2018年,外表光鲜的人工智能创业,究竟该如何赚钱?

2018年,外表光鲜的人工智能创业,究竟该如何赚钱?

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。

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。”

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:“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。

*本文作者李北辰,由新芽NewSeed合作伙伴新芽NewSeed授权发布,转载请联系原出处。如内容、图片有任何版权问题,请联系新芽NewSeed处理。