????點擊上方藍字星標“Robinly”，及時獲取更多重磅AI訪談
Robin.ly 是立足硅谷的視頻內容平臺，服務全球工程師和研究人員，通過與知名人工智能科學家、創業者、投資人和領導者的深度對話和現場交流活動，傳播行業動態和商業技能，打造人才全方位競爭力。
本期 Robin.ly 專訪高原資本 Highland Capital Partners 的風險投資人 Rob Toews，主要討論 AI 的行業趨勢，風險投資新熱點，以及諸如深度學習在 AI 商業化的影響等主題。
Rob 是畢業於哈佛大學的法學博士，同時擁有MBA學位。在加入 Highland Capital Partners 之前，他曾在自動駕駛汽車初創公司 Zoox 負責戰略策劃，也在貝恩（Bain＆Company）從事過管理諮詢方面的工作。 Rob Toews 專注於機器學習方面的投資。他定期爲《福布斯》撰寫專欄，對人工智能的商業影響進行了深度剖析。
Rob Toews（左）接受Robin.ly專訪
以下爲完整訪談實錄，點擊“閱讀原文”獲取英文實錄。
1
風險投資職業理解
Margaret Laffan: 能否分享一下你是如何對 AI 領域產生興趣的？後來又是怎麼進入風險投資領域的？
Rob Toews:
我是從自動駕駛汽車逐步過渡到了 AI 和機器學習領域，但最早從事的是自動駕駛政策方面的工作。2015 年前後，我在白宮工作，因爲工作關係，開始對自動駕駛汽車的監管框架有了一些構想。也是在那段時間，我加入 Highland Capital Partners，做了兩年的兼職，主要負責自動駕駛方面的投資業務，從核心堆棧和自動駕駛技術，計算機視覺，模擬等各個方面觀察和研究自動駕駛汽車公司。隨後在 2019 年剛剛正式加入了 Highland。
在我看來，風險投資包括深度和廣度兩個方面。在 Zoox 的那段時期，我深入研究了自動駕駛汽車領域在商業，技術和相關法規方面所產生的影響。這是深度方面的探究。而風險投資更吸引我的是，它不僅關注運輸，也看到了農業、製造業、立法和建築以及其他許多不同行業跟自動駕駛之間的潛在關係，從而在整體上重新思考這種技術。這是廣度層面的思考。自動駕駛和風險投資相結合的工作經歷讓我發現，從風險投資的角度來審視諸如機器學習這樣顛覆性的技術，可以爲我們縱觀整個經濟和產業形勢提供更廣闊的視野，抓住顛覆性行業出現的機會。
Rob Toews與哈佛商學院的同事，來源：Rob Toews
2
Highland Capital 投資策略
Margaret Laffan: Highland Capital Partners 成立於 1987 年， 是一家 40 億美元的風險投資公司，參與了 46 次 IPO 和超過 125 項企業收購，投資過的代表性公司包括 Auris，Carbon Black，nuTonomy，Gigamon，Rent the Runway，以及最近的 Vecna Robotics。你們最近在舊金山開設了辦公室。能詳細介紹一下 Highland 的整體投資策略嗎？
Rob Toews:
Highland 的投資涉及各行各業，但重點關注的是那些在早期就表現出強大的產品市場契合度的公司。我們更青睞有長期穩定的盈利，具有高資本效率和顛覆性的行業——無論公司是處於哪一輪融資，我們更看重它本身實際所處的發展階段。除了產品本身，創始團隊和產品市場也要有很高的契合度。他們的背景和個人技能會讓你覺得放眼世界，去做這樣一件事情沒有人比他們更合適。Highland 的理念是成爲“高確信度，低投資數”的投資方。對於每一筆投資我們都會謹慎對待，通常會希望進入公司董事會，近距離接觸決策團隊，在公司發展的各個階段跟創始團隊保持比較密切的聯繫。比如去年我們開始意識到，舊金山的創業活動非常頻繁，如果在那裏拓展投資業務，就能夠方便我們與初創企業拉近距離，於是公司做出了在舊金山設立新的辦公室的決策。
具體來說，計算機視覺是我們比較感興趣的一個投資領域。與跟語言相關的技術相比，計算機視覺在技術上要更成熟一些，更容易在短期打造出能夠爲市場創造實際價值的產品。另一個我們比較關注的是機器學習開發工具。在過去的幾十年中，已經出現了一些爲傳統軟件工程量身定製的開發工具，比如 Atlassian 和 GitHub。這類產品跟開發機器學習模型相比有着本質上的差別，需要不同類型的技術和工具。目前，市場上還沒有能夠讓機器學習模型開發足夠簡化的真正成熟的產品。我認爲開發針對協作簡化、錯誤審查、版本和質量控制，以及數據管理等過程的工具蘊藏着大量的商機。
3
自動駕駛發展趨勢
Margaret Laffan: 在過去幾年中，自動駕駛領域出現了很多整合和重大變化，在商業模型、業務擴展和相關法規的潛在影響等方面尤爲明顯。你怎麼看待這樣的變化和未來的發展趨勢？
Rob Toews:
整體來講，我始終相信自動駕駛背後的變革性力量，但這個週期會很漫長。目前在衆多致力於開發機器人出租車核心 AI 技術的企業中，只有爲數不多的幾家公司擁有雄厚的資金，而且經歷了多年漫長的探索和實踐，例如 Waymo，Cruise，Zoox和 Aurora。但坦白說，從資金和經驗上來說，它們已經不再是真正意義上的初創公司。對於任何真正的初創公司來說，想要後來居上，在競爭激烈的市場中佔有一席之地都將面臨巨大的挑戰。但同時我們也都看到了，在競爭格局相對比較明朗的情況下，自動駕駛仍然沒有實現商業化。以上這幾家公司中，沒有任何一家的自動駕駛汽車已經打入了市場，除了在嚴格的限制環境中，例如 Waymo 在鳳凰城規劃的幾英里試驗區。我認爲這個領域目前正處於一個比較微妙的中間階段，風險投資方面的熱度逐漸開始減退，但同時商業化還沒有完全實現，這讓很多人對自動駕駛的未來感到擔憂。但在我看來，出現這種略顯悲觀的情緒還爲時尚早。
我認爲就未來幾年內自動駕駛的部署和影響而言，在真正的 L5 城市自駕出租車的時代到來之前，我們可能最先看到的是技術和環境複雜度相對比較低的無人卡車的問世。除此之外，投資人應該會更多的看到自動駕駛汽車的商業應用率先出現在非運輸行業。有許多行業涉及在更受限的結構化和技術複雜度較低的環境中的車輛行駛，比如農業、建築業、採礦業，而且產業規模十分龐大。但是從歷史上看，它們的數字化程度普遍較低，從而爲一些更簡單的駕駛任務自動化提供了機會。勞動力是這些行業成本結構中最大的組成部分之一，這種變化有可能帶來巨大的價值。的確有一些新興的初創公司已經進入了這些領域。但也恰恰是因爲這些行業的數字化程度始終較低，導致了它們很難接納新的技術，而且對於與自動化相關的失業問題也存在非常合理的擔憂。所以從這個角度來說，進軍其他行業需要面臨的困難也不容小覷。
Rob 在《福布斯》發表的文章，來源：Rob Toews
4
AI 在醫療領域面臨的阻力
Margaret Laffan: 我們再來討論一下深度學習。你在爲《福布斯》撰寫的一篇文章中提到，“深度學習存在侷限性，但其商業影響纔剛剛開始”。你還特別提到了Geoffrey Hinton 指出放射學是深度學習的理想用例。跟運輸和金融科技等行業相比，你認爲在醫療領域中部署 AI 面臨什麼樣的阻力？
Rob Toews:
從純粹的技術角度來看，我認爲放射學是 AI 領域的一類絕佳案例。總體而言，深度學習算法判斷癌症的準確度要高於人類放射學專家，但我們目前仍然沒有看到以診斷爲目的實現大規模部署 AI 的初創公司。當然在哪個領域實現 AI 的商業化都任重道遠，但針對醫療領域，我認爲關鍵的障礙在於，醫療是受到嚴格監管的行業，涉及許多安全關鍵情況，人命關天，所有人都很謹慎。從商業化的角度來看，將算法真正轉變爲一家公司，還要涉及開發商業模型，制定市場戰略，推廣實際案例應用，以及應對監管上的種種問題，整個過程要耗時數年，需要多方面的努力和堅持。
5
AI 社區中一些爭議的觀點
Margaret Laffan: 在當前 AI 社區存在的一些比較普遍的觀點中，能不能例舉一個你個人不太贊同的觀點？
Rob Toews:
我覺得人們對積累海量標記數據集給予了太多不必要的關注。目前存在這樣的一個普遍的共識：數據越多，模型就越好；或者誰擁有的數據越多，誰就是贏家。總的來說，更多的數據確實可以幫助我們訓練更好的模型。但是有太多跡象表明，從環境、計算成本和效率的角度來看，尋求越來越大的數據集，越來越大的模型是不可持續的。世界上擁有訓練這些世界頂級模型的資源的公司更是鳳毛麟角。
有時候在商業化初期，我們也會看到一些新興的技術，能夠使用少得多的標記過的真實世界數據來構建 AI 模型。還有諸如合成數據（synthetic data）之類的技術，可以根據自己的需求生成所需要的數據集，以及小樣本學習（few-shot learning），小型數據技術之類的概念。構建更靈活，對資源依賴性更低的 AI 技術已經逐漸吸引了人們的注意。因此，隨着很多技術的成熟，我認爲人們會實現從過多關注標籤數據，大數據和監督學習向關注更高效模型的轉變。
6
對初創公司的建議
Margaret Laffan: 對於處在起步階段的創業公司，或者對於創業想法還在醞釀中的團隊來說，從投資人的角度你會建議他們先做好哪三件事？
Rob Toews:
首先是重視人才。擁有一支可靠的、值得信賴的團隊，對於打造有競爭力的產品和招募更多尖端人才都是必不可少的。相比之下，我認爲豐富的專業經驗可能反而沒有那麼重要。擁有機器學習方面的一些學術背景會有所幫助，可能在學校接觸的課程越新，你的知識和技能就越與時俱進，更符合行業趨勢的要求。
第二是數據策略，如何以產品爲導向來高效，低成本的合理開發數據資產。
第三就是強大的業務模型和進入市場的策略。當一家公司想要開發一種產品來解決一個定義明確的問題，可以嘗試“垂直關注（vertically focused）”的策略。比如針對某個行業打造可以實現某些功能的算法，而不是先開發出一個不錯的算法，再去尋找它的市場在哪裏。因爲歸根結底，我們想要投資的公司不僅要擁有強大技術，這種技術還要能解決現實世界中存在的問題。因此，我認爲將創業重點放在市場策略方面有助於初創公司快速準確的找到自己的產品定位和客戶羣體，從而及早步入正軌並實現盈利。
7
人工智能面臨的挑戰與機遇
Margaret Laffan: 當今全球範圍內發生了很多事件，比如美國的新一輪大選已經啓動，新型冠狀病毒 COVID-19 正在世界範圍內加速傳播，還有針對面部識別和其他相關技術的法規的討論，以及關於 AI 倫理道德方面的全球討論。從宏觀的角度來看，你認爲人工智能在世界範圍內面臨的最主要的挑戰和機遇是什麼？
Rob Toews:
就全球宏觀趨勢而言，我認爲有兩點值得特別關注。首先是推動 AI 相關法規的出臺。世界各國政府已經開始逐步建立針對 AI 的法律監管框架。歐盟和美國本土的議員都已經就此展開了討論，也會有類似於數據隱私方面的 GDPR（歐盟通用數據保護條例）的相關法規逐步落地。這是一個好的趨勢，我們也要積極關注政府和監管機構採取的每一個重要步驟：法規的制定方式會不會扼殺技術創新？法規內容是否足夠靈活，能夠順應技術發展的形勢？很明顯，當前的技術開發將不同於互聯網時代或軟件時代，如何在不違反監管條例的前提下讓技術對社會產生更廣泛的影響，這是作爲 AI 領域的企業家或投資者都需要認真考慮的一個問題。
我比較關注的第二個宏觀趨勢是，中美之間在人工智能領域的競爭已經受到了越來越多的關注。這難免讓人感覺像是新一輪的太空競賽，只不過缺少了冷戰局勢下的緊張氛圍。但是，兩國都將人工智能視爲重要的地緣政治資產。尤其是中國，正通過大力投資來提升自己的技術實力和國際地位，舉全國之力實現其既定目標，即在 2030 年之前成爲人工智能領域的全球領導者。這種頗爲激烈的競爭關係將對從事跨境投資、跨境招聘和發展合作伙伴關係的中美人民帶來一系列具體的影響。我希望這樣的角逐可以成爲一種推動技術發展的積極的、建設性的、和平的動力，從這個角度來說也非常值得我們所有人關注。（完）
關注Robin.ly “Leaders In AI” Podcast
收聽更多英文訪談
相關閱讀
專訪圖靈獎得主Yoshua Bengio：AI能否有“意”爲之？
嬴徹科技CEO馬喆人：構建智能卡車物流網絡，引領自動駕駛落地
