AI公司靠技术赚钱?醒醒吧

2018-02-06 21:17:09来源:亿欧 热度:

AI

不知不觉,2018年已悄然过去一个月,但在AI创投界,仍有一个问题悬而未决:AI创业最可行的商业模式,依旧模糊不堪。
 
要知道,仅在中国A股市场,就有200多家大数据和人工智能企业,这还不算尚未上市的数以千计的初创企业。然而,不少投资人在抱怨,往来于各种AI论坛的光鲜中,那些科技新贵们看似群星璀璨,但真正在商业化上令人兴奋的公司数量,却非常惨淡。
 
去年底,一篇《保卫科大讯飞》,更是揭开了AI团队遭遇BAT时的伤疤。文章导语写道:“近20年的技术积累能为科大讯飞暂时构筑一个壁垒,但不得不说,这个壁垒在互联网企业快速迭代的模式下,将会很快瓦解”——强如科大讯飞,也在巨头面前拉响警报,其他咖位尚浅的AI创业者,不禁感到惶恐。
 
他们在惶恐什么?
 
回答这个问题,必须深谙AI产业链格局。
 
人工智能的产业链大概分三层。最底层是地基,包含云计算,芯片和开源框架等。这一层门槛高企,拿芯片来说,芯片市场的机会,留给了英伟达,高通这些赌资雄厚,永远也不下牌桌的“old money”身上。
 
地基之上,是中间层。你熟悉的图像识别,语音识别等通用技术,就在这一层。你之所以熟悉,是因为这一层赛道宽阔,热闹非凡,攫取了媒体最多的聚光灯:BAT将其视作关键要塞,是他们搭建生态系统的核心;深耕技术多年的各路AI中小型团队,也在这一层挤得头破血流,他们不断吸取数据,精进算法,试图与巨头掰掰手腕。
 
但很遗憾,据我所知,不少投资人都倾向于认为:这一层未来仍是巨头的内斗。因为若不框定某个具体行业,BAT最不缺的就是数据;且所谓搭建生态系统,基本等同于未来通用技术一定全部免费,然后靠云计算等其他服务收费。而挤在这一层的AI创业公司,却只能继续靠技术本身赚钱,未来的路只会越走越窄(理由后面会说到)。
 
那么,天山神仙打架,小角色只配看个热闹?当然不是,AI世界不会如此无趣,AI产业链还有最上面的应用层:小角色最明智的打法,就是手握巨头们的技术武器,选择垂直领域,一头扎进去。
 
这并非什么新鲜论调,已是投资界共识,我今天更想说的是:人工智能创业,该扎进哪些行业。
 
按照迅雷创始人程浩老师的划分,人工智能与垂直行业的相遇,可细分为“AI+行业”和“行业+AI”。“AI+行业”是指在AI革命来临前,世间不存在这样的产业,譬如无人驾驶和智能音箱,开辟了一条全新的产业链,创业公司与巨头处于同一起跑线,但事实上,这对创业公司是不利的,正因为起跑线的相对公平,巨头的数据优势,会让他们迅速拉开与创业公司的差距。
 
而“行业+AI”是指行业一直存在,产业链成熟,只是过去完全靠人工,效率低,AI的辅助决策大幅提升了运行效率(比如安防和医疗等领域)——相比于“AI+行业”,“行业+AI”对创业公司更友好,也更易构建出行业壁垒。
 
在程浩老师看来,行业壁垒才是AI创业最夯实的护城河,巨头与创业公司唯有在“行业纵深度”这个泥泞的战壕里,才能达到真正意义上的公平——不只是起跑线公平,深耕的过程,同样公平。
 
他拿“医疗+AI”举例:“大量准确的被医生标注过的数据最重要,没有数据,再天才的科学家也无用武之地。但在国内,医疗数据拿出来非常困难,BAT做医疗一点优势都没有,他们要把这些数据从各医院、各科室搞出来也很累。相反,如果一个创业者在医疗行业耕耘很多年,也许拿起数据来比大公司更容易。这与互联网+一样,一旦细分到具体行业,并不是说你百度、腾讯有资金、有流量,投入人才就什么都能做,比拼的还有行业资源和人脉……在巨大的行业壁垒面前,真不是说我的算法比你好一些,市场就是我的,只有技术优势仍然差的很远。回归‘AI+行业’和‘行业+AI’,通常来讲前者的行业纵深比较浅,后者则有巨大的行业壁垒。而行业壁垒,则是创业公司最大的护城河,也是抵挡BAT的关键。”譬如,另一个有巨大壁垒的“行业+AI”案例是安防,海云数据创始人冯一村就曾坦言:“没有哪个创业公司像我们这样去扎一个行业。”这几乎是对“行业壁垒”理论的一种极端化描述:他们属于AI产业链最上层,选择了安防等“行业+AI”深耕;他们技术不错,但不靠技术本身赚钱,却赚了更多的钱。

总之,读完这篇文章,我希望你相信一件事:在广袤AI的疆域,神仙有神仙的活法,精灵有精灵的活法,巨头们的生态博弈,并没有堵死创业者的路。
 
只靠技术赚钱,可能性不大
 
科技世界,最赚钱的公司往往不是聚光灯下的公司。
 
譬如在大数据时代(短暂流行过后,这个词已经老了),最赚钱的不是大数据公司,而是为大数据提供底层支持的云计算公司;而在人工智能时代,真正激发的是大数据市场,“AI最重要的逻辑是用数据做智能化训练,所以在人工智能时代,最赚钱的公司并不是像商汤和Face++这类的公司,不是说这些公司不赚钱,他们也赚钱,但他们的盈利模式并没有呈现很清晰的特点。”
 
其实就像冯一村所言,在不少投资人眼中,倘若人工智能团队的自我定位永远是“技术提供商”,没有给客户提供一套整体解决方案,那么它在产业链中的价值将会日趋暗淡。

这不难理解。原因之一,如前所述,就像那篇《保卫科大讯飞》所写,巨头会免费提供图像和语音识别等通用技术。原因之二,AI本身的技术门槛正在下降,就像猎豹移动傅盛所言:“深度学习的核心是数据驱动,虽然有模型调参,有自己的优势,但别人有更多的数据调参会很快拉平优势,很难真的想像一家公司通过提供技术输出就能成功。未来深度学习是基础的技术运用,很多公司都具备深度学习的研发能力。”
 
举个例子,在过去,初创AI团队的进展受制于软件开发所花费的时间,但如今,巨头们纷纷开源了自家的深度学习框架,初创团队可以如插件一般,将人脸识别等技术嫁接到自己的系统中,让没有太多深度学习背景的开发者也能容易上手。
 
换句话说,单纯靠技术本身卖钱,天花板很低,也很危险。
 
那么问题来了,AI创业路在何方?

我认为,最可行的出路,来自于程浩提出的“一横一纵”理论:“一横”是指你提供的技术服务,通常“一横”能服务很多行业,但一定要找到几个最有机会的垂直市场,深扎进去,升级为“一纵”——也就是,把技术转化为产品,卖给客户,商业变现,再通过商业反馈更多数据,夯实技术,形成商业闭环。
 
总之在我看来,随着未来技术门槛的下降,AI创业者的身份认同,要从最原始的“技术提供者”,逐渐转向成为一个“行业专家”。而在这个过程中,他们应时刻谨记两点:1、面对自己时,深耕几个垂直领域,然后等待时间的回报;2、面对客户时,从技术提供者进化为一个“赋能者”,授之以鱼不如授之以渔。
 
授之以鱼不如授之以渔
 
AI创业者深耕具体行业,还有另外一个原因:AI将在To B和To G领域率先落地。
 
其实不止人工智能,追溯历史、计算机、互联网、智能手机,任何颠覆性技术的发展路径大抵相似:缘起于军方和政府(我一直觉得,冷战时期的美军是人类史上最大的“黑科技集中营”,这篇不赘述了),待到技术相对成熟后交还与企业,然后用于特定行业,最后变成大众消费品——AI亦如此,去年AI的落地过程,其实更多是向To B和To G等传统行业渗透的过程。
 
而人工智能To B和To G落地的第一站,很多都是在传统行业,用AI进行辅助决策。拿海云举例,他们大数据可视分析起家,现在把AI与可视分析技术结合,选择四个“行业+AI”深耕:公共安全,交通运输,军民融合和智慧城市,推出与这些行业结合紧密的解决方案,提升客户数据决策能力。

颇值一提的是,他们在与行业客户交流中发现,客户真正需要的其实不是提出的具体“技术需求”,而是一整套随机应变的综合能力——授之以鱼不如授之以渔,以安防领域为例,基于图易研发的“智警大脑”可以通过人脸识别(利用了百度的开放技术)进入后台,然后通过语音指令调出事故现场视频,附近的警力、周边卡口、情报分析情况、犯罪嫌疑人的路径、重点嫌疑人的档案等节点,可以通过一张图和一张网的形式,让公安人员实时看见,确保在事故发生后公安部门能快速处理。
 
结语
 
最后想说,在整个“行业+AI”市场,将自己定位于“行业专家”,为客户真正赋能的AI团队不只一家——事实上,在这片叫做人工智能的草原上,倘若将BAT比作不可一世的雄狮,那么这些团队就像一只只勤勉的穿山甲,它们力量或许显得卑微,但经过时间的陈酿,经过多年的深耕,穿山甲们也终将在各自领域“拱”出一方天地。
也正因如此,这片草原,才显得生机勃勃,光芒万丈。

责任编辑:吴礼得

为您推荐

巴帝电信梦想成真:107亿美元收购Zain非洲资产

这笔交易将为巴帝电信在15个非洲国家带来4200万用户,意味着其跻身新兴市场顶尖运营商的梦想终于成真。Zain出售非洲资产套现90亿美元在双方约定的107亿美元中包括90亿美元的股份收购,支付方式将为现金。其中83亿美元将在交易结束后支付,7亿美元将在交易结束一年后支付。此外,巴帝电信还须代替Zain承担起17亿美元的综合债务。据称,Zain可分派储备和40亿美元循环贷款偿付的规模须经股东批准,它打算以股息的形式向股东分配前期大部分净收入。Zain集团董事长阿萨德·艾尔·班万(AsaadAlBanwan)评价该交易时相当得意:“自2005年收购Celtel以来,我们大幅增长成为非洲主要的移动运

Inter BEE 2010展览会AUDIO BRAINS 公司展台

在日本广播协会(NHK)和日本民间广播联盟(NAB-J)的支持下,日本电子信息技术产业协会(JEITA)于11月17日(星期三)至19日(星期五)在日本东京千叶市美滨区的幕张展览馆(MakuhariMesse)举办了为期三天的InternationBroadcastEquipmentExhibition(简称“InterBEE2010”)音频、视频和通信专业展。在本次