企業家與風險投資公司分享他們的致富秘訣。
產油大州德州隨處可見抽油泵不停運作著，而資料就像是石油，促使人工智慧新創公司在科技領域裡遍地開花。多達八百億美元的投資金額催生出1.2萬間新公司。
當中只有少數幾家公司會選擇自噴井。專家表示這麼做的人將實踐六大成功關鍵因素。
- 熟稔自己經營的領域
- 快速收集大量資料
- 預見市場前景
- 打造一把更好的工具
- 將規模擴大到雲端
- 保持靈活彈性
在 Clear Ventures 管理三億美元投資基金、培育九間人工智慧新創公司的 Rajeev Madhavan 表示，部分開發人工智慧應用程式的新創公司之所以能夠成功，在於「為客服中心、醫療保健等領域找出新的作法，徹底改變了現有的供應商體系。」
1. 熟稔自己經營的領域
Madhavan 在2012年以5.23億美元的價格，把自己成立的電子設計自動化新創公司 Magma Design 賣給了 Synopsys。在他成為一名風險投資顧問的道路上，第一步便是參加吳恩達（Andrew Ng）在史丹佛大學開設的人工智慧課程。
他說：「有那麼一小段時間裡，矽谷的每間新創公司在選拔會上宣傳自己時，都會加入很多關於人工智慧的專業術語，不過其中大多數新創公司都只是在做著協同過濾的事。我們在找的那些 app 開發公司得極為倚重人工智慧，然而這些新創公司成功與否，均取決於他們在各自領域裡的表現。」
經驗豐富的企業家 Chris Rowen 也同意這個說法，他在2013年以3.8億美元的價格把自己成立的新創公司 Tensilica 出售給 Cadence Design。他覺得深耕領域而獲取的專業知識，是人工智慧工軟體新創公司想要成功的最高標準。
Rowen 最新成立的新創公司 BabbleLabs 使用人工智慧來即時過濾語音中的噪音。「從根本上來說，我目前在做的事情，其實跟我職業生涯中大部分時間所做的事情都差不多，也就是致力於解決大眾心目中極為困難的即時運算問題。」Rowen 說。
總的來說，「深度學習仍然處於人們不懂可以用這項技術來解決哪些問題的階段，找出垂直市場的需求並為此提出解決方案的公司，更有可能更快受到青睞。長期下來，在水平市場中也會出現更多機會。」他說。
NVIDIA 業務發展部門副總裁 Jeff Herbst 藉由 NVIDIA Inception 計畫培育了五千多間人工智慧新創公司，這項計畫協助企業家可以取得 NVIDIA 的技術及與市場人脈關係。然而人工智慧這個標籤，就只是一個簡略的表達方式。
從某種意義上說，這就像是網路公司入侵一事捲土重來。Herbst 表示：「我們現在稱它們是人工智慧公司，但它們都存在於某個專一市場中，在不久後的將來，每家公司都會是人工智慧公司。」
在 Herbst 看來，如今的人工智慧軟體領域就像是一個槓鈴，幾間雲端運算領域的大型公司在一端進行大量活動，另一端則是無數的新創公司。
2. 快速收集大量資料
收集到足夠的位元資料來填滿那座資料湖泊，對於人工智慧新創公司來說或許才是最難的事。
在 NVIDIA Inception 計畫所輔導的新創公司當中，Zebra Medical Vision 將人工智慧技術用在醫學影像上，以便更快速做出更聰明的診斷。為了獲得所需的資料，該公司與以色列最大的醫療服務提供商，以及在美國擁有215間診所與24間醫院的 Intermountain Healthcare 攜手合作。
Zebra 共同創辦人暨技術長 Eyal Toledano 說：「我們明白資料是自己要保護最重要的資產，所以成立這間公司的前兩年裡便投入重金，不僅用於保護資料上，還用於同時開發各種演算法。必須得先測試多個候選方案，才能從中挑選出最好的臨床解決方案。」
Zebra 的執行長與 Toledano「花了不少說服的工夫」，才能從頂級醫療機構獲得長達二十年的數位資料。
「我的貢獻就是告訴他們，怎麼做到安全性、合乎法規及匿名性。有很多上課和共同發展的機會，他們放出資料，我們用這些資料來做研究，再回過頭來幫助他們的病人。」他說。
這招果然奏效。他說到目前為止 Zebra 已經募得五千萬美元的資金、三項產品獲得 FDA 的許可，另有兩項產品正在等待審核，「其它一些產品也正在提交中」。
Toledano 還對 NVIDIA 的 Inception 計畫表示讚賞。
「在市場廣泛使用新技術前，我們有很多機會來研究它們。我們看到了將新的 GPU 用在當前流程中所產生出的差別，也檢視在醫院中使用 GPU 來增進用戶體驗的推論，尤其是在時間緊迫的應用項目方面。」他說。
「我們也得到了一些很好的知識及想法，藉由訓練及基礎架構函式庫來建立各項專案，以提升自身基礎架構的水準。我們嘗試了很多項 NVIDIA 的技術，有一些非常棒，效果極佳，我們採用了 DGX 伺服器，在許多評估中顯著減少了我們的開發和訓練時間。」他說。
人工智慧新創公司的六大成功步驟
|
成功要素 |
行動項目 |
使用它的新創公司 |
|
熟稔自己經營的領域 |
對目標應用項目具備深厚的專業知識 |
BabbleLabs |
|
快速收集大量資料 |
利用合作夥伴與客戶來收集資料及改進模型 |
Zebra Medical Vision、Scale |
|
預見市場前景 |
在競爭對手發現客戶的痛點之前找出解決方案 |
FASTDATA.io、Netflix |
|
打造一把更好的工具 |
創造簡化資料科學家工作的工具 |
Scale、Dataiku |
|
將規模擴大到雲端 |
支持私用及多個公共雲端服務 |
Robin.io |
|
保持靈活彈性 |
追蹤客戶不斷變動的痛點，找出新的解決方案 |
Keyhole Corp. |
同為 Inception 計畫成員的 Scale，與 Toyota 和 Lyft 合作，為自動駕駛車及其它平台提供訓練和驗證資料。「跟更多業者合作，可以讓演算法變得更聰明，也讓更多業者想跟你合作，如此一來便進入一個成功的循環。」Herbst 說。
Madhavan 旗下新創公司之一的 Reflektion，其資料庫中擁有兩億筆獨一無二的購物者資料，是僅次於 Amazon與 Walmart 的第三大零售資料庫。Reflektion 從零開始花了三年時間，與多個合作夥伴攜手逐步建立起這個資料庫。
Rowen 的 BabbleLabs 發揮了一點創意和苦工，快速以廉價的方式取得大量資料。它從 YouTube、國會圖書館等眾多免費來源取得語音資料。在需要更專業的資料之際，便啟動全球承包商網路，他說「這麼做非常划算」。
「你可以找到低成本、低品質的資料來源，然後使用演算法來過濾和編排資料。控制語音相關的噪音量有助於簡化訓練。」他說。
Herbst 表示：「在人工智慧領域裡，取得他人沒有的資料，便是最大的勝利。市面上有很多開放源碼框架和工具沒錯，但唯有我能取得這些用於編寫程式碼的資料，才是讓我脫穎而出的關鍵。」他說。
FASTDATA.io 的創辦人 Alen Capalik 表示，在尋找有著豐富資料的客戶及合作夥伴時，「最快的途徑就是知道他們的痛點所在。」
華爾街繁重的交易工作讓 Capalik 認識到 GPU 的價值。當他想到要用 GPU 來為任何應用程式快速即時消化資料時，他在2017年找上了 NVIDIA 的 Herbst。
「他幾乎是馬上就開了一張150萬美元的支票給我。」Capalik 說。
3. 預見市場前景
FASTDATA.io 目前已經完成 A 輪融資，將這筆錢用於挹注先前發表的 PlasmaENGINE。PlasmaENGINE 現已有兩個客戶，另有二十多名客戶正在詢問。Capalik 說：「我認為我們比市場領先12到18個月，這是一個非常好的領先幅度。」FASTDATA.io 的產品可以處理多達一百個 Spark 實例的資料。
Capalik 前一次成立新創公司時，並未發現自己身在這個處境。他的網路安全新創公司 GoSecure（前身為 CounterTack）早在六年前便率先提出端點威脅偵測的想法。
「大家都說我頭殼壞掉了。Palo Alto Networks 與 FireEye 都有在做邊界安全技術，使用者覺得他們不用再安裝代理程式了，因為這些代理程式會讓系統的速度變慢。我們掙扎了很久，必須花不少心思對市場進行教育。」
企業本來就要透過教育來培養大眾的意識。對於有遠見的新創公司來說，就要像蘋果公司的 Steve Jobs 發表 iPhone 一樣，「向大眾展示他們還不知道自己想要什麼的東西。」他說。
Herbst 說：「Netflix 在獲得足夠的頻寬或端點之前，便開始著手進行影音串流服務 – 他們滑向冰球接下來要去的地方。」
4. 打造一把更好的工具
人工智慧也為軍火商提供了機會，他們出售資料科學家用的軟體工具來擰緊神經網路的螺絲。
當前人工智慧的瑞士軍刀便是一個工作台。這是一個用於在當今的 DevOps IT 環境中，開發與部署機器學習模型的軟體平台。
你能夠以開放源碼的型態免費取得 Jupyter notebooks 這個可以看作是雙面刃的模型。AWS、IBM 與 Microsoft 等巨頭，以及 H20.ai 和 Dataiku 等數十間新創公司將推出有著更多叉子、開瓶器和牙籤的版本。
Wikibon 的人工智慧與資料科學首席分析師 James Kobielus 表示，儘管有這麼多競爭者及瞬息萬變的市場，仍是存在著各種機會。他建議從一個熱門工作台的外掛程式開始。
這位曾任職於 IBM 的資料科學家建議，新創公司可以編寫支援新興框架和語言的模組，或是編寫一個模組，以協助工作台利用嵌在最新智慧手機內的人工智慧優點；又或者是將串流作業自動化，或是將邏輯自動呈現為程式碼。
如果工作台不適合你，也可以試著透過機器人製程自動化這個新的類別，讓更多人更容易接觸到和使用人工智慧。Kobielus 說：「要是你能讓創客及孩子們接觸到機器人製程自動化，就有機會可以大撈一筆，這讓人覺得很興奮。」
BabbleLabs 的 Rowen 表示可以將神經網路納入智慧音響、家電，甚至恒溫器等裝置幾 KB 記憶體中的工具，有著極為龐大的商機。他的公司打算在世界上最小的微控制器上運行語音模型。
他說：「我們需要能夠對經過訓練的模型進行量化、模型壓縮，還有產生出優化模型的編譯器，以置入嵌入式系統極為有限的記憶體中，目前還沒有解決這個問題的辦法。」
5. 將規模擴大到雲端
Herbst 表示由於現在要成立公司太容易了，這麼多的新創公司也使得競爭程度更為白熱化。Herbst 在十八年前加入 NVIDIA 之前，就開始跟企業家密切合作。
眼下只要有一個想法、一台筆記型電腦、一杯咖啡和一個雲端運算環境的帳戶，就能成立一間新創公司。「所有的基礎設施現在都是一種服務。」他說。
但要是再加上運氣及規模，一個雲端運算環境的帳戶就會變成你的瓶頸，成為僅次於薪資的最大成本。
Madhavan 說：「這是一個好問題，不過如果想要達到收支平衡，也讓客戶更容易使用，就要在任何雲端環境中運行你的軟體。」
這個需求如此驚人，他最終出資成立了一家新創公司來解決這個問題。Robin.io 是一間嫺熟有狀態及無狀態工作負載的公司，協助企業達到雲端中立的情況。他說：「我們已經極為成功地讓 5G 電信公司做到雲端原生運算及接受容器。」
6. 跟瑜珈者一樣保持靈活彈性
Apple 打算生產桌上型電腦、Amazon 想要在網路上賣書，只有極少數的新創公司最終走到他們一開始設定的目的地。
這些新創公司會不斷調整自己的方向。他們從有待解決的問題這方面切入，但在跟客戶交談的過程中，聰明的公司會從互動裡學習怎麼重新定位或調整自己。」Herbst 說，用一個他在進入人工智慧領域前發生過的例子來說明。
Keyhole Corp. 這間公司一開始想要提供 3D 地圖服務給房地產經紀人及其他專業人士，第一款產品採用光碟進行銷售。
身為早期搜尋引擎新創公司 AltaVista 的資深員工，Herbst 說：「我認為這間新創公司更應該併入 Yahoo! 或是其它網路公司。我覺得這項服務不是一款專業用應用程式，而是一項重要的消費性應用程式。」他很樂意提供資金給這間公司，成為 NVIDIA 在遊戲之外的首批投資項目之一。
最終 Google 與 Herbst 有著相同的想法，收購了這間新創公司。Keyhole 的技術成為了 Google Maps 及 Google Earth 兩項地圖服務的基礎。
他說：「他們有一個不錯的出路，這間公司的員工繼續在 Google 發光發熱，我相信他們是最早打造出《精靈寶可夢GO》這款遊戲的人之一。」
道理很簡單：遵循正確的方向，就像是人工智慧軟體新創公司的六大成功要素，誰也不知道你最終會走向何方。
tr:nth-child(even) {background:#f9f9f9}
tr:nth-child(odd) {background: #FFF}