http://36kr.com/p/5093489.html? 2017.9.18
背景
Sam：能介紹一下你自己?jiǎn)嶙馄坑行┤丝赡懿涣私怫闊┠闵晕⒔榻B一下自己的工作罩润？
Matt：好的译柏。我是紐約FirstMark的合伙人挑豌。只用了短短幾年時(shí)間酗失，我們就成為紐約面向早期階段的最大的VC公司义钉，管理16億美元資產(chǎn)，當(dāng)中包括去年融入的5億美元规肴。(FirstMark Capital成立于2008年捶闸，是一家主要投資于早期階段技術(shù)類公司的風(fēng)險(xiǎn)投資機(jī)構(gòu)，包括跨越整個(gè)新興媒體拖刃、廣告删壮、游戲、教育兑牡、云計(jì)算央碟、分析和基礎(chǔ)設(shè)備等方向/http://firstmarkcap.com/)
從投資角度看，我對(duì)許多東西感興趣均函，不過大多時(shí)候我特別關(guān)注兩個(gè)領(lǐng)域亿虽。
第一個(gè)是“數(shù)據(jù)世界”，從寬泛的層面定義正是這樣的苞也。當(dāng)中包括大數(shù)據(jù)洛勉、機(jī)器學(xué)習(xí)、AI公司如迟，還有一些創(chuàng)業(yè)公司收毫，對(duì)于它們來說數(shù)據(jù)就是“秘密調(diào)料”攻走，是核心競(jìng)爭(zhēng)力，我們通過一些企業(yè)向該領(lǐng)域投資此再，比如ActionIQ昔搂、Dataiku、x.ai输拇、Sense360巩趁、HyperScience。我還寫了很多博文談?wù)撨@些主題淳附，同時(shí)還運(yùn)營Data Driven NYC议慰，這是一個(gè)很大的社區(qū)，有14000名大數(shù)據(jù)奴曙、AI專家别凹。
第二個(gè)重點(diǎn)關(guān)注的領(lǐng)域是前沿技術(shù)。所謂前沿技術(shù)包括新興計(jì)算平臺(tái)洽糟、AR/VR炉菲、物聯(lián)網(wǎng)，以及其它你能想到的流行詞坤溃。同樣的拍霜，我也向這個(gè)領(lǐng)域投資，寫博文介紹它薪介，運(yùn)營一個(gè)很大的社區(qū)祠饺，名叫Hardwired NYC，里面有5000多人汁政，大家一起探索前沿技術(shù)道偷。
人們炒作AI，但它是真實(shí)的機(jī)會(huì)
Sam：很酷记劈。什么時(shí)候機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司進(jìn)入你的視線勺鸦，成為投資機(jī)會(huì)呢？
Matt：當(dāng)我進(jìn)入科技行業(yè)工作時(shí)目木，基本上只關(guān)注數(shù)據(jù)和分析换途。不久之前，我還是搜索軟件創(chuàng)業(yè)公司的聯(lián)合創(chuàng)始人刽射、企業(yè)家军拟，我們關(guān)注貝葉斯算法的應(yīng)用，貝葉斯是一種機(jī)器學(xué)習(xí)技術(shù)柄冲，我們用它查找吻谋、檢索問題。
所以說现横，多年來我一直關(guān)注機(jī)器學(xué)習(xí)漓拾，直到最近一段時(shí)間興趣才漸漸深厚起來阁最。大數(shù)據(jù)流行，基礎(chǔ)設(shè)施完善骇两，我們可以捕捉并處理大量數(shù)據(jù)速种，成本更合理，速度更快低千。最終這些因素導(dǎo)致機(jī)器學(xué)習(xí)技術(shù)飛速進(jìn)步配阵，在一些領(lǐng)域尤其明顯，比如需要大量數(shù)據(jù)才能執(zhí)行的項(xiàng)目示血，類似于神經(jīng)網(wǎng)絡(luò)棋傍。
成為這個(gè)領(lǐng)域的企業(yè)家、投資者难审，現(xiàn)在恰逢其時(shí)瘫拣，我們有一種感覺，似乎幾十年的努力突然有了回報(bào)告喊，孕育了許多的可能性麸拄。人們對(duì)AI不斷吹捧，不斷炒作黔姜，但它是真實(shí)的拢切，并非虛無。
言論相比技術(shù)現(xiàn)實(shí)有所夸大
Sam：讓們討論一個(gè)有爭(zhēng)議的問題秆吵。今天有許多大企業(yè)正在開發(fā)AI淮椰，看看這些企業(yè)，就兌現(xiàn)承諾而言帮毁，哪家的表現(xiàn)最糟糕实苞？
Matt：就我從市場(chǎng)上聽到的消息來看豺撑，可能是IBM烈疚。
為什么？主要是因?yàn)镮BM極力宣傳聪轿，野心很大爷肝，這樣導(dǎo)致自己陷入一個(gè)尷尬的境地：承諾太多，同時(shí)進(jìn)入的垂直領(lǐng)域太多陆错。
沒錯(cuò)灯抛，只要你愿意投入幾個(gè)月時(shí)間并投入許多金錢，訓(xùn)練系統(tǒng)音瓷，你的確可以用IBM沃森做許多有趣的事对嚼，但是現(xiàn)實(shí)再清楚不過，IBM在宣傳中所說的東西有點(diǎn)夸大绳慎，事實(shí)上沃森沒有那么強(qiáng)大纵竖。
IBM是一家大公司漠烧，所有大公司似乎都背負(fù)一個(gè)詛咒：因?yàn)楣竞荦嫶螅绻胱寴I(yè)務(wù)的規(guī)模擴(kuò)大哪怕一點(diǎn)點(diǎn)靡砌，新業(yè)務(wù)必須以非骋雅В快的速度壯大起來，這樣一來就會(huì)給牽涉的每一個(gè)人施加很大壓力通殃。
IBM在每一個(gè)垂直領(lǐng)域爭(zhēng)奪交易度液，據(jù)我所知，他們失去了許多交易画舌，因?yàn)樾∑髽I(yè)更專注堕担、更敏捷，IBM輸給了他們曲聂。
不過它可是IBM照宝，我們現(xiàn)在還不能將它排除出去。
接入專有數(shù)據(jù)庫是一個(gè)挑戰(zhàn)
Sam：執(zhí)行AI需要大量的數(shù)據(jù)句葵，正因如此厕鹃，創(chuàng)業(yè)公司相比大企業(yè)處在劣勢(shì)位置。有沒有數(shù)據(jù)工程師正在尋找辦法用更少的數(shù)據(jù)優(yōu)化模型乍丈？
Matt：就這點(diǎn)來說創(chuàng)業(yè)公司的確處在不利位置剂碴，但它們最終會(huì)獲得相當(dāng)多的資源，以前是這樣轻专，未來也是這樣忆矛。
就技術(shù)角度來說，行業(yè)內(nèi)許多頂尖人物（不只是創(chuàng)業(yè)公司）都在嘗試用更少的數(shù)據(jù)開發(fā)更棒的神經(jīng)網(wǎng)絡(luò)请垛。在可以預(yù)見的未來催训，這個(gè)目標(biāo)就是“圣杯”。我認(rèn)識(shí)幾家公司宗收，他們?nèi)〉靡恍┩黄坡茫谶w移學(xué)習(xí)方面研究出一些有趣的技術(shù)。不得不說混稽，這是一個(gè)很難的問題采驻，解決要花點(diǎn)時(shí)間。
與此同時(shí)匈勋，創(chuàng)業(yè)公司還在尋找辦法進(jìn)入更大的數(shù)據(jù)庫礼旅。例如，醫(yī)療成像領(lǐng)域的AI公司需要龐大的數(shù)據(jù)洽洁。據(jù)我所知痘系，有幾家企業(yè)與一家大醫(yī)院合作，拿到一些專有數(shù)據(jù)饿自，與放射圖像有關(guān)汰翠。我還看到一些企業(yè)也在做同樣的事临谱，只是它們所處的領(lǐng)域不同，比如碰撞保險(xiǎn)奴璃、工業(yè)機(jī)械悉默、農(nóng)業(yè)等領(lǐng)域。
德國有一家創(chuàng)業(yè)公司名叫TwentyBn苟穆，它建了一個(gè)眾包數(shù)據(jù)庫抄课，里面有幾百甚至幾千段視頻，人在攝像頭前演示特定手勢(shì)和動(dòng)作雳旅，計(jì)算機(jī)系統(tǒng)處理之后就可以學(xué)習(xí)并識(shí)別動(dòng)作跟磨。從本質(zhì)上講，TwentyBn搭建了自己的數(shù)據(jù)庫攒盈。
曾幾何時(shí)抵拘，獲得大量數(shù)據(jù)似乎是一個(gè)不可逾越的障礙，不過創(chuàng)業(yè)公司正在尋找各種辦法克服困難型豁。
順便說一句僵蛛，挑戰(zhàn)很多，獲得數(shù)據(jù)只是其中的一個(gè)迎变，有了數(shù)據(jù)你還要貼上標(biāo)簽充尉，讓深度學(xué)習(xí)可以處理。給數(shù)據(jù)貼標(biāo)簽時(shí)衣形，創(chuàng)業(yè)公司也有許多的資源可以用驼侠。
我接觸過幾家創(chuàng)業(yè)公司，它組建“小團(tuán)隊(duì)”谆吴，里面的人來自世界各地倒源，他們給數(shù)據(jù)貼標(biāo)簽，工作方式與亞馬遜“Mechanical Turk”差不多句狼。還有一些企業(yè)招募深度學(xué)習(xí)專家笋熬，讓他們給特定數(shù)據(jù)類型貼標(biāo)簽，比如讓外科醫(yī)生團(tuán)隊(duì)給復(fù)雜的醫(yī)療圖像數(shù)據(jù)貼標(biāo)簽鲜锚。
網(wǎng)絡(luò)數(shù)據(jù)效應(yīng)浮現(xiàn)
Sam：通過Netflix突诬、Spotify、Facebook這樣的產(chǎn)品芜繁，許多人感受到“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”帶來的好處。創(chuàng)業(yè)公司如何才能打造強(qiáng)大的下一代“數(shù)據(jù)網(wǎng)絡(luò)”呢绒极？
Matt：不久之前骏令，我曾在博文中討論過“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”，這個(gè)主題很有趣垄提。
從理論上講榔袋，任何機(jī)器學(xué)習(xí)公司都可以從多個(gè)用戶手中提取足夠多的數(shù)據(jù)周拐，讓算法在數(shù)據(jù)集中運(yùn)行，然后將數(shù)據(jù)發(fā)回去凰兑，向每一個(gè)獨(dú)立客戶學(xué)習(xí)妥粟，這樣就可以形成“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”。
以FirstMark投資公司x.ai為例吏够，這家公司開發(fā)AI助手勾给，安排會(huì)議，助手安排的會(huì)議越多锅知，算法就會(huì)變得越聰明播急。算法越聰明，體驗(yàn)就會(huì)越好售睹。體驗(yàn)越好桩警，就會(huì)有更多的人用x.ai安排會(huì)議，公司也就可以拿到更多數(shù)據(jù)昌妹，還有其它東西捶枢。這樣“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”就浮現(xiàn)出來了。
數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)會(huì)出現(xiàn)在行多地方飞崖，這才是最棒的柱蟀。x.ai幫助人們安排會(huì)議，加快速度蚜厉；Phosphorous與醫(yī)院合作长已，幫助它們運(yùn)營基因檢測(cè)實(shí)驗(yàn)室，這些場(chǎng)所都會(huì)出現(xiàn)昼牛。
在B2B領(lǐng)域术瓮，要想獲得“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”會(huì)困難一些，因?yàn)槠髽I(yè)喜歡保護(hù)自己的數(shù)據(jù)贰健，不愿意行業(yè)內(nèi)的其它企業(yè)使用自己的數(shù)據(jù)胞四。
盡管如此，我們可以用創(chuàng)造性的解決方法化解這一問題伶椿。幾個(gè)月前辜伟，Google Research在Federated Learning發(fā)表論文，意思就是說要在數(shù)據(jù)獨(dú)立的前提下促進(jìn)機(jī)器學(xué)習(xí)行業(yè)合作脊另。這樣就可以解決數(shù)據(jù)隱私問題导狡，讓各種“數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)”顯現(xiàn)出來。
不論怎樣偎痛，有一點(diǎn)需要注意：數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)需要很多年才能出現(xiàn)旱捧，因?yàn)閯?chuàng)業(yè)公司要積累客戶，收集足夠多的數(shù)據(jù)讓自己的模型學(xué)習(xí)。一旦這種效應(yīng)在你的身上形成枚赡，那就很有競(jìng)爭(zhēng)力了氓癌。
AI會(huì)讓產(chǎn)品的性能大幅提升
Sam：投資者之所以關(guān)注AI創(chuàng)業(yè)公司，是不是因?yàn)樗鼈兒芸鞎?huì)成為收購目標(biāo)贫橙？或者說它們有可能成為龐大的獨(dú)立企業(yè)贪婉？
Matt：從VC經(jīng)濟(jì)學(xué)的角度看，你必須信奉后一種理念卢肃。
沒錯(cuò)疲迂，我們看到大企業(yè)收購各類小型AI企業(yè)。與此同時(shí)践剂，人們或多或少會(huì)認(rèn)同另一個(gè)觀點(diǎn)：AI是下一個(gè)大事件鬼譬，機(jī)器學(xué)習(xí)人才很稀缺。
正因如此逊脯，有許多企業(yè)更像研究實(shí)驗(yàn)室而不是創(chuàng)業(yè)公司优质，它們很快被收購渠啤，有時(shí)金額還很高纠脾。對(duì)于創(chuàng)始人來說，這樣的結(jié)果很好大诸，有時(shí)拿到的錢可以改變整個(gè)生活匕争。站在投資者的角度看避乏，這樣的結(jié)果不錯(cuò)，但算不上很好甘桑，風(fēng)險(xiǎn)回報(bào)率并不高∨钠ぃ現(xiàn)在這種交易形式快走到盡頭了，要改變了跑杭。
正是因?yàn)檫@個(gè)原因铆帽，像我這樣的投資者才會(huì)關(guān)注垂直AI創(chuàng)業(yè)公司。因?yàn)槊闇?zhǔn)垂直領(lǐng)域德谅，AI創(chuàng)業(yè)公司非常專注爹橱，它的定位離大型科技公司很遙遠(yuǎn)，在大企業(yè)收購之前也許有足夠的時(shí)間壯大起來窄做。
只要定位正確愧驱，我相信這些AI企業(yè)有時(shí)間搶占領(lǐng)先位置，在這段時(shí)間里椭盏，AI會(huì)讓企業(yè)分化组砚，大量使用機(jī)器學(xué)習(xí)的企業(yè)會(huì)領(lǐng)先。當(dāng)然庸汗，你必須挑選一個(gè)“使用案例”（use case）惫确，讓AI大幅提升產(chǎn)品性能，不是修修補(bǔ)補(bǔ)蚯舱，而是突破性的提升改化。如果使用案例正確，AI創(chuàng)業(yè)公司的產(chǎn)品性能可以比現(xiàn)有替代產(chǎn)品好10倍枉昏。
如果使用機(jī)器學(xué)習(xí)技術(shù)陈肛，許多企業(yè)的產(chǎn)品性能可以提升10倍。它可以創(chuàng)造機(jī)會(huì)兄裂，讓企業(yè)成為真正的市場(chǎng)領(lǐng)導(dǎo)者句旱。
不論是你是創(chuàng)始人還是投資人，抓住下一個(gè)重大市場(chǎng)拐點(diǎn)就是你的使命晰奖。幾年前是SaaS谈撒，現(xiàn)在機(jī)器學(xué)習(xí)代表下一輪革命。最終匾南，機(jī)會(huì)之窗會(huì)關(guān)閉啃匿，但就目前來說，許多AI優(yōu)先的企業(yè)有機(jī)會(huì)在自己所處的領(lǐng)域領(lǐng)先蛆楞，或者開辟新市場(chǎng)溯乒。
Matt Turck, a Managing Director of FirstMark Capital, invests across a broad range of early-stage enterprise and consumer startups. Prior to FirstMark, he was a Managing Director at Bloomberg Ventures,the investment and incubation arm of Bloomberg LP, which he helped start. Previously, Matt was the co-founder of TripleHop Technologies, a venture-backed enterprise search software startup that was acquired by Oracle.
Matt is passionate about building communities, and organizes two large monthly events,Data Driven NYC(which focuses on data-driven startups, Big Data and AI) and Hardwired NYC(which focuses on the Internet of Things, AR/VR, drones, and other emerging technologies).
Matt graduated from Sciences-Po (IEP) Paris and holds a master of laws (LL.M.) from Yale Law School. He blogs at mattturck.com.
