发送验证码
未注册的用户手机验证后自动登录
30天内免登录
社交账号登录
绑定手机号
发送验证码
人工智能没有技术大牛坐镇，能不能创业？
之前给大家提过，现在如果要创业，首选人工智能。很多读者跟我反馈，团队里面如果没有一个技术大牛（MIT，斯坦福等大学的博士）坐镇，都不好意思告诉别人自己在做人工智能创业。但其实这个认知完全是错的。根据行业和应用场景的不同，人工智能创业有本质上的区别：关键性应用和非关键性应用。看不懂？莫慌，待我娓娓道来。关键性应用是什么意思呢？我举一个例子你就明白了。99%可靠度的自动驾驶汽车，你敢坐吗？肯定是不敢的，100次行程中就有一次会出事故，就算可靠度达到99.9%也不行，那意味着1000次行程就会出现一次事故。千万记住，99%和99.9%的可靠度差距不是0.9%，而是10倍。谷歌无人驾驶汽车事故现场是不是只有自动驾驶领域有这样的要求呢？再举一个例子，99.9%可靠度的手术机器人，可靠度已经很高了，但意味着1000次的手术会出一次医疗事故，虽然已经比医生手术的成功率高很多，但如果放去美国，这家用手术机器人做手术的医院还不得被巨额索赔搞得破产？手术机器人还没有解决伦理问题，无法普及所以，在人工智能关键性应用场景创业，你没有达到99.9……%（后面很多个9）可靠度，就没有办法商业化，所以，就要求团队必须有技术大牛，科学家或者算法专家坐镇。同时，关键性应用普遍的特点就是这样，贵，研发周期长，除非你本来就很有钱，不然就得有很强的团队背书，可以获得持续的融资，毕竟Google，百度，苹果，特斯拉等巨头企业不多。当然，如果人工智能创业都是关键性应用场景创业，那就没创业者什么事了。实际上，人工智能领域的创业，有95%都是非关键性应用场景创业。简单来说，这些场景AI的可靠度只要过了基础线，高一点低一点区别都不大。非关键性应用不追求99.9……%后面的很多个9，偶尔出现问题，是可以容忍的。比如现在的人脸识别，你今天戴个帽子，明天带个墨镜，不能识别出来很正常，大不了你用指纹识别，再不行，按个门铃让人开门呗。当然，也不是说非关键性应用就不要求可靠性了，你天天识别不出来也不行嘛。目前，基于虹膜的识别可靠度最高对非关键性应用的要求，偏向于简单，实用，性价比高，这样的项目通常拼综合实力。包括：熟知行业痛点。产品化能力。供应链能力和成本控制。营销能力。祝成功，供大家参考。
期待您的热评老郭谈：人工智能时代来临，你准备好了吗？
老郭谈：人工智能时代来临，你准备好了吗？
想必看过爆文《别了司机！深圳打响第一枪！》的人们已然被这第一锤砸了个通体好奇，脑子里第一时间映射到的该是——司机这个行当怕是要朝不保夕了。深圳都有了，最晚明年也该到咱们的城市了吧。虽然，很快这篇文章被确认为部分失实的报道，深圳的这辆无人驾驶公交车只是在预设范围内预设站点的实验而已。
今年7月份，在上海的街头出现了国内第一家24小时无人便利店，这个名为“缤果盒子”的无人超市大约十几平米左右的面积，与其它便利店不同的是，它24小时营业，而且店内是没有收银员的。但不可否认的是，从无人公交也好，无人超市也好，我们越来越明显地感觉到人工智能的时代已经悄然走到了我们身边。我们先来以笔者所熟知的地产行业来聊聊未来的智能家居生活。未来没有配套智能家居的房子，就是毛坯房！
这是一则来自22年前的预言比尔·盖茨曾在1995年出版的《未来之路》中就下了论断：在不远的未来，没有智能家居系统的住宅会像不能上网的住宅一样不合潮流。但这个论断因为过于超前，在当时并没有引起太过于广泛的关注，毕竟对于除了美国硅谷之外大部分地域而言，1995年人们对于互联网技术都尚处于一个犹豫不定的时期，又如何能看到在互联网技术之后的下一波浪潮智能家居呢？
于是，为了向世人证明自己的判断，他花了巨款造就了堪称全球智能家居经典之作：“未来屋”。这座占地面积约6600平方米、经过7年时间精心打造的湖滨别墅，总造价高达 1.13亿美元，被称为“世界上最聪明的房子”。其位于美国西雅图的华盛顿湖畔，前临水、后倚山，林木蓊郁、气象万千，同时整体建筑也完成了家居生活与高科技的完美对接，成为世界一大奇观。
在未来屋里
人类未来的生活是这样的：
主人在回家途中，浴缸已经自动放水调温；厕所里安装了一套检查身体的系统，如发现主人身体异常，电脑会立即发出警报；车道旁的一棵140岁的老枫树，主人可以对它进行24小时全方位监控，一旦监视系统发现它“渴”了，将释放适量的水来为它“解渴”；当有客人到来时，都会得到一个别针，只要将它别在衣服上，就会自动向房屋的计算机控制中心传达客人最喜欢的温度、电视节目和对电影的喜好……智能房屋系统的发展将会改变人类未来生活，也许在不久的将来，人类的房屋就可以实现智能化，一些日常生活就会有“第二保姆”——智能房屋来代劳。
比尔盖茨的未来屋，兴建于1990年，1997年完工，在当时来看，它与普通人的生活无比遥远，似乎只是巨富们一时兴起的异想天开，但放在二十年以后的今天来看，这样的生活离我们越来越近。
笔者一直相信：
就像从功能手机到智能手机的时代变迁一样，
每个行业都在面临人工智能时代的挑战。
的确，今天的中国进步太快，每一天都在发生翻天覆地的改变。这个时代的中国变化更快，没有一种商业模式能长存；没有一种竞争力能永恒；没有一种资产能稳固。
随着实名制的支付宝与微信支付的越来越普及，中国的第二张身份证已经彻底诞生！它的名字就叫“信用 ”！不管是吃饭、购物、坐飞机、出国旅行，只要你的手机里面有支付宝、微信。你所产生的每一笔交易记录都将转化为你的信用积分。出门你都可以不用携带现金！即使你的支付宝钱包里面没有钱，只要你的“ 信用 ”积分够，一样可以扫码支付。
随着杭州、天津、福州、北京等等各大城市先后宣布正式进入“ 无现金城市 ” ，这标志着中国已经进入了无现金、大信用的时代！再加上最近几年成熟的人脸识别技术、生物感应技术、物联网、手机支付等等高科技，未来的中国将超乎你的想象。
其实对我们来说，人工智能在有灵魂的思想者与一个没有灵魂却栩栩如生的非思想者机器之间存在的重大区别在于：我思故我在。不被技术控制，便需要在多个思考层面上，为人类之生存设想。像过去那种一个思路“一招吃三年”的时代已经一去不复返，在这个快速发展的新时代，“一年吃三招”也未必够用，思路不变死路一条，已经成为新的行业特征。
其实不论是人工智能抢人工作也好，还是人工给人创造新的工作也罢，我们需要提前关注下处在技术革新镇痛期的群体，需要关注我们自身如何与时俱进跟上时代步伐，唯有如此，方不辜负这个时代给予我们的机会，也方有机会感受这个特殊时代给予我们的责任和使命！AI创业三问：如何选赛道？技术服务还是全栈？2C还是2B？AI创业三问：如何选赛道？技术服务还是全栈？2C还是2B？虎嗅APP百家号虎嗅注：本文来自迅雷创始人程浩的分享。他以从投资人的视角，对人工智能领域的创业和创新进行了一番解读，包括如何选择赛道、团队的搭配、以及如何应对巨头的挑战。原文谈到了人工智能创业的6大核心问题，想看原文，不妨点击《迅雷创始人程浩：人工智能创业的6大核心问题》。以下为虎嗅对其中3个问题的摘编：第一个问题：关键性应用 vs 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，就是如果团队没有斯坦福、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%小数点后的多个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，但只要1000次中出了一次医疗事故，放在美国，医院可能就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。“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，离赚钱非常远，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）”。简单来讲，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，公司不还有前台嘛。这就是“非关键性应用“。这类项目不追求99%后面的很多个9。“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，还得便宜地做出来；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。第二个问题：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。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年你想招个iOS开发者，当时很难，现在却很容易，所有技术的演进都遵循这一规律。很多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，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用来参考（出Demo会更快），创业者只要有足够的数据来训练算法就好了。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。举个例子，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，其实日子过得挺痛苦的。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。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？行业集中度如何？技术是改良还是革命？双方壁垒谁更高？跟团队基因是否相符？第三个问题：2C vs 2B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，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。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。然后这工业机器人能工作4年，这一下成本只有你原来的25%，甚至可能不到25%。那么企业就会算一下账，觉得还是工业机器人便宜。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”的模式在作业。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技术。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。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。虎嗅APP百家号最近更新：简介:huxiu.com 有视角的商业资讯交流平台。作者最新文章相关文章迅雷创始人程浩：人工智能创业的6大核心问题 - A5创业网
客服热线：400-995-7855
迅雷创始人程浩：人工智能创业的6大核心问题
& 08:34&&来源：&
　　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。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：互联网vs人工智能
　　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?
　　1. 互联网的流量红利已经消失;
　　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。
　　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。
　　2. 互联网+的机会同样有限;
　　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。
　　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。
　　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(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：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：关键性应用vs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：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：
　　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。
　　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!
扫一扫关注A5创业网公众号
责任编辑：A5大昊&&&/&&&作者：程浩
自从人工智能在我们的生活和工作中频繁出现，这一体系被越来越多的人所知晓，特别是国内目前的电销行业Boss，每个老板都想搭载上人工智能的飞轮，抢先一步占据市场份额，今天呼呼就让您知道下，智能机器人与人的差别!
知名爆料人evleaks爆出，谷歌将在今年的秋季发布会上发布GooglePixel3和Pixel3XL两款旗舰手机产品和第二代PixelBuds，此外还会同时发布三款智能手表产品。
2018全球人工智能技术大会(GAITC)将于5月19-20日在北京国家会议中心举行。大会以“交叉、融合、相生、共赢”为主题，将继续承担起带领人类把握AI时代脉搏的历史重任，并就AI技术的最新研究、最为全面的商业化能力、最具代表性的科研成果，与您共同绘制出最为清晰的AI新时代版图。
爱立信全球最大的生产制造、物流供应中心和新产品引进基地——爱立信南京工厂成功部署了第1000个NB-IoT终端应用。该应用由爱立信与中国移动联合开发，标志着双方利用NB-IoT对工业制造进行智能化改造取得重要的阶段性成果，爱立信南京智能工厂初具规模。
自2007年以来，爱立信的研究实验室一直在探索机器智能驱动的自动化技术，现已取得了数百项相关专利。爱立信积极布局，志在引领通信行业的自动化革命。
近日，普岚秀思首席研究员兼专家接受了北京航空航天大学同学们的关于创业相关主题采访。陈总回答了同学们提问，主要涉及以下几块问题。陈总回答了同学们提问，主要涉及以下几块问题。一雄安当前的情况，包括雄安相关的创业政策。二普岚秀思及陈培锋先生的创业之路的简单介绍;三关于大学生创业陈总谈了自己的看法，表达自己
电话营销的接听率越来越低、被拒绝率也越来越高，但是作为主要的营销方式之一，很多企业仍然离不开电话营销的帮助，怎么办?人工智能时代，电销机器人就成了解决这一问题的重要出路。
近日，中国首批专注家族财富管理与传承的专业服务机构中尊财富，独家专访了全球最大天使投资平台AngelList联合创始人兼CEOKevinLaws。AngelList创立于2010年，总部位于硅谷，是全球最大的为早期科技企业提供全方位服务的平台。
电竞酒店早就不是什么新鲜词了，网友们对电竞酒店也是各有各的看法，其中自然猜测居多，鲜有电竞酒店真实发展状况的内容。现在，国际专业电竞椅品牌，也是众多电竞酒店的合作品牌——AutoFull傲风电竞椅采访了郑州规模最大的温特电竞酒店创始人，带你走进这些众人瞩目的电竞酒店。
“三十五岁不到的我们，远离城市但并没有“退休”，而是获得了更好的奋斗…这种奋斗是我们想要的感觉，生活正在朝我们想要的方向行走。”近日，一位33岁的年轻妈妈放弃北京富裕的生活而选择到阳朔乡间创业的文章蹿红，其在文中所主张的“离线奋斗”也一时成为网络热词，不少网友在文章下用“这TM才叫生活!”来评价这位
打游戏还能赚钱，相信这是许多热爱游戏的人从小就梦寐以求的事，但也是这些人想都不敢想的事，如果十年前有人和我说这些话，我一定认为他疯了，然而今天这却成了现实。
2018年，独角兽回归概念等话题令投资市场热潮涌动，创新经济成为诸多资本青睐的领域。在这一场看似波澜不惊，却涌动着互联网浪潮下，中国百姓参与股权投资的热情高涨。如何寻找新经济下的投资机遇，成为不少投资者及市场人士的热议焦点。
现状最佳，看似趋势最好的时候，往往是公司选择上市的时间点。所以很多公司一上市不久就会破发，之后再慢慢爬回去，比如Facebook就是如此。回头看，上市前的陌陌其实是个蛮单薄的产品。
他46岁辞职创业时曾轰动一时，这个掌管着万科房地产帝国的背景总经理，毛大庆，2015年步入了共享领域，当所有的共享经济步入资本寒冬(2016年)，一批一批的共享创业公司开始倒下，优客工场却获得了多次融资，慢慢入侵了共享办公领域。
由于小程序具有一定的技术门槛，普通商家及企业普遍没有独立开发小程序的能力，因此，我们以小程序的制作工具为切入点，帮助商家快速创建小程序店铺，然后通过其他第三方服务商提供的上下游服务
创业好项目
扫描二维码关注A5创业网了解最新创业资讯服务
&徐州八方网络科技有限公司&版权所有&
举报投诉邮箱：
扫一扫关注最新创业资讯}