迅雷創始人程浩:人工(gōng)智能創業的6大(dà)核心問題

來源:網絡2017-10-09 13:27:24


       大(dà)家好,我(wǒ)是迅雷創始人程浩,現在專注科技領域的投資(zī)。今天跟大(dà)家聊聊人工(gōng)智能領域的創業和創新,包括如何選擇賽道、團隊的搭配、以及如何應對巨頭的挑戰。
 
  爲此我(wǒ)從投資(zī)人的視角,給大(dà)家總結了人工(gōng)智能創業的6大(dà)核心問題。
 
  第一(yī)個問題:互聯網 vs 人工(gōng)智能
 
  首先如果今天大(dà)家選擇創業,我(wǒ)建議更應該關注人工(gōng)智能,而非互聯網。爲什麽這麽講? 
 
  1。 互聯網的流量紅利已經消失;
 
  以PC來說,全球PC出貨量連續5年下(xià)滑。大(dà)家知(zhī)道國内最後出現的一(yī)個PC互聯網獨角獸是誰嗎(ma)?是知(zhī)乎,大(dà)概是2011年初推出,這麽多年過去(qù),再也沒有PC互聯網的獨角獸出現。做個類比,我(wǒ)們知(zhī)道2015年移動互聯網的滲透率和競争程度和2011年的PC互聯網類似,以此類推,2015年以後再做移動APP,也很難出獨角獸了。
 
  畢竟中(zhōng)國連續兩年手機出貨量都在5億多台,增長放(fàng)緩,代表無線流量基本已走平,你多賣一(yī)台,我(wǒ)就少賣一(yī)台,是存量競争。今天創業者再做一(yī)個純互聯網的APP,投資(zī)人問的第一(yī)個問題就是你怎麽獲客。因爲現階段流量格局已定,首屏就那幾個APP。
 
  2。 互聯網+的機會同樣有限;
 
  主要在于互聯網最大(dà)的價值,是解決信息不對稱和連接。所以對于電(diàn)商(shāng)特别有價值。淘寶用皇冠、鑽石等信用體(tǐ)系解決了信息不對稱,同時又(yòu)把全國有這麽多買家和賣家連接在一(yī)起。這個是互聯網的價值。
 
  但很多行業信息和連接并不是痛點。拿醫療舉例,中(zhōng)國三甲醫院的大(dà)夫就那麽多,你把全國13億人民都和這些大(dà)夫連接上了也沒用,因爲一(yī)個醫生(shēng)一(yī)天還是隻能看那麽多病人。互聯網并沒有提高醫生(shēng)看診的效率。在諸如餐飲、醫療這些傳統領域,互聯網的幫助是很有限的。 
 
  也包括滴滴打車(chē),互聯網解決了打車(chē)難的問題,但是沒解決打車(chē)價格的問題。事實上,補貼去(qù)掉之後,大(dà)家都發現了滴滴一(yī)點都不便宜,道理很簡單——不管是專車(chē)還是出租車(chē),還是需要由人來開(kāi),人工(gōng)成本降不下(xià)來,就不可能便宜。
 
  3。 真正能夠提高社會生(shēng)産力,解決供需關系不平衡的就是人工(gōng)智能;
 
  人工(gōng)智能将給社會生(shēng)産力帶來的提高,以及對人類帶來的影響将遠遠超過互聯網。
 
  還是拿醫療來說,很多基層醫院水平不高,那未來完全可以通過人工(gōng)智能來輔助醫生(shēng)讀CT、X光等醫療影像。像今年,IBMWatson對皮膚黑色素瘤的診斷,準确率已提高至97%,遠遠超過了人類專家75%-84%的平均水平。
 
  未來,人工(gōng)智能無論是在無人車(chē)、機器人、醫療、金融、教育還是其他領域,都将爆發巨大(dà)的社會效益,這點毋庸置疑。我(wǒ)認爲下(xià)一(yī)波大(dà)趨勢和大(dà)的紅利不是互聯網+,而是人工(gōng)智能+。我(wǒ)建議現在的創業者更應該關注人工(gōng)智能領域的創業機會。
 
  第二個問題:人工(gōng)智能 vs 人工(gōng)智能+
 
  人工(gōng)智能主要分(fēn)三層。最底層是基礎架構(Infrastructure),包括雲計算、芯片以及TensorFlow這樣的框架。在基礎層之上是中(zhōng)間層,叫通用技術(EnablingTechnology),例如圖像識别、語音識别、語義理解、機器翻譯這些。 
 
  基礎層和中(zhōng)間層,是互聯網巨頭的必争之地。比如芯片領域,Intel、英偉達、高通都投入巨資(zī),競争極其激烈。同樣雲計算、框架也是一(yī)樣,都不是小(xiǎo)公司能夠涉足的領地。
 
  現在對于中(zhōng)間層的通用技術,BAT也極其重視。因爲大(dà)家都相信人工(gōng)智能是下(xià)一(yī)波工(gōng)業革命浪潮。對騰訊、阿裏、百度這些巨頭來講,要想在大(dà)浪中(zhōng)屹立不倒,必須要構建出人工(gōng)智能的生(shēng)态系統(Ecosystem)。而核心就是要依靠這些Enabling Technology技術。 
 
  相比創業公司,BAT的最大(dà)優勢是什麽呢?第一(yī),不缺數據;第二,爲了構建自己的生(shēng)态系統,未來通用技術一(yī)定全部是免費(fèi)的;第三,雖然通用技術免費(fèi),但BAT有羊毛出在身上的豬機會。這是典型的互聯網打法。
 
  這裏的豬是什麽?豬就是雲計算。例如百度的ABC策略,分(fēn)别代表人工(gōng)智能(AI)、大(dà)數據(Big Data)和雲計算(Cloud Computing)。AI我(wǒ)可以不賺錢,開(kāi)放(fàng)給大(dà)家,那麽大(dà)家想享受我(wǒ)的服務,就來買我(wǒ)的雲吧。 
 
  而對于創業企業來說,隻做圖像識别、語音識别、語義理解、機器翻譯這些通用技術,指望通過SDK賣錢,未來路會越來越窄,特别是BAT都免費(fèi)的壓力下(xià)。
 
  所以從這個角度講,創業公司做下(xià)面兩層風險比較大(dà)。我(wǒ)認爲創業公司的機會在最上層,就是拿着下(xià)兩層的成果去(qù)服務垂直行業,也就是我(wǒ)們所謂的人工(gōng)智能+。
 
  第三個問題:人工(gōng)智能+ vs +人工(gōng)智能
 
  深入垂直行業的人工(gōng)智能+,又(yòu)可細分(fēn)爲兩類情況:即“人工(gōng)智能+行業”和“行業+人工(gōng)智能”,他們間有明顯的區别。
 
  “AI+行業”簡單講就是在AI技術成熟之前,這個行業、産品從未存在過。比如自動駕駛,亞馬遜的Echo智能音箱、蘋果的Siri語音助手。在人工(gōng)智能技術未突破前,不存在這樣的産品。因爲AI,創造出了一(yī)條全新的産業鏈。 
 
  “行業+AI”就是行業本身一(yī)直存在,産業鏈條成熟,隻是以前完全靠人工(gōng),效率比較低,現在加入AI元素後,使得行業效率有了明顯提高。比如安防、醫療等領域。
 
  客觀講,這兩個類别都有創業機會。但“AI+行業”,因爲是一(yī)條新的産業鏈,創業公司與互聯網巨頭實際是處在同一(yī)起跑線上。巨頭們坐擁數據優勢。所以從這個角度,“行業+AI”相對對創業公司更爲友好,也更容易構建出壁壘。
 
  我(wǒ)認爲,未來行業壁壘才是人工(gōng)智能創業最大(dà)的護城河。因爲每個行業都有垂直縱深, 盡管BAT技術好一(yī)點、并不關鍵。拿醫療+AI舉例,什麽最重要?大(dà)量準确的被醫生(shēng)标注過的數據最重要。沒有數據,再天才的科學家也無用武之地。
 
  但在國内,這個醫療數據拿出來非常困難。所以BAT做醫療一(yī)點優勢都沒有,因爲他們要把這些數據,從各醫院、各科室搞出來也很累。相反,如果一(yī)個創業者在醫療行業耕耘很多年,也許拿起數據來比大(dà)公司更容易。
 
  這要求創始團隊的合夥人中(zhōng),必須有懂行業、有行業資(zī)源的人才。這與互聯網+一(yī)樣,一(yī)旦細分(fēn)到具體(tǐ)行業,并不是說你百度、騰訊有資(zī)金、有流量,投入人才就什麽都能做,比拼的還有行業資(zī)源和人脈。
 
  之所以跟大(dà)家聊這個話(huà)題,是因爲前一(yī)段去(qù)百度大(dà)學跟大(dà)家交流,他們提到百度人工(gōng)智能在無人車(chē)和DuerOS的應用。同時又(yòu)問我(wǒ),人臉識别在國内安防領域的應用價值非常大(dà)。像海康威視有近3000億人民币的市值,每年光淨利潤就有近百億。百度在AI方面是不是該考慮進軍這個領域。我(wǒ)回答說千萬别,因爲安防是典型的、有巨大(dà)壁壘的“行業+AI”領域。 
 
  即使百度技術好,在人臉識别率方面比海康威視高一(yī)個百分(fēn)點(實際不一(yī)定,海康背後有幾百人的AI研發團隊)。但這并不代表百度就能替代海康。因爲安防是“非關鍵性應用”(non-mission-critical),100個犯人我(wǒ)識别了95個,你比我(wǒ)多識别了一(yī)個做到了96個,其實沒那麽重要。 
 
  而反過來,海康對比百度有什麽優勢?首先海康是做攝像頭的,用自己的硬件跑自己的算法,是很自然的事兒。就像蘋果手機,軟硬一(yī)體(tǐ)體(tǐ)驗更好。其次,海康做了這麽多年的安防,積累了非常多的數據,人臉的數據、環境的數據……在安防領域有數據優勢。最後,海康給公安系統做了很多類似警務通、基站信息采集、視圖檔案管理等SaaS平台的東西,以及警用雲系統。我(wǒ)們可以認爲公安系統的IT化,其中(zhōng)有一(yī)部分(fēn)就是海康威視參與的。
 
  這些東西可能不賺錢,但卻爲海康構建了壁壘。因爲底層的基礎設施都是我(wǒ)建的,那前端的東西就隻能用我(wǒ)的(我(wǒ)可以有100個理由,說競品與我(wǒ)不兼容)。而且海康做了這麽長時間,積累了大(dà)量的客戶資(zī)源,特别是政府公安局的資(zī)源,開(kāi)拓這些資(zī)源非常需要時間。
 
  這些就是所謂的行業縱深。所以即使對BAT而言,想進入“行業+AI”領域,選擇垂直賽道時,同樣要非常謹慎。在巨大(dà)的行業壁壘面前,真不是說我(wǒ)的算法比你好一(yī)些,市場就是我(wǒ)的,隻有技術優勢仍然差的很遠。
 
  回歸 “AI+行業”和“行業+AI”,通常來講前者的行業縱深會比較淺,而後者則有巨大(dà)的行業壁壘。而行業壁壘,則是創業公司最大(dà)的護城河,也是抵擋BAT的關鍵。
 
  第四個問題:關鍵性應用 vs 非關鍵性應用
 
  談到人工(gōng)智能領域的創業,很多人都會有個誤解,就是如果我(wǒ)團隊沒有個大(dà)牛的科學家,比如斯坦福、MIT的博士坐鎮,我(wǒ)都不好意思講在人工(gōng)智能方面創業。其實這個認知(zhī)是完全錯的。因爲在人工(gōng)智能領域,算法到底有多重要,完全取決于你要準備進入哪個行業。
 
  根據行業和應用場景不同,我(wǒ)認人工(gōng)智能的創業本質上有mission-critical和non-mission-critical之分(fēn)。爲了方便大(dà)家理解,我(wǒ)們簡稱爲“關鍵性應用”和“非關鍵性應用”。 
 
  “關鍵性應用”要追求99.9……%後的多個9,做不到就沒法商(shāng)業化。比如大(dà)家認爲,99%可靠度的自動駕駛能上路嗎(ma)?肯定不能,意味着100次就出1次事故。99.9%也不行,1000次出一(yī)次事故。
 
  千萬記住,99%和99.9%的可靠度差距并不是0.9%,而是要反過來算,差距是10倍。也包括手術機器人,聽(tīng)起來99.9%可靠度已經很高了,但意味着1000次出一(yī)次醫療事故,放(fàng)在美國,醫院還不得被巨額索賠搞得破産。
 
  所以“關鍵性應用”領域,就是一(yī)丁點兒錯都不能犯的人工(gōng)智能領域,必須要有技術大(dà)牛、科學家或算法專家坐鎮。同時,這類項目研發周期都很長。
 
  正如以色列做ADAS (高級駕駛輔助系統)解決方案的Mobileye公司,今年3月被Intel以153億美金收購。大(dà)家知(zhī)道這家公司研發周期有多長嗎(ma)?Mobileye成立于1999年,到他們推出首款産品、掙到第一(yī)桶金已是2007年。長達8年的研發周期。這在互聯網創業裏不可想象。包括谷歌無人車(chē)從2009年開(kāi)始研發,到現在一(yī)直沒有商(shāng)業化;達芬奇手術機器人從啓動研發到2000年拿到美國食品藥品管理局(FDA)的認證,花了十年時間。
 
  “關鍵性應用”的普遍特點就是這樣,項目通常很貴,研發周期巨長,離(lí)錢非常遠,需要持續的融資(zī)能力,團隊怎樣才有持續融資(zī)?起碼要有非常好的簡曆和非常好的背景。這個是能夠持續融資(zī)的必要前提。所以大(dà)家可以看到,今天做無人駕駛的創業團隊都是高富帥。因爲不是高富帥,你都熬不到産品真正商(shāng)業化應用那天。
 
  當然,如果在人工(gōng)智能領域都是“關鍵性應用”,那就沒大(dà)多數創業者什麽事了。實際上,人工(gōng)智能領域的創業,95%都是“非關鍵性應用(none-mission-critical)”。簡單講對這些領域,AI的可靠度隻要過了基礎線,高一(yī)點低一(yī)點區别不大(dà)。
 
  最簡單的例子,現在很多公司的門禁開(kāi)始用人臉識别。你今天帶個帽子,明天戴個墨鏡或口罩,識别率沒法做到99%。可即使沒識别出來也沒問題。因爲所有帶人臉識别的門禁都有地方讓你按指紋。即使指紋也刷不進去(qù),問題也不大(dà),公司不還有前台嗎(ma)。
 
  這就是“非關鍵性應用“。這類項目不追求99%後面的很多個9。實際上,國内人工(gōng)智能和機器人方向的創業,大(dà)部分(fēn)領域都是“非關鍵性應用”。當然并不是說,在這個領域算法不重要,你天天認不出來也不行,所以一(yī)定要過了基礎的可用性門檻,偶爾出現問題可以容忍。“關鍵性應用”則不能容忍。
 
  “非關鍵性應用“不追求高大(dà)上,簡單、實用、性價比高更重要,這樣的項目通常比拼綜合實力。包括:
 
  對行業的洞察理解。要熟知(zhī)行業痛點;
 
  産品和工(gōng)程化能力。光在實驗室裏搞沒意義;
 
  成本控制。不光能做出來的産品,還得便宜的做出來;
 
  供應鏈能力。不光能出貨,還要能批量生(shēng)産;
 
  營銷能力。産品出來了,你得把東西賣出去(qù)。團隊裏有沒有營銷高手,能不能搞定最好的渠道是關鍵。 
 
  所以大(dà)家在創業組團隊時,一(yī)定要想好你選擇的賽道處于哪個領域,不同的賽道對于團隊的要求是不一(yī)樣。“關鍵性應用”必須有技術大(dà)牛坐鎮,“非關鍵性應用”則要求團隊更加綜合和全面。
 
  第五個問題:技術提供商(shāng) vs 全棧服務商(shāng)
 
  現在很多人工(gōng)智能創業者都是技術背景出身,創業的第一(yī)個想法通常是做技術提供商(shāng)。技術提供商(shāng)作爲創業的敲門磚可以。但如果隻定位做技術提供商(shāng),未來路會非常窄。爲什麽說未來隻做技術提供商(shāng)價值會越來越小(xiǎo)?原因有幾點:
 
  1。 首先通用技術一(yī)定是大(dà)公司的賽道,BAT未來一(yī)定會開(kāi)放(fàng)免費(fèi)。
 
  人家大(dà)公司會免費(fèi)提供人臉識别、語音識别、語義理解、機器翻譯這類EnablingTechnology,你還打算怎麽靠API調用賺錢呢?也許現在還可賺點小(xiǎo)錢,但很難成爲一(yī)個長久的生(shēng)意。
 
  2。 依托于算法的技術壁壘會越來越低。
 
  未來随着基礎計算平台和開(kāi)源平台的豐富成熟,技術方面的壁壘會越來越不明顯,整個人工(gōng)智能的技術準入門檻會越降越低。就像2008年你想找個IOS開(kāi)發者,很難,現在卻很容易一(yī)樣,所有技術的演進都遵循這一(yī)規律。特别随着今天各大(dà)學的計算機專業,都紛紛開(kāi)設機器學習課程,未來人才不缺,這會拉低整個行業的進入門檻。
 
  同時随着谷歌TensorFlow等生(shēng)态系統的成熟,很多領域都會有訓練好的模型可以用來參考(出Demo會更快),創業者隻要有足夠的數據來訓練參數就好了。所以未來算法的壁壘會越來越低,如果這個公司的核心競争力隻是算法,那将非常危險。
 
  3。 技術提供商(shāng)如果不直接面向用戶/客戶提供整體(tǐ)解決方案,則非常容易被上下(xià)遊碾壓:
 
  對于技術提供商(shāng)和算法類公司,如果你的技術壁壘不夠高,上遊很可能直接把你的事做了。這樣的例子比比皆是,比如給海康威視提供人臉識别算法的公司。問題就在于,海康在用你算法的時候,人家也有龐大(dà)的研發團隊在研究自己的算法。現在用你是人家還沒準備好,一(yī)旦準備好立刻會把你替換掉。
 
  即使在有一(yī)定技術門檻的行業,技術提供商(shāng)的日子同樣并不好過。比如專注嵌入式的視覺處理芯片的Movidius,大(dà)疆無人機一(yī)直在用他們的芯片。但自從大(dà)疆統治了消費(fèi)級無人機市場後,大(dà)疆現在也很自然地開(kāi)始研發自己的芯片。
 
  按說芯片的技術壁壘并不低,但隻要行業集中(zhōng)度高,赢家就會選擇通吃。比如做手機的廠商(shāng),出貨量到了一(yī)個閥值,都有動力自己做芯片。像蘋果、三星、華爲還有現在的小(xiǎo)米,都選擇了自己做手機CPU。所以聯發科、高通這些技術提供商(shāng),其實是挺痛苦的。
 
  這其實是一(yī)個産業鏈通用規律:産業鏈上的壟斷者會吃掉所有利潤,而且他們非常有動力往上遊或下(xià)遊擴展。拿PC産業鏈舉例,内存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了?Windows和Intel卻賺走了絕大(dà)部分(fēn)利潤。 
 
  既然做純技術提供商(shāng)沒有出路,那怎麽辦?浩哥提出“一(yī)橫一(yī)縱”理論。前期做技術服務可以,但是不能一(yī)輩子做技術服務。
 
  “一(yī)橫”就是指你提供的技術服務。通常“一(yī)橫”能服務很多行業,一(yī)定要找到1、2個,你認爲最有市場機會,最适合你的垂直領域,深紮進去(qù)做“全棧”:把技術轉化爲産品,然後搞定用戶賣出去(qù),實現商(shāng)業變現,再通過商(shāng)業反饋更多的數據,更加夯實自己的技術。一(yī)句話(huà)講,要做技術、産品、商(shāng)業和數據四位一(yī)體(tǐ)的“全棧”,這就是“一(yī)縱”。這才是健康的商(shāng)業模式。
 
  在垂直外(wài)的行業,因爲沒有利益沖突,你仍可老老實實的做技術服務。這樣的話(huà),商(shāng)業上你能吃透一(yī)個垂直行業,技術上你還能通過橫向合作,形成更多的數據回路,從而夯實你的技術。這個就是“一(yī)橫一(yī)縱”理論。
 
  那麽對于技術創業公司,從“一(yī)橫”走到“一(yī)縱”,要選哪個垂直領域,取決5個關鍵因素: 
 
  市場空間夠不夠大(dà)?
 
  做垂直領域的全棧,還是做橫向的技術提供商(shāng)?取決市場空間哪個更大(dà)。找對垂直領域,即使隻占一(yī)點點市場份額,也可能比做“一(yī)橫”全歸你的收益大(dà)。拿美圖公司舉例,他們有美圖秀秀、美拍、美顔相機等APP,同時還會跟很多手機廠商(shāng)合作,提供相機拍攝的美顔效果,你可以理解這就是技術服務。
 
  但研究2016财報後,大(dà)家知(zhī)道美圖秀秀選的“一(yī)縱”是什麽嗎(ma)?就是美圖手機。以上提到的技術服務都遠沒有垂直做美圖手機賺錢。美圖手機占了公司全部營收的93%。雖然美圖手機去(qù)年的銷量大(dà)約在74.8萬台,僅僅隻占國内手機市場全年銷量5億多台的不足0.15%。
 
  行業集中(zhōng)度如何?
 
  做“一(yī)橫”技術提供商(shāng)時,最擔心的是你的上遊或下(xià)遊過于集中(zhōng),或者說頭部效應越明顯,對技術提供商(shāng)就越不利。舉個簡單的例子,IDC時代,HP、DELL等廠商(shāng)賣服務器,都是直接賣給各IT公司,大(dà)家日子過的都很滋潤。但2010年之後就很難做了,因爲雲計算出現了。
 
  提供雲計算的廠商(shāng)就那幾個,兩隻手就能數出來。而且頭部效應極其明顯,僅阿裏雲一(yī)家占了50%以上份額。如果你是一(yī)個技術提供商(shāng),在跟這麽壟斷的行業去(qù)談判,你會發現沒有任何籌碼。所以現在就很悲催,假設我(wǒ)是阿裏雲,會讓你列出BOM成本,我(wǒ)就給你5%或10%的利潤,這個生(shēng)意就很難做了。
 
  在這種情況下(xià),你當然有意願也往上遊走。但帶來的問題是什麽?如果上遊集中(zhōng)度高,說明這事的壁壘很高,你作爲技術提供商(shāng)想往上走,同樣很困難;如果這個上遊集中(zhōng)度低或客戶很零散,對你是件好事。但是你也沒有太大(dà)動力往上遊走,因爲這個市場本來就很零散,你即使殺進去(qù),可能隻有1%的市場份額,而且使得99%的人都變成你的競争對手了。這是個悖論。
 
  技術是改良還是革命?
 
  如果你的技術創新對這個垂直領域是革命性的,就越有機會走到上遊。如果隻是改良性的,你就老老實實在下(xià)遊賺個辛苦錢算了。 越是颠覆性的東西,越有機會往上遊走。因爲上遊越離(lí)不開(kāi)你,意味着你有機會做他的事。
 
  打個異想天開(kāi)的比方,如果你能提供一(yī)個“待機一(yī)禮拜”的電(diàn)池,那你就可以考慮自己做手機,你的手機隻打一(yī)點:一(yī)星期不用充電(diàn),而且是全球唯一(yī)!就這一(yī)點可能就夠了,因爲這個技術是革命性的。相反,如果是改良性的技術,例如你的電(diàn)池待機隻是比以前多了10~20%,那你還是老老實實賣電(diàn)池吧。 
 
  雙方壁壘誰更高?
 
  技術提供商(shāng)的壁壘和上遊客戶的壁壘哪個更高,也決定做“一(yī)縱”的成敗。拿比較火(huǒ)的直播平台而言,現在都有美顔功能,例如給女孩長出個耳朵那種,這個通常都是第三方提供的技術。技術本身的壁壘并不高,很多公司都能提供,雖然效果有一(yī)些小(xiǎo)的差異,但你沒有明顯優勢。
 
  可是直播的壁壘相當高,這事有網絡效應,用戶越多會吸引更多的美女主播,因爲能賺到更多錢,美女主播越多,也會帶來更多的用戶。同時你舍得花錢,需要很多資(zī)金來買流量以及簽約很NB的主播。所以這個事壁壘很高。你做技術提供商(shāng)壁壘不高。這種情況下(xià),雖然技術提供商(shāng)隻能賺個辛苦錢,但是仍然完全沒有機會往上遊走。
 
  到底跟團隊基因相符不相符?
 
  能做得了技術服務,不代表能做垂直解決方案,做全棧,因爲團隊不一(yī)定有行業經驗,這是很大(dà)的問題。亞馬遜的無人便利店(diàn)Amazon Go出來之後,國内不少技術團隊也想提供類似的技術,甚至想做2C的便利店(diàn)。
 
  與他們聊完後,我(wǒ)都會勸他們再考慮一(yī)下(xià),你的技術再好,對于用戶而言,他買東西的時候,會看這個便利店(diàn)有人還是無人的嗎(ma)?不會,這不是優先選項。他首要考慮的還是——哪個便利店(diàn)離(lí)我(wǒ)更近,以及我(wǒ)想買的東西這個便利店(diàn)有沒有。
 
  從這個意義講,這又(yòu)回到了零售的本質。所以如果團隊沒有零售的基因,沒有懂零售的人,就别考慮自己開(kāi)便利店(diàn)的事。這時候,很多人可能會問“那我(wǒ)找個懂行業的高管不就行了麽?”這事沒那麽簡單,如果CEO不了解行業本質,其實是很難靠一(yī)個高管去(qù)彌補的。
 
  我(wǒ)特别相信基因決定論,如果任何一(yī)個新的商(shāng)業,BAT找個懂行業的高管就能搞定了,那中(zhōng)國互聯網的生(shēng)意就全是BAT的了,就沒創業公司什麽事了。BAT,一(yī)個做搜索,一(yī)個做電(diàn)商(shāng),一(yī)個做社交。其實他們3個都把對方的事情已嘗試了一(yī)遍,最後都不成功。所以大(dà)家能做什麽,不能做什麽,跟這個公司的基因是高度相關的。
 
  第六個問題:2C vs 2B
 
  最後一(yī)個問題,簡單說一(yī)下(xià),科技成熟都需要一(yī)定的時間。因爲從任何技術普及演進的角度,幾乎都延續了先是從軍工(gōng)(航天)、到政府、到企業、到B2B2C、再到2C這個規律。人工(gōng)智能也一(yī)樣,目前人工(gōng)智能在2C市場還不是很成熟。
 
  簡單說機器人,在個人消費(fèi)者市場,出貨量大(dà)的機器人隻有4類産品:掃地機器人、無人機、STEAM教育類機器人和亞馬遜ECHO爲代表的智能音箱。爲什麽2C市場早期的普及有一(yī)定的困難,簡單講幾個原因: 
 
  1。 産業鏈不成熟
 
  我(wǒ)做一(yī)個創新的東西,成品有10個部件。每一(yī)個部件都得自己做,而且因爲出貨量不大(dà),每個部件都沒有規模效應,這就導緻每個部件都很貴,那你最後做出成品一(yī)定很貴。這是非常大(dà)的問題。
 
  2。 2C是額外(wài)花錢
 
  這也是很重要的一(yī)個問題,2C端的用戶因爲自掏腰包、額外(wài)花錢,所以對價格通常比較敏感,産品很貴就是一(yī)個很大(dà)的門檻。
 
  3。 2C産品的用戶期待度高
 
  用戶買了這麽貴的東西,自然對産品的期待度會更高很多。大(dà)家覺得我(wǒ)買一(yī)個機器人回來,恨不得什麽都能幹:又(yòu)能唱(chàng)歌、又(yòu)能跳舞、又(yòu)能聊天、又(yòu)能清潔、又(yòu)能講英語。但這是不現實的,現在的技術成熟度離(lí)此還有些遠。
 
  相對于2C端,這些問題在2B端卻不是問題。
 
  1。 2B端對價格承受能力更高
 
  首先,企業對價格的承受能力顯然比2C強很多。你說一(yī)個機器人2萬,2C消費(fèi)者不可能買,但企業問題不大(dà),企業對成本承受能力高。
 
  2。 2B的核心目的是降成本
 
  舉例工(gōng)業機器人,10萬塊錢一(yī)個,聽(tīng)起來很貴。但一(yī)個工(gōng)業機器人替代你2個崗位。這2個崗位一(yī)年也得10萬塊錢,還不算四險一(yī)金。然後這機器人能工(gōng)作4年,這一(yī)下(xià)成本隻有你原來的25%,甚至不到。那麽企業一(yī)算賬,覺得還是很便宜。
 
  3。 2B可以采取人機混合模式
 
  還有2B端的機器人應用更簡單一(yī)些。一(yī)方面大(dà)多是單任務,機器人隻要做好一(yī)件事就行了,實現起來簡單。另外(wài),很多都是以“人機混合”模式在作業。也就是以前需要10個人幹活,現在我(wǒ)用機器人替代一(yī)半人。簡單重複的工(gōng)作用機器人替代,複雜(zá)的用剩下(xià)的5個人,這就是“人機混合”模式。
 
  舉個例子,現在國内外(wài)已有很多安保機器人,按固定路線去(qù)巡邏。你可以理解爲移動的攝像頭,當然算法上肯定加入了一(yī)些識别的東西。固定繞路線巡邏,這個完全可以交給機器人來做。難的是,在巡邏的過程中(zhōng),如果發現有老太太摔倒了,讓機器人扶起來,這個目前還做不到。
 
  但這不重要,你們後台不還有5個人麽,讓他們過來就好了。所以人機混合是2B比較主流的模式,這個大(dà)幅降低了機器人普及的難度。
 
  最後再說一(yī)點,目前大(dà)多數AI創業公司都是技術專家主導,這很容易理解,因爲現在技術還有壁壘,技術專家主導起碼保證産品能做出來。不過未來随着技術門檻的降低,特别在“非關鍵應用”領域裏,團隊的核心主導,會慢(màn)慢(màn)過渡到産品經理和行業專家爲主,因爲他們離(lí)用戶需求最近。“非關鍵應用”領域,懂需求比技術實現更重要。長期來看,人工(gōng)智能創業和任何其他領域的創業一(yī)樣,一(yī)定是綜合實力的比拼!