12月15日消息，由创业黑马&黑马学院主办的2018黑马社群大会举行，商汤科技联合创始人徐冰出席活动并发表主题演讲。

徐冰在演讲中表示，人工智能并不是一个单独的行业，而是一个生产力工具，在经过几十年的阶梯性演化之后，人工智能可以对传统产业进行赋能和升级，提升生产效率，帮助企业提升利润率，让全球经济实现高速增长。

谈及如何打造一家领先人工智能公司的话题，徐冰认为当前的创业者有两条路径，一是选择去做一家AI技术企业，主导、定义、生产某个行业的人工智能技术；二是做AI应用企业，通过集成各类成熟的AI技术，打造解决行业具体痛点问题的产品及解决方案，并主导定义、影响行业AI赋能商业模式。

以下为经i黑马编辑过的演讲节选：

四年前来北京创业时，我就知道黑马成长营和黑马大赛，今天很高兴有机会在这里与大家交流。

刚开始创业时，我们并不把自己做的事叫人工智能，而是计算机视觉与模式识别。这四年来，人工智能变得家喻户晓，很多人都在关注怎么能把这个新技术用起来，提升产业效率，实现产业赋能。在人工智能行业，我们有一些实际经验和感受，也主导了一些用技术赋能、产业升级的过程，所以很高兴今天有机会跟大家分享，人工智能在技术赋能和产业升级中的角色、我对未来的看法，以及怎么帮助产业链上的企业及创业者。

人工智能是一个生产工具

时代大背景下，人工智能已经是尽人皆知的词汇，也有很多人说进入了一个智能化的时代，我们看到很多与人工智能相关的应用案例，有一些可能比较概念化，很难落地，但有一些确实产生了实际价值。

这里面技术本身的突破来源于深度学习，它催生了一系列在应用层面的技术成熟。深度学习没有大家想的那么复杂，其实就是过往60多年来，人工智能科学家一直想找的一个有效的理论体系，怎么让机器像人一样，机智、有效地学习知识，掌握一些特定的技能。

终于在2011年，深度学习出现了。它让机器在大量的数据里挖掘模式和规律。学会怎么识别一张脸、一些语音，怎么下围棋、开车，当机器掌握了这些技能，就可以为人所用，帮助传统产业提升某些环节的效率，这就是生产力。

我并不觉得人工智能是一个单独的行业，它是一个生产力工具，过往几十年也经过阶梯性的演化。

第一阶段，人工智能技不如人。这个阶段出现了几波人工智能的浪潮，最后都冷下去了，核心原因就是技术本身没有成熟。

第二阶段，是我们现在所处的阶段，技术开始超越大众，具备某个普通的技能，我们就可以用机器来做这些事了。

第三阶段，也是大家一直想做的事情——超越专家，这非常困难，因为专家的经验需要10年、20年甚至更长时间积累。比如老医生积累了20、30年的诊疗经验，想超过他的能力，需要很长时间技术上的迭代和突破。再比如，有几十年驾龄的老司机，开车非常安全，跟他们相比，现在的自动驾驶系统还处于相对初级的水平。

所以，现在我们处在人工智能刚开始超越大众的阶段。大家在现在这个阶段，非常关注这项技术，这是一个好的开始。

今后，我们将能看到，能超越大众级别的人工智能工具，对传统产业进行赋能和升级，提升生产效率，帮助企业提升利润率，甚至可以让全球经济实现高速增长。

对中国来说，人工智能有一种特殊含义。中国的各行各业能够借助人工智能技术获得相比其他国家更大的提升。中国的人工智能企业，也是全球获得融资最多的。同时，我们的国家也非常重视人工智能，把它作为国家战略。

在不久的将来，因为劳动力的断层，整个社会的老龄化，可能会导致人口红利消失。人工智能作为生产力工具，是一个潜在的解决方案，它可以在不依赖那么多劳动力的情况下，支持经济保持高速增长。人工智能成为一个国家战略，政府积极地号召投资人、创业企业、国企、跨国企业，投入到打造完整的人工智能生态，这个生态的总规模可能在2030年超过30万亿元。

其实人工智能技术的生产有三大要素：

要素一，大数据。你要有巨量的数据，作为这个技术的生产原材料。深度学习要消耗大量的数据，越多的数据意味着算法越好，算法越好意味着越有机会超过人的能力，效益就越高。

要素二，计算能力。你要投资建设极强的计算能力，保证你的生产速度、深度学习模型的训练速度，这样才能够保证迭代提升得快。别人花一个月训练出来一个套算法，你通过超算算力可以几分钟就算出来，即可以极快速地迭代创新，提升算法性能。

要素三，和传统行业场景的结合。结合之后才有反馈通道：1、能够不断地回流积累数据。2、有技术上的场景反馈，这个场景到底需要什么样的技术，什么属性的功能去真正帮它提高效率，这需要正向反馈，知道往哪个方向、哪个问题、哪个痛点上生产、迭代的技术。

这三个要素缺一不可，有了这样一个大方向，接下来应该怎么做？

首先要有渠道去获取这些数据，比如需要连接大量的线下设备，不断回流数据。数据积累达到一个量级之后，才有原材料去生产算法。

第二，投资、建设超算的能力。对于大企业来说，要单独拿出预算，建立一个人工智能专用的超算，目的是不断地训练和迭代算法，支撑大规模的AI技术应用。商汤在全国建设了大量超算，这也是巨额的投资资源。

如何打造一家领先的人工智能公司？

我觉得人工智能时代的创业者有两个选择：

选择一是去做一家AI技术企业，它的定义就是由这家企业主导、定义、生产某个行业的人工智能技术。比如说生产最好的无人驾驶算法、医疗影像诊断算法、智慧城市的人脸识别算法，还有芯片等。

我们看到市场上有很多优秀的AI公司，都是通过自建科学家团队，投入大量的研发经费，形成技术上的领先性，这是它们的核心竞争壁垒之一。AI技术企业职责是做AI技术，把生产力工具做出来，并保障这个工具的性能是最好的。

选择二是做AI应用企业。它并不是去雇佣一大批科学家生产某项算法，而是通过各类成熟的AI技术，打造一个专注某垂直领域，针对具体行业的解决方案。它要做的事情是主导、定义、影响AI产生的价值，这个价值应该怎么分配？这是一个商业模式的问题。

比如说一项人工智能生产力工具用到广告行业，实现10%的效率提升，在这10%里面，可能应用企业拿3%，AI技术企业2%，剩下的5%回馈给传统行业，这是一个很简单、很粗浅的idea。AI的应用企业应该去做的几件事情：第一件事是定义能解决实际问题的产品；第二件事是定义商业模式，在这个产业链条里面设计出一个合理、可持续的AI价值分配方案。

所以，这两类企业的专注点完全不一样，我更多把第二类企业称为用AI，而不是做AI，这两类企业所需要的竞争力也完全不一样。

对AI技术企业来说，要保障核心竞争力，有两点：第一，建立高技术壁垒，你必须要在所处的行业里面实现绝对领先的技术壁垒，获取最大规模的数据量，针对那个场景建设最快速度的超算，有一支最强的科学家团队，申请全套的IP保护，最后才能够形成一个高技术壁垒，保证你在这个方向上的技术绝对领先。

因为对AI算法来说，它其实是一个软件。如果在这个行业里，每一家公司都能够把算法做出来，边际成本又低，那到最后一定是价格战，可能大家都赚不了钱。所以，你要保证这个行业对技术有高要求，性能越高越好，同时保证性能做到行业第一，最后才能有资格和权力去定价。

第二，这类企业在商业上有另一个属性，高毛利、增速快。高毛利、可持续的高速收入增长，必须有产品性的驱动来保障它的扩展性，不能只做一个一个的项目，最后你要去大量部署算法产品去把下游打通，形成一个闭环。

这表现在人工智能在各个场景的赋能。举一个例子，一个传统的安防监控摄像头行业，每年的市场规模增量大概是10%-15%。但是智慧城市后端分析平台的市场，每年的规模增量是300%-400%。所以只要你的战略正确，技术领先，很容易实现年营收数倍的增长。

同时，另一类用AI的企业，我认为核心竞争力完全不一样，他需要去做的是：第一，整合领先的人工智能技术，通过多渠道评估，获取领先的人工智能技术，并确保这个技术长期供应的稳定性，如果中间技术断货就没办法做了。第二，与AI技术企业约定商业分成，协调商业模式和利益的分配。对于AI应用型企业，要掌握数据的控制权和主动权，形成数据的资源池，有数据就可以跟上下游做整合、合作。

这类企业首先能够解决行业问题，以降本增效为核心价值，同时能够主导设计商业模式，确保价值被合理分配，保证它的公平性和可持续性，最后形成产品和服务上的壁垒。

从产业结构上来说，一个AI技术对于传统产业的赋能，基本上就是：从数据和问题定义开始，由我们这样的算法生产企业，把算法生产出来，然后由一批专门做产品开发、问题解决、场景落地的应用型企业，把这个产品应用到、落地到某个场景。最后，真正产生最大效益的其实是客户群体，政府、智慧城市、地产、银行、学校、医院等这些具体的场景，里面的传统企业，实际上是从人工智能中获益最多的企业。

如何为一家人工智能公司合理估值？

高增长是人工智能产业的一大特性，很多企业能够实现年化200%、300%、400%的营收增长，这种情况其实非常少见，多数其他行业企业能够实现30%、40%已经非常了不起了。我们统计了在港股和美股上市的所有公司，未来两年的增长预测里，大于100%的企业一共只有47家，而且这里面大部分都是生物科技和医药类公司，只有一家TMT公司能够预测未来两年的收入100%增长。

所以，收入的高增长是一个绝对稀缺的情况。在人工智能行业中，这种稀缺情况现在是存在的，主要原因是新技术驱动了新的市场增量，市场规模本身每年有三四倍的增长。

对于做AI技术的企业和做AI应用的企业，估值的判定也不一样。如何在做一家AI企业的时候确定一个合理的估值，让投资人投你的企业能够赚钱，我相信每个人都有不同的公式，但综合下来大道至简。

首先，年化收入的增长能保持在100%以上，且能够持续3-5年，这本身就是一个高门槛，其次，要能实现毛利率60%以上。我觉得达到这两点，才能被称为一家AI高技术企业。一般来说，投资人的预期也是能够有年化33%IRR回报，对标市场上一些高科技领军企业，比较好的估值水平基本都在6-8倍PS。

所以，一个高科技AI技术企业的合理估值其实很容易计算：当前的合理估值就约等于两年后的收入乘以最高8倍的PS倍数，然后再除以2。例如如果两年后的收入预计是1亿美元，当前的合理估值基本上不超过4亿美金。

当然，对于AI应用型企业，很多时候估值视行业而定。而其一个共同的属性就是高增长属性，未来的年化收益持续高增长能够在50%以上维持3-5年，我认为这一类企业会更多，当前的合理估值往往是一年后的收入乘以2-3倍的PS，比如说你明年的收入预计是10亿人民币，当下的合理估值可能在20-30亿人民币左右。

现在中国的投资市场也在慢慢冷静下来，不像一两年前，可以有时给到非常疯狂的估值，现在大家更愿意有一个比较好的基准和估值，确保未来不要出现一二级市场倒挂的问题。

以上，就是我分享的内容：如何做一家领先的人工智能企业，以及怎样以一个比较合理的估值去融到钱，来支撑你持续做这家企业，并且让大家至最后都能赚到钱，为这个垂直场景、产业创造价值。谢谢大家！