2018年,外表光鮮的人工智慧創業如何賺錢?

不知不覺,2018年已悄然過去一個月,但在ai創投界,仍有一個問題懸而未決:AI創業最可行的商業模式,依舊模糊不堪。

要知道,僅在中國A股市場,就有200多家大資料和人工智慧企業,這還不算尚未上市的數以千計的初創企業。然而,不少投資人在抱怨,往來於各種AI論壇的光鮮中,那些科技新貴們看似群星璀璨,但真正在商業化上令人興奮的公司數量,卻非常慘淡。

去年底,一篇《保衛科大訊飛》,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築一個壁壘,但不得不說,這個壁壘在網際網路企業快速迭代的模式下,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創業者,不禁感到惶恐。

他們在惶恐什麼?

回答這個問題,必須深諳AI產業鏈格局。

人工智慧的產業鏈大概分三層。最底層是地基,包含雲端計算,晶片和開源框架等。這一層門檻高企,拿晶片來說,晶片市場的機會,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。你熟悉的影象識別,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,他們不斷吸取資料,精進演算法,試圖與巨頭掰掰手腕。

但很遺憾,據我所知,不少投資人都傾向於認為:這一層未來仍是巨頭的內鬥。因為若不框定某個具體行業,BAT最不缺的就是資料;且所謂搭建生態系統,基本等同於未來通用技術一定全部免費,然後靠雲端計算等其他服務收費。而擠在這一層的AI創業公司,卻只能繼續靠技術本身賺錢,未來的路只會越走越窄(理由後面會說到)。

那麼,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。

這並非什麼新鮮論調,已是投資界共識,我今天更想說的是:人工智慧創業,該扎進哪些行業。

按照迅雷創始人程浩老師的劃分,人工智慧與垂直行業的相遇,可細分為“AI+行業”和“行業+AI”。“AI+行業”是指在AI革命來臨前,世間不存在這樣的產業,譬如無人駕駛和智慧音箱,開闢了一條全新的產業鏈,創業公司與巨頭處於同一起跑線,但事實上,這對創業公司是不利的,正因為起跑線的相對公平,巨頭的資料優勢,會讓他們迅速拉開與創業公司的差距。

而“行業+AI”是指行業一直存在,產業鏈成熟,只是過去完全靠人工,效率低,AI的輔助決策大幅提升了執行效率(比如安防和醫療等領域)——相比於“AI+行業”,“行業+AI”對創業公司更友好,也更易構建出行業壁壘。

在程浩老師看來,行業壁壘才是AI創業最夯實的護城河,巨頭與創業公司唯有在“行業縱深度”這個泥濘的戰壕裡,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“醫療+AI”舉例:“大量準確的被醫生標註過的資料最重要,沒有資料,再天才的科學家也無用武之地。但在國內,醫療資料拿出來非常困難,BAT做醫療一點優勢都沒有,他們要把這些資料從各醫院、各科室搞出來也很累。相反,如果一個創業者在醫療行業耕耘很多年,也許拿起資料來比大公司更容易。這與網際網路+一樣,一旦細分到具體行業,並不是說你百度、騰訊有資金、有流量,投入人才就什麼都能做,比拼的還有行業資源和人脈……在巨大的行業壁壘面前,真不是說我的演算法比你好一些,市場就是我的,只有技術優勢仍然差的很遠。迴歸‘AI+行業’和‘行業+AI’,通常來講前者的行業縱深比較淺,後者則有巨大的行業壁壘。而行業壁壘,則是創業公司最大的護城河,也是抵擋BAT的關鍵。”

再舉一個典型的有巨大壁壘的“行業+AI”案例:安防。國內“安防+AI”一個重要玩家是海雲資料,不同於一般AI團隊對盈利的三緘其口,創始人馮一村最近在接受《AI百人》採訪時,說了一句讓AI圈投資人倍感欣慰的話:“在商業社會裡,只有賺錢和不賺錢兩種公司。”很早就實現盈利的海雲就是前者。而這種直白,或許源自馮一村另一句自白:“沒有哪個創業公司,像我們這樣去扎一個行業。”

這幾乎是對“行業壁壘”理論的一種極端化描述:這家公司屬於AI產業鏈最上層,選擇了安防和航空等幾個“行業+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。剖析這家悶聲賺錢的公司,可能是探究AI商業模式的一條捷徑。

而讀完這篇文章,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,巨頭們的生態博弈,並沒有堵死創業者的路。

只靠技術賺錢,可能性不大

在採訪中,馮一村的一個觀點令人印象深刻:科技世界,最賺錢的公司往往不是聚光燈下的公司。

譬如在大資料時代(短暫流行過後,這個詞已經老了),最賺錢的不是大資料公司,而是為大資料提供底層支援的雲端計算公司;而在人工智慧時代,真正激發的是大資料市場:“因為AI最重要的邏輯是用資料做智慧化訓練,所以在人工智慧時代,最賺錢的公司並不是像商湯和Face++這類的公司,不是說這些公司不賺錢,他們也賺錢,但他們的盈利模式並沒有呈現很清晰的特點。”

事實上,在不少投資人眼中,倘若人工智慧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,那麼它在產業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《保衛科大訊飛》所寫,巨頭會免費提供影象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:“深度學習的核心是資料驅動,雖然有模型調參,有自己的優勢,但別人有更多的資料調參會很快拉平優勢,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能力。”

舉個例子,在過去,初創AI團隊的進展受制於軟體開發所花費的時間,但如今,巨頭們紛紛開源了自家的深度學習框架,初創團隊可以如外掛一般,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。

那麼問題來了,AI創業路在何方?

我認為,最可行的出路,來自於程浩提出的“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,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,商業變現,再通過商業反饋更多資料,夯實技術,形成商業閉環。

總之在我看來,隨著未來技術門檻的下降,AI創業者的身份認同,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,然後等待時間的回報;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創業者深耕具體行業,還有另外一個原因:AI將在To B和To G領域率先落地。

其實不止人工智慧,追溯歷史、計算機、網際網路、智慧手機,任何顛覆性技術的發展路徑大抵相似:緣起于軍方和政府(我一直覺得,冷戰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),待到技術相對成熟後交還與企業,然後用於特定行業,最後變成大眾消費品——AI亦如此,去年AI的落地過程,其實更多是向To B和To G等傳統行業滲透的過程。

而人工智慧To B和To G落地的第一站,很多都是在傳統行業,用AI進行輔助決策。拿海雲舉例,他們以大資料可視分析起家,現在則把AI與可視分析技術結合,然後選擇四個“行業+AI”深耕:公共安全,交通運輸,軍民融合和智慧城市,推出與這些行業結合緊密的解決方案,提升客戶的資料決策能力。

頗值一提的是,作為真正意義上的“行業觀察者”,他們在與行業客戶多年的交流中發現,客戶真正需要的不是提出的具體“技術需求”,而是一整套隨機應變的綜合能力——別忘了,授之以魚不如授之以漁,海雲資料也因此提出了“能力服務”的概念,這一概念現階段的標誌物,就是圖易AI能力服務平臺。

簡單來講,這一平臺可以通過整合軟體、硬體、資料和演算法,實現全程“無程式碼化”,客戶可根據不同需求,對海雲提供的模組進行拖拽和組合,自己構建智慧資料處理模型。換句話說,客戶購買的是一種能力,而非技術。他們今後可根據不斷增加的業務需求,不斷更新自己的能力矩陣,如同搭積木一樣,完成業務的效率提升和資料決策價值變現。

以海雲深耕數年的安防領域為例,基於圖易研發的“智警大腦”已實現行業落地。具體來看,智警大腦可以通過人臉識別(利用了百度的開放技術)進入後臺,然後通過語音指令調出事故現場視訊,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點,可以瞬間通過一張圖和一張網的形式,讓公安人員實時看見,確保在事故發生後公安部門能快速處理。

目前智警大腦已服務全國超過三分之一的公安市場,使公安情報分析準確率提升70%,指揮決策效率提升50%。

而從智警案例中不難發現,在“行業+AI”的落地過程中,最重要的是提供一個綜合解決方案。智警大腦融合了通訊技術、語音識別、人臉識別等AI技術,以及海雲最熟悉的大資料可視分析技術,通過將它們封裝成一套解決方案,讓客戶瞬間完成決策能力的躍遷。

除了公共安全,圖易AI能力服務平臺也在完成對其他行業的改造。譬如在智慧城市建設中,它能綜合處理排程整個城市的公共資料,對城市進行全域性實時分析,自動調配公共資源,提升城市綜合治理水平,使緊急事件響應從8分鐘降低到4分鐘,減少犯罪率和改善應急服務。

而在交通運輸領域,脫胎於圖易的“智航順”可以為機場接入400多個數據源,整合多種型別架構的資料,並在所有機場功能中生成單一的執行健康指數實時檢視,可使飛行支援準備時間縮短33%,航班延誤率降低一半,提高機場資源利用率28%。

海雲也開始將“能力服務”的觸角伸向海外,他們將國際化戰略的切入點選在了一個特殊的安防場景:美國校園安全。

特朗普訪華期間,訪華團成員、前美國教育部首席財務官、EdTech基金創始人Stanley Buchesky特意拜訪了海雲資料——在安防領域積累的大量行業經驗,或許能為稍顯守舊(基本靠大量人力進行巡邏)的美國校園安全問題開出一劑良藥。

欣喜的是,在剛剛結束的CES展上,海雲資料就重點展示了針對校園安防領域的一套解決方案:譬如,根據校內建築和街區情況,智慧計算出攝像頭的安放位置;根據攝像頭採集到的資料進行建模分析,接入警方的犯罪嫌疑人名單,實時進行人臉識別;識別出可疑人員(戀童癖等)後,系統及時反饋給警方,第一時間進行決策。據悉,海雲已開始和美國學校洽談合作,很快就會落地,成為他們佈局安防領域多年之後,開出的新的花朵。

結語

最後想說,在整個“行業+AI”市場,將自己定位於“行業專家”,為客戶真正賦能的AI團隊,不只海雲資料一家——事實上,在這片叫做人工智慧的草原上,倘若將BAT比作不可一世的雄獅,那麼這些團隊就像一隻只勤勉的穿山甲,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。

Comments

comments

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *