泛化智能：一群只听过罗振宇的人，为什么会买一款AI企服产品？

AI公司中，泛化智能是个异类。他们的典型客户第一次听说AI可能是在《得到》上，第二次听说是担心它要毁灭世界。

但就是这群人，愿意给泛化智能付钱。他们能用泛化智能的产品Tegu，快速训练出可用的模型，代替重复劳动。而在此之前，他们只会点几下鼠标。

梅花创投创始合伙人吴世春也评价他们：拿下了一些很好的订单。在“假装赚钱”的AI行业，他们是怎么做到的？为什么创始人王汉洋说，一款所有人能用的标准化产品才是AI公司的救命稻草？

做一款标准化产品，为何如此重要？

王汉洋觉得，现在AI行业大有问题，本质就是“软件外包”。

大部分AI公司是项目制，典型流程是：客户提需求、公司评估、要数据、做方案、调试交付，与软件外包无异。

可能，AI还不如软件外包。传统软件业已相当成熟，AI却是个新生事物。经常有客户说：我们有几千万条数据，你们做方案吧。结果做出来，该训练模型了，才发现大部分数据都是垃圾。

有一位深度学习的从业者，曾向媒体甲子光年抱怨：40%项目都无疾而终。阿里云有人称，好多项目做了3、4个月，才发现不是深度学习能解决的问题。方案的报废率超过50%。

大公司尚且如此，小公司项目流产几次，就可以重新创业了。

除了行业成熟度，另一个问题是项目成本。AI公司的人力十分昂贵，比传统IT高50%。而项目制中，一个人能做的业务是有限的。除非多招人，不然业务无法增长。因此项目制的业务是不能大规模、低成本复制的。

这就是“软件外包”的核心问题：AI公司其实并不像科技公司，能随变动成本下降，迎来收入指数级爆发。

在王汉洋看来，市场上AI公司云云，其实干的都是苦力活。等到两三年后，AI人才过剩，技术增长溢价消失，这些公司也将倒下。

泛化智能的核心就是做出一个标准化产品，这个产品叫做Tegu，用一个产品应对所有需求。

但问题在于，AI的应用领域是千差万别的。比如医疗影像，是从静态照片中找出模式；机场飞机识别，则要在长视频中捕捉稍纵即逝的微小细节。它们所需的数据、训练出的模型都完全不同，可复用性极低。

泛化智能的Tegu则把标准化做到了“训练模型”的前一步。客户拿到软件后，只要上传数据、自己标注，然后模型会自动建立，变成可用的成品。

举例来说，一个医生每天看胸片判断肺癌，是个重复性劳动。他有了Tegu，只要上传200张胸片，并标注完是否有肺癌。Tegu会拿这些数据自己训练模型。从此，医生只需把新的胸片传进Tegu，机器就能诊断肺癌了。

是的，Tegu的神奇之处就在于，它直接提供给了最终使用者。一个医生可能不太懂电脑，但他会看胸片。这就能让他训练出模型，并从此节省重复劳动。

Tegu努力做到“人人可用”，由泛化智能供图

融资时，曾有投资人对王汉洋说，我从没见过你们这样的公司。但他觉得这才是正路：做最标准化的产品，然后卖产品赚钱。不然，迟早会有公司走上“卖用户数据”的老路。

在AI行业，客户担心数据泄露，不愿交出数据已成普遍问题。对于泛化智能的客户来说，这都不足为虑，训练用的数据、最终模型都只属于自己，还可以离线使用。

让所有人能用，比所有人好用

泛化智能痛恨“AI”那一套话术。他们有本《文风手册》，简单明了地告诉客户：我们能为你做什么，要花多少钱。“别提AI，因为很多人觉得，AI要毁灭世界。”

这与AI行规大不相同。同行只找两类客户：不懂的人，可以乱抬价；大公司，可以亏本赚名声。对前者，你要暗示AI很贵，但他们又买得起。对后者，AI公司期待先做服务，后面再提价，“但其实是提不上来的，因为竞争会更激烈。”

泛化智能则希望成一单赚一单。他们卖产品，按最终模型的使用量付费。这意味着，如果产品不好用，他们就赚不到钱。但零前期投入也打消了客户疑虑，因为很多人“被AI骗怕了”。

目前，Tegu刚结束测试就已经收到了60多家客户的使用申请，而此前Tegu只在一个小型会议上做过宣传。王汉洋预计，3个月就能处理完这些订单。“60家对于做项目的公司，大概倒闭了也做不完。”据王汉洋估计，每获得1个客户，大概要花1万元和1个月时间。

吴世春也表扬泛化智能说：他们已经拿下了一些很好的订单。

对这些案例，王汉洋并不想拿来宣传，因为“模型是客户自己训练的”。但有两个案例值得一提。

一个是识别野生动物。王汉洋做过动物保护，也把Tegu拿给“猫盟”使用。猫盟成员白天上山，给野生动物拍照，晚上统计数量和品种。很多动物一闪而过，只拍到屁股和尾巴，让猫盟成员痛不欲生。

有了Tegu，猫盟成员把照片传进软件，一张一张标记动物品种。到上百张的时候，Tegu就能准确识别出狍子、豹猫和野猪了。据王汉洋说，他们白天上山，晚上标记，训练识别出19种动物，也只用了两周。

猫盟使用Tegu，由泛化智能供图

二是识别电网上的绝缘子。泛化智能创立初期，没资源没案例，他们就拿相机自己去输电线铁塔下拍照，拿回来自己标注训练。

识别绝缘子数目他们用了1000张标注照片，模型能做到近似100%准确率，每0.1秒识别一张。同行水平是，用40万张标注照片，每7秒识别一张。

识别绝缘子是否破损，他们用了236张标注照片，花费两周，准确度98%以上。某电网的自建团队，用了半年时间和上万张照片，才能做到同等水平。

事实上，就是电网案例为他们赢得了融资。当初见到吴世春，王汉洋拿出手机对他演示：这是无人机拍的电网铁塔，这是识别结果，能数出铁塔上有多少螺丝。吴世春投过无人机公司，知晓行业水平，20分钟后他叫进来财务，立刻把协议签了。

去传统行业获客，那里有最大市场

王汉洋大二时，从加拿大滑铁卢大学辍学，跟两个合伙人创办了公司。他虽计算机专业出身，但机器学习全靠自学。“这并不难，不应该妖魔化技术。”

他说，自己接触到机器学习，就像日本人看到了黑船。“一瞬间就知道传统技术输了”，马上回国。

王兴有一种信仰，认为科技会让生活变好，王汉洋同样如此。他相信，AI能将人从重复劳动中解放出来。

泛化智能创始人王汉洋，由泛化智能供图

今天，有人每天浏览重复图片，寻找可疑活动；有人每天爬电网铁塔，检查零件；有人钻进五十度的管道，他们都拿着很低的工资。这些“不赚钱”的传统行业，往往会被AI同行遗忘。

泛化智能则是去这些领域寻找客户。“他们99%没用过谷歌，没听过李飞飞。”但他们有需要优化的重复劳动，并且愿意付钱。

为了找到应用领域，泛化智能特别喜欢双学位、转专业的员工。比如做过无人机，就知道航拍、农业用不到这些技术；而像电力巡检要看大量照片，则最适合机器学习、计算机视觉来做。

最终，泛化智能希望做出一款通用工具，就像Adobe那样，运行在2500块的破电脑上，但依然能做出强大的产品。

今年，泛化智能的目标是再进入10个领域。他们希望标准化产品Tegu，能大大加快AI应用的普及速度。