迅雷创办人程浩,关于人工智能的图谋

2019-10-21 20:56栏目:技术支撑
TAG:

原标题:为什么BAT干不掉海康威视?——关于人工智能的思考

题图:迅雷创始人、松禾远望基金创始合伙人 程浩先生  

来源 : 浩哥说

■ 按:

大家好 , 我是迅雷创始人程浩 , 现在专注科技领域的投资 。 今天跟大家聊聊人工智能领域的创业和创新 , 包括如何选择赛道 、 团队的搭配 、 以及如何应对巨头的挑战 。

离开迅雷以后,程浩成立了松禾远望基金,一年多的时间看过许多人工智能领域的创业项目,这篇文章他通过对比的方式从6个问题入手,为大家细致地分析了人工智能领域的技术应用,行业现状与未来。从中可以解答的问题包括创业如何选择赛道,如何建立护城河,如何进行团队搭配,专心做技术还是转服务,BAT的优势和劣势是什么。希望可以对你有所启发

为此我从投资人的视角 , 给大家总结了人工智能创业的 6 大核心问题 。

第一个问题 : 为什么应关注人工智能而非互联网 ?

前三个问题

首先如果今天大家选择创业 , 我建议更应该关注人工智能 , 而非互联网 。 为什么这么讲 ?

今天跟大家聊聊人工智能领域的创业和创新,包括如何选择赛道,团队的搭配,以及如何应对巨头的挑战。为此我从投资人的视角,给大家总结了人工智能创业的6大核心问题。

  1. 互联网的流量红利已经消失 ;

第一个问题:互联网VS人工智能

以 PC 来说 , 全球 PC 出货量连续 5 年下滑 。 大家知道国内最后出现的一个 PC 互联网独角兽是谁吗 ? 是知乎 , 大概是 2011 年初推出 , 这么多年过去 , 再也没有 PC 互联网的独角兽出现 。 做个类比 , 我们知道 2015 年移动互联网的渗透率和竞争程度和 2011 年的 PC 互联网类似 , 以此类推 , 2015 年以后再做移动 APP , 也很难出独角兽了 。

首先如果今天大家选择创业,我建议更应该关注人工智能,而非互联网。为什么这么讲? 

毕竟中国连续两年手机出货量都在 5 亿多台 , 增长放缓 , 代表无线流量基本已走平 , 你多卖一台 , 我就少卖一台 , 是存量竞争 。 今天创业者再做一个纯互联网的 APP , 投资人问的第一个问题就是你怎么获客 。 因为现阶段流量格局已定 , 首屏就那几个 APP 。

1)互联网的流量红利已经消失 ;

  1. 互联网 的机会同样有限 ;

以PC来说,全球PC出货量连续5年下滑。大家知道国内最后出现的一个PC互联网独角兽是谁吗?是知乎,大概是2011年初推出,这么多年过去,再也没有PC互联网的独角兽出现。做个类比,我们知道2015年年年年移动互联网的渗透率和竞争程度和2011年的PC互联网类似,以此类推,2015年年年年以后再做移动APP,也很难出独角兽了。

主要在于互联网最大的价值 , 是解决信息不对称和连接 。 所以对于电商特别有价值 。 淘宝用皇冠 、 钻石等信用体系解决了信息不对称 , 同时又把全国有这么多买家和卖家连接在一起 。 这个是互联网的价值 。

毕竟中国连续两年手机出货量都在5亿多台,增长放缓,代表无线流量基本已走平,你多卖一台,我就少卖一台,是存量竞争。今天创业者再做一个纯互联网的APP,投资人问的第一个问题就是你怎么获客。因为现阶段流量格局已定,首屏就那几个APP。

但很多行业信息和连接并不是痛点 。 拿医疗举例 , 中国三甲医院的大夫就那么多 , 你把全国 13 亿人民都和这些大夫连接上了也没用 , 因为一个医生一天还是只能看那么多病人 。 互联网并没有提高医生看诊的效率 。 在诸如餐饮 、 医疗这些传统领域 , 互联网的帮助是很有限的 。

2)互联网 的机会同样有限 ;

也包括滴滴打车 , 互联网解决了打车难的问题 , 但是没解决打车价格的问题 。 事实上 , 补贴去掉之后 , 大家都发现了滴滴一点都不便宜 , 道理很简单 —— 不管是专车还是出租车 , 还是需要由人来开 , 人工成本降不下来 , 就不可能便宜 。

主要在于互联网最大的价值,是解决信息不对称和连接。所以对于电商特别有价值。淘宝用皇冠,钻石等信用体系解决了信息不对称,同时又把全国有这么多买家和卖家连接在一起。这个是互联网的价值。

  1. 真正能够提高社会生产力 , 解决供需关系不平衡的就是人工智能 ;

但很多行业信息和连接并不是痛点。拿医疗举例,中国三甲医院的大夫就那么多,你把全国13亿人民都和这些大夫连接上了也没用,因为一个医生一天还是只能看那么多病人。互联网并没有提高医生看诊的效率。在诸如餐饮,医疗这些传统领域,互联网的帮助是很有限的。 

人工智能将给社会生产力带来的提高 , 以及对人类带来的影响将远远超过互联网 。

也包括滴滴打车,互联网解决了打车难的问题,但是没解决打车价格的问题事实上,补贴去掉之后,大家都发现了滴滴一点都不便宜,道理很简单

不管是专车还是出租车,还是需要由人来开,人工成本降不下来,就不可能便宜。

3)真正能够提高社会生产力,解决供需关系不平衡的就是人工智能 ;

人工智能将给社会生产力带来的提高,以及对人类带来的影响将远远超过互联网。还是拿医疗来说,很多基层医院水平不高,那未来完全可以通过人工智能来辅助医生读CT, X光等医疗影像。像今年,IBMWatson对皮肤黑色素瘤的诊断,准确率已提高至97%,远远超过了人类专家75%-84%的平均水平。

未来,人工智能无论是在无人车,机器人,医疗,金融,教育还是其他领域,都将爆发巨大的社会效益,这点毋庸置疑。我认为下一波大趋势和大的红利不是互联网 ,而是人工智能 。我建议现在的创业者更应该关注人工智能领域的创业机会。

第二个问题:人工智能vs人工智能

人工智能主要分三层。最底层是基础架构(基础设施),包括云计算,芯片以及TensorFlow这样的框架。在基础层之上是中间层,叫通用技术(EnablingTechnology),例如图像识别,语音识别,语义理解,机器翻译这些。 

基础层和中间层,是互联网巨头的必争之地。比如芯片领域,英特尔,英伟达,高通都投入巨资,竞争极其激烈。同样云计算,框架也是一样,都不是小公司能够涉足的领地。现在对于中间层的通用技术,BAT也极其重视。因为大家都相信人工智能是下一波工业革命浪潮。对腾讯,阿里,百度这些巨头来讲,要想在大浪中屹立不倒,必须要构建出人工智能的生态系统(Ecosystem)。而核心就是要依靠这些Enabling Technology技术。

相比创业公司,BAT的最大优势是什么呢?第一,不缺数据;第二,为了构建自己的生态系统,未来通用技术一定全部是免费的;第三,虽然通用技术免费,但BAT有羊毛出在身上的猪机会。这是典型的互联网打法

这里的「猪」是什么?「猪」就是云计算。例如百度的ABC策略,分别代表人工智能(AI),大数据(Big Data)和云计算(Cloud Computing).AI我可以不赚钱,开放给大家,那么大家想享受我的服务,就来买我的云吧。 

而对于创业企业来说,只做图像识别,语音识别,语义理解,机器翻译这些通用技术,指望通过SDK卖钱,未来路会越来越窄,特别是BAT都免费的压力下。所以从这个角度讲,创业公司做下面两层风险比较大。我认为创业公司的机会在最上层,就是拿着下两层的成果去服务垂直行业,也就是我们所谓的人工智能

第三个问题:人工智能 vs 人工智能

深入垂直行业的人工智能 ,又可细分为两类情况:即「人工智能 行业」和「行业 人工智能」,他们间有明显的区别。「AI 行业」简单讲就是在AI技术成熟之前,这个行业,产品从未存在过。比如自动驾驶,亚马逊的回声智能音箱,苹果的Siri的语音助手。在人工智能技术未突破前,不存在这样的产品。因为AI,创造出了一条全新的产业链。

「行业 AI」就是行业本身一直存在,产业链条成熟,只是以前完全靠人工,效率比较低,现在加入AI元素后,使得行业效率有了明显提高。比如安防,医疗等领域

客观讲,这两个类别都有创业机会。但「AI 行业」,因为是一条新的产业链,创业公司与互联网巨头实际是处在同一起跑线上。巨头们坐拥数据优势。所以从这个角度,「行业 AI」相对对创业公司更为友好,也更容易构建出壁垒。

我认为,未来行业壁垒才是人工智能创业最大的护城河。因为每个行业都有垂直纵深,尽管BAT技术好一点,并不关键。拿医疗 AI举例,什么最重要?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,这个医疗数据拿出来非常困难。所以BAT做医疗一点优势都没有,因为他们要把这些数据,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。这要求创始团队的合伙人中,必须有懂行业,有行业资源的人才。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

之所以跟大家聊这个话题,是因为前一段去百度大学跟大家交流,他们提到百度人工智能在无人车和DuerOS的应用。同时又问我,人脸识别在国内安防领域的应用价值非常大。像海康威视有近3000亿人民币的市值,每年光净利润就有近百亿。百度在AI方面是不是该考虑进军这个领域。我回答说千万别,因为安防是典型的,有巨大壁垒的「行业 AI」领域。 

即使百度技术好,在人脸识别率方面比海康威视高一个百分点(实际不一定,海康背后有几百人的AI研发团队)。但这并不代表百度就能替代海康。因为安防是「非关键性应用」(非关键任务),100个犯人我识别了95个,你比我多识别了一个做到了96个,其实没那么重要。 

而反过来,海康对比百度有什么优势?首先海康是做摄像头的,用自己的硬件跑自己的算法,是很自然的事儿。就像苹果手机,软硬一体体验更好。其次,海康做了这么多年的安防,积累了非常多的数据,人脸的数据,环境的数据......在安防领域有数据优势。最后,海康给公安系统做了很多类似警务通,基站信息采集,视图档案管理等的SaaS平台的东西,以及警用云系统。我们可以认为公安系统的IT化,其中有一部分就是海康威视参与的。

这些东西可能不赚钱,但却为海康构建了壁垒。因为底层的基础设施都是我建的,那前端的东西就只能用我的(我可以有100个理由,说竞品与我不兼容)。而且海康做了这么长时间,积累了大量的客户资源,特别是政府公安局的资源,开拓这些资源非常需要时间。

这些就是所谓的行业纵深。所以即使对BAT而言,想进入「行业 AI」领域,选择垂直赛道时,同样要非常谨慎。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会比较浅,而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

后三个问题

第四个问题:关键性应用与非关键性应用

谈到人工智能领域的创业,很多人都会有个误解,就是如果我团队没有个大牛的科学家,比如斯坦福,MIT的博士坐镇,我都不好意思讲在人工智能方面创业。其实这个认知是完全错的。因为在人工智能领域,算法到底有多重要,完全取决于你要准备进入哪个行业。

根据行业和应用场景不同,我认人工智能的创业本质上有关键和非关键任务之分。为了方便大家理解,我们简称为「关键性应用」和「非关键性应用」。 

「关键性应用」要追求99.9 ......%后的多个9,做不到就没法商业化。比如大家认为,99%可靠度的自动驾驶能上路吗?肯定不能,意味着100次就出1次事故.99.9%也不行,1000次出一次事故。

千万记住,99%和99.9%的可靠度差距并不是0.9%,而是要反过来算,差距是10倍。也包括手术机器人,听起来99.9%可靠度已经很高了,但意味着1000次出一次医疗事故,放在美国,医院还不得被巨额索赔搞得破产。

所以「关键性应用」领域,就是一丁点儿错都不能犯的人工智能领域,必须要有技术大牛,科学家或算法专家坐镇。同时,这类项目研发周期都很长

正如以色列做ADAS(高级驾驶辅助系统)解决方案的Mobileye公司,今年3月被Intel以153亿美金收购。大家知道这家公司研发周期有多长吗?Mobileye成立于1999年,到他们推出首款产品,挣到第一桶金已是2007年长达8年的研发周期这在互联网创业里不可想象包括谷歌无人车从2009年年开始研发,到现在一直没有商业化;。达芬奇手术机器人从启动研发到2000年拿到美国食品药品管理局(FDA)的认证,花了十年时间。

「关键性应用」的普遍特点就是这样,项目通常很贵,研发周期巨长,离钱非常远,需要持续的融资能力,团队怎样才有持续融资?起码要有非常好的简历和非常好的背景。这个是能够持续融资的必要前提。所以大家可以看到,今天做无人驾驶的创业团队都是高富帅。因为不是高富帅,你都熬不到产品真正商业化应用那天。

当然,如果在人工智能领域都是「关键性应用」,那就没大多数创业者什么事了。实际上,人工智能领域的创业,95%都是「非关键性应用」(无-任务性临界)。简单讲对这些领域,AI的可靠度只要过了基础线,高一点低一点区别不大。

最简单的例子,现在很多公司的门禁开始用人脸识别。你今天带个帽子,明天戴个墨镜或口罩,识别率没法做到99%。可即使没识别出来也没问题。因为所有带人脸识别的门禁都有地方让你按指纹。即使指纹也刷不进去,问题也不大,公司不还有前台吗。

这就是「非关键性应用」。这类项目不追求99%后面的很多个9.实际上,国内人工智能和机器人方向的创业,大部分领域都是「非关键性应用」。当然并不是说,在这个领域算法不重要,你天天认不出来也不行,所以一定要过了基础的可用性门槛,偶尔出现问题可以容忍。“关键性应用”则不能容忍。“非关键性应用”不追求高大上,简单,实用,性价比高更重要,的这样项目通常比拼综合实力包括:

1)对行业的洞察理解要熟知行业痛点。 ;

2)产品和工程化能力光在实验室里搞没意义。 ;

3)成本控制不光能做出来的产品,还得便宜的做出来。 ;

4)供应链能力不光能出货,还要能批量生产。 ;

5)营销能力。产品出来了,你得把东西卖出去。团队里有没有营销高手,能不能搞定最好的渠道是关键

所以大家在创业组团队时,一定要想好你选择的赛道处于哪个领域,不同的赛道对于团队的要求是不一样。「关键性应用」必须有技术大牛坐镇,「非关键性应用」则要求团队更加综合和全面。

第五个问题:技术提供商 vs 全栈服务商

现在很多人工智能创业者都是技术背景出身,创业的第一个想法通常是做技术提供商。技术提供商作为创业的敲门砖可以。但如果只定位做技术提供商,未来路会非常窄。为什么说未来只做技术提供商价值会越来越小?原因有几点:

1)首先通用技术一定是大公司的赛道,BAT未来一定会开放免费

人家大公司会免费提供人脸识别、语音识别、语义理解、机器翻译这类EnablingTechnology,你还打算怎么靠API调用赚钱呢?也许现在还可赚点小钱,但很难成为一个长久的生意。

2)依托于算法的技术壁垒会越来越低

未来随着基础计算平台和开源平台的丰富成熟,技术方面的壁垒会越来越不明显,整个人工智能的技术准入门槛会越降越低。就像2008年你想找个IOS开发者,很难,现在却很容易一样,所有技术的演进都遵循这一规律。特别随着今天各大学的计算机专业,都纷纷开设机器学习课程,未来人才不缺,这会拉低整个行业的进入门槛。

同时随着谷歌TensorFlow等生态系统的成熟,很多领域都会有训练好的模型可以用来参考(出Demo会更快),创业者只要有足够的数据来训练参数就好了。所以未来算法的壁垒会越来越低,如果这个公司的核心竞争力只是算法,那将非常危险。

3)技术提供商如果不直接面向用户/客户提供整体解决方案,则非常容易被上下游碾压。

对于技术提供商和算法类公司,如果你的技术壁垒不够高,上游很可能直接把你的事做了。这样的例子比比皆是,比如给海康威视提供人脸识别算法的公司。问题就在于,海康在用你算法的时候,人家也有庞大的研发团队在研究自己的算法。现在用你是人家还没准备好,一旦准备好立刻会把你替换掉。

即使在有一定技术门槛的行业,技术提供商的日子同样并不好过。比如专注嵌入式的视觉处理芯片的Movidius,大疆无人机一直在用他们的芯片。但自从大疆统治了消费级无人机市场后,大疆现在也很自然地开始研发自己的芯片。

按说芯片的技术壁垒并不低,但只要行业集中度高,赢家就会选择通吃。比如做手机的厂商,出货量到了一个阀值,都有动力自己做芯片。像苹果、三星、华为还有现在的小米,都选择了自己做手机CPU。所以联发科、高通这些技术提供商,其实是挺痛苦的。

这其实是一个产业链通用规律:产业链上的垄断者会吃掉所有利润,而且他们非常有动力往上游或下游扩展。拿PC产业链举例,内存、硬盘、整机、显示器……都不赚钱。钱被谁赚走了?Windows和Intel却赚走了绝大部分利润。 既然做纯技术提供商没有出路,那怎么办?浩哥提出「一横一纵」理论。前期做技术服务可以,但是不能一辈子做技术服务。

「一横」就是指你提供的技术服务。通常「一横」能服务很多行业,一定要找到1、2个,你认为最有市场机会,最适合你的垂直领域,深扎进去做「全栈」:把技术转化为产品,然后搞定用户卖出去,实现商业变现,再通过商业反馈更多的数据,更加夯实自己的技术。一句话讲,要做技术、产品、商业和数据四位一体的「全栈」,这就是「一纵」。这才是健康的商业模式

 在垂直外的行业,因为没有利益冲突,你仍可老老实实的做技术服务。这样的话,商业上你能吃透一个垂直行业,技术上你还能通过横向合作,形成更多的数据回路,从而夯实你的技术。这个就是「一横一纵」理论。那么对于技术创业公司,从「一横」走到「一纵」,要选哪个垂直领域,取决5个关键因素: 

1)市场空间够不够大?

做垂直领域的全栈,还是做横向的技术提供商?取决市场空间哪个更大。找对垂直领域,即使只占一点点市场份额,也可能比做「一横」全归你的收益大。拿美图公司举例,他们有美图秀秀、美拍、美颜相机等APP,同时还会跟很多手机厂商合作,提供相机拍摄的美颜效果,你可以理解这就是技术服务。

但研究2016财报后,大家知道美图秀秀选的「一纵」是什么吗?就是美图手机。以上提到的技术服务都远没有垂直做美图手机赚钱。美图手机占了公司全部营收的93%。虽然美图手机去年的销量大约在74.8万台,仅仅只占国内手机市场全年销量5亿多台的不足0.15%。行业集中度如何?

做「一横」技术提供商时,最担心的是你的上游或下游过于集中,或者说头部效应越明显,对技术提供商就越不利。举个简单的例子,IDC时代,HP、DELL等厂商卖服务器,都是直接卖给各IT公司,大家日子过的都很滋润。但2010年之后就很难做了,因为云计算出现了。

 提供云计算的厂商就那几个,两只手就能数出来。而且头部效应极其明显,仅阿里云一家占了50%以上份额。如果你是一个技术提供商,在跟这么垄断的行业去谈判,你会发现没有任何筹码。所以现在就很悲催,假设我是阿里云,会让你列出BOM成本,我就给你5%或10%的利润,这个生意就很难做了。

在这种情况下,你当然有意愿也往上游走。但带来的问题是什么?如果上游集中度高,说明这事的壁垒很高,你作为技术提供商想往上走,同样很困难;如果这个上游集中度低或客户很零散,对你是件好事。但是你也没有太大动力往上游走,因为这个市场本来就很零散,你即使杀进去,可能只有1%的市场份额,而且使得99%的人都变成你的竞争对手了。这是个悖论。

2)技术是改良还是革命?

如果你的技术创新对这个垂直领域是革命性的,就越有机会走到上游。如果只是改良性的,你就老老实实在下游赚个辛苦钱算了。 越是颠覆性的东西,越有机会往上游走。因为上游越离不开你,意味着你有机会做他的事。

打个异想天开的比方,如果你能提供一个「待机一礼拜」的电池,那你就可以考虑自己做手机,你的手机只打一点:一星期不用充电,而且是全球唯一!就这一点可能就够了,因为这个技术是革命性的。相反,如果是改良性的技术,例如你的电池待机只是比以前多了10~20%,那你还是老老实实卖电池吧。

3)双方壁垒谁更高?

技术提供商的壁垒和上游客户的壁垒哪个更高,也决定做「一纵」的成败。拿比较火的直播平台而言,现在都有美颜功能,例如给女孩长出个耳朵那种,这个通常都是第三方提供的技术。技术本身的壁垒并不高,很多公司都能提供,虽然效果有一些小的差异,但你没有明显优势。

可是直播的壁垒相当高,这事有网络效应,用户越多会吸引更多的美女主播,因为能赚到更多钱,美女主播越多,也会带来更多的用户。同时你舍得花钱,需要很多资金来买流量以及签约很NB的主播。所以这个事壁垒很高。你做技术提供商壁垒不高。这种情况下,虽然技术提供商只能赚个辛苦钱,但是仍然完全没有机会往上游走?

4)到底跟团队基因相符不相符?

能做得了技术服务,不代表能做垂直解决方案,做全栈,因为团队不一定有行业经验,这是很大的问题。亚马逊的无人便利店Amazon Go出来之后,国内不少技术团队也想提供类似的技术,甚至想做2C的便利店。

与他们聊完后,我都会劝他们再考虑一下,你的技术再好,对于用户而言,他买东西的时候,会看这个便利店有人还是无人的吗?不会,这不是优先选项。他首要考虑的还是——哪个便利店离我更近,以及我想买的东西这个便利店有没有。

从这个意义讲,这又回到了零售的本质。所以如果团队没有零售的基因,没有懂零售的人,就别考虑自己开便利店的事。这时候,很多人可能会问「那我找个懂行业的高管不就行了么?」这事没那么简单,如果CEO不了解行业本质,其实是很难靠一个高管去弥补的

我特别相信基因决定论,如果任何一个新的商业,BAT找个懂行业的高管就能搞定了,那中国互联网的生意就全是BAT的了,就没创业公司什么事了。BAT,一个做搜索,一个做电商,一个做社交。其实他们3个都把对方的事情已尝试了一遍,最后都不成功。所以大家能做什么,不能做什么,跟这个公司的基因是高度相关的。 

第六个问题:2C vs 2B

最后一个问题,简单说一下,科技成熟都需要一定的时间。因为从任何技术普及演进的角度,几乎都延续了先是从军工(航天)、到政府、到企业、到B2B2C、再到2C这个规律。人工智能也一样,目前人工智能在2C市场还不是很成熟

简单说机器人,在个人消费者市场,出货量大的机器人只有4类产品:扫地机器人、无人机、STEAM教育类机器人和亚马逊ECHO为代表的智能音箱。为什么2C市场早期的普及有一定的困难,简单讲几个原因: 

1)产业链不成熟

我做一个创新的东西,成品有10个部件。每一个部件都得自己做,而且因为出货量不大,每个部件都没有规模效应,这就导致每个部件都很贵,那你最后做出成品一定很贵。这是非常大的问题。

2)2C是额外花钱

这也是很重要的一个问题,2C端的用户因为自掏腰包、额外花钱,所以对价格通常比较敏感,产品很贵就是一个很大的门槛。

3)2C产品的用户期待度高

用户买了这么贵的东西,自然对产品的期待度会更高很多。大家觉得我买一个机器人回来,恨不得什么都能干:又能唱歌、又能跳舞、又能聊天、又能清洁、又能讲英语。但这是不现实的,现在的技术成熟度离此还有些远。

相对于2C端,这些问题在2B端却不是问题。

1)2B端对价格承受能力更高

首先,企业对价格的承受能力显然比2C强很多。你说一个机器人2万,2C消费者不可能买,但企业问题不大,企业对成本承受能力高。

2)2B的核心目的是降成本

举例工业机器人,10万块钱一个,听起来很贵。但一个工业机器人替代你2个岗位。这2个岗位一年也得10万块钱,还不算四险一金。然后这机器人能工作4年,这一下成本只有你原来的25%,甚至不到。那么企业一算账,觉得还是很便宜。

3)2B可以采取人机混合模式

还有2B端的机器人应用更简单一些。一方面大多是单任务,机器人只要做好一件事就行了,实现起来简单。另外,很多都是以「人机混合」模式在作业。也就是以前需要10个人干活,现在我用机器人替代一半人。简单重复的工作用机器人替代,复杂的用剩下的5个人,这就是「人机混合」模式。

举个例子,现在国内外已有很多安保机器人,按固定路线去巡逻。你可以理解为移动的摄像头,当然算法上肯定加入了一些识别的东西。固定绕路线巡逻,这个完全可以交给机器人来做。难的是,在巡逻的过程中,如果发现有老太太摔倒了,让机器人扶起来,这个目前还做不到。但这不重要,你们后台不还有5个人么,让他们过来就好了。所以人机混合是2B比较主流的模式,这个大幅降低了机器人普及的难度。

最后再说一点,目前大多数AI创业公司都是技术专家主导,这很容易理解,因为现在技术还有壁垒,技术专家主导起码保证产品能做出来。不过未来随着技术门槛的降低,特别在「非关键应用」领域里,团队的核心主导,会慢慢过渡到产品经理和行业专家为主,因为他们离用户需求最近。「非关键应用」领域,懂需求比技术实现更重要。长期来看,人工智能创业和任何其他领域的创业一样,一定是综合实力的比拼!

本文来自浩哥说。(ID:haogetalks),经授权发布。

*转载请留言后台

还是拿医疗来说 , 很多基层医院水平不高 , 那未来完全可以通过人工智能来辅助医生读 CT 、 X 光等医疗影像 。 像今年 , IBMWatson 对皮肤黑色素瘤的诊断 , 准确率已提高至 97% , 远远超过了人类专家 75%-84% 的平均水平 。

未来 , 人工智能无论是在无人车 、 机器人 、 医疗 、 金融 、 教育还是其他领域 , 都将爆发巨大的社会效益 , 这点毋庸置疑 。 我认为下一波大趋势和大的红利不是互联网 , 而是人工智能 。 我建议现在的创业者更应该关注人工智能领域的创业机会 。

第二个问题 : BAT的巨大优势

人工智能主要分三层 。 最底层是基础架构 ( Infrastructure ) , 包括云计算 、 芯片以及 TensorFlow 这样的框架 。 在基础层之上是中间层 , 叫通用技术 ( EnablingTechnology ) , 例如图像识别 、 语音识别 、 语义理解 、 机器翻译这些 。

基础层和中间层 , 是互联网巨头的必争之地 。 比如芯片领域 , Intel 、 英伟达 、 高通都投入巨资 , 竞争极其激烈 。 同样云计算 、 框架也是一样 , 都不是小公司能够涉足的领地 。

现在对于中间层的通用技术 , BAT 也极其重视 。 因为大家都相信人工智能是下一波工业革命浪潮 。 对腾讯 、 阿里 、 百度这些巨头来讲 , 要想在大浪中屹立不倒 , 必须要构建出人工智能的生态系统 ( Ecosystem ) 。 而核心就是要依靠这些 Enabling Technology 技术 。

相比创业公司 , BAT 的最大优势是什么呢 ? 第一 , 不缺数据 ; 第二 , 为了构建自己的生态系统 , 未来通用技术一定全部是免费的 ; 第三 , 虽然通用技术免费 , 但 BAT 有羊毛出在身上的猪机会 。 这是典型的互联网打法 。

这里的猪是什么 ? 猪就是云计算 。 例如百度的 ABC 策略 , 分别代表人工智能 ( AI ) 、 大数据 ( Big Data ) 和云计算 ( Cloud Computing ) 。 AI 我可以不赚钱 , 开放给大家 , 那么大家想享受我的服务 , 就来买我的云吧 。

而对于创业企业来说 , 只做图像识别 、 语音识别 、 语义理解 、 机器翻译这些通用技术 , 指望通过 SDK 卖钱 , 未来路会越来越窄 , 特别是 BAT 都免费的压力下 。

所以从这个角度讲 , 创业公司做下面两层风险比较大 。 我认为创业公司的机会在最上层 , 就是拿着下两层的成果去服务垂直行业 , 也就是我们所谓的人工智能 。

第三个问题 : 海康威视相对BAT的优势在哪里 ?

深入垂直行业的人工智能 , 又可细分为两类情况 : 即“ 人工智能 行业 ” 和 “ 行业 人工智能 ” , 他们间有明显的区别 。

“ AI 行业 ” 简单讲就是在 AI 技术成熟之前 , 这个行业 、 产品从未存在过 。 比如自动驾驶 , 亚马逊的 Echo 智能音箱 、 苹果的 Siri 语音助手 。 在人工智能技术未突破前 , 不存在这样的产品 。 因为 AI , 创造出了一条全新的产业链 。

“ 行业 AI ” 就是行业本身一直存在 , 产业链条成熟 , 只是以前完全靠人工 , 效率比较低 , 现在加入 AI 元素后 , 使得行业效率有了明显提高 。 比如安防 、 医疗等领域 。

客观讲 , 这两个类别都有创业机会 。 但“ AI 行业 ” , 因为是一条新的产业链 , 创业公司与互联网巨头实际是处在同一起跑线上 。 巨头们坐拥数据优势 。 所以从这个角度 , “ 行业 AI ” 相对对创业公司更为友好 , 也更容易构建出壁垒 。

我认为 , 未来行业壁垒才是人工智能创业最大的护城河 。 因为每个行业都有垂直纵深 , 尽管 BAT 技术好一点 、 并不关键 。 拿医疗 AI 举例 , 什么最重要 ? 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 , 这个医疗数据拿出来非常困难 。 所以 BAT 做医疗一点优势都没有 , 因为他们要把这些数据 , 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 。

这要求创始团队的合伙人中 , 必须有懂行业 、 有行业资源的人才 。 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 。

之所以跟大家聊这个话题 , 是因为前一段去百度大学跟大家交流 , 他们提到百度人工智能在无人车和 DuerOS 的应用 。 同时又问我 , 人脸识别在国内安防领域的应用价值非常大 。 像海康威视有近 3000 亿人民币的市值 , 每年光净利润就有近百亿 。 百度在 AI 方面是不是该考虑进军这个领域 。 我回答说千万别 , 因为安防是典型的 、 有巨大壁垒的“ 行业 AI ” 领域 。

即使百度技术好 , 在人脸识别率方面比海康威视高一个百分点 ( 实际不一定 , 海康背后有几百人的 AI 研发团队 ) 。 但这并不代表百度就能替代海康 。 因为安防是“ 非关键性应用 ” ( non-mission-critical ) , 100 个犯人我识别了 95 个 , 你比我多识别了一个做到了 96 个 , 其实没那么重要 。

而反过来 , 海康对比百度有什么优势 ? 首先海康是做摄像头的 , 用自己的硬件跑自己的算法 , 是很自然的事儿 。 就像苹果手机 , 软硬一体体验更好 。 其次 , 海康做了这么多年的安防 , 积累了非常多的数据 , 人脸的数据 、 环境的数据 …… 在安防领域有数据优势 。 最后 , 海康给公安系统做了很多类似警务通 、 基站信息采集 、 视图档案管理等 SaaS 平台的东西 , 以及警用云系统 。 我们可以认为公安系统的 IT 化 , 其中有一部分就是海康威视参与的 。

这些东西可能不赚钱 , 但却为海康构建了壁垒 。 因为底层的基础设施都是我建的 , 那前端的东西就只能用我的 ( 我可以有 100 个理由 , 说竞品与我不兼容 ) 。 而且海康做了这么长时间 , 积累了大量的客户资源 , 特别是政府公安局的资源 , 开拓这些资源非常需要时间 。

这些就是所谓的行业纵深 。 所以即使对 BAT 而言 , 想进入“ 行业 AI ” 领域 , 选择垂直赛道时 , 同样要非常谨慎 。 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会比较浅 , 而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 。

第四个问题 : 为什么技术可能并不重要 ?

谈到人工智能领域的创业 , 很多人都会有个误解 , 就是如果我团队没有个大牛的科学家 , 比如斯坦福 、 MIT 的博士坐镇 , 我都不好意思讲在人工智能方面创业 。 其实这个认知是完全错的 。 因为在人工智能领域 , 算法到底有多重要 , 完全取决于你要准备进入哪个行业 。

根据行业和应用场景不同 , 我认人工智能的创业本质上有 mission-critical 和 non-mission-critical 之分 。 为了方便大家理解 , 我们简称为“ 关键性应用 ” 和 “ 非关键性应用 ” 。

“ 关键性应用 ” 要追求 99.9 …… % 后的多个 9 , 做不到就没法商业化 。 比如大家认为 , 99% 可靠度的自动驾驶能上路吗 ? 肯定不能 , 意味着 100 次就出 1 次事故 。 99.9% 也不行 , 1000 次出一次事故 。

千万记住 , 99% 和 99.9% 的可靠度差距并不是 0.9% , 而是要反过来算 , 差距是 10 倍 。 也包括手术机器人 , 听起来 99.9% 可靠度已经很高了 , 但意味着 1000 次出一次医疗事故 , 放在美国 , 医院还不得被巨额索赔搞得破产 。

所以“ 关键性应用 ” 领域 , 就是一丁点儿错都不能犯的人工智能领域 , 必须要有技术大牛 、 科学家或算法专家坐镇 。 同时 , 这类项目研发周期都很长 。

正如以色列做 ADAS( 高级驾驶辅助系统 ) 解决方案的 Mobileye 公司 , 今年 3 月被 Intel 以 153 亿美金收购 。 大家知道这家公司研发周期有多长吗 ? Mobileye 成立于 1999 年 , 到他们推出首款产品 、 挣到第一桶金已是 2007 年 。 长达 8 年的研发周期 。 这在互联网创业里不可想象 。 包括谷歌无人车从 2009 年开始研发 , 到现在一直没有商业化 ; 达芬奇手术机器人从启动研发到 2000 年拿到美国食品药品管理局 ( FDA ) 的认证 , 花了十年时间 。

“ 关键性应用 ” 的普遍特点就是这样 , 项目通常很贵 , 研发周期巨长 , 离钱非常远 , 需要持续的融资能力 , 团队怎样才有持续融资 ? 起码要有非常好的简历和非常好的背景 。 这个是能够持续融资的必要前提 。 所以大家可以看到 , 今天做无人驾驶的创业团队都是高富帅 。 因为不是高富帅 , 你都熬不到产品真正商业化应用那天 。

当然 , 如果在人工智能领域都是“ 关键性应用 ” , 那就没大多数创业者什么事了 。 实际上 , 人工智能领域的创业 , 95% 都是“ 非关键性应用 ( none-mission-critical ) ” 。 简单讲对这些领域 , AI 的可靠度只要过了基础线 , 高一点低一点区别不大 。

最简单的例子 , 现在很多公司的门禁开始用人脸识别 。 你今天带个帽子 , 明天戴个墨镜或口罩 , 识别率没法做到 99% 。 可即使没识别出来也没问题 。 因为所有带人脸识别的门禁都有地方让你按指纹 。 即使指纹也刷不进去 , 问题也不大 , 公司不还有前台吗 。

这就是“ 非关键性应用“ 。 这类项目不追求 99% 后面的很多个 9 。 实际上 , 国内人工智能和机器人方向的创业 , 大部分领域都是“ 非关键性应用 ” 。 当然并不是说 , 在这个领域算法不重要 , 你天天认不出来也不行 , 所以一定要过了基础的可用性门槛 , 偶尔出现问题可以容忍 。 “ 关键性应用 ” 则不能容忍 。

“ 非关键性应用“ 不追求高大上 , 简单 、 实用 、 性价比高更重要 , 这样的项目通常比拼综合实力 。 包括 :

对行业的洞察理解 。 要熟知行业痛点 ;

产品和工程化能力 。 光在实验室里搞没意义 ;

成本控制 。 不光能做出来的产品 , 还得便宜的做出来 ;

供应链能力 。 不光能出货 , 还要能批量生产 ;

营销能力 。 产品出来了 , 你得把东西卖出去 。 团队里有没有营销高手 , 能不能搞定最好的渠道是关键 。

所以大家在创业组团队时 , 一定要想好你选择的赛道处于哪个领域 , 不同的赛道对于团队的要求是不一样 。 “ 关键性应用 ” 必须有技术大牛坐镇 , “ 非关键性应用 ” 则要求团队更加综合和全面 。

第五个问题 : 产业链上的赢家通吃与行业壁垒优势

现在很多人工智能创业者都是技术背景出身 , 创业的第一个想法通常是做技术提供商 。 技术提供商作为创业的敲门砖可以 。 但如果只定位做技术提供商 , 未来路会非常窄 。 为什么说未来只做技术提供商价值会越来越小 ? 原因有几点 :

  1. 首先通用技术一定是大公司的赛道 , BAT 未来一定会开放免费 。

人家大公司会免费提供人脸识别 、 语音识别 、 语义理解 、 机器翻译这类 EnablingTechnology , 你还打算怎么靠 API 调用赚钱呢 ? 也许现在还可赚点小钱 , 但很难成为一个长久的生意 。

  1. 依托于算法的技术壁垒会越来越低 。

未来随着基础计算平台和开源平台的丰富成熟 , 技术方面的壁垒会越来越不明显 , 整个人工智能的技术准入门槛会越降越低 。 就像 2008 年你想找个 IOS 开发者 , 很难 , 现在却很容易一样 , 所有技术的演进都遵循这一规律 。 特别随着今天各大学的计算机专业 , 都纷纷开设机器学习课程 , 未来人才不缺 , 这会拉低整个行业的进入门槛 。

同时随着谷歌 TensorFlow 等生态系统的成熟 , 很多领域都会有训练好的模型可以用来参考 ( 出 Demo 会更快 ) , 创业者只要有足够的数据来训练参数就好了 。 所以未来算法的壁垒会越来越低 , 如果这个公司的核心竞争力只是算法 , 那将非常危险 。

  1. 技术提供商如果不直接面向用户 / 客户提供整体解决方案 , 则非常容易被上下游碾压 :

对于技术提供商和算法类公司 , 如果你的技术壁垒不够高 , 上游很可能直接把你的事做了 。 这样的例子比比皆是 , 比如给海康威视提供人脸识别算法的公司 。 问题就在于 , 海康在用你算法的时候 , 人家也有庞大的研发团队在研究自己的算法 。 现在用你是人家还没准备好 , 一旦准备好立刻会把你替换掉 。

即使在有一定技术门槛的行业 , 技术提供商的日子同样并不好过 。 比如专注嵌入式的视觉处理芯片的 Movidius , 大疆无人机一直在用他们的芯片 。 但自从大疆统治了消费级无人机市场后 , 大疆现在也很自然地开始研发自己的芯片 。

按说芯片的技术壁垒并不低 , 但只要行业集中度高 , 赢家就会选择通吃 。 比如做手机的厂商 , 出货量到了一个阀值 , 都有动力自己做芯片 。 像苹果 、 三星 、 华为还有现在的小米 , 都选择了自己做手机 CPU 。 所以联发科 、 高通这些技术提供商 , 其实是挺痛苦的 。

这其实是一个产业链通用规律 : 产业链上的垄断者会吃掉所有利润 , 而且他们非常有动力往上游或下游扩展 。 拿 PC 产业链举例 , 内存 、 硬盘 、 整机 、 显示器 …… 都不赚钱 。 钱被谁赚走了 ? Windows 和 Intel 却赚走了绝大部分利润 。

图片 1

既然做纯技术提供商没有出路 , 那怎么办 ? 浩哥提出“ 一横一纵 ” 理论 。 前期做技术服务可以 , 但是不能一辈子做技术服务 。

“ 一横 ” 就是指你提供的技术服务 。 通常“ 一横 ” 能服务很多行业 , 一定要找到 1 、 2 个 , 你认为最有市场机会 , 最适合你的垂直领域 , 深扎进去做 “ 全栈 ” : 把技术转化为产品 , 然后搞定用户卖出去 , 实现商业变现 , 再通过商业反馈更多的数据 , 更加夯实自己的技术 。 一句话讲 , 要做技术 、 产品 、 商业和数据四位一体的“ 全栈 ” , 这就是“ 一纵 ” 。 这才是健康的商业模式 。

在垂直外的行业 , 因为没有利益冲突 , 你仍可老老实实的做技术服务 。 这样的话 , 商业上你能吃透一个垂直行业 , 技术上你还能通过横向合作 , 形成更多的数据回路 , 从而夯实你的技术 。 这个就是“ 一横一纵 ” 理论 。

那么对于技术创业公司 , 从“ 一横 ” 走到 “ 一纵 ” , 要选哪个垂直领域 , 取决 5 个关键因素 :

市场空间够不够大 ?

做垂直领域的全栈 , 还是做横向的技术提供商 ? 取决市场空间哪个更大 。 找对垂直领域 , 即使只占一点点市场份额 , 也可能比做“ 一横 ” 全归你的收益大 。 拿美图公司举例 , 他们有美图秀秀 、 美拍 、 美颜相机等 APP , 同时还会跟很多手机厂商合作 , 提供相机拍摄的美颜效果 , 你可以理解这就是技术服务 。

但研究 2016 财报后 , 大家知道美图秀秀选的“ 一纵 ” 是什么吗 ? 就是美图手机 。 以上提到的技术服务都远没有垂直做美图手机赚钱 。 美图手机占了公司全部营收的 93% 。 虽然美图手机去年的销量大约在 74.8 万台 , 仅仅只占国内手机市场全年销量 5 亿多台的不足 0.15% 。

行业集中度如何 ?

做“ 一横 ” 技术提供商时 , 最担心的是你的上游或下游过于集中 , 或者说头部效应越明显 , 对技术提供商就越不利 。 举个简单的例子 , IDC 时代 , HP 、 DELL 等厂商卖服务器 , 都是直接卖给各 IT 公司 , 大家日子过的都很滋润 。 但 2010 年之后就很难做了 , 因为云计算出现了 。

提供云计算的厂商就那几个 , 两只手就能数出来 。 而且头部效应极其明显 , 仅阿里云一家占了 50% 以上份额 。 如果你是一个技术提供商 , 在跟这么垄断的行业去谈判 , 你会发现没有任何筹码 。 所以现在就很悲催 , 假设我是阿里云 , 会让你列出 BOM 成本 , 我就给你 5% 或 10% 的利润 , 这个生意就很难做了 。

在这种情况下 , 你当然有意愿也往上游走 。 但带来的问题是什么 ? 如果上游集中度高 , 说明这事的壁垒很高 , 你作为技术提供商想往上走 , 同样很困难 ; 如果这个上游集中度低或客户很零散 , 对你是件好事 。 但是你也没有太大动力往上游走 , 因为这个市场本来就很零散 , 你即使杀进去 , 可能只有 1% 的市场份额 , 而且使得 99% 的人都变成你的竞争对手了 。 这是个悖论 。

技术是改良还是革命 ?

如果你的技术创新对这个垂直领域是革命性的 , 就越有机会走到上游 。 如果只是改良性的 , 你就老老实实在下游赚个辛苦钱算了 。 越是颠覆性的东西 , 越有机会往上游走 。 因为上游越离不开你 , 意味着你有机会做他的事 。

打个异想天开的比方 , 如果你能提供一个“ 待机一礼拜 ” 的电池 , 那你就可以考虑自己做手机 , 你的手机只打一点 : 一星期不用充电 , 而且是全球唯一 ! 就这一点可能就够了 , 因为这个技术是革命性的 。 相反 , 如果是改良性的技术 , 例如你的电池待机只是比以前多了 10~20% , 那你还是老老实实卖电池吧 。

双方壁垒谁更高 ?

技术提供商的壁垒和上游客户的壁垒哪个更高 , 也决定做“ 一纵 ” 的成败 。 拿比较火的直播平台而言 , 现在都有美颜功能 , 例如给女孩长出个耳朵那种 , 这个通常都是第三方提供的技术 。 技术本身的壁垒并不高 , 很多公司都能提供 , 虽然效果有一些小的差异 , 但你没有明显优势 。

可是直播的壁垒相当高 , 这事有网络效应 , 用户越多会吸引更多的美女主播 , 因为能赚到更多钱 , 美女主播越多 , 也会带来更多的用户 。 同时你舍得花钱 , 需要很多资金来买流量以及签约很 NB 的主播 。 所以这个事壁垒很高 。 你做技术提供商壁垒不高 。 这种情况下 , 虽然技术提供商只能赚个辛苦钱 , 但是仍然完全没有机会往上游走 。

到底跟团队基因相符不相符 ?

能做得了技术服务 , 不代表能做垂直解决方案 , 做全栈 , 因为团队不一定有行业经验 , 这是很大的问题 。 亚马逊的无人便利店 Amazon Go 出来之后 , 国内不少技术团队也想提供类似的技术 , 甚至想做 2C 的便利店 。

与他们聊完后 , 我都会劝他们再考虑一下 , 你的技术再好 , 对于用户而言 , 他买东西的时候 , 会看这个便利店有人还是无人的吗 ? 不会 , 这不是优先选项 。 他首要考虑的还是 —— 哪个便利店离我更近 , 以及我想买的东西这个便利店有没有 。

从这个意义讲 , 这又回到了零售的本质 。 所以如果团队没有零售的基因 , 没有懂零售的人 , 就别考虑自己开便利店的事 。 这时候 , 很多人可能会问“ 那我找个懂行业的高管不就行了么 ? ” 这事没那么简单 , 如果 CEO 不了解行业本质 , 其实是很难靠一个高管去弥补的 。

我特别相信基因决定论 , 如果任何一个新的商业 , BAT 找个懂行业的高管就能搞定了 , 那中国互联网的生意就全是 BAT 的了 , 就没创业公司什么事了 。 BAT , 一个做搜索 , 一个做电商 , 一个做社交 。 其实他们 3 个都把对方的事情已尝试了一遍 , 最后都不成功 。 所以大家能做什么 , 不能做什么 , 跟这个公司的基因是高度相关的 。

第六个问题 : 2C VS 2B

最后一个问题 , 简单说一下 , 科技成熟都需要一定的时间 。 因为从任何技术普及演进的角度 , 几乎都延续了先是从军工 ( 航天 ) 、 到政府 、 到企业 、 到 B2B2C 、 再到 2C 这个规律 。 人工智能也一样 , 目前人工智能在 2C 市场还不是很成熟 。

简单说机器人 , 在个人消费者市场 , 出货量大的机器人只有 4 类产品 : 扫地机器人 、 无人机 、 STEAM 教育类机器人和亚马逊 ECHO 为代表的智能音箱 。 为什么 2C 市场早期的普及有一定的困难 , 简单讲几个原因 :

  1. 产业链不成熟

我做一个创新的东西 , 成品有 10 个部件 。 每一个部件都得自己做 , 而且因为出货量不大 , 每个部件都没有规模效应 , 这就导致每个部件都很贵 , 那你最后做出成品一定很贵 。 这是非常大的问题 。

  1. 2C 是额外花钱

这也是很重要的一个问题 , 2C 端的用户因为自掏腰包 、 额外花钱 , 所以对价格通常比较敏感 , 产品很贵就是一个很大的门槛 。

  1. 2C 产品的用户期待度高

用户买了这么贵的东西 , 自然对产品的期待度会更高很多 。 大家觉得我买一个机器人回来 , 恨不得什么都能干 : 又能唱歌 、 又能跳舞 、 又能聊天 、 又能清洁 、 又能讲英语 。 但这是不现实的 , 现在的技术成熟度离此还有些远 。

相对于 2C 端 , 这些问题在 2B 端却不是问题 。

  1. 2B 端对价格承受能力更高

首先 , 企业对价格的承受能力显然比 2C 强很多 。 你说一个机器人 2 万 , 2C 消费者不可能买 , 但企业问题不大 , 企业对成本承受能力高 。

  1. 2B 的核心目的是降成本

举例工业机器人 , 10 万块钱一个 , 听起来很贵 。 但一个工业机器人替代你 2 个岗位 。 这 2 个岗位一年也得 10 万块钱 , 还不算四险一金 。 然后这机器人能工作 4 年 , 这一下成本只有你原来的 25% , 甚至不到 。 那么企业一算账 , 觉得还是很便宜 。

  1. 2B 可以采取人机混合模式

还有 2B 端的机器人应用更简单一些 。 一方面大多是单任务 , 机器人只要做好一件事就行了 , 实现起来简单 。 另外 , 很多都是以“ 人机混合 ” 模式在作业 。 也就是以前需要 10 个人干活 , 现在我用机器人替代一半人 。 简单重复的工作用机器人替代 , 复杂的用剩下的 5 个人 , 这就是“ 人机混合 ” 模式 。

举个例子 , 现在国内外已有很多安保机器人 , 按固定路线去巡逻 。 你可以理解为移动的摄像头 , 当然算法上肯定加入了一些识别的东西 。 固定绕路线巡逻 , 这个完全可以交给机器人来做 。 难的是 , 在巡逻的过程中 , 如果发现有老太太摔倒了 , 让机器人扶起来 , 这个目前还做不到 。

但这不重要 , 你们后台不还有 5 个人么 , 让他们过来就好了 。 所以人机混合是 2B 比较主流的模式 , 这个大幅降低了机器人普及的难度 。

总结

最后再说一点 , 目前大多数 AI 创业公司都是技术专家主导 , 这很容易理解 , 因为现在技术还有壁垒 , 技术专家主导起码保证产品能做出来 。 不过未来随着技术门槛的降低 , 特别在“ 非关键应用 ” 领域里 , 团队的核心主导 , 会慢慢过渡到产品经理和行业专家为主 , 因为他们离用户需求最近 。 “ 非关键应用 ” 领域 , 懂需求比技术实现更重要 。 长期来看 , 人工智能创业和任何其他领域的创业一样 , 一定是综合实力的比拼 !

$百度(BIDU)$$海康威视(SZ002415)$

打赏

2人打赏

  • 10
  • 6



转发赞收藏

102 转发 · 56 评论 · 120 赞举报

评论...

同时转发

精彩评论(2)

海边的麦Sir2017-11-18 12:27

因为bat干不过zf

赞(12)打赏回复

rick酱2017-11-18 13:57

bat不卖摄像头啊

赞(6)打赏回复

全部评论(56)

版权声明:本文由奥门新萄京娱乐场发布于技术支撑,转载请注明出处:迅雷创办人程浩,关于人工智能的图谋