2018年,外表光鲜的人工智能创业,究竟该如何赚钱?

原标题:2018年,外表光鲜的人工智能创业,究竟该如何赚钱?

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。

亚马逊拉开了AI音箱大战

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 ”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。”

再举一个典型的有巨大壁垒的“行业+AI”案例:安防。国内“安防+AI”一个重要玩家是海云数据,不同于一般AI团队对盈利的三缄其口,创始人冯一村最近在接受《AI百人》采访时,说了一句让AI圈投资人倍感欣慰的话:“在商业社会里,只有赚钱和不赚钱两种公司。”很早就实现盈利的海云就是前者。而这种直白,或许源自冯一村另一句自白:“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:这家公司属于AI产业链最上层,选择了安防和航空等几个“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。剖析这家闷声赚钱的公司,可能是探究AI商业模式的一条捷径。

而读完这篇文章,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

在采访中,冯一村的一个观点令人印象深刻: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:“因为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。”

事实上,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:“ 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 学习是基础的技术运用,很多公司都具备 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 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 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,他们以大数据可视分析起家,现在则把AI与可视分析技术结合,然后选择四个“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,提升客户的数据决策能力。

颇值一提的是,作为真正意义上的“行业观察者”,他们在与行业客户多年的交流中发现,客户真正需要的不是提出的具体“技术需求”,而是一整套随机应变的综合能力——别忘了,授之以鱼不如授之以渔,海云数据也因此提出了“能力服务”的概念,这一概念现阶段的标志物,就是图易AI能力服务平台。

简单来讲,这一平台可以通过整合软件、硬件、数据和算法,实现全程“无代码化”,客户可根据不同需求,对海云提供的模块进行拖拽和组合,自己构建智能数据处理模型。换句话说,客户购买的是一种能力,而非技术。他们今后可根据不断增加的业务需求,不断更新自己的能力矩阵,如同搭积木一样,完成业务的效率提升和数据决策价值变现。

以海云深耕数年的安防领域为例,基于图易研发的“智警大脑”已实现行业落地。具体来看,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,可以瞬间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。

目前智警大脑已服务全国超过三分之一的公安市场,使公安情报分析准确率提升70%,指挥决策效率提升50%。

而从智警案例中不难发现,在“行业+AI”的落地过程中,最重要的是提供一个综合解决方案。智警大脑融合了通信技术、语音识别、人脸识别等AI技术,以及海云最熟悉的大数据可视分析技术,通过将它们封装成一套解决方案,让客户瞬间完成决策能力的跃迁。

除了公共安全,图易AI能力服务平台也在完成对其他行业的改造。譬如在智慧城市建设中,它能综合处理调度整个城市的公共数据,对城市进行全局实时分析,自动调配公共资源,提升城市综合治理水平,使紧急事件响应从8分钟降低到4分钟,减少犯罪率和改善应急服务。

而在交通运输领域,脱胎于图易的“智航顺”可以为机场接入400多个数据源,集成多种类型架构的数据,并在所有机场功能中生成单一的运行健康指数实时视图,可使飞行支援准备时间缩短33%,航班延误率降低一半,提高机场资源利用率28%。

海云也开始将“能力服务”的触角伸向海外,他们将国际化战略的切入点选在了一个特殊的安防场景:美国校园安全。

特朗普访华期间,访华团成员、前美国教育部首席财务官、EdTech基金创始人Stanley Buchesky特意拜访了海云数据——在安防领域积累的大量行业经验,或许能为稍显守旧(基本靠大量人力进行巡逻)的美国校园安全问题开出一剂良药。

欣喜的是,在刚刚结束的CES展上,海云数据就重点展示了针对校园安防领域的一套解决方案:譬如,根据校内建筑和街区情况,智能计算出摄像头的安放位置;根据摄像头采集到的数据进行建模分析,接入警方的犯罪嫌疑人名单,实时进行人脸识别;识别出可疑人员(恋童癖等)后,系统及时反馈给警方,第一时间进行决策。据悉,海云已开始和美国学校洽谈合作,很快就会落地,成为他们布局安防领域多年之后,开出的新的花朵。

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,不只海云数据一家——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。

李北辰/


企业会员

免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。

2018-02-01
2018年,外表光鲜的人工智能创业,究竟该如何赚钱?
原标题:2018年,外表光鲜的人工智能创业,究竟该如何赚钱? 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。

长按扫码 阅读全文

Baidu
map