Siri領會我的意圖，通過API獲取了本地的天氣數據，然后在2秒內回答了我：“天氣預報說今天不會下雨。”

在幾年之前，這樣的人機交互體驗足以在科技專家和興奮的消費者中刮起一陣旋風——但在2016年，這已經沒有什么特別之處了。與Siri進行對話已經變得平常，同樣的還有微軟的小娜和亞馬遜的Alexa。

機器學習（ML）和狹義的人工智能（AI）已經成為主流。我們看到的ML/AI技術的爆發，來源于過去幾十年發生的一系列科技進步：遍布世界的因特網連接，激增的線上數據，更快、更廉價的計算機（遵從摩爾定律），各種價格的云計算服務，科技大企業對研發的投入，以及生氣勃勃的開源軟件社區。

我們還沒有造出哈爾9000（著名科幻電影《2001太空漫游》中的人工智能計算機），但我們已經離它更近了。

在AI成為主流的世界中創業公司遇到的挑戰

就像其他的風投資本家一樣，我幾乎每天都與AI/ML方向的創業公司交談。這一過程中，我總是在尋找在正在創造全新事物的公司——無論是關于機器學習模型的獨有全新數據庫，或是利用AI尋找解決技術難題的全新方法。根本的理由就是：如果一個公司想要從長期的AI/ML競爭中脫穎而出，它最好應該擁有解決某一具體問題的獨有數據庫或者與其它競爭者做不一樣的事。

數據就好像能源，我們將數據置入機器學習的模型中，就可以產生強大的大規模網絡效應。不幸的是，對創業公司來說，大科技企業的特色就是獨有龐大的、橫跨多個領域的數據庫。同時，開源社區的努力也正在讓最復雜機器學習算法公開化。現在要讓一個創業公司僅僅靠算法開發而具有競爭力，幾乎是不可能的事。

你找不到一個大科技企業沒有在2016年公開討論過AI/ML。它們在這一領域中大力推進，并且通常擁有用于訓練模型的數據庫。Google的系統是基于搜索和廣告點擊的數據；Facebook是基于新聞訂閱和社交互動數據；亞馬遜是基于它的產品銷售與推薦數據。而Google、Facebook、亞馬遜和微軟四家都擁有開源的機器學習技術，用來刺激在這一領域的創新，同時建立它們作為AI/ML領域引領者的品牌形象。英偉達（Nvidia）通過售賣優化了深度學習的芯片賺了一大筆錢。

基于上面這些情況，在這一領域進行投資是危險和復雜的。與其與科技領域的巨人歌利亞進行近身搏斗，AI/ML領域的大衛們需要找到能讓他們獲勝的武器。（見《圣經》中牧童大衛與巨人歌利亞戰斗的傳說）

第一類大衛：獨有數據收集者

Waze就是這類能讓投資者興奮的創業公司中一個：這個公司通過它的產品建立了一個獨有數據庫，并且隨著數據規模的擴大，它的競爭優勢隨之增大。（來自Andreessen Horowitz的主要合作者Chris Dixon在一篇博客中提到了這個例子，題為“What’s Next in Computing”）

Waze產生了有形的網絡效應，用戶數量和數據庫質量的增長帶動了平臺的預測能力和用戶體驗。每一個使用Waze的司機通過主動（報告事故或者交警蹲守位置）和被動（允許Waze實時跟蹤用戶的速度、位置和分布密度）的方式貢獻數據，以此增進了平臺的算法預測能力和用戶體驗。越多的用戶參與進來，他們獲得的體驗就越好：系統會根據目的地把用戶更好地導航到優化的路線，并鼓勵他們向親友推薦這款APP。

Google觀察到了Waze的潛力，希望以高達10億美元的價格收購該公司，這很可能是由于Google感到崛起的Waze將會成為Google地圖的強力競爭者。有趣的是，Google已經有能力通過安卓智能手機來幫助他們獲取大量的實時交通地理數據，但他們并沒有由用戶貢獻的、關于交通事故和交警等方面的數據庫。

而這些數據正是對Waze的用戶體驗來說最有價值的要素。Google可能已經為它的地圖產品添加上了其它類似的功能，但對于他們來說想要在短時間內復制這一數據庫是極為困難的，因此才會考慮收購。

執行這樣的行動其挑戰在于數據庫的可防御性。在這種情況下，投資者和企業家應該問自己兩個問題。第一個問題：是否已經有別人擁有這樣的數據庫并且已經傾向于以同樣的、有競爭性方式來應用？第二個問題：別人想要復制一個類似的數據庫的難易程度如何？如果答案分別是“沒有”和“困難”，那么你的數據就具有商業價值。

第二類大衛：應用方面的引領者

我們總是四處尋找打算通過建立全新的AI/ML模型來進入未知領域的的公司——或者至少是那些目前還沒有得到商業規模應用的模型——以此能夠建立占絕對優勢的應用。通常這類公司是高度跨學科的，通過將橫跨多個領域的不同科技聚合到一起，有創造性地解決問題。

Kiva Systems是這一類創業公司中的一個例子。成立于2003年的Kiva為迅猛增長的電子商務行業制造一種新型的機器人，專門用于倉庫的自動化。他們將硬件工程、軟件自動化和倉儲物流領域的知識整合到一起，用自動化的機器人解決倉儲問題，迅速成為了這一專業領域的領導者。Kiva的自動化機器人技術對競爭者沒有造成長期的技術壁壘，但卻是一個戰略性的短期優勢，這能讓他們快速行動，簽下大量能夠獲利的客戶合同，然后迅速發展到能夠開始享受規模經濟的程度。

亞馬遜認識到了Kiva的價值所在，在2012年以7.75億美元的價格收購了這家公司。這次收購立刻獲得了成果：德意志銀行最近公布的一份報告估計，在加入了Kiva Systems的技術以后，亞馬遜的倉儲操作成本降低了20%。

需求預示著光明的未來

雖然在這一領域的創業公司很難獲得成功，但AI/ML的未來只會變得更光明。Siri要成為終極的個人助理可能還有很長的路要走，但iPhone用戶越來越依賴她無處不在的聲音來搜索答案。蘋果公司去年9月分享的數據顯示Siri每星期會收到超過10億次幫助請求。

消費者和商家對自動化智能的要求會越來越高，聰明的投資者和精明的創業者應該記住，一個創業公司的長遠目標的實現，不僅依靠產品體驗以及背后的算法，還需要依靠獨特的數據和模型架構，這可以讓公司具有市場價值并且長期立于不敗之地。

我們鼓勵所有對AI/ML具有熱情的企業家去建立這些類型的商業模式。誠實地說，與其從已經存在的商業中榨取最后一滴利潤，不如創造一些全新的事物來的讓人振奮！