yàn)槿斯ぶ悄芗夹g(shù)時(shí)代的到來和投資的增加。然而，相對(duì)于全球同行而言，這些公司仍處于發(fā)展的早期，為企業(yè)家和員工提供了前所未有的機(jī)會(huì)和挑戰(zhàn)。四分之三的英國人工智能公司處于自身發(fā)展旅程的最初階段，活動(dòng)仍然不均衡。新興公司集中于易于解決的業(yè)務(wù)功能，這些業(yè)務(wù)功能數(shù)據(jù)集豐富并且優(yōu)化挑戰(zhàn)顯而易見。今天，業(yè)務(wù)流程正在優(yōu)化。在未來，他們將被重新定義。在過去24個(gè)月內(nèi)，人工智能企業(yè)家開始處理額外的職能和部門。今天的人工智能公司的盈利道路可能更長(zhǎng)，但高效的企業(yè)家正在利用有吸引力的資本動(dòng)向在發(fā)展旅程的早期籌集足夠的錢。

隨著人工智能革命的繼續(xù)，“人工智能公司”和其他軟件提供商之間的區(qū)別將會(huì)更加模糊。 然而，今天，我們很高興地強(qiáng)調(diào)這些公司正提供出的顯著效益。 這些公司正一起塑造“第四次工業(yè)革命”。

我要感謝我的同事Dominic Sando，他的大量工作對(duì)上述研究做出了重大貢獻(xiàn)。

來源：

https://medium.com/mmc-writes/artificial-intelligence-in-the-uk-landscape-and-learnings-from-226-startups-70b9551f3e4c?source=linkShare-9549803b36be-1482787085&winzoom=1

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文