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)或法則上進行的改變)，都會推動企業(yè)改革進而重新規(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。 機器學(xué)習(xí)算法的結(jié)果隨著經(jīng)驗的提高，使我們能夠在大數(shù)據(jù)集中找到模式，并更有效地對人員，設(shè)備，系統(tǒng)和過程進行預(yù)測。但是英國人工智能創(chuàng)業(yè)的動向是什么?

我們已經(jīng)繪制了226個英國獨立的、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)的六大動向，他們塑造了英國的AI市場 - 從改變活動水平和重點領(lǐng)域，到貨幣化的趨勢、投資的規(guī)模和分期。

一、英國AI前景：226家公司的統(tǒng)計

隨著時間的推移，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，因為機器學(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家公司進行了會面。 我們已經(jīng)制作了一個地圖(圖1，上面)，根據(jù)以下幾點來放置這226家公司。

 目的：公司是否專注于改善某種業(yè)務(wù)功能(例如市場營銷或人力資源)或某個行業(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)到成長資本/成長基金(growth capital, 800萬美元到1億美元)進行劃分。

我們會定期更新我們的地圖。 如果我們忽略或分錯您的公司，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。 請聯(lián)系我們添加或更正。

在分析市場并在最近幾周與40家公司會面后，我們重點介紹以下六個市場動向：

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個中有5個 - 將機器學(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，六個中僅有一個在開發(fā)適用于多個領(lǐng)域的AI技術(shù)，即性能優(yōu)化及平臺或算法的研發(fā)這反映了AI領(lǐng)域正處于新興階段。 這些公司的活動范疇包括開發(fā)計算機視覺解決方案至創(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者('B2C')。

圍繞數(shù)據(jù)的“冷啟動”挑戰(zhàn)抑制了B2C AI公司的新生數(shù)量。 訓(xùn)練機器學(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，通常沒有大量消費者數(shù)據(jù)用作分析。 因此，隨著時間的推移，B2C公司通常隨著用戶基礎(chǔ)和數(shù)據(jù)集的增長不斷部署機器學(xué)習(xí)的工作。 例如，Gousto是一家MMC投資的公司，向消費者提供食譜和相關(guān)配料，以便捷家中的烹飪。 現(xiàn)在，Gousto的機器學(xué)習(xí)博士，數(shù)據(jù)分析師和工程師團隊利用AI進行倉庫自動化和菜單設(shè)計。 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”的挑戰(zhàn)，現(xiàn)實情況是，大多數(shù)消費者對于機器學(xué)習(xí)的初體驗，是通過世界上最受歡迎的那些消費者應(yīng)用程序(如Facebook，Google，Amazon，Netflix，Pinterest等)，利用大量數(shù)據(jù)集和機器學(xué)習(xí)團隊，實現(xiàn)面部識別、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。有機會在這些領(lǐng)域創(chuàng)造價值是顯然且有必要的。例如，在市場營銷和金融方面，廣告轉(zhuǎn)化效果的提升和財務(wù)績效的評價是易于量化的。 所有的上述領(lǐng)域都提供了大量非常適合應(yīng)用機器學(xué)習(xí)的解決的預(yù)測和優(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)，距來自消費者和受到AI平臺提供商巨頭(如Google, Amazon, Microsoft, IBM)關(guān)注的競爭威脅甚遠(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)。

有吸引力的市場基礎(chǔ)促進了產(chǎn)業(yè)活動，最強的AI公司們可以通過以下方式發(fā)展競爭優(yōu)勢：引入深度的專業(yè)知識來處理復(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

有吸引力的市場基礎(chǔ)促進了產(chǎn)業(yè)活動，最強大的AI公司可以通過以下方式發(fā)展競爭優(yōu)勢：引入深度的專業(yè)知識來處理復(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，就是指一個產(chǎn)品或服務(wù)的用戶越多價值越大); 并通過保障充足的資建立一個高質(zhì)量的機器學(xué)習(xí)團隊和上市的資源。

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

二、不太活躍的領(lǐng)域

在一些領(lǐng)域，相對于市場機遇來說AI活動是微不足道的。 例如，在制造業(yè)行業(yè)，很少有初創(chuàng)公司能夠解決實質(zhì)性的需求。 機器學(xué)習(xí)有潛力通過預(yù)測和優(yōu)化機器維護過程，提高機器20%的生產(chǎn)能力。 通過改進的產(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。 此外，如果生產(chǎn)能力被預(yù)估的更好，“緩沖”(即儲存原材料和半成品以彌補生產(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)，機床參數(shù)和環(huán)境數(shù)據(jù)，也大大增加了可用于機器學(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)資助項目從而獲利。花旗集團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年一季度的電話會議上，花旗強調(diào)，通過提高效率計劃節(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的同行之間也顯現(xiàn)出這一趨勢。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，而高盛則強調(diào)，過去四年其員工人數(shù)增長了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)測數(shù)據(jù)泛濫根本是不可能的，至少在某些方面的機器學(xué)習(xí)能力，能夠提供明顯優(yōu)于人類的績效。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)注點或來自美國初創(chuàng)公司的競爭，不過機會似乎相當(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代的到來以及早期創(chuàng)業(yè)平臺所特有的因素推動。

關(guān)于人工智能活動的一般說法，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)的可用性的對數(shù)級增加使得調(diào)整機器學(xué)習(xí)算法以提供準(zhǔn)確的預(yù)測成為可能。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)所需的時間減少了5倍到10倍。 并且在過去五年中，公眾對人工智能的認(rèn)識提高了六倍，因此提高了買家對這項技術(shù)的興趣。

其他一些因素也正在推動新的人工智能創(chuàng)業(yè)公司的產(chǎn)生。在過去的五年內(nèi)，因為投資者看到了該領(lǐng)域的前景，人工智能公司的風(fēng)險投資基金增長了七倍。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(特別是機器學(xué)習(xí)組件庫TensorFlow)的成長降低了參與機器學(xué)習(xí)的障礙。根據(jù)持續(xù)的風(fēng)險投資資金，我們預(yù)計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務(wù)公司還不到兩歲。

人力資源領(lǐng)域最近的活動源自于行業(yè)內(nèi)發(fā)生的范式轉(zhuǎn)移。人力資源正從一個管理記錄的系統(tǒng)發(fā)展成為一個關(guān)于預(yù)測增長和效率的驅(qū)動者。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. 一個相對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個英國人工智能公司中只有一個處于晚期“增長資本”階段，而在美國卻是每五個人工智能公司中就有一個。2015年，我們數(shù)據(jù)可用的最后一個整年，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) 。

這種動態(tài)現(xiàn)象既呈現(xiàn)了機會，也隱藏著風(fēng)險。一個充滿活力的創(chuàng)業(yè)場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會。與此同時，更加發(fā)達(dá)和資金富裕的海外競爭對手可能會提高英國公司的競爭壓力。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，其中許多競爭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. 營利的旅程可能會更長

超過40%的我們遇到的人工智能公司尚未產(chǎn)生收入(圖9)。 這并不是因為我們遇見的是處于初期階段的公司; 我們遇到的公司中，處于中位數(shù)位置的公司是一個創(chuàng)立于2 - 3年前，已經(jīng)籌集了130萬英鎊，有一個有9個人并且每月花費7,6000英鎊的團隊。

大多數(shù)人工智能公司，至少應(yīng)用型的人工智能公司，計劃獲得預(yù)收入而不是銷售軟件和服務(wù)的想法是一個神話。 我們遇到的所有公司都在實施或開發(fā)貨幣化計劃。 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更長時間才實現(xiàn)貨幣化或規(guī)?；? 我們總結(jié)出以下四個原因：

在這個技術(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，需要更長的開發(fā)周期。

90%的AI公司是B2B公司。 在B2B銷售中典型的長銷售周期會在AI公司中加劇，這是因為許多AI公司專注于分散而敏感的數(shù)據(jù)，如財務(wù)數(shù)據(jù) 。

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

可用于初期公司實施的人員數(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，我們也無法實施更多的銷售。”許多團隊中有三分之一的人員是從事部署支持工作的。

機器學(xué)習(xí)人才的高成本造成了現(xiàn)金燃燒率增長的加劇，更長的變現(xiàn)盈利之路可能對人工智能公司構(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)險時期內(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態(tài)。 人工智能公司的資本要求更高，因為在產(chǎn)品可行性之前有更長的開發(fā)周期，機器學(xué)習(xí)人才的高成本和復(fù)雜部署所需的更大的團隊 。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)險資本家尋求機會投資人工智能公司)和有限的需求(有相對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(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，這種動態(tài)部分是由人工智能公司的資本要求驅(qū)動的，但是人工智能公司中有限數(shù)量的有吸引力的投資機會還是只有那么多。與此同時，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

最近36個月標(biāo)志著英國初期人工智能的一個拐點。創(chuàng)業(yè)數(shù)量增加了一倍，因為人工智能技術(shù)時代的到來和投資的增加。然而，相對于全球同行而言，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會和挑戰(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，但高效的企業(yè)家正在利用有吸引力的資本動向在發(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)別將會更加模糊。 然而，今天，我們很高興地強調(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，他的大量工作對上述研究做出了重大貢獻。

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專欄機構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文