准备2021 AI趋势 - 风险投资观点

Luigi Congetgo.
头像

Luigi Congedo是旧金山的一个专注于AI集中的VC公司的Bootstraabs的风险投资校长。他是EMERJ的长期朋友,偶尔的艾迪趋势主题的顾客贡献者。

2020 AI回顾,和2021 AI趋势

这是一个贡献的文章Luigi Congetgo.,并由EMERJ编辑。Luigi是旧金山的Bootstraabs的风险投资校长,一个专注于AI的VC公司。询问来自外部专家的贡献文章,请联系编辑汇编@ merj.com。

编辑注意:四年前我在旧金山开始Emerj(然后TecheMergence)时,我第一次见到Luigi。只有这么多的AI初创公司,我们的路径是不可避免地越过的 - 最初通过Bootstraabs的场地'IN-PIEL AI事件。Luigi在海湾地区和以外的湾区曾经看到过大量的AI公司,并作为投资者,他被迫更广泛地思考未来的趋势,而不是更多的创始人。在本文中,Luigi在未来一年的四个AI趋势下阐述了他的观点。

1.现成或长期投资

今天的AI技术归于其存在于公共和私营部门(即大型技术)的倡议,该倡议建立了基础,并通过巨大的努力和投资创造了最初的突破。

今天,真正的机会在于AI技术进步与行业之间的交叉点。这不是关于机器学习本身 - 它是关于使用这些有用的算法对业务问题的方法。是关于:ai适用于X.

两种选择对今天的企业公司开放:

  1. 他们可以购买通用AI启用API(谷歌,亚马逊等),分享他们的数据并随着时间的推移丢失对边缘的控制。
  2. 他们可以投资自己的创新路线图,建立内部AI / ML人才团队,并使用应用AI垂直解决方案。在这种情况下,他们拥有并控制数据,他们的团队可以进行快速的产品迭代和定制,他们可以保持对边缘的控制。

可操作的洞察:现成的解决方案可以用于一个目的,在使用它们对于正确的点解决方案没有羞耻,探索技术并开始获得解决问题的经验。In the long-term, however, smart companies won’t use plug-and-play APIs on their own, but as part of a rich AI ecosystem – including many in-house tools and new data infrastructure – all working to solve problems and unlock bigger capabilities.

建立IP很重要,但你的差异化就在于独特的培训数据。企业将从理解,预测处方对自主流程 - 而且为了解锁完整的过渡,内部工程和适当的基础设施是必须的。

艾丽人真正的全球战争

人才是在当今极具竞争力的经济中取得成功的关键资产。截至多年,AI可能会自动化许多工作流程的例程和重复方面。但行业需要更多的AI / ML天赋来构建复杂的专家AI系统,软件架构和新硬件(AI芯片) 今天。我在行业中注意到的一些关键方面是以下内容:

  • 与General假设相反,AI研究显着不太开放。事实上,只有15%的论文正在发布他们的源代码(来源)。
  • 根据Gartner的2020年研究
  • AI教授被大型科技公司接受,创造了从学术界进入市场的新人才的关键差距和相应的短缺。

可操作的洞察:应用AI不是关于招聘博士,这是关于可以一起工作的团队,并在制作事情 - 混合AI专业知识和深度主题专家知识。谷歌和Facebook希望在收购中购买团队,而不仅仅是个人AI PHD,而且也是其他企业需要了解的内容。

Big Tech一般擅长整合收购的产品团队并让团队继续完成工作。企业需要学习如何做到的艾都和一年。留下顶级人才是艰难的,但随着并购,获得的人才通常需要股权,所以你有时间留住顶级人才 - 并使用他们在重要的AI项目工作时升级您的团队。

3. AI与工程战略

AI企业与更传统的软件业务不同?

多年来,我们一直在基于代码构建软件;直到几年前,许多软件公司都基于预定义的基于规则的系统。在一段时间内,我们从精心的复杂软件开发工作流程到更新的NO /低代码开发的介绍和扩散。

近期Forrester报告,低码市场全部设定为年增长率为40%,共消费预测将以2022年增长到212亿美元。AI模型的性能,可扩展性,可解释性和可靠性将确定和发挥业务增长,速度和创新中的关键作用。

可操作的洞察:大型公司希望与尖端AI供应商合作,但他们没有基础设施来使用它。领导者需要思考他们甚至可以集成和使用AI。

旋转它或数据环境只是为了使用单个AI点解决方案通常意味着建筑物技术债务。妥善投资ai成熟允许公司与供应商合作,并将解决方案集成到凝聚力生态系统中,以获取它和数据,而不是一系列任意沙箱。

您的触手可及1200x200 @ 2x的最佳实践

4.新数据生态系统

欧盟和美国政府都正在推动更多政策和条例,以确定数据共享,隐私和安全的新标准和原则。应用程序编程接口(API)是自动化单独应用程序之间的通信,为创新创造新的机会。

在我看来,API是所谓的数字转型或所谓的数字变换的最估计的元素之一第四届工业革命。围绕系统的不同部分移动数据独立地需要从复杂系统抽象特定的和结构化数据点,API创建了新的方式,其中一些是过去不可能的。由于云计算的出现以及加工成本的后续降低,API也在迅速发展。静态和碎片的行业数据协议现在已被可扩展的插件解决方案所取代。

将数据和知识传输到不同应用程序也将影响我们需要培训新模型以创建新服务的数据量。

This means taking an AI algorithm that’s pre-trained for a task where there is an example-labeled data available (for example, identifying cars in images), and transferring that knowledge to a different application for which there is little data (like identifying trucks).

可操作的洞察:清洁数据存在挑战,但是,移动,存储和使用数据也存在挑战 - 并且没有一个尺寸适合所有答案。

一些企业领导人认为,一旦他们将数据带入云中,他们就完成了 - 但数据存储和访问方法的具体编排将根据用例而变化很大。企业公司需要能够在多个云中运行,并且在最终处理 - 亮起并打开这些选项至关重要。

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。