人工智能公司的估值怎么算？

本篇文章3229字，读完约8分钟

人工智能和互联网是平行的，相对独立的。

这篇文章是由冯瑞资本授权的我黑妈发表的，作者是朱一舟。

/01/技术和人才红利正在迅速放缓

过去，在人工智能领域创业时，每个人都会问我这些问题:

你的算法到底是什么？这是深度学习的算法吗？

你用了神经网络吗？神经网络有几层？

这是投资者或公众关注的第一点。算法怎么样？

然后，每个人都会问:

你的团队里有博士吗？蝙蝠研究所有人吗？有大学教授吗？

当人工智能刚刚起步时，人们关注两个方面:算法和人才。

这两张照片反映了我过去对这两个方面的观察。

第一张图片，我称之为技术红利。此图显示了多年来在imagenet的图像分类任务中获得第一名的算法的错误率。2013年，算法错误率为13%，2014年为7%，2015年为3.6%，2016年为3.0%。如你所见，从2013年到2014年，错误率下降了近一半，从2014年到2015年，下降了近一半，从2015年到2016年，下降变得非常小。

那些搞技术的人都应该知道，在深度学习的框架下，空的错误率持续下降并不多。看到这个结论我非常惊讶。技术发展速度比我们想象的要慢得多。

第二幅图，我称之为天赋的奖励。

横坐标是时间，纵坐标是工资。过去，人工智能公司的雇佣成本很高。最近，我随机选择了一家知名人工智能公司的招聘名单。2017年，该公司招聘的图像识别处理工程师的工资为15 . 3万元/米，与普通ios工程师的工资基本持平。

目前，人们普遍认识到，在人工智能领域，做事的框架越来越清晰，但人才缺口相对较大，学校供给不足。任何人工智能公司都会招聘更有技能、能快速将想法付诸实践的人，并且倾向于招聘具有特定专业学院和学术背景的人才。

从以上两张图中，我想说的是，人工智能技术和其他技术一样，已经达到了一个舞台平台，技术红利已经非常快地放缓，人才供应也发展得非常快。

对于投资者来说，在人工智能初创企业的第一阶段，公司的估值是算法x人才。他们的产品可能就是你的公司在市场上的价值。目前，这种倍增的两端都在迅速下降，这是我们对人工智能创业第一阶段的判断。

人工智能公司估价的阶段理论

我将公司在人工智能领域分为五个阶段:

1.提供狭窄技术的阶段

2.提供解决方案的阶段

3.提供模块化产品的阶段

4.提供整个产品的阶段

5.业务闭环数据流通阶段

大多数初创企业都处于狭窄细分技术阶段。在这个阶段，判断一家公司的标准是我们刚才提到的公式:估值=算法x人才。我们可以看到，在这个公式下，公司的价值正在迅速平准。在我看来，这一波机会红利已经基本结束。

在人工智能创业的这个阶段，现在最赚钱的科学家创业团体在创业方面不会有这么大的优势。其次，我相信机会仍将留给产品经理、工程师和商业人才。过去的估值方法、过去的价值判断方法以及过去的技术和人才红利已经基本结束。

现在，许多公司已经进入第二阶段。无论是形象公司还是声音公司，每个人都开始提供解决方案。

在第二阶段，判断公司市值的方式也会改变。我自己列出了一个公式，即从算法x人才到估值=算法+数据x商业价值。该算法后面是一个加号。主要原因是当每个人都没有数据和商业价值时，它比算法更好。然而，当每个人都有数据和商业价值时，商业价值的重要性会很快超过算法，所以算法的比重会越来越小。

/03/人工智能不是下一代互联网

互联网过去所做的最重要的事情就是解放渠道，释放它们的效率。因此，我们可以看到，在过去，创新的模式是为了使产品能够直接到达消费者。无论是电子商务击倒了中间零售商和经销商，还是滴滴打垮了出租车，他们实际上都在对渠道大惊小怪。

我不认为人工智能是下一代互联网，也不是互联网的替代品。这两者是平行的。因此，移动互联网和互联网仍然有机会，而且机会仍然很大。互联网本身将继续发展，而人工智能所做的更倾向于在生产方面提高生产效率。

这就是为什么我们现在觉得to c端的机会更加困难:生产端还没有改造，所以不会有新产品出来；没有新产品，用户体验不会有很大改善。

这一波人工智能凸显了数据x的商业价值。我们从b到c对其进行分析

总而言之，我的判断是人工智能将发展到行业的最深处。从生产方面来看，无论是服务业、农业还是工业，每个人对提高效率的需求都非常明显:在医疗领域，提高诊断效率；在金融领域，对提高金融数据服务和业务的效率有着巨大的需求。因此，我们面临的挑战不再是技术水平，而是我们了解行业需求并设计产品。

另一点:大数据。这个词实际上是陈词滥调。从企业服务器的角度来看。美国企业服务市场的路径是:传统软件it服务云计算大数据人工智能，最后是人工智能。因此，在美国人工智能领域创业的优势在于基础设施非常成熟和完善，但许多事情都是由大公司完成的，初创企业需要在大公司的夹缝中找到生存的空。

在中国，企业端基础设施仍然非常落后，这就是空怀特。因此，中国有一个独特的现象:跨越式发展。在电子商务、本地服务、金融支付等行业，跨越式发展的例子比比皆是。

对于c，我的观点是:如果你想用人工智能来改善消费者的体验，很难突破一个单一的点，这是一个更系统的工程。例如，汽车语音的交互体验，智能家居体验等等。它需要的不仅仅是产品本身做得有多好，还需要整个家庭环境和车辆环境。只有当这些基本的传感器、基本的服务和数据足够完整时，我们才会有好的体验。相反，如果您现在这样做，您会感到疲劳或无法窥探，因为基础架构和服务没有启动。

在互联网领域，在一个点上制作一个小应用可以撼动一个大的空房间。但是在人工智能领域，这几乎是不可能的。至于这个结论，我心中有一个问号，我也很好奇人工智能中的哪些产品可以在某一点上突破。

这些是我对人工智能启动的第一和第二阶段的投资想法和注意事项。

/04/人工智能没有网络效应

最后，回答四个问题:

第一个问题是:人工智能能被理解为继互联网或移动互联网之后的下一个创新或替代品吗？

我认为这是错误的。人工智能和互联网是平行的，相对独立的。遵循互联网上的思维方式是非常危险的。

例如，人工智能没有网络效应，也几乎没有马太效应。这句话是什么意思？马太效应是建立在网络效应的基础上的，因为网络效应可以迅速聚集资源，扩大与竞争对手的差距，所以会出现行业独吞一切的局面。人工智能是基于生产效率的提高，它没有网络效应。至少就目前而言，似乎没有放之四海而皆准的业务。不一定是谁比谁快，谁能消灭谁，但每个人都能找到自己的领地。

第二个问题是:在人工智能领域，创业有潜力吗？

我们可以看到，在互联网和移动互联网的窗口期，初创企业不得不迅速战斗和筹集资金。但是在人工智能领域似乎没有势能。技术有其固定的规律和速度，所以不可能用融资来促进它。在同一个人工智能细分领域，谁先做和谁后做的区别不是特别大，但更重要的是要脚踏实地地把事情做好。在传统互联网或移动互联网领域，四年内可能成为上市公司，但在人工智能领域，基本上是不可能的。

第三个问题和第四个问题实际上是相互关联的:投资者喜欢问，人工智能公司会变成什么样？它能有多大？这个行业能有多大？

每个人对这种公司的期望是成为一个技术平台公司。技术平台公司的意义更多地在于如何将算法和数据集成到产品或服务中。云计算就是一个典型的例子。但现在看来，技术平台只是选项之一，还有许多其他方式。

从公司在人工智能领域的障碍来看，我们应该从算法开始，让你的公司从一个技术平台公司变成一个数据产品服务公司，然后抽象到一个更高层次的技术平台公司。

人工智能很难从一个点突破，像互联网一样进行横向整合。它变得更大、更深的最大可能性是纵向整合，整合整个产业链中不同的生产者和生产方式，然后将其整合到产品层面。这更抽象。例如，如果你做人脸识别，你只做人脸识别吗？还是人脸识别和人脸识别摄像头？还是人脸识别、人脸识别摄像头和人脸识别系统构成了一个完整的产品？它不是用一个人脸识别来完成所有的人脸识别，但是它可以从产业链的下游到上游完成。

来源：搜狐微门户