台灣創業賺錢交流論壇

標題: AI新黄金時代即将到来,科學家如何開启創業? [打印本頁]

作者: admin 時間: 2022-10-19 18:31
標題: AI新黄金時代即将到来,科學家如何開启創業?
本文谈及了從企業、遠见、计谋、市場和產物這 5 個维度，看科研項目若何轉化為創業公司，在贸易化层面必要甚麼筹备。朱珑博士認為，AI 新黄金期間已到临，行将開启物理質料構建智能體的篇章。

1、科技和創業

Enterprise = Vision | Strategy | Product × Market

第一部門是關于科技和創業。用一横一纵的圖来描写企業。

纵轴 Vision | Strategy | Product 是分歧時候跨度關切的事變，别离是遠见看十年，计谋看五年和產物看三年，從遠到近，從模胡的准确到详细的履行。企業根基上以V | S | P 為轴，把长短時間方针毗連起来。

横轴展示企業以甚麼组织情势，其重心以產物×市場张成组织布局的底，详细布局取决于甚麼样的產物阵列和辦事甚麼样的客户，大要分為 ToB、ToC 市場。

横轴從右到左是由表及里的拆分，此中比力首要的是財政和人事。財政以数字化指标来引导企業運营，有几個值得存眷的根本指标：收入、利润、現金流和增加率，用来权衡企業運营效力和產物竞争力。人事關切以甚麼样的组织薪酬布局匹配营業需求，在A轮B轮等分歧成长阶段，定制分歧KPI鼓励團队到达更好的財政指标。

最右邊也是最表层轻易被感知的企業運营。最左邊最底层的是開創人的任務、價值观和法子论，支持遠见的告竣。

立异路径有很大不肯定性，作為CEO，比拟于辦理层，更必要的是兼容不肯定性的能力（Be compatible with uncertainty）。

遠见是看大事務的怪异視角

遠见（Vision）是一個很是怪异的看行業變化的視角，本色上只要有分歧的角度，就會發生分歧的遠见。但遠见要會商 Big Thing 是甚麼。好比英伟达的结合開創人兼 CEO 黄仁勋（Jensen Huang）30年前對圖形卡的预测，隔十年對圖形卡和计较卡的演進瓜葛是怎样構思的，對摩尔定律在分歧期間與同業有甚麼独到的看法。

独到的遠见很是贵重，深入的行業洞察有帮忙，但不少時辰還靠企業家的直觉和偏执，很难短時間练習構成。遠见引导開創人構成差别化的计谋。

Strategy = Maximize ROI = Maximize Efficiency

贸易范畴很是關切计谋。计谋就是用法子论把模胡的遠见详细成產物路径的進程。在初期，计谋同等于產物计谋，最起头要去找特定的小眾市場，尽可能在此中追求高占据率，极端專注地經由過程產物得到差别化竞争力，耳鳴自療法且可以或许跟着時候扩展，而不是衰减。

但值得出格注重，技能常常不是時候的朋侪。從贸易来说，技能的價值不在于第一個的呈現和领先，而是在于上風的延续性，最豪侈的是最後一個技能具有者。

此外，人們可能轻易混同技能的总體社會價值和特定機構的贸易價值，好比，AI 對社會的價值大不大，很大！那特定的公司在 AI 范畴里分到的價值大不大？這實际上是两個命題。技能必需和市場、贸易化進程相連系，才能構建竞争力和壁垒。反之，科學家由于很难延续领先乃至垄断，常常拿着相對于很低的報答。

计谋最首要的是展望市場范围。Scale is everything. 市場最佳有范围效應，占据者轻易構成比拟上風。但轻易疏忽的是節拍。半导體范畴有家喻户晓的摩尔定律，18 個月翻一倍。這個定律自己不是在谈一個物理纪律，實际上是在谈行業的供需周期或竞争纪律。好比说手機、芯片、辦事器、汽車都有各自分歧的行業節拍。

不少創業團队從最快節拍的互联網范畴来。但技能浸透到其他行業，像是制藥，醫疗，企業辦事等行業，智能化的革新節拍没有那末快，但多年训操练惯是快節拍，與行業的慢節拍發生错位匹配。以是太快和太慢城市成為問題，節拍是计谋中很是首要的一环。

創業要面临不少立异。但没有會商危害的立异常常是假的。只有辦理團队把危害计较清晰，才可能對立异的本色和鸿沟有更好的掌控。危害的计较是首要的根基技術，必要培训和操练。

快速的试错并以很是低本錢试错是立异的首要法子，计谋必要详细履行，就必要量化。有一個根本但很首要的量化观點叫投入產出比 ROI。美團很是好的把计谋等價于在某一時空下最大化 ROI。凭仗贸易直觉衍生出的看似抽象的计谋變得可量化，可推导，可比力，可验證。但计谋可選擇的空間强依靠于企業本身的组织能力，必要有耐烦發展组织能力期待與之匹配的计谋窗口。

贸易范畴另外一個解读计谋的經典視角：独一有用的企業计谋就是提高谋劃效力。日本DOKKAN,效力是用利润率加增加率如许的財政数字来量化企業的竞争力，也叫效力公式：效力=利润率+增加率。效力指数 40% 是值得参考的基線准则，好比说寻求高增加率，可以的配比是利润率 -20% + 增加率 60%，或均衡一些 20%+20%。

总之，两項相加作為指数怀抱企業竞争力，這在財政数字上把企業的宏观计谋毗連到微观運营。效力公式在数學本色上和ROI不异，比方連结 20% 的利润率 6 年约即是 ROI=3。利润率 20% 或 ROI=3 刚好都是行業巨擘营業决议计劃的引导尺度。

利润率可以按照產物毛利率减去運营本錢计较得到。毛利率是很是首要的怀抱產物竞争力的指标。固然分歧行業的產物會落在分歧的毛利率區間，软件、辦事、體系、硬件，芯片等產物形态有些差别，

但总的来讲，60% 毛利率是全世界市場很好的履历引导值，行業第一的毛利率大要城市在此之上，比方微软、google、苹果、英伟达、英特尔等。若是是比全世界市場小些的中國市場，引导值响應调低到 50%。第二名會相差 10%。再往下靠近 30% 就是一個產物公司可以或许红利的底線。毛利率降低也象征着竞争加重了。出產制造占比比力重的行業，比方汽車，毛利率會显著低不少，這也阐明该市場竞争剧烈，產物自己没有很高的壁垒招架立异者進入。

近来科技創業的贸易化遭到遍及存眷。阐發一下毛利率，便可以理解為甚麼市場對不少技能企業的担忧和質疑，由于不少產物并無表現出差别化的竞争力。固然，從另外一角度看，技能找到市場范围化的支持是艰苦的進程，也必要更多的耐烦和理性的支撑。

Market = SaaS | PaaS | IaaS x Cloud | Edge

創業很首肛裂藥膏,要的一個环節是市場產物匹配（Product-market-fit）。越是立异的贸易模式或產物品类，象征着刚起头找不到客户。按照上下文的语境，阐發行業款式有助于帮忙產物定位。

以 IT 這個大行業為例，拆解款式，依然天生一张圖，分為横轴和纵轴，横轴左邊是云中間，右邊是邊沿端。有代表性的公司的產物形态和產物所组成的財產链条，從上到下挨次從偏软的利用辦事到操作體系，到偏硬的辦事器、芯片，最後到出產制造。

全部 IT 行業演變了几十年，大要遵守的就是横轴和纵轴或割裂或整合的進程。合纵連横的汗青中，一拆解開，就會看到横向的有云和真個竞争，纵向的有软和硬的竞争，内部有操作體系的竞争，有芯片架構的竞争，有计较機節制权的竞争，另有垂直整合體系和開放平台的模式竞争。

总的来讲，機遇常常呈現在立异的重心轉移（Gravity of innovation shifts）的時辰。開創人要從財產款式圖阐發裂變和整合的纪律，展望重大時點和前提，引导市場切入的機會和情势。

產物是掂量機能和本錢的艺術

當開創人给定一個行業市場後，很是首要的就是產物定位和線路。

產物计谋圖用两個轴展現两個首要维度：横轴是機能即先辈性，纵轴是本錢。按照產物订價和本錢便可计较毛利率，反之亦然。红線是用户可以或许接管的最低本錢，這是一個很是首要贸易化的引导線。

超出這条红線的右下區間，就是可红利區間。最右下的這一条绿線，是科學道理引水果酵素,导下极致本錢的底線，也能够称為第一性道理線，雷同 Elon Musk 谈到的新能源車、SpaceX 火箭發射等。

红線和绿線之間的金線是贸易汗青大要率會產生的線。金線的右下區間就是世界超一流公司的高毛利率區間，上文讲的毛利率是 60% 引导線，金線上方和红線中心是红利區，但比 60% 毛利率低一點的频谱。

三类產物模式——A、B、C，别离對應分歧產物计谋。此中 A 是最乐成的主流模式，表征是极强的產物功力支持着稳健的贸易红利能力，代表產物有苹果的手機，英伟达的圖形计较卡，特斯拉的新能源車。線路就是從 A 到 A’ 這個進程，用极高的技能气力切近工程极限做出超高性價比產物，用户能接管，贸易上也很賺錢。

B 是劃期間的倾覆式立异者的初期進程，比方苹果、英伟达、特斯拉，另有當前的 Waymo，寻求极端超前的機能區間而先疏忽本錢束缚，後续方针是走進 B’ 的區間。從用户不克不及接管到用户接管，再轉入高利润的A區間。B 模式明显危害极高，缘由来自该區間蓝線极為峻峭的研發本錢曲線和不成预感性，必要极高的前瞻性、資本整合能力和偏执狂的毅力。B 是极难模式，很轻易進入存亡邊沿，最磨练立异者的勇气。正由于此，它是劃期間的，能反复讲述激荡人心的英雄故事。

大部門的產物在哪一個區間呢？就是 C 區間，技能不是最先辈的，但总體運营能力很强，到达很不错的红利能力。C 比拟 A，產物機能由于本身能力，计谋性的選擇後進一些，但由于技能更可预感，该區間蓝線對應的研發危害和本錢比拟 A 模式也大大低落。C 延续增加的市場占据轉换成研發投入也能腐蚀并轉入 A 區間。

台积電是全世界最大的半导體系體例造商，這家公司除是無厂半导體模式（编者注：Fabless manufacturing，指台积電只從事硬件芯片的電路設計和贩賣，產物交由晶圆代工場制造）的遠见者，更是靠扎實的運营堆集從 C 向 A 冲破的极佳案例。華為是另外一個在贸易史上极為乐成，且從 C 迁跃到 A 的典范，能推行利用到多個行業。

創業團队可以按照如许的產物線路圖谱，阐發各自站位，線路和動态博弈，推演并制订產物應答计谋。

2、AI 新黄金期間

IT 期間變迁

1970～1990年小型機期間，小我無感。

1985～2005年 PC期間，讓小我具有十核算力在桌面——High frequency&multicore；

1995～2015年互联期間，讓小我具有無限数据在云間——Search；

2000～2020年挪動期間，讓小我具有百核算力在掌間——Touch Screen&Battery；

2005～2025年云期間，讓小我具有万核算力在云間——Distributed Computing；

2015～2035年智能期間，讓小我具有智能體在身旁——Intelligent Computing；

2025～2050年黑甜乡期間，讓小我具有真實梦幻——Simulation Computing……

面前的虚拟世界是曩昔真實世界的映照。

纵观 50 年，算力跃迁是信息革命的内涵驱動力。當前正处于 AI 的新黄金期間，将開启物理質料構建智能體的篇章！

十年序曲

Al曩昔十年大要分三個阶段——

從 2012～2015 年处于起步阶段。以深度進修在對大范围数据上的機能成果被工業界所承認作為出發點，會下围棋的 AlphaGo 成為全社會會商的热門。這是一個首要里程碑。

從 2016～2018 年為热門時代。AI 在中國被列為國度计谋，在各行業場景的利用蓬勃成长。

從 2019～2021 年，AI 為代表的高科技進入焦點竞争范畴。刚好在统一時代，也呈現了對 AI 行業的質疑，不管技能贸易化摸索進程的坎坷，仍是市場所理的抉剔，在國际大布景下，AI 技能創業背负了超出一般贸易化挑战的艰苦。

立异者窘境常常可以用四象限刻劃。右上角是英勇且执着的立异者；右下角是自觉得狮子的猫；左上角是自我猜疑者；左下角是泡沫中自我否認的懊丧心态。

技能和市場的成长周期在分歧阶段，節拍上和行業表里的预期有庞大不同時，总會分出這四象限人格。越是热點行業，開創人越有极真個表示。

新黄金期間

AI 成长了十年，當市場發生疑难時，讓咱們来看看世界前沿的科學家和從業者到底在思虑甚麼。

借用三位大家的名言描写一下我對将来十年的预测。

第一名是数學家 David Mumford，1974年的菲尔兹奖得主，曾是美國总统参谋。2020 年他写了一篇文章，《Al模子和人类大脑布局惊人的类似》，力挺以新一代 Transformer 為主的算法架構。

第二位是计较機架構理论學家 David Patterson，圖灵奖得到者，RISC 創始者，也是 Google TPU 的設計者。同年，他為 AI 專門写了一篇文章《计较機架構的新黄金期間》。

第三位是极负盛名的工程師 Jim Keller，曾是英特尔、苹果、AMD的主流芯片和特斯拉主動驾驶芯片的架構師。他用职業生活的切换来證實：“這是 AI 新期間的開启，變化大大跨越挪動和互联的期間。”

世界最前沿的大家一致信赖 Transformer 能把 Al 带向新篇章。两年来，各個范畴巨猛進展也验證了他們的预测。比力热點的有 OpenAI 的 GPT-3 的功效，大要是由 1300 亿個参数组成的大模子。GPT-4 在此根本上可能再翻 200 到 500 倍，有来由想象，生物和化學的奥赛比赛題 Al 根基能做了，下一個霸占的困难是数學奥赛比赛。近来 DeepMind 關于矩阵数學计较的希望，都是使人振奋的。

新期間 Al 的模子會超出人类大脑（大脑是 20 来瓦的能量损耗），不受這麼严酷的能量束缚，經由過程超大范围模子和计较，倾覆智能今朝可以到达的鸿沟。

可能不會短時間一两年以内有环球瞩目标產物，但咱們展望，以十年為周期，會是天翻地覆的變革，深入影响各行業和各科學范畴，包含大師比力認识的 DeepMind 做的卵白質三维布局展望（AlphaFold），物理的浑沌體系，数學的偏微分方程等等，城市有重猛進展，乃至跨越深度進修的創始者 Geoff Hinton 自己的想象。

算力變化焦點在于密度

AI 新變化的技能焦點在于“算力密度”。在大数据期間，数据是量大，云计较是计较量大，可是密度都不大。新Al的特色是高密度的運算和傳输，跨越曩昔百倍。IT 行業 40 年的變迁，就是由算力的密度發生庞大的變革，指导着互联、挪動、云和如今的智能發生剧變。如下有一個不算严谨的算力分类——CPU、GPU 和 AI，别离對應单元指令下的计较密度或是单元数据下计较密度百倍级的频谱劃分。新的计较系统布局将环抱着算力密度的蜕變来設計。

進修范式的跃迁

新 AI 是一個進修范式的變迁。傳统 AI，即呆板進修期間，以法则驱動，其高档形态是人类專家設計的模子。新 Al 的變化就是從這类法则驱動或模子驱動酿成了大数据驱動，人把超大范围的数据喂给算法。

當前的趋向是進入到基于大模子的大算力驱動。单個模子的练習必要上亿美金的算力本錢，极大地拉開模子的范围和暗示能力。

再日後预测，因此大算力為根本的大仿真驱動。数据再也不局限于物理世界時空束缚，而是仿真数据，就是仿真和進修练習瓜代举行的一個自進修體系，進入全新的、無限的虚拟和真什物理世界鸿沟模胡的地步，极大晋升進修效力，催生超等巨無霸的智能體。

3、現場 QA 交换

Q：曩昔几年，Al出格火，我很好奇 AI 公司怎麼跟友商竞争？從外部的感受来讲，視觉這個赛道很卷，做的仿佛都差未几，如今都在做伶俐都會。适才您也说過，毛利比力低，那就阐明了產物的差别化不大。在這类竞争极大的环境下，怎麼去找市場，或打出差别化，怎麼去定计谋？

A：起首，不是所有 AI 公司的毛利率都很低，各家差别是很大的。假設伶俐都會是热點的利用市場，市場傳说風聞跟現實不同是甚麼呢？常常真正的市場里有很典范的竞争者，只是他們不被外界看成比力工具罢了。

依照上圖的行業款式圖，對應的有世界聞名的 ICT 通信和计较公司華為，IoT 端侧智能公司海康，云公司阿里，再往上才是热點的 AI 公司、各种行業體系利用公司和集成商。他們以各自產物矩阵介入竞争，固然长于的產物供應不太同样，但或多或少都有AI能力。

重要的竞争仍是巨擘間的竞争，即海康和華為、阿里的竞争。立异权势必要找到符合的定位介入。回到行業圖，咱們必要理解是甚麼标的目的在竞争，好比有横向的，是端侧為主仍是云為主的演進線路的竞争；有纵向的，那是 AI、云、根本硬件的主导價值竞争。若是想打出差别化，必要按圖谱上下文阐發各自的上風，這方面有不少行業史上的“合纵連横”案例供参考。

Q：您提到，将来會呈現超出人类智能的人造伶俐體。從您如今今朝的思虑来看，怎样样在法令、社會，讓人类来采取如许一個工具？或说，假如直接立法不容许這方面的事情，雷同于咱們不克不及做人的基因编纂，您會怎样看這個問題。

A：在顶级學術圈都呈現了重大的贫富差距，技能大阶跃設立了一個排他性門坎。假如這個趋向建立，甚麼样的情况才能應答這個挑战呢？治理的底层条件有個主导权問題。打個例如，倚天剑屠龙刀應當放在哪里？放在少林平安嗎？少林有了倚天剑還能禁止不作歹嗎？這更必要政治和法治專家来解答。

Q：基于芯片的制造工艺已差未几靠近物理极限了，摩尔定律遭到了挑战。由于一個是量子的碎穿效應，一個是受硅的原子巨细限定，這個會怎麼影响 Al 算力的增加，咱們可以怎样降服這個問題?

A：大家 Jim Keller 在新創業公司做的事變给了很好的解法，不走英伟达 GPU 的计较卡線路，也不只是享受制程演進的盈利，而是基于强互联技能的一种可扩大的计较形态，比方上百万计较焦點構成一個超等计较装配。這些架構上的洗臉液體皂，變化對應着算法侧超大模子练習這一全新形态。特斯拉的Dojo體系也是很好的實践。前沿希望是使人等待的。

Q：咱們是做量子加密技能的，直观上認為咱們防的主如果量子计较機的威逼，可是咱們認為可能 Al 模子可以更快地把現有的暗码學系统攻破。AlphaFold 没呈現以前，搞量子计较的都認為卵白質折叠更應當是量子计较機的“菜”，可是 AlphaFold 把它解决得很好了。以是我很是關切，從 Al 的視角来看，後面另有几多路可以走，出格是 AI 可能會怎样和量子计较機竞争。

A：量子计较我不是專家，不敢去比力。但分享一個分歧于技能层面的感悟：新一代AI是一個超等無穷大的大模子，完成為了一個雷同于前提反射的機理，前提反射象征着大脑没有思虑，象征着是没成心识的智能體！深度進修

這個感悟给人很是大的認知震動。科學家一向有好奇心，钻研大脑、伶俐和意识。意识是切當地晓得瞥见了甚麼，感觉到了甚麼，思虑着甚麼。但超等伶俐的新物种只是應激性的反响，且在不少范畴做出了超出人类智能的反响。在哲學层面上，這個解读讓人 shock。基于這個感悟，刹時理解了最前沿的 DeepMind CEO 的访谈中提到“大脑只是客观世界的一种仿真”。

本来感觉這是挺玄幻的描写，如今理解起来是如斯朴實。大脑是一种几十瓦能量束缚下的一种仿真。新 AI 是一個能量束缚放宽千倍的，另外一种對客观世界的仿真。并且在不少范畴，大部門人类的履历、直觉和缔造起头显得没有價值，對人类意义提出底子的挑战。

Q：如今大師會感觉说這個模子變得@愈%ET332%来%ET332%愈大以%662xh%後@，會有這类智能的出現。如今看到的趋向會有 Transformer 架構金瓯無缺的感受。對付咱們来讲或是對付小機構来讲，不是一個很是好的征象。可以练習万亿数据参数的 model，全球有几家呢？若是在這类环境下，國表里最顶级的機構该怎样样成长Al呢？

A：這是一個實际的挑战，大部門學術圈比拟 DeepMind 和 OpenAI 的希望，算法模子上和数學上的调解在成果层面都不敷显著。從贸易實际看，小公司不合适在最前沿摸索。像 DeepMind 和 OpenAI 都没有完成贸易化證實，长短典范的“另类”存在。前途可能也得像他們的創建渊源同样，有中國的 Billionaire 站出来捐助最前沿的摸索。

Q：AI 從業者對 Al 都有很强的热忱，我本身也喜好看不少科幻片。若是二十年以後，不管是人工智能仍是呆板人，都没有走進每小我的糊口，我感觉技能是遏制前進的。假如若是您如今是 OpenAI CEO 或是 Google 的老迈，不缺錢不缺算力的环境下，我想晓得就是您怎样看十年甚至二十年以後的 Al，例如说它跟人的交互會到达一個甚麼样的状况。

A：OpenAI 抛却的一個标的目的就是呆板人，由于很难@具%2WzQ2%有大模%38WBW%子@必要的大数据的钻研前提，但我感觉最简化的智能形态必要 Motor+Vision。生命之以是能演變出智能，很首要的前提是會”動“，雷同植物和動物之間的區分，無论智能體的智能程度凹凸，都有與外界的交互能力。

特斯拉實在已给出了智能钻研的線路圖，先以主動驾驶的汽車為低级智能體形态，然後下一代智能體是竖立行走的人行呆板人。固然比汽車主動驾驶更难不少，但信赖他們基于最前沿的希望做了充實斟酌後的節拍结構，将来五年會有庞大的希望。

歡迎光臨台灣創業賺錢交流論壇 (http://bbs.033342007.com.tw/)