不知不覺，2018年已悄然過去一個月，但在AI創(chuàng)投界，仍有一個問題懸而未決：AI創(chuàng)業(yè)最可行的商業(yè)模式，依舊模糊不堪。
要知道，僅在中國A股市場，就有200多家大數據和人工智能企業(yè)，這還不算尚未上市的數以千計的初創(chuàng)企業(yè)。然而，不少投資人在抱怨，往來于各種AI論壇的光鮮中，那些科技新貴們看似群星璀璨，但真正在商業(yè)化上令人興奮的公司數量，卻非常慘淡。
去年底，一篇《保衛(wèi)科大訊飛》，更是揭開了AI團隊遭遇BAT時的傷疤。文章導語寫道：“近20年的技術積累能為科大訊飛暫時構筑一個壁壘，但不得不說，這個壁壘在互聯網企業(yè)快速迭代的模式下，將會很快瓦解”——強如科大訊飛，也在巨頭面前拉響警報，其他咖位尚淺的AI創(chuàng)業(yè)者，不禁感到惶恐。
他們在惶恐什么？
回答這個問題，必須深諳AI產業(yè)鏈格局。
人工智能的產業(yè)鏈大概分三層。最底層是地基，包含云計算，芯片和開源框架等。這一層門檻高企，拿芯片來說，芯片市場的機會，留給了英偉達，高通這些賭資雄厚，永遠也不下牌桌的“old money”身上。
地基之上，是中間層。你熟悉的圖像識別，語音識別等通用技術，就在這一層。你之所以熟悉，是因為這一層賽道寬闊，熱鬧非凡，攫取了媒體最多的聚光燈：BAT將其視作關鍵要塞，是他們搭建生態(tài)系統的核心；深耕技術多年的各路AI中小型團隊，也在這一層擠得頭破血流，他們不斷吸取數據，精進算法，試圖與巨頭掰掰手腕。
但很遺憾，據我所知，不少投資人都傾向于認為：這一層未來仍是巨頭的內斗。因為若不框定某個具體行業(yè)，BAT最不缺的就是數據；且所謂搭建生態(tài)系統，基本等同于未來通用技術一定全部免費，然后靠云計算等其他服務收費。而擠在這一層的AI創(chuàng)業(yè)公司，卻只能繼續(xù)靠技術本身賺錢，未來的路只會越走越窄（理由后面會說到）。
那么，天山神仙打架，小角色只配看個熱鬧？當然不是，AI世界不會如此無趣，AI產業(yè)鏈還有最上面的應用層：小角色最明智的打法，就是手握巨頭們的技術武器，選擇垂直領域，一頭扎進去。
這并非什么新鮮論調，已是投資界共識，我今天更想說的是：人工智能創(chuàng)業(yè)，該扎進哪些行業(yè)。
按照迅雷創(chuàng)始人程浩老師的劃分，人工智能與垂直行業(yè)的相遇，可細分為“AI+行業(yè)”和“行業(yè)+AI”。“AI+行業(yè)”是指在AI革命來臨前，世間不存在這樣的產業(yè)，譬如無人駕駛和智能音箱，開辟了一條全新的產業(yè)鏈，創(chuàng)業(yè)公司與巨頭處于同一起跑線，但事實上，這對創(chuàng)業(yè)公司是不利的，正因為起跑線的相對公平，巨頭的數據優(yōu)勢，會讓他們迅速拉開與創(chuàng)業(yè)公司的差距。
而“行業(yè)+AI”是指行業(yè)一直存在，產業(yè)鏈成熟，只是過去完全靠人工，效率低，AI的輔助決策大幅提升了運行效率（比如安防和醫(yī)療等領域）——相比于“AI+行業(yè)”，“行業(yè)+AI”對創(chuàng)業(yè)公司更友好，也更易構建出行業(yè)壁壘。
在程浩老師看來，行業(yè)壁壘才是AI創(chuàng)業(yè)最夯實的護城河，巨頭與創(chuàng)業(yè)公司唯有在“行業(yè)縱深度”這個泥濘的戰(zhàn)壕里，才能達到真正意義上的公平——不只是起跑線公平，深耕的過程，同樣公平。
他拿“醫(yī)療+AI”舉例：“大量準確的被醫(yī)生標注過的數據最重要，沒有數據，再天才的科學家也無用武之地。但在國內，醫(yī)療數據拿出來非常困難，BAT做醫(yī)療一點優(yōu)勢都沒有，他們要把這些數據從各醫(yī)院、各科室搞出來也很累。相反，如果一個創(chuàng)業(yè)者在醫(yī)療行業(yè)耕耘很多年，也許拿起數據來比大公司更容易。這與互聯網+一樣，一旦細分到具體行業(yè)，并不是說你百度、騰訊有資金、有流量，投入人才就什么都能做，比拼的還有行業(yè)資源和人脈……在巨大的行業(yè)壁壘面前，真不是說我的算法比你好一些，市場就是我的，只有技術優(yōu)勢仍然差的很遠。回歸‘AI+行業(yè)’和‘行業(yè)+AI’，通常來講前者的行業(yè)縱深比較淺，后者則有巨大的行業(yè)壁壘。而行業(yè)壁壘，則是創(chuàng)業(yè)公司最大的護城河，也是抵擋BAT的關鍵。”譬如，另一個有巨大壁壘的“行業(yè)+AI”案例是安防，海云數據創(chuàng)始人馮一村就曾坦言：“沒有哪個創(chuàng)業(yè)公司像我們這樣去扎一個行業(yè)。”這幾乎是對“行業(yè)壁壘”理論的一種極端化描述：他們屬于AI產業(yè)鏈最上層，選擇了安防等“行業(yè)+AI”深耕；他們技術不錯，但不靠技術本身賺錢，卻賺了更多的錢。
總之，讀完這篇文章，我希望你相信一件事：在廣袤AI的疆域，神仙有神仙的活法，精靈有精靈的活法，巨頭們的生態(tài)博弈，并沒有堵死創(chuàng)業(yè)者的路。
只靠技術賺錢，可能性不大
科技世界，最賺錢的公司往往不是聚光燈下的公司。
譬如在大數據時代（短暫流行過后，這個詞已經老了），最賺錢的不是大數據公司，而是為大數據提供底層支持的云計算公司；而在人工智能時代，真正激發(fā)的是大數據市場，“AI最重要的邏輯是用數據做智能化訓練，所以在人工智能時代，最賺錢的公司并不是像商湯和Face++這類的公司，不是說這些公司不賺錢，他們也賺錢，但他們的盈利模式并沒有呈現很清晰的特點。”
其實就像馮一村所言，在不少投資人眼中，倘若人工智能團隊的自我定位永遠是“技術提供商”，沒有給客戶提供一套整體解決方案，那么它在產業(yè)鏈中的價值將會日趨暗淡。
這不難理解。原因之一，如前所述，就像那篇《保衛(wèi)科大訊飛》所寫，巨頭會免費提供圖像和語音識別等通用技術。原因之二，AI本身的技術門檻正在下降，就像獵豹移動傅盛所言：“深度學習的核心是數據驅動，雖然有模型調參，有自己的優(yōu)勢，但別人有更多的數據調參會很快拉平優(yōu)勢，很難真的想像一家公司通過提供技術輸出就能成功。未來深度學習是基礎的技術運用，很多公司都具備深度學習的研發(fā)能力。”
舉個例子，在過去，初創(chuàng)AI團隊的進展受制于軟件開發(fā)所花費的時間，但如今，巨頭們紛紛開源了自家的深度學習框架，初創(chuàng)團隊可以如插件一般，將人臉識別等技術嫁接到自己的系統中，讓沒有太多深度學習背景的開發(fā)者也能容易上手。
換句話說，單純靠技術本身賣錢，天花板很低，也很危險。
那么問題來了，AI創(chuàng)業(yè)路在何方？
我認為，最可行的出路，來自于程浩提出的“一橫一縱”理論：“一橫”是指你提供的技術服務，通常“一橫”能服務很多行業(yè)，但一定要找到幾個最有機會的垂直市場，深扎進去，升級為“一縱”——也就是，把技術轉化為產品，賣給客戶，商業(yè)變現，再通過商業(yè)反饋更多數據，夯實技術，形成商業(yè)閉環(huán)。
總之在我看來，隨著未來技術門檻的下降，AI創(chuàng)業(yè)者的身份認同，要從最原始的“技術提供者”，逐漸轉向成為一個“行業(yè)專家”。而在這個過程中，他們應時刻謹記兩點：1、面對自己時，深耕幾個垂直領域，然后等待時間的回報；2、面對客戶時，從技術提供者進化為一個“賦能者”，授之以魚不如授之以漁。
授之以魚不如授之以漁
AI創(chuàng)業(yè)者深耕具體行業(yè)，還有另外一個原因：AI將在To B和To G領域率先落地。
其實不止人工智能，追溯歷史、計算機、互聯網、智能手機，任何顛覆性技術的發(fā)展路徑大抵相似：緣起于軍方和政府（我一直覺得，冷戰(zhàn)時期的美軍是人類史上最大的“黑科技集中營”，這篇不贅述了），待到技術相對成熟后交還與企業(yè)，然后用于特定行業(yè)，最后變成大眾消費品——AI亦如此，去年AI的落地過程，其實更多是向To B和To G等傳統行業(yè)滲透的過程。
而人工智能To B和To G落地的第一站，很多都是在傳統行業(yè)，用AI進行輔助決策。拿海云舉例，他們大數據可視分析起家，現在把AI與可視分析技術結合，選擇四個“行業(yè)+AI”深耕：公共安全，交通運輸，軍民融合和智慧城市，推出與這些行業(yè)結合緊密的解決方案，提升客戶數據決策能力。
頗值一提的是，他們在與行業(yè)客戶交流中發(fā)現，客戶真正需要的其實不是提出的具體“技術需求”，而是一整套隨機應變的綜合能力——授之以魚不如授之以漁，以安防領域為例，基于圖易研發(fā)的“智警大腦”可以通過人臉識別（利用了百度的開放技術）進入后臺，然后通過語音指令調出事故現場視頻，附近的警力、周邊卡口、情報分析情況、犯罪嫌疑人的路徑、重點嫌疑人的檔案等節(jié)點，可以通過一張圖和一張網的形式，讓公安人員實時看見，確保在事故發(fā)生后公安部門能快速處理。
結語
最后想說，在整個“行業(yè)+AI”市場，將自己定位于“行業(yè)專家”，為客戶真正賦能的AI團隊不只一家——事實上，在這片叫做人工智能的草原上，倘若將BAT比作不可一世的雄獅，那么這些團隊就像一只只勤勉的穿山甲，它們力量或許顯得卑微，但經過時間的陳釀，經過多年的深耕，穿山甲們也終將在各自領域“拱”出一方天地。
也正因如此，這片草原，才顯得生機勃勃，光芒萬丈。
微信掃一掃
