元禾原点合伙人乐金鑫:人工智能不会泡沫化,处于潜心耕耘的蜇伏期

简介: 元禾原点合伙人乐金鑫在12月9日举行的“万科•万创科技城项目发布暨阿里云创峰会•南昌站”上表示,当前创业环境遭遇寒冬,创业公司一定要找准自己的赛道和落脚点。同样对于自己专注的人工智能领域,乐金鑫认为不会泡沫化,而是到了深耕细作的蛰伏期。

元禾原点合伙人乐金鑫在12月9日举行的“万科•万创科技城项目发布暨阿里云创峰会•南昌站”上表示,当前创业环境遭遇寒冬,创业公司一定要找准自己的赛道和落脚点。同样对于自己专注的人工智能领域,乐金鑫认为不会泡沫化,而是到了深耕细作的蛰伏期。

image.png

开场,乐金鑫介绍了当下股权投资市场的现状,面对复杂的国际形势和国内融资难的困境,肯定了科技创新创业的乐观前景,并传递了元禾原点专注早期科技投资的信念和价值观。作为专注于人工智能投资的从业者,他表示,今天AI和“AI+”不是新的话题了, 那么什么是“AI+”呢?“AI+”和“互联网+”有什么不同的地方?

乐金鑫认为,“AI+”加持的是所有传统的产业,不管是汽车、物流、零售、医疗,每一个都跟生活生产息息相关。“AI+”加的是物的属性,这样的生产关系变化当中,大家会发现“AI+”时代数量的基础远远大于互联网时代,相较之下整个物联网或者整个AIOT市场呈几何倍数增长,远远超越互联网经济规模的,所以面对这样一个市场规模,现在才刚刚走在AIOT或者人工智能的前沿时期。

这正好回答大家经常问的问题,人工智能好象泡沫破了?乐金鑫认为不是这样的,人工智能是一个时代,这个时代不会很短暂,正处于潜心耕耘的蜇伏期。

面对人工智能的主题,从投资或者创业的角度来讲,应该何去何从?乐金鑫认为其实要看一下人工智能的本质是什么。首先要分析人工智能的生产要素,人工智能里面到底应该是关注“人”还是“工”呢?

实际上,人工智能应该关注在“工”上面,所谓“工”就是机器,它没有感知、没有认知,人和工的交互关系是冷冰冰的,是被动式的;而人工智能要把本来没有感知的机器变得有感知、有认知,让它接近人的水平,这个过程当中最核心的生产关系就建立了,就是“人机交互”,人工智能时代核心要解决的问题一定是从人机交互入手。

从人机交互入口可以看到整个人工智能如何构建,最底层有运算的算力。中间层会有核心的算法、引擎,以及开发者生态;到最上层才会实施具体的应用和行业的解决方案。一个公司只有把这样一个系统、两个系统甚至N个系统逐渐叠加起来,到了具体的场景里面应用的时候才能跟下面的数据做打通,这时候就有一个平台的出现,一个基于跨行业大数据和多个系统融合的平台。这样的平台构建之下,公司才会有更强的商业落地能力和产业协同,是人工智能时代铸就一个商业帝国的核心逻辑。

实际上,现在人工智能正在从“泛AI”走向“去AI”。因为“AI+”的是传统产业,本质上人工智能时代应该追寻的是传统产业的商业规律和商业精神,“AI+”只是节能增效,不是颠覆。今天的AI无处不在,已经是泛化的。

但什么是走向“去AI”?乐金鑫认为,“去AI”不是不要人工智能,“去AI”表达的意思是AI技术的赋能从泛化的表象走向更深层次的内核,成为源生的部分,内化和吸收,这样的核心竞争力是未来的科技企业所必备的,而差异化在于各家公司应该潜心扎到具体的传统行业里面去,去理解这个行业的背景,去总结行业的经验,这样AI才能真正开花结果,才可以面对质疑。

乐金鑫切合本次会议的主题举例AI+的落地场景,提及城市建设;空间智慧化是城市发展的下一阶段像万科、阿里为什么能做智慧空间,需要具备几个基本条件,第一是基础设施的逐渐完善。不管从芯片、通讯协议包括安装标准、交互技术等等,已经具备了实施条件。还有就是各方需求的凸显,不管是消费者的需求升级还是房开商需要出更好的作品才能得到商业溢价,乃至物业管理方,再用低廉的手段已经不能从业主手上拿到物业费,所以需要应用科技来节能增效。

我们将智慧空间聚焦到家居的场景,可以看到有人身安全的需求、影音娱乐的需求、家庭自动化和氛围环境类的需求。众多需求是有优先顺序的,节奏不能乱;同样全屋智能的场景不应该是单点智能的罗列和堆砌,让居住着无所适从,而是更简单更人性化的以具体场景来定义和驱动,比如会客场景,休息场景,party场景等。 整个全屋智能的架构跟人工智能架构是一样的,即“云+边+端”,每一端都做自己该做的事情,创业公司的机会在哪呢?乐金鑫认为主要在两端,一个是边缘端,一个是终端,在云上大的平台已经有像阿里、华为、三星等等一系列的公司,他们已经占据定义生态的重要位置,所以对创业公司来说一定要找准自己的赛道和落脚点。

最后,乐金鑫表示过去五年元禾原点围绕着“AI+”做了大量的布局,不同场景化的赛道上投了一些初创的科技企业,今天他们在各自的赛道上引领自己的理念和商业价值。未来元禾原点同样会在这个领域更加垂直,从最底端到中间层再到上面的应用层,都会做相关的布局,这样的布局在未来整个商业价值里面会逐渐发酵,产生相应的互动关系。

相关文章
|
机器学习/深度学习 人工智能 自然语言处理
PreAngel合伙人李卓桓:不会写代码的投资人读不好人工智能博士
“努力不等于成功”???采访过很多投资人,PreAngel合伙人李卓桓是少有的,不打鸡血的投资人,虽然他自己就是一个非常努力的人。相反,他会在投资的过程中希望找出无论怎样,都仍然愿意坚持把创业做下去的创业者。
478 0
PreAngel合伙人李卓桓:不会写代码的投资人读不好人工智能博士
|
机器学习/深度学习 存储 人工智能
AI职场突围战:夸克应用+生成式人工智能认证,驱动“打工人”核心竞争力!
在AI浪潮推动下,生成式人工智能(GAI)成为职场必备工具。文中对比了夸克、豆包、DeepSeek和元宝四大AI应用,夸克以“超级入口”定位脱颖而出。同时,GAI认证为职场人士提供系统学习平台,与夸克结合助力职业发展。文章还探讨了职场人士如何通过加强学习、关注技术趋势及培养合规意识,在AI时代把握机遇。
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能应用领域有哪些
本文全面探讨了人工智能(AI)的应用领域和技术核心,涵盖医疗、交通、金融、教育、制造、零售等多个行业,并分析了AI技术的局限性及规避策略。同时,介绍了生成式人工智能认证项目的意义与展望。尽管AI发展面临数据依赖和算法可解释性等问题,但通过优化策略和经验验证,可推动其健康发展。未来,AI将在更多领域发挥重要作用,助力社会进步。
|
机器学习/深度学习 人工智能 运维
人工智能在事件管理中的应用
人工智能在事件管理中的应用
378 21
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
317 11
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
981 0
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
1151 35
|
机器学习/深度学习 数据采集 人工智能
人工智能在变更管理中的应用:变革的智能化之路
人工智能在变更管理中的应用:变革的智能化之路
629 13
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建

热门文章

最新文章