11月27日,人工智能整体解决方案企业Aibee,正式对外宣布已完成A轮6000万美元融资。亿欧记者采访获悉,本轮融资由红星美凯龙、红杉资本中国基金共同领投,联想创投、险峰长青、中丽和财基金、C Ventures(C资本)等原有股东及其他知名投资机构跟投,雅虎联合创始人、AME Cloud Ventures创始合伙人杨致远等科技精英集体加持Aibee。
与此同时,Aibee在公布本轮融资消息的同一时间,也正式对外宣布前阿里达摩院决策智能实验室负责人朱胜火正式加盟,出任联合创始人,全面负责Aibee的机器学习方向。
此前,Aibee于今年1月份完成的1.65亿元天使轮融资创造了国内AI初创机构最高融资记录,此后又于5月份宣布获得由K11创始人郑志刚战略注资的近亿元Pre A轮融资,此次再度融资距离上一次融资也只隔了6个月。
成立短短1年,Aibee总融资金额已达1亿美金,融资金额、速度均位居AI创企前列,一跃成为2018年成长速度最快的AI创企之一。 在资本市场寒冬逼近,而且AI投资早已趋于理性的情况之下,Aibee能够在如此短的时间之内迅速获得数笔巨额投资,这背后是基于那些方面的因素以及必然性呢?系列问题耐人寻味。
一年一亿美金,Aibee凭什么?
致力于为企业提供整体的人工智能解决方案,Aibee的公司名称寓意为AI to B,公司于2017年11月由林元庆博士创立。此前,林元庆博士曾任百度研究院院长,全面负责百度的硅谷人工智能实验室(SVAIL)、深度学习实验室(IDL),大数据实验室(BDL)、增强现实实验室(ARL)。而在加入百度前,林元庆曾任NEC美国实验室媒体分析部门主管。其领导的团队取得多项重要计算机视觉技术国际测试世界第一,包括第一届ImageNet挑战赛,其技术成果在业界广泛落地。
林元庆是第十三批国家“千人计划”特聘专家,他在机器学习和计算机视觉等研究领域拥有多年的研究经验和显著成果,曾担任NIPS(神经信息处理系统大会)的领域主席、大规模视觉识别和检索国际研讨会联合主席等。其本人更是拥有清华大学光学工程硕士学位和宾夕法尼亚大学电气工程博士学位,被《福布斯》评为驱动中国AI改革20名科技领导者之一。可以说,Aibee能够在如此短的时间之内获得社会各界广泛的支持并且迅速融资,这与林元庆博士行业领域内深厚的影响力有着密不可分的关系。
但是对于一个初创企业来说,人工智能作为一项对创业团队技术能力要求非常强烈创业门类,仅只是有创始人的光环属性是远远不够的。公司真正的技术实力,具体的项目落地能力,以及公司长远的战略规划能力,这一系列因素都共同决定着一家公司的真正潜力,并且最终反应在投资人的投资估值之上。
在就本次A轮融资相关细节接受亿欧记者采访的过程中,林元庆还介绍了Aibee通过AI技术赋能线下零售以及线下旅游的落地思路,并进一步讲解了公司在AI技术研发、人才引进、公司后续发展等方面的具体情况。
合作头部企业,迅速聚拢线下零售、线下旅游等行业资源
人工智能技术很难独立创造价值,因为它不是产品,也不是服务,而是技术,技术只有与行业应用结合,协助行业升级,才能释放更大的价值。与此同时,人工智能技术的发展也需要到行业里去获得数据、场景并进行迭代,这样才能推动人工智能技术往前再走一大步。基于这两点的考虑,林元庆博士于2017年创立了Aibee,致力于赋能升级传统行业,打磨极致AI技术。
线下零售是Aibee赋能升级垂直行业的第一站。Aibee明确提出“精准零售”的战略路线,为线下零售实体实现全面的数字化和AI化。伴随着互联网以及移动互联网终端大范围普及以及使用,传统电商所带来的用户增长以及流量红利正逐渐萎缩,传统电商所面临的增长“瓶颈”开始显现。与此同时,经过一段时间发展以及行业竞争,线上零售流量增长已见触顶,线上电商市场格局初定,而且线上电商不能满足用户真实场景和良好购物体验的“硬伤”又成为了制约线上电商进一步发展的原因。这一局势之下,线上线下走向融合的趋势已然成型,而“线下”正日益成为代表未来商业趋势的关键词。
林元庆分析认为,就零售业转型这一赛道而言,目前阿里、腾讯等机构开展的方式主要集中于通过资本收购、战略合作等方式整合线上线下渠道、物流等环节,技术层面更多的是在于推动金融支付、云计算等基础设施层面的业务。Aibee选择的方式从根本上避开了阿里、腾讯等具备核心竞争力的领域,主要是通过深入具体的线下实体,结合实际情况解决特定的场景需求,打造包括人脸识别、跟踪检测,三维重建,商品识别等在内的一体化AI解决方案。
Aibee在线下零售场景的布局包括Shopping Mall、精品连锁店、银行、运营商、机场等多条线路。在精品连锁店方面,目前已与几家公司合作落地,其中一家公司的合作已在北京落地了三家店,后续会快速在全国复制。面对行业印象中的“ToB业务复制慢”问题,Aibee采取这样的思路应对——抽取这个行业共通的问题着重解决,比如Shopping Mall,行业普遍会遇到对“车·人·货·场”的理解问题,这些问题的解决方案可以快速迁移和复制。而在落地时,第一阶段的基础设施建设基本区别不大。第二阶段则每一家都不同,需要与业务紧密结合,定制开发并迭代,但个性中也存在很多共性。此外,Aibee现在大部分主要客户在行业里有很多连锁店,规模化推进和复制的机会很大。
现阶段,Aibee客户群体主要侧重于Shopping mall等行业头部机构合作,打造全方位的AI服务解决方案。林元庆分析表示,无论从服务项目标杆性还是从运用场景多样化层面来看,与头部机构合作都是非常有必要的,这不仅有利于Aibee迅速聚拢行业资源,而且还能够进一步凝聚合作机构带来的海量数据,为下一步持续深化AI技术奠定数据基础。
据悉,启动业务9个月,Aibee已与多家线下零售领头企业达成全面合作,今年5月份更是接受了K11亿元战略注资,并且宣布与K11达成深入全面的战略合作。作为全球首个率先把艺术、人文、自然三大核心元素融合的品牌,K11是上海地区的标杆Shopping mall,预计在2023年前进军9个城市开展28个项目。目前,Aibee的精准零售整体解决方案已经落地多个K11艺术购物中心。
此外,在家居线下零售方向,Aibee与行业龙头企业红星美凯龙达成战略合作。作为国内经营面积最大、商场数量最多以及地域覆盖面最广阔的全国性家居装饰及家具商场运营商,截至2018年6月30日,红星美凯龙共经营267家商场,覆盖全国180个城市,商场总经营面积1596万平方米,线下场景丰富多元。Aibee将进一步为其提供完整的AI解决方案,提高商城运营效率,降低人力成本。
今年3月,Aibee开启赋能升级垂直行业的第二站——线下旅游,启动“双轮驱动”模式。Aibee与深大智能达成战略合作,深大智能在旅游行业信息化领域已深耕20余年,产品和服务覆盖全国4600多家景区,类别涵盖旅游全业态。截至目前,Aibee与深大智能联合首推全域智慧旅游AI升级方案,首批项目“刷脸入园”已在喀纳斯、秦皇兵马俑、武当山、常州中华恐龙园、上海海昌海洋公园等国内近百家知名景区投入使用。在线上,Aibee也已与携程、爱奇艺达成合作,将搭建完整生态,实现线上线下的数据打通与双向引流,进一步丰富用户画像,辅助精准推荐,提升游客智慧旅游体验,推动景区二次消费升级,带动周边业态发展。
提供全方位的AI技术,结合线下场景落地AI
目前,AI商用化过程中存在一个棘手的难题,大多数公司对于视觉、语音等全方位AI技术的需求越来越旺盛,于是公司向行业里做语音、视觉等技术的提供商买了专门的SDK,结果却发现公司自身的IT人员无法将这些技术拼接到一起,而市场上也缺乏成熟的综合技术服务提供商。Aibee在深刻理解行业用户痛点及需求的前提下,融合计算机视觉、语音识别、自然语言理解、大数据分析、机器人等多模态人工智能技术,结合具体场景搭建数据、算法、技术、产品和服务闭环,加快了AI商用化落地,帮助垂直行业提升效率与产能。
林元庆分析表示,目前Aibee提供的AI服务是基于特定需求的单一场景之中的技术支持,而不是通用的AI技术,针对于单一场景的技术其实并不需要太多的多人力物力。关键是需要有资深并且懂得AI技术组件中可以互相借力的技术人员。
在商业落地之外,Aibee始终重视高端人才的储备与AI技术的研发。成立短短1年,Aibee团队迅速扩容,目前已突破100人。公司在北京、美国硅谷均设有办公室,中美两地同步作业,充分发挥两地技术和市场优势。近期还计划在美国西雅图、波士顿开设新研发中心,持续吸引高端人才,加速业务快速落地。
纵观AI创业全局,与依靠单点技术提供ToB服务的AI创业1.0时代不同,在AI创业2.0时代,专注提供行业升级AI整体解决方案、具备强大落地能力和商业价值的AI创业机构将获得业务合作落地、高端人才聚拢、资源资金倾斜等巨大窗口机会。在此次公布融资消息的同时,Aibee正式对外宣布前阿里达摩院决策智能实验室负责人朱胜火正式加盟,出任联合创始人并将全面负责Aibee的机器学习方向,资本以及人才的双重助推将进一步加快Aibee相关战略的全面快速落地。
对于为什么投资Aibee,红杉资本中国基金董事总经理王恺表示,“Aibee是率先提出专注AI整体解决方案的初创企业,我们非常看好AI整体解决方案为传统行业赋能升级的大趋势。随着传统行业对智能化的认识不断提高,未来1-2年内,ToB的AI技术应用落地速度也将随之加快,对于Aibee来说蕴藏着巨大机遇。”
Aibee创始人兼CEO林元庆表示:“感谢有这么强大的投资方支持,本轮融资将在AI技术研发、高端人才引进、大规模商业落地三个方面帮助Aibee加速奔跑。Aibee也将继续打磨极致的AI技术,与线下零售、线下旅游等垂直行业领头企业合作,创造更大商业价值,实现行业赋能升级。”
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)