關于人工智能創(chuàng)業(yè)你不可不知的六大問題

• 2017年10月9日 ZhangHongYuan來源：雷鋒網(wǎng) 程浩 359 16
• 繁體

長期來看，人工智能創(chuàng)業(yè)和任何其他領域的創(chuàng)業(yè)一樣，一定是綜合實力的比拼!

　　這些就是所謂的行業(yè)縱深。所以即使對BAT而言，想進入“行業(yè)+AI”領域，選擇垂直賽道時，同樣要非常謹慎。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)縱深會比較淺，而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。

　　第四個問題：關鍵性應用 vs 非關鍵性應用

　　談到人工智能領域的創(chuàng)業(yè)，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學家，比如斯坦福、MIT的博士坐鎮(zhèn)，我都不好意思講在人工智能方面創(chuàng)業(yè)。其實這個認知是完全錯的。因為在人工智能領域，算法到底有多重要，完全取決于你要準備進入哪個行業(yè)。

　　根據(jù)行業(yè)和應用場景不同，我認人工智能的創(chuàng)業(yè)本質(zhì)上有mission-critical和non-mission-critical之分。為了方便大家理解，我們簡稱為“關鍵性應用”和“非關鍵性應用”。

　　“關鍵性應用”要追求99.9……%后的多個9，做不到就沒法商業(yè)化。比如大家認為，99%可靠度的自動駕駛能上路嗎?肯定不能，意味著100次就出1次事故。99.9%也不行，1000次出一次事故。

　　千萬記住，99%和99.9%的可靠度差距并不是0.9%，而是要反過來算，差距是10倍。也包括手術機器人，聽起來99.9%可靠度已經(jīng)很高了，但意味著1000次出一次醫(yī)療事故，放在美國，醫(yī)院還不得被巨額索賠搞得破產(chǎn)。

　　所以“關鍵性應用”領域，就是一丁點兒錯都不能犯的人工智能領域，必須要有技術大牛、科學家或算法專家坐鎮(zhèn)。同時，這類項目研發(fā)周期都很長。

　　正如以色列做ADAS (高級駕駛輔助系統(tǒng))解決方案的Mobileye公司，今年3月被Intel以153億美金收購。大家知道這家公司研發(fā)周期有多長嗎?Mobileye成立于1999年，到他們推出首款產(chǎn)品、掙到第一桶金已是2007年。長達8年的研發(fā)周期。這在互聯(lián)網(wǎng)創(chuàng)業(yè)里不可想象。包括谷歌無人車從2009年開始研發(fā)，到現(xiàn)在一直沒有商業(yè)化;達芬奇手術機器人從啟動研發(fā)到2000年拿到美國食品藥品管理局(FDA)的認證，花了十年時間。

　　“關鍵性應用”的普遍特點就是這樣，項目通常很貴，研發(fā)周期巨長，離錢非常遠，需要持續(xù)的融資能力，團隊怎樣才有持續(xù)融資?起碼要有非常好的簡歷和非常好的背景。這個是能夠持續(xù)融資的必要前提。所以大家可以看到，今天做無人駕駛的創(chuàng)業(yè)團隊都是高富帥。因為不是高富帥，你都熬不到產(chǎn)品真正商業(yè)化應用那天。

　　當然，如果在人工智能領域都是“關鍵性應用”，那就沒大多數(shù)創(chuàng)業(yè)者什么事了。實際上，人工智能領域的創(chuàng)業(yè)，95%都是“非關鍵性應用(none-mission-critical)”。簡單講對這些領域，AI的可靠度只要過了基礎線，高一點低一點區(qū)別不大。

　　最簡單的例子，現(xiàn)在很多公司的門禁開始用人臉識別。你今天帶個帽子，明天戴個墨鏡或口罩，識別率沒法做到99%。可即使沒識別出來也沒問題。因為所有帶人臉識別的門禁都有地方讓你按指紋。即使指紋也刷不進去，問題也不大，公司不還有前臺嗎。

　　這就是“非關鍵性應用“。這類項目不追求99%后面的很多個9。實際上，國內(nèi)人工智能和機器人方向的創(chuàng)業(yè)，大部分領域都是“非關鍵性應用”。當然并不是說，在這個領域算法不重要，你天天認不出來也不行，所以一定要過了基礎的可用性門檻，偶爾出現(xiàn)問題可以容忍?！瓣P鍵性應用”則不能容忍。

　　“非關鍵性應用“不追求高大上，簡單、實用、性價比高更重要，這樣的項目通常比拼綜合實力。包括：

　　對行業(yè)的洞察理解。要熟知行業(yè)痛點;

　　產(chǎn)品和工程化能力。光在實驗室里搞沒意義;

　　成本控制。不光能做出來的產(chǎn)品，還得便宜的做出來;

　　供應鏈能力。不光能出貨，還要能批量生產(chǎn);

　　營銷能力。產(chǎn)品出來了，你得把東西賣出去。團隊里有沒有營銷高手，能不能搞定最好的渠道是關鍵。

　　所以大家在創(chuàng)業(yè)組團隊時，一定要想好你選擇的賽道處于哪個領域，不同的賽道對于團隊的要求是不一樣?！瓣P鍵性應用”必須有技術大牛坐鎮(zhèn)，“非關鍵性應用”則要求團隊更加綜合和全面。

　　第五個問題：技術提供商 vs 全棧服務商

　　現(xiàn)在很多人工智能創(chuàng)業(yè)者都是技術背景出身，創(chuàng)業(yè)的第一個想法通常是做技術提供商。技術提供商作為創(chuàng)業(yè)的敲門磚可以。但如果只定位做技術提供商，未來路會非常窄。為什么說未來只做技術提供商價值會越來越小?原因有幾點：

　　1. 首先通用技術一定是大公司的賽道，BAT未來一定會開放免費。

　　人家大公司會免費提供人臉識別、語音識別、語義理解、機器翻譯這類EnablingTechnology，你還打算怎么靠API調(diào)用賺錢呢?也許現(xiàn)在還可賺點小錢，但很難成為一個長久的生意。

　　2. 依托于算法的技術壁壘會越來越低。

　　未來隨著基礎計算平臺和開源平臺的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。就像2008年你想找個IOS開發(fā)者，很難，現(xiàn)在卻很容易一樣，所有技術的演進都遵循這一規(guī)律。特別隨著今天各大學的計算機專業(yè)，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業(yè)的進入門檻。

　　同時隨著谷歌TensorFlow等生態(tài)系統(tǒng)的成熟，很多領域都會有訓練好的模型可以用來參考(出Demo會更快)，創(chuàng)業(yè)者只要有足夠的數(shù)據(jù)來訓練參數(shù)就好了。所以未來算法的壁壘會越來越低，如果這個公司的核心競爭力只是算法，那將非常危險。

　　3. 技術提供商如果不直接面向用戶/客戶提供整體解決方案，則非常容易被上下游碾壓：

　　對于技術提供商和算法類公司，如果你的技術壁壘不夠高，上游很可能直接把你的事做了。這樣的例子比比皆是，比如給海康威視提供人臉識別算法的公司。問題就在于，?？翟谟媚闼惴ǖ臅r候，人家也有龐大的研發(fā)團隊在研究自己的算法?，F(xiàn)在用你是人家還沒準備好，一旦準備好立刻會把你替換掉。

　　即使在有一定技術門檻的行業(yè)，技術提供商的日子同樣并不好過。比如專注嵌入式的視覺處理芯片的Movidius，大疆無人機一直在用他們的芯片。但自從大疆統(tǒng)治了消費級無人機市場后，大疆現(xiàn)在也很自然地開始研發(fā)自己的芯片。

　　按說芯片的技術壁壘并不低，但只要行業(yè)集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片。像蘋果、三星、華為還有現(xiàn)在的小米，都選擇了自己做手機CPU。所以聯(lián)發(fā)科、高通這些技術提供商，其實是挺痛苦的。

　　這其實是一個產(chǎn)業(yè)鏈通用規(guī)律：產(chǎn)業(yè)鏈上的壟斷者會吃掉所有利潤，而且他們非常有動力往上游或下游擴展。拿PC產(chǎn)業(yè)鏈舉例，內(nèi)存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了?Windows和Intel卻賺走了絕大部分利潤。

　　既然做純技術提供商沒有出路，那怎么辦?浩哥提出“一橫一縱”理論。前期做技術服務可以，但是不能一輩子做技術服務。

　　“一橫”就是指你提供的技術服務。通?！耙粰M”能服務很多行業(yè)，一定要找到1、2個，你認為最有市場機會，最適合你的垂直領域，深扎進去做“全?！保喊鸭夹g轉(zhuǎn)化為產(chǎn)品，然后搞定用戶賣出去，實現(xiàn)商業(yè)變現(xiàn)，再通過商業(yè)反饋更多的數(shù)據(jù)，更加夯實自己的技術。一句話講，要做技術、產(chǎn)品、商業(yè)和數(shù)據(jù)四位一體的“全?！?，這就是“一縱”。這才是健康的商業(yè)模式。

　　在垂直外的行業(yè)，因為沒有利益沖突，你仍可老老實實的做技術服務。這樣的話，商業(yè)上你能吃透一個垂直行業(yè)，技術上你還能通過橫向合作，形成更多的數(shù)據(jù)回路，從而夯實你的技術。這個就是“一橫一縱”理論。

延伸閱讀

推薦閱讀

猜您喜歡