投资人分享：AI创业公司的技术壁垒
本期课程乐客独角兽邀请了线性资本的投资总监郑灿给大家分享：
对技术壁垒而言，在AI基础设施的创业企业当中，主要解决的问题是应用性和产品化的问题。它的目标是希望能够通过他们的产品去解决整个设计流水线中的问题，让AI更方便可以被程序员调用，并减轻数据科学家的工作或者甚至取代科学家。刚才提到的DATAROBOT企业，他们比较关注的是他们的平台上有多少的数据模型，而这些数据模型又以什么样的方式尽量通用得，可以被其他系统的开发者方便得调用。很有意思的一点是，他们的这些模型都是一些相对通用的模型，做过机械学习都知道里面一些简单的东西，事实上并没有那么难，但整个平台的设计，包括模型间的共享、模型调用的API，反而在很大的程度上成为了他们跟其他类似企业竞争的相对优势。
在国内有一些团队，目前在做有意思的工作。主要是自动调优大规模的机械学习的模型，其实一直以来不停在突破。自动调优模型本身很难当作一个壁垒，因为它的工作已经被公开。但是怎么在最短的时间内、人力介入最少、通过一些分布式的高性能架构使调优效率变得更高，这是这类企业通常在工程落地中应当去解决的问题。
机械学习模型或者算法本身并不是壁垒，而是为了解决实际上的问题最后落地的工程化应用型、产品化的过程当中，往往有很多坑去填，很多路去走，那些才是这类企业的技术壁垒。
另一类企业是AI落地到行业应用的创业企业，这些企业面对一个很有意思的现象，之前提到的那类企业或者巨头，在基础设施上做的很多的工作使他们要做的事情当中，人工智能本身的技术壁垒大幅度降低。像模型、框架等，现在都开源，变得触手可得。以后很难说AI这件事情会构成一个壁垒，所以这类企业的竞争优势往往形成在他们本身对行业的理解。
因为很多时候要让人工智能在一些行业顺利落地，会需要有很多的流程改造，如果本身不是一个行业的专家，这件事情做起来相当难。举个例子，有家企业叫做联新医疗，做智能放疗，主要的两个技术核心是智能靶区的勾画和智能放疗计划。肿瘤医生在扫描完的CT上，通常要花四个多小时手动勾画病灶和正常器官，这些工作非常辛苦，而这套智能靶区勾画的技术可以将时间缩短在20分钟内。智能放疗计划是通过一些模拟的算法，去计算从什么样的角度、什么样的剂量去杀死最多的癌症细胞，尽可能的不伤害到正常器官。
实际上这两项技术本身单独拿出来，把数据准备好，把存在的问题讲清楚，可能很多人都有能力去解决，甚至在一些国内外的人工智能比赛中，都可以看到跟这个相关的但是不完全相似的产品。
联新公司把这两项技术放在放疗科室中落地，做了许多非常深的工作，他们为了改造放疗科室的流程至少做了三套系统。一套是在放疗科室内用的信息系统，是一种通常能够和医院的HIS对接，并在医院的影像设备上拿到数据的互联互通。另外一套是临床数据中心，实际上相当于一个机械学习的平台，影像数据方面的机械学习平台。最后他们做了一个远程的放疗系统，这三项系统合在一起，就能把整个放疗科室的流程改造，新的算法就可以真正落地，也能够帮助放疗师和物理师大大的提高他们的工作效率。
所以人工智能的算法相对得难成为壁垒，更多的时候为了让算法落地在工程上面做的许多其他的工作。这时尤其是跟行业结合的创业企业中，需要去结合很多行业知识。
刚才提到的联新创始人，他本身是放疗和机器学习双方面的专家，整个团队在这方面也有相当深厚的行业积累，这样才能够比较顺利地把人工智能真正结合到行业的工作流程中，真正去改造现有的传统行业。
总的来说，我们的观点是单凭算法本身很难为人工智能的创业企业形成技术壁垒，更多的是这个算法真正落地时，很多工程上和流程上一些“填坑”和“修路”工作才是企业真正的竞争力。
大家常说数据能不能成为竞争优势，在机械学习中，数据越多模型的效果越好。我们认为初期由于特别的途径、资源拿到一部分数据，对于最初的企业有很大帮助。但是后期还是需要在商业模式基础上、在业务过程中持续不断得获得更多数据，这个数据不管说所有权是谁的，但是它可以持续的帮你引进模型，这样的数据的的确确能够对AI创业企业产生很重要的作用。
找投资人就上乐客独角兽，本文由乐客独角兽学院内部供稿编辑发布，转载请注明出处以及原文链接，违者必究！想了解更多创业资讯，结识更多投资人，请添加我们的微信：mxjsd1
