英国风投公司 MMC（MMC Venture）调研全英人工智能创业公司的发展状况，对公司的具体领域、研究方向和资金状况以及面临的挑战进行了分析，是一篇了解英国人工智能创业公司全景的好文章。
在科技的每次范式转移中，随着公司的进步，创新也随之而来，然后就是重新构想流程。如今，我们处在全球人工智能革命的早期阶段。机器学习算法使得我们能够在大型数据集中找到数据模式，并对人、设备、系统与流程做出更准确的预测。但英国的人工智能公司动态如何？
我们绘制了英国处于早期阶段的人工智能软件公司，并与其中的 40 家公司进行了接触。下面是我们观察到的英国人工智能市场的 6 大动态，从变化活动等级到专注领域、再到盈利的趋势与融资了多少轮。
图 1 英国处于早期阶段的人工智能公司
英国人工智能全景图：226 家公司
随着时间的发展，我们预期人工智能公司与其他软件提供商之间的差别会模糊直至消失，因为机器学习的部署是为了解决大量的业务流程与领域。然而，如今还是能够分辩出在早期阶段专注于人工智能的软件公司的。
我们调查了英国的 226 家早期阶段的人工智能公司，并与其中 40 家进行了接触。我们也根据一下情况做出了一份全景图（图 1）：
目标：该公司是否专注于改进某项业务职能（例如，市场或人力资源）或领域（医疗、教育、农业）？或者公司是否在开发跨多个领域应用的人工智能技术？
客户类型：公司的客户主要是公司（B2B）还是消费者（B2C）？
融资：目前为止，公司获得了多少融资？根据天使轮（低于 50 万美元）到「成长」资金（800 万到 1000 万美元），我们对此进行了归类。
我们会定期更新该图。如果漏掉或错误分类了一些公司，我们深感抱歉，我们知道许多早期公司可能在使用大量的人工智能技术，但没展现出来。
在分析过市场并接触过 40 家公司之后，我们认为市场中有以下六个显著的动态：
1. 专注于人工智能对业务职能的作用
英国许多早期阶段的人工智能公司（5/6 的比例）将机器学习应用到特定的业务职能或领域中（图 2）。反映出该领域的萌芽期，然而有 1/6 的公司注重于开发人工智能技术——能力、平台或一系列算法，在多个领域都能够使用这些技术。这些公司跨越从计算机视觉的开发到自动决策算法的创造。
这些人工智能公司的客户是谁？我们调查发现 9/10 的公司主要是 B2B 的，为其他公司开发并销售解决方案（图 3）。只有 1/10 的公司直接销售给消费者（B2C）。
大多数新的 B2C 人工智能公司面临着数据上的挑战。训练机器学习算法通常需要大量的数据。B2B 公司可以分析它们服务对象的大量的不同数据集，但面向消费者的公司缺乏公开的或允许（例如 Facebook 的数据）的数据，一开始通常没有大量的消费者数据可用来分析。因此，随着用户基础与数据集有所增长之后，它们才能随时间部署机器学习。例如 Gousto 是一家为消费者提供菜谱与食材并送货上门的公司，如今，有着机器学习 PhD、数据分析师和工程师的 Gousto 的团队利用人工智能进行仓储自动化与菜单设计。因为最初 Gousto 就有使用人工智能的洞见，因此随着时间进展（数据的增加），该公司也获得了自己的优势。
在这样的情况下，大部分消费者将首先通过世界上最流行的消费者应用体验机器学习——Facebook、谷歌、亚马逊、Netflix 等，它们利用大量的数据集与机器学习团队提供面部识别、搜索、娱乐内容推荐、翻译等功能。
2. 人工智能公司不均匀的分布
通过测量在每个领域中活动公司的数量，一份热点图显示了早期活动的重要区域（图 4）。
图 4：英国早期人工智能公司热点图
它们的活动主要集中在以下领域：
市场与广告、信息技术、商业智能与分析功能
金融领域
大量集中于：
人力资源职能
基础设施、医疗与零售领域
上面的领域很适合人工智能应用，也解释了为什么主要集中于这些活动。每个领域内创造价值的机会显而易见，也非常的重大。这些领域都有大量的很适合机器学习应用的预测与优化挑战，也为机器学习训练与部署提供大量数据集，也获得了比人类更好的技术表现。其余的领域要么不实际，要么成本太高。而这些领域极其垂直，并且远离谷歌、亚马逊、微软、IBM 这样的人工智能平台提供商的竞争。当然，医疗领域谷歌和 IBM 都插手了，创业公司有所挑战。
由于市场的催化，强大的人工智能公司能够通过以下几点获取竞争优势：让专家深入复杂领域；开发专有算法；通过利用非公共数据集创造围绕数据的网络效应；通过保证充足的资金来建立高质量的机器学习团队并占有市场资源。
在市场与广告领域的活动中，英国 1/5 的人工智能公司针对这一领域。现代市场与广告的基础是人工智能的一个甜蜜点。消费者在网页、APP 上有数十亿次的点击量，提供了大量可用却复杂的数据。此外，市场与广告价值链的几乎每个阶段都为优化与自动化做好了准备，包括内容处理、消费者分割、消费者定位、程序广告优化、消费者潜在购买力发现、消费者情绪分析。
活动较少的领域
在很多的领域中，活动与市场机遇之间存在着一定的联系。例如，在制造业领域有很多的初创公司针对这一领域解决大量的需求问题。机器学习能够通过预测和对机器的优化维护提高 20% 的生产力。原材料的成本和再加工也能够通过改进对产品质量数据的分析得以降低。另外，「缓冲（buffering）」（储存原材料和一些未完成的产品以弥补在生产过程中未预见的效率低下）会将可预测的生产力降低 30%。制造业领域中的一系列传感器（包括生产线上的传感器数据、机床参数和环境数据）会显著增加机器学习的可用数据。
在合规与欺诈（Compliance & Fraud）方面，很少有初创公司会将银行不断膨胀的钱花在这一方面。花旗银行的 3 万人（该银行 12% 的员工）目前都在致力于合规的业务。在 2015 年第 1 季度的电话会议上，花旗强调它通过提高效率节省的 3.4 亿美元有 50％以上是通过额外的监管和合规投资带来的。摩根大通（JP Morgan）同样将合规支出在 2011 年至 2015 年期间增加了 50％，达到了 9 亿美元。而高盛（Goldman Sachs）则强调，过去四年其员工人数增长了 11％，主要是为了满足法规合规管理的需求。我们与银行间的对话特别关注「了解您的客户（KYC）」和反洗钱（AML）计划。除了提出广泛的需求，该部门还提供大量的数据集进行训练模型，用以替代高昂的人力成本。机器学习最明显的能力就是在一些领域相比于人类会提供更好的表现，比如说要让人类去监控数据洪流就是不可能的事。在银行内部努力的情况下，英国的合规公司可能很少，不过要是在对潜在用户的集中关注上或者与美国创业公司的竞争上还是很有机会的。
在合规和欺诈（Compliance & Fraud）功能中，很少有创业公司利用银行合规性支出。3 万多人的花旗银行（Citi），占银行从业者的 12%，它正在进行内控合规（compliance）管理。在 1Q15 的电话会议上，花旗强调它通过提高效率节省的 3.4 亿美元有 50％以上是通过额外的监管和合规投资带来的。摩根大通（JP Morgan）同样将合规支出在 2011 年至 2015 年期间增加了 50％，达到了 9 亿美元。而高盛（Goldman Sachs）则强调，过去四年其员工人数增长了 11％，主要是为了满足法规合规管理的需求。我们与银行间的对话特别关注「了解您的客户（KYC）」和反洗钱（AML）计划。除了提出广泛的需求，该部门还提供大量的数据集进行训练模型，用以替代高昂的人力成本。机器学习最明显的能力就是在一些领域相比于人类会提供更好的表现，比如说要让人类去监控数据洪流就是不可能的事。在银行内部努力的情况下，英国的合规公司可能很少，不过要是在对潜在用户的集中关注上或者与美国初创的竞争上还是很有机会的。
3. 人工智能公司数量加倍
与前几年（2011-2013）相比，近些年来（2014-2016）英国每年建立的人工智能公司数量（见下文图 5）数量出现了翻倍。其中，超过 60% 的人工智能公司都是在过去的 3 年当中建立的。也就是说在这期间，英国几乎每一周都会建立一家人工智能公司。
人工智能的创业潮是在人工智能时代这一更大的背景下兴起的，此外还有一些其他具体因素助长了这次创业潮。
通常在人工智能领域，20 年前的播种到今天才得以有所收获。新的算法（尤其是卷积和循环神经网络）现在已经收获了更加高效的成果。可用数据的极大增长让我们有可能调整机器学习算法以得出准确的预测。图形处理器（GPU）的发展将训练神经网络的时间减少了 5-10 倍。过去 5 年中，人工智能的公众认知增长了 6 倍，这也增加了购买者对科技的兴趣。
除此之外，还有一些推动人工智能初创公司建立的因素。随着越来越多的投资者对人工智能领域前景的认可，人工智能公司的风险资本融资在 5 年之内增长了 7 倍。一些人工智能基础设施和服务的提供商（谷歌、亚马逊、微软和 IBM）正在降低部署机器学习解决方案的难度和成本。人工智能软件的开源（尤其是 TensorFlow，机器学习的组件库），让越来越多的人都可以参与其中。随着风险资本融资的不断持续，我们期待高水平的人工智能创业能持续下去。
那这些新兴人工智能公司关注的都是什么呢？在这些公司当中，以专注于人力资源业务和财务领域的人工智能公司占最大比重（如下文图 6）。2/3 的人工智能人力资源和财务公司成立都不到 2 年。
最近的人力资源活动起源于一场该职能内部的范式转移。人力资源正从一个行政系统转变为一个预测增长和效率的系统。企业的运营者正在思考如何让之前没有得到充分利用的数据集发挥效用，从基于能力的招聘到对员工流动的预测性建模。
意料之中的是，在商业智能中专注于安全和合规的公司，以及零售和基础设施领域的人工智能公司占比较低。但随着大量成熟的数据集可用于机器学习，这些领域首先就会受到人工智能企业家们的青睐。
4. 相对于全球环境来说还处在初始阶段
相对于全球范围内一些其他的国家来说，英国的人工智能行业的发展还处在初始阶段，机遇与挑战并存。
目前，与美国一半的同类公司相比，英国 有 3/4 的人工智能公司在种子基金和天使融资的支持下已经开始探索初期的发展道路（如下文图 7 所示）。但在图中，我们也可以看到英国只有 10% 的公司处于资本增长的阶段，而美国有大约 20% 的公司处在这一阶段。根据 2015 年的数据显示，英国几乎所有人工智能公司的注资都处于天使、种子阶段或是 A 轮融资阶段，而当时全球范围内的人工智能公司已经有 1/3 进入了下一阶段（如下文图 8 所示）。
这种状况既包含着机遇，也伴随着风险。对处于初始阶段公司的企业家、员工和投资者来说，一个充满生机的创业环境蕴藏着很多的机遇。同时，一些较发达且资金充足的海外公司会给英国的公司发展带来竞争压力。随着很多人工智能公司被卖给大企业，其中很多是全球资源提供商，这种影响可能会加剧。但是在人工智能研究上，英国依然有着属于自己的资本，全球最顶尖的 25 所大学，英国占了 1/4；随着 Deep Mind、SwiftKey、 Magic Pony 和其他一些英国人工智能公司被收购，人工智能领域的高管和投资者们也逐步融入到这种不断发展的产业生态环境当中。
5. 变现的进程可能会更长
我们遇到的人工智能公司中超过 40％尚未产生收入（图 9）。这可不是我们对「早期阶段（early stage）」公司的臆断，我们所调查的公司中，一般是 2-3 年前建立的，平均大约筹集了 130 万英镑资金，拥有平均 9 个人的团队，每月花销大概 76000 英镑左右。
大多数人工智能公司（至少是人工智能应用型公司）计划通过被收购获得预收入（pre-revenue）而不是销售软件和服务——这简直就是天方夜谭。我们调查的所有公司都在实施或开发变现计划。为什么这些人工智能公司要比一般的初创花更多的时间去进行变现或规模化？我们得出以下四个原因：
在这个具有挑战性的技术领域内，最低可行性产品（minimum viable product）的门槛可能会很高，它需要更长的开发周期。
90% 的人工智能公司是 B2B 模式。B2B 典型地具有较长销售周期，它是由许多关注人工智能的公司所推动，如具有蔓生性（sprawling）的和敏感性数据集的金融行业。
由于数据是单客户数据的集成，并还有数据清理（data cleansing）和用户定制化服务的要求，部署期可能会很长。我们调查的人工智能公司一般有纯粹的软件服务模型，它是由许多具有变现意义的客户进行聚合的，然后定制化而从工程项目中获益（上图 10）。
在初创公司中，可用于实施项目的人员数量有限是很多人工智能公司成长的阻碍。在几家公司的回应中，我们被告知「即使我们有销售人员，我们也无法实施更多的销售活动。」因为他们至少三分之一的团队都在进行开发工作。
由于机器学习人才的高成本，现金消耗率（cash burn rates）的加速增长，更长的变现历程可能对人工智能公司产生巨大的挑战。我们建议人工智能公司需要筹集足够的资本，才能渡这段风险期，以后才能上市或走得更远。
6. 投资力度会更大且不按常规方式进行
全球范围内来看，对人工智能公司的投资往往是比同种程度的平均投资额要多 20% 到 60%（下图 11，2015 年的数据统计）。这也反应了公司在资本供应和融资上的基本面和动力。在产品研发成熟之前，人工智能公司需要更长的研发周期，包括高薪聘请机器学习专家和部署装配整个团队复杂设备，因而人工智能公司对资本的要求也更高。在这些基本的资金需求之外，资本注入因大量投资提供方涌入而虚高不下（许多投资家寻找投资人工智能公司的机会），同时需求是有限的（只有相对少量的 AI 公司需要被投资）。对处于早期发展阶段的 AI 公司的资本投入，在近 5 年内增长了 7 倍，然而可以投资的范围还很有限。
此外，在英国相当数量的少数公司，从种子轮直接跳到远远超过常规下一轮融资的更大额融资阶段（下图 12）。在上一轮融资少于 100 万美金的情况下，3 家英国人工智能公司里就有 1 家在下一轮的融资超过 800 万美金。就如上面所说，这种能力一部分是由人工智能公司的资本需求所驱动的，但是更多原因是由于目前人工智能里比较吸引人的投资机会还是很有限的。与此同时，公司预期市值估价也受公司所收购的初创团队人员数量影响。
结论：英国人工智能的拐点
在过去的 36 个月，英国人工智能领域初期出现了一个转择点。因为人工智能技术已经发展有段时间了而且对其投资增加了很多，人工智能公司的企业家数量增加了一倍。然而，相对于全球的人工智能公司来说，英国的人工智能公司还处于早期发展阶段，这也给投资企业家和从业人员带来前所未有的机会与挑战。四分之三的英国人工智能公司还处于非常早期的发展阶段，而且他们的下一步行动也不尽相同。新创的公司主要关注目前已可以解决的商业应用，而在这些领域中，可获取的数据是充足的且需挑战优化的地方也是明晰的。
现在，商业模式正在被优化，它将在未来会重新构建。在过去的 24 个月，既有人工智能领域外的模式和发展区域已经在被人工智能企业家追逐。目前人工智能公司想实现盈利将有更长一段路要走，但是有效率的企业家正可以在更早的这个阶段中，利用自己公司可吸引资金的能力来为自己筹得足量的资金。
人工智能所带来的变革还在继续，人工智能公司和其他软件提供企业的界限会越来越模糊。但是今天，我们还是很高兴地突出强调那些将会给社会带来巨大收益的公司。这些公司正在共同勾勒出「第四次工业革命」。
原文链接：https://medium.com/mmc-writes/artificial-intelligence-in-the-uk-landscape-and-learnings-from-226-startups-70b9551f3e4c#.dpthc5idi
