雖然目前的深入學習技術正在幫助AI浪潮，但常常引用的缺點之一就是需要大量數據才能正常工作。但是足夠的數據是多少？
谷歌高級研究員傑夫·迪恩（Jeff Dean）在VB峯會的舞台採訪中表示：“幾乎任何有數十萬個客户互動的業務都有足夠的規模開始考慮使用這些類型的事情。”在加州伯克利市。“如果你只有10個例子，那麼很難做出深入的學習。如果你有10萬件你關心的事情，記錄或其他的東西，那就是你應該真正開始思考這些技術的那種規模。“
谷歌高級研究員兼Google Brain項目負責人Jeff Dean
Dean知道一兩件關於深入學習的知識 - 他是Google Brain團隊的負責人，他是一組研究人員，專注於計算機科學和人工智能的廣泛問題。自20世紀90年代以來，他一直在使用神經網絡，當時他在人造神經網絡上寫了自己的本科論文。
在他看來，機器學習技術有機會影響到每個行業，儘管發生的速度將取決於具體行業。
在人們掌握數據之前，人類還需要解決這些問題，並將其轉化為機器智能。為了對機器學習有用，需要處理數據，這可能需要時間並且需要（至少在第一時間）的人為干預。
約戰兩年之後，日本水道橋重工與美國MegaBots的重型 機器人 大戰終於決定在10月17日舉辦，並會在Twitch上進行放映。今日的機器人行業還有哪些值得關注的精彩內容呢？下面一起來了解詳情。
大唐網絡旗下小豆科技打造的首家無人值守便利店“豆便利”，昨日在安徽省蕪湖市巨龍超級市場落户。小豆科技專注智慧購物行業，打造了智慧購物1．0的自助收銀系統，將自主研發的自助收銀硬件放置在商超內，讓用户享受自助收銀免排隊服務。小豆科技推出了基於“中國雲”的24小時無人值守便利店——“豆便利”，該便利店使用全國首款人工 智能機器人 成為便利店裏的“店員”，可以完成與顧客的人機對話，為顧客推送商品信息，記錄用户的購買習慣，也可以完成收銀、安全防盜等工作，是一個集導購、收銀、安保等為一體的人工智能機器人。
巨型機器人即將首次決鬥，這會成為新的運動比賽嗎？
約戰兩年之後，日本水道橋重工與美國MegaBots的重型機器人大戰終於決定在10月17日舉辦，並會在Twitch上進行放映。
經歷了兩年多的準備，這場大戰原定於八月舉行，但由於場館和機器人升級的問題，最終延期到10月17日。比賽的地點定在一個日本廢棄的鍊鋼廠中舉行。
機器人當小護士，首批為廣東十家醫院的慢性病人服務
10月15日，廣東省預防醫學會內分泌代謝病防治專業委員會成立大會上，一個身高1．62米的機器人成了大會最耀眼的“新星”。
它能讀取血糖、血壓等健康數據，並根據最新的健康數據給予專業的分析，指導用藥、運動、膳食；能幫助護士管理智慧病房，還能出門診，體內貯存2萬多條關於糖尿病防治的科學信息。
這台由廣東省肥胖糖尿病專科聯盟聯合企業研製的醫用機器人，將在廣州珠江醫院、韶關、惠州、河源等省內十家醫院內為廣大糖尿病患者提供 醫療 輔助服務，成為糖尿病等慢性病管理領域的“大白”。
2017年江蘇省鳳凰EQ 教育機器人 大賽開幕
14日，2017年江蘇省鳳凰EQ教育機器人大賽在南京科技館拉開帷幕，來自全省的680多名中小學生選手參加比賽。
機器人越來越聰明 唱歌跳舞剪紙樣樣行
你想過嗎？整理快遞、手工剪紙，這些不僅要處理，還要有規劃的工作，大學生“出品”的機器人也能完成了。10月15日，中國科大舉行2017RoboGame機器人大賽，今年的競技主題是手工藝術和物流競速機器人。由大學生團隊親手研發、製作的機器人，雖然“外表”簡單，但現場表現很搶眼。
新一代智能機器人今起在昆量產
昆明智能機器人產業和智慧城市建設邁上新台階。國內人工智能及人形智能機器人領域領軍企業優必選科技（昆明）有限公司（以下簡稱優必選昆明子公司）新一代智能機器人Cruzr於今日在昆正式實現批量生產。
Cruzr機器人生產廠區位於呈貢信息產業園。優必選昆明子公司總經理胡佳文介紹，Cruzr機器人生產線高度自動化，人工極少，年產能將達3萬台。
記者在優必選昆明子公司生廠區調試現場看到，Cruzr機器人高約1．2米，類人形，頭部由1300萬高清攝像頭、麥克風、喇叭和一塊11．6寸的觸摸屏組成，雙臂可靈活彎曲，並能導航避障。其除了可同人聊天外，還可以與人握手、擁抱、播放音樂和視頻，甚至跳舞。
廣交會開幕 機器人小悠貼心指路
以乘客提問的語種回覆諮詢，能夠自動識別車站客流擁擠情況，閒暇時還能在站台進行指引“您好，請往站台兩端排隊候車”……昨日，廣州地鐵創新推出機器人“智能AI服務”———機器人“小悠”正式在琶洲站“上崗”亮相，在廣交會期間提供智能諮詢及引導服務。
機器人外科醫生戰勝人類外科醫生
在機器人會議IROS 2017上，Smart Tissue Autonomous Robot （STAR）的發明者公佈了他們的結果：在一系列實驗中，STAR的切割比專業外科醫生更精確，對周圍肌肉的傷害更少。馬里蘭大學機械工程助理教授Axel Krieger表示他真的相信這是手術的未來。
(2017-10-16)
直擊李開復：只有這樣的人才不會被人工智能碾壓，也曾2000萬美元創業，但全軍覆沒
2017-04-27
創業邦
創新工場CEO李開復
4月27日—29日，由長城會主辦的全球移動互聯網大會在北京國家會議中心舉行，創新工場CEO李開復在移動領袖峯會上發表了題為《人工智能時代的科學家創業》主題演講。
犀利觀點如下：
1、創新固然重要，但不是最重要的，最重要的是做有用的創新。
2、一個僅僅追求做前人未做過的工作不考慮它有沒有用，而只需要賺錢不希望冒科技風險，這兩個通常走不到一起。
3、AI在這個階段是單領域大數據驅動的引擎，可以把它認為是一個黑核，可以進入各種領域。
以下為李開復演講全文，由創業邦整理，未經本人確認。
霍金教授做了非常精彩的演講，我認為人類有像霍金教授這樣有遠見的科學家，幫助我們的頂尖天才和世界最重要的政治家來幫我們策劃一個更美好的未來是非常重要的。但是他提出的“超級智能”和“未來人工智能”碾壓人類和要避免這個狀況，我個人認為並不是一個可根據今天科學推測出的必然結果。
當然非必然事件不代表我們不要關注它，還是要有聰明的人來想它，但我認為人工智能應該關注四件核心事件：
第一,人工智能將創造巨大財富，讓人類第一次有機會脱離貧困。
第二,我們要擔心今天手中擁有巨大人工智能力量和數據的公司，他們用數據來作惡。
第三,看到人工智能將要取代50%人的工作（在未來10—15年之間），這些人怎麼辦，還有更重要的是教育怎麼辦。
第四,科學家尤其是人工智能科學家有什麼使命有什麼機會，是不是都要出來創業還是跟着霍金一起去尋找人類的未來。
科學家與創業者有着本質的不同
自己是一個科學家創業，很早的時候做了人工智能，從SGA公司做一個內部創業。當時我們做的是，能不能讓每一個網頁充滿了3D的東西，比如3D的遊戲、動畫等讓網頁做得更精彩，讓人們瀏覽的不是網頁而是一個一個房間，一定程度上和今天的VR非常相似，這次創業非常失敗，2000萬美元的投入，100個員工，幾乎全軍覆沒。從這個失敗裏我得到了一些教訓
曾在MIT演講時，我留下一句話——“創新固然重要，但不是最重要的，最重要的是做有用的創新”。
科學家們往往會被自己的研究、自己酷的東西所打動，也認為他所看到的酷的東西是全世界人類所需要的，但是事實可能並不是這樣。我們想的是3D有多酷，但沒有想到3D硬件是否準備好，用户對3D世界有什麼需求，為什麼VC投資我們，怎麼把創業做成有賺錢、有經濟價值的創業，我基本錯過了所有創業者應該走的路。
本質上，科學家和創業者有非常大的不同，科學家追求的科研突破，創業者追求的是商業回報，科學家講究嚴謹，科學家講究速度，科學家要慢工出細活，而創業者要快速迭代，這六件事情往往是背道而馳的。
而這6件事情中最重要的一件，是我讀博士、做教授過程中，深深體會到在科研領域裏每次問的第一個問題是什麼，這件事情別人是否做過，是不是全新的，如果有人做過一定要看別人，看自己有沒有增加的價值，增加的價值不如突破的價值大，所以每個科學家不斷要求創新，所起創新是做前人所未做過的工作，這句話代表了科學、追求科學精神的一種含義。
但是一個創業者，或者一個VC，他更重視的是什麼？怎麼樣打造產品，怎麼樣產生商業價值。甚至在VC今天投資過程中，想想我們投的每一個團隊冒了人才的風險、商業的風險、競爭的風險、執行的風險，我們非常不要再冒科技風險了，所以我們更寧願看一個團隊説：這個技術已經被證明了，只要把它應用在場景裏就行。
一個僅僅追求做前人未做過的工作不考慮它有沒有用，而只需要賺錢不希望冒科技風險，這兩個通常走不到一起。而且走到了一起，科學家因為成年累月、在這樣的文化和基因之下發展，可能會把公司帶到一個不那麼務實、或者不那麼快速迭代，或者不追求做過，或者不專注。
科學家很聰明，每個人有好多點子，一個創業公司每天出個點子公司會死掉，因為什麼都做。所以精益創業之父STEVE BLANK幫助科學家創業，總結是首先，科學家必須要小心，因為題目往往是冷僻的，沒有多大市場；第二，選題跟風口有很大差異；第三，科學家不太願意承認自己很可能不具備把技術霜葉轉換成價值的洞察力和執行力。每個想創業的科學家都一定要真誠的問自己會否面對這些問題，我想你面對大家的時候希望保持自信，但是你自己應該知道，對你來説是不是一個問題。
當然今天的科學家創業是有史以來最好的時機，可以看到除了今天談的人工智能之外，在區塊鏈、生命科學、高能電視、細胞擴增、基因編程，幾乎每個領域都是創業的機會。
我沒有打壓科學家參與創業的意思，只是參加創業的時候一定要想清楚，過去那麼多科學家包括自己碰到的死穴怎麼去避免，有成功的案例我的朋友李博士創造了有價值的公司，國內也會看到很多類似的公司。但看到更多的是教授恪守他的崗位，美國谷歌就是典型例子，斯坦福和谷歌兩個創始人的教授，沒有參與，但技術授權有3.4億美金，這是一個模式。
AI科學家+企業是創業的黃金搭配
為什麼AI需要AI科學家？每一個時代的科學公司都有做這樣的創業；
互聯網時代註定是被海龜創業，因為海龜在國外看到了互聯網的崛起帶到中國。移動互聯網應用方面註定是產品經理的創業，因為這個時代我們需要快速迭代產品，因此使那些既懂技術又懂用户和市場的人成為時代的弄潮兒。
人工智能時代，最核心的、最需要的一定是AI科學家。
因為今天AI技術還沒有進入主流，AI平台還沒有產生，因此AI應用還不能井噴，只有少數手中掌握着如何把AI應用起來的科學家能夠創業。
但所有科學家的特點：追求創新、寫論文、不太知道市場。
大部分科學家創業，在中國都是在做人臉識別，做計算機識別，這一定程度上看到我們的科學家是缺乏想象力的，人工智能有那麼多的應用，人臉識別絕對不是最好的一個，科學家需要像李飛飛、吳恩達這樣的人搭配，才能碰撞出真正的超級獨角獸的AI構思。
AI本身不是一個消費者的應用，當然BAT非常幸運的應用在消費者，所以做出來的AI還是給企業應用，企業金融、醫療等有數據，科學家提供方案，在他的公司需要企業銷售，需要懂AI的解決方案，這才是一個黃金搭配來解決AI創業。
未來AI比你更懂自己
AI最大突破是七年前深度學習，未來的AI肯定比你更知道你今天晚上想吃什麼，知道你去哪裏度假，甚至知道未婚的你可能喜歡什麼樣的配偶。這就是一個先知的、對未來能夠做非常強大預測的AI。AI在這個階段是單領域大數據驅動的引擎，可以把它認為是一個黑核，可以進入各種領域。
AI擴張一定會經過下面三個階段。
第一個階段，把已有的大數據用起來，BAT、今日頭條、快手、滴滴、美團、金融領域、醫療等都在用。
第二個階段是把沒有的數據收集起來，用各種攝像頭把人臉收集起來，收集了500億張人臉，所以隨時識別300萬張人臉，這不是一個人類的功能，而是超人類的功能。
第三個是無人駕駛的機器人時代的來臨，從工業走向商業走向家機器人。
所以人工智能時代對經濟有巨大改變，50%下崗人該怎麼辦，未來教育該怎麼辦都是我們需要解決的問題。
但現在人工智能還不能做的，包括藝術、人類學、管理者、決策者，更包括最大的發明家。以及人的愛不能被代替。
四條路參與AI創業
科學家參與創業需要走着四條路。
首先是自己擼起袖子幹，像愛迪生一樣。其次是找個商業合夥人一起幹。第三是把技術授權出去。第四是通過開源等方式，不斷利用科學加快創新發展。
作為社會，必須做很多事情讓教授既能得到利益，也能得到名聲，還能夠做有趣的創業。在報酬方面，讓整個研究界提高科學家的報酬。在聲譽和大獎方面，比如圖靈獎和科學獎都是很好的支持。資源方面應該給更多的數據，不僅讓BAT有最大的數據，教授也有最大的數據。
所以結論是，科學家苦逼但非常重要，我們應該以珍惜國寶的態度支持頂尖的科學家。
-END -
本文來自騰訊新聞客户端自媒體，不代表騰訊新聞的觀點和立場
(2017-04-27)
人工智能的時代早已來臨，只是你沒有感受到。大多數時候，人工智能擔任的是幕後工作者的角色，不被人們所知。
在醫學領域，人工智能系統解讀X光片的正確率遠比經驗豐富的醫生要高；法律領域，查詢法律證據的效率遠遠高於職業律師；人工智能剎車系統比老司機的判斷更加精確；人工智能Alphago連續戰勝李世石和柯傑，更是證明了其在圍棋領域的學習能力。
人工智能已經走進了人們的生活，它在帶給我們便利生活的同時也埋下了一顆隨時會爆炸的炸彈！
WiFi安全漏洞已在互聯網上鬧得沸沸揚揚，只要你的設備支持WiFi，那麼這個名叫“KRACK”的病毒就會影響到你，因為其基於WPA2保密協議，macOS、Windows、iOS、Android和Linux系統都不能躲避這個漏洞。那麼人工智能系統能不能避免漏洞事件再次發生呢？思索再三，細思極恐！
根據調查，目前超過50%的安卓設備都受到了WPA2漏洞的影響，形式非常危急。黑客通過這一漏洞根本不需要密碼就可以獲取用户的信用卡卡號、密碼、電子郵件和其它通訊工具的內容。
現在造成的無非是經濟上的損失，如果是人工智能頂替半邊天的未來，那樣的損失我們能承受的了嗎？
醫院，人工智能機器人正在給患者做“心臟搭橋手術”，突然間被黑客控制……
高速公路上，無人駕駛汽車飛速行駛，被不法人員控制人工智能系統……
軍區，上萬武裝完備的人工智能機器人暴動……
未來，人工智能機器人犯罪率遠超人類！！！
(2017-10-17)
人工智能創業，你需要知道的6大核心問題
2017-10-11
人人都是產品經理
由人人都是產品經理與騰訊大講堂聯合主辦的2017中國產品經理大會：解碼未來產品經理在深圳寶立方國際博覽中心如期舉行。迅雷創始人、松禾遠望基金創始合夥人@程浩 老師結合自身經驗，並從行業角度深度分析了人工智能創新時需要面對的六大核心問題，給智能時代下的產品經理帶來了不同角度的思維方式。
本文為2017中國產品經理大會深圳站嘉賓分享整理總結
未經許可，禁止轉載。謝謝合作
———— / BEGIN / ————
分享嘉賓：迅雷創始人、松禾遠望基金創始合夥人@程浩
大家好，我是迅雷創始人程浩，現在專注科技領域的投資。今天跟大家聊聊人工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。
為此我從投資人的視角，給大家總結了人工智能創業的6大核心問題。
第一個問題互聯網 vs 人工智能
如果今天大家選擇創業，我建議更應該關注人工智能，而非互聯網。
為什麼這麼講？
1. 互聯網的流量紅利已經消失
以PC來説，全球PC出貨量連續5年下滑；大家知道國內最後出現的一個PC互聯網獨角獸是誰嗎？
是知乎，大概是2011年初推出，這麼多年過去，再也沒有PC互聯網的獨角獸出現。
做個類比，我們知道2015年移動互聯網的滲透率和競爭程度和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。
畢竟中國連續兩年手機出貨量都在5億多台，增長放緩，代表無線流量基本已走平，你多賣一台，我就少賣一台，是存量競爭。
今天創業者再做一個純互聯網的APP，投資人問的第一個問題就是你怎麼獲客。因為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
主要在於互聯網最大的價值，是解決信息不對稱和連接。所以對於電商特別有價值。
淘寶用皇冠、鑽石等信用體系解決了信息不對稱，同時又把全國有這麼多買家和賣家連接在一起——這個是互聯網的價值。
但很多行業信息和連接並不是痛點。
拿醫療舉例，中國三甲醫院的大夫就那麼多，你把全國13億人民都和這些大夫連接上了也沒用，因為一個醫生一天還是隻能看那麼多病人。
互聯網並沒有提高醫生看診的效率；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，互聯網解決了打車難的問題，但是沒解決打車價格的問題。事實上，補貼去掉之後，大家都發現了滴滴一點都不便宜，道理很簡單——不管是專車還是出租車，還是需要由人來開，人工成本降不下來，就不可能便宜。
3. 真正能夠提高社會生產力，解決供需關係不平衡的就是人工智能
人工智能將給社會生產力帶來的提高，以及對人類帶來的影響將遠遠超過互聯網。
還是拿醫療來説，很多基層醫院水平不高，那未來完全可以通過人工智能來輔助醫生讀CT、X光等醫療影像。
像今年，IBMWatson對皮膚黑色素瘤的診斷，準確率已提高至97%，遠遠超過了人類專家75%-84%的平均水平。
未來，人工智能無論是在無人車、機器人、醫療、金融、教育還是其他領域，都將爆發巨大的社會效益，這點毋庸置疑。我認為下一波大趨勢和大的紅利不是互聯網+，而是人工智能+。我建議現在的創業者更應該關注人工智能領域的創業機會。
第二個問題人工智能 vs 人工智能+
人工智能主要分三層。最底層是基礎架構（Infrastructure），包括雲計算、芯片以及TensorFlow這樣的框架。
在基礎層之上是中間層，叫通用技術（EnablingTechnology），例如圖像識別、語音識別、語義理解、機器翻譯這些。
基礎層和中間層，是互聯網巨頭的必爭之地。
比如芯片領域，Intel、英偉達、高通都投入巨資，競爭極其激烈。
雲計算、框架也是一樣，都不是小公司能夠涉足的領地。
現在對於中間層的通用技術，BAT也極其重視——因為大家都相信：人工智能是下一波工業革命浪潮。
對騰訊、阿里、百度這些巨頭來講，要想在大浪中屹立不倒，必須要構建出人工智能的生態系統（Ecosystem）——而核心就是要依靠這些Enabling Technology技術。
相比創業公司，BAT的最大優勢是什麼呢？
不缺數據；
為了構建自己的生態系統，未來通用技術一定全部是免費的；
雖然通用技術免費，但BAT有羊毛出在身上的豬機會。這是典型的互聯網打法。
這裏的豬是什麼？豬就是雲計算。
例如百度的ABC策略，分別代表人工智能（AI）、大數據（Big Data）和雲計算（Cloud Computing）。AI我可以不賺錢，開放給大家，那麼大家想享受我的服務，就來買我的雲吧。
而對於創業企業來説，只做圖像識別、語音識別、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，特別是BAT都免費的壓力下。
所以從這個角度講，創業公司做下面兩層風險比較大。我認為創業公司的機會在最上層，就是拿着下兩層的成果去服務垂直行業，也就是我們所謂的人工智能+。
第三個問題人工智能+ vs +人工智能
深入垂直行業的人工智能+，又可細分為兩類情況：即“人工智能+行業”和“行業+人工智能”，他們間有明顯的區別。
“AI+行業”簡單講就是在AI技術成熟之前，這個行業、產品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。在人工智能技術未突破前，不存在這樣的產品。因為AI，創造出了一條全新的產業鏈。
“行業+AI”就是行業本身一直存在，產業鏈條成熟，只是以前完全靠人工，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，這兩個類別都有創業機會。但“AI+行業”，因為是一條新的產業鏈，創業公司與互聯網巨頭實際是處在同一起跑線上——而巨頭們坐擁數據優勢。
所以從這個角度，“行業+AI”相對對創業公司更為友好，也更容易構建出壁壘。
我認為，未來行業壁壘才是人工智能創業最大的護城河。因為每個行業都有垂直縱深, 儘管BAT技術好一點、並不關鍵。
拿醫療+AI舉例，什麼最重要？大量準確的被醫生標註過的數據最重要；沒有數據，再天才的科學家也無用武之地。
但在國內，這個醫療數據拿出來非常困難——所以BAT做醫療一點優勢都沒有，因為他們要把這些數據，從各醫院、各科室搞出來也很累。
相反，如果一個創業者在醫療行業耕耘很多年，也許拿起數據來比大公司更容易。
這要求創始團隊的合夥人中，必須有懂行業、有行業資源的人才。
這與互聯網+一樣，一旦細分到具體行業，並不是説你百度、騰訊有資金、有流量，投入人才就什麼都能做，比拼的還有行業資源和人脈。
之所以跟大家聊這個話題，是因為前一段去百度大學跟大家交流，他們提到百度人工智能在無人車和DuerOS的應用。同時又問我，人臉識別在國內安防領域的應用價值非常大。
像海康威視有近3000億人民幣的市值，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，我回答説千萬別，因為安防是典型的、有巨大壁壘的“行業+AI”領域。
即使百度技術好，在人臉識別率方面比海康威視高一個百分點（實際不一定，海康背後有幾百人的AI研發團隊）。但這並不代表百度就能替代海康。因為安防是“非關鍵性應用”（non-mission-critical），100個犯人我識別了95個，你比我多識別了一個做到了96個，其實沒那麼重要。
而反過來，海康對比百度有什麼優勢？
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，軟硬一體體驗更好。
其次，海康做了這麼多年的安防，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、基站信息採集、視圖檔案管理等SaaS平台的東西，以及警用雲系統——我們可以認為公安系統的IT化，其中有一部分就是海康威視參與的。
這些東西可能不賺錢，但卻為海康構建了壁壘。因為底層的基礎設施都是我建的，那前端的東西就只能用我的（我可以有100個理由，説競品與我不兼容）。
而且海康做了這麼長時間，積累了大量的客户資源，特別是政府公安局的資源，開拓這些資源非常需要時間。
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。
在巨大的行業壁壘面前，真不是説我的算法比你好一些，市場就是我的，只有技術優勢仍然差的很遠。
迴歸 “AI+行業”和“行業+AI”，通常來講前者的行業縱深會比較淺，而後者則有巨大的行業壁壘。而行業壁壘，則是創業公司最大的護城河，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
談到人工智能領域的創業，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學家，比如斯坦福、MIT的博士坐鎮，我都不好意思講在人工智能方面創業。
其實這個認知是完全錯的。
在人工智能領域，算法到底有多重要，完全取決於你要準備進入哪個行業。
根據行業和應用場景不同，我認人工智能的創業本質上有mission-critical和non-mission-critical之分。為了方便大家理解，我們簡稱為“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，做不到就沒法商業化。
比如：大家認為，99%可靠度的自動駕駛能上路嗎？
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。
千萬記住：99%和99.9%的可靠度差距並不是0.9%，而是要反過來算，差距是10倍——也包括手術機器人，聽起來99.9%可靠度已經很高了，但意味着1000次出一次醫療事故；放在美國，醫院還不得被鉅額索賠搞得破產。
所以“關鍵性應用”領域，就是一丁點兒錯都不能犯的人工智能領域，必須要有技術大牛、科學家或算法專家坐鎮。
同時，這類項目研發週期都很長。
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。
大家知道這家公司研發週期有多長嗎？Mobileye成立於1999年，到他們推出首款產品、掙到第一桶金已是2007年。
長達8年的研發週期，這在互聯網創業裏不可想象。
包括谷歌無人車從2009年開始研發，到現在一直沒有商業化；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，研發週期巨長，離錢非常遠，需要持續的融資能力。
團隊怎樣才有持續融資？起碼要有非常好的簡歷和非常好的背景。這個是能夠持續融資的必要前提。
所以大家可以看到，今天做無人駕駛的創業團隊都是高富帥——因為不是高富帥，你都熬不到產品真正商業化應用那天。
當然，如果在人工智能領域都是“關鍵性應用”，那就沒大多數創業者什麼事了。實際上，人工智能領域的創業，95%都是“非關鍵性應用（none-mission-critical）”。
簡單講：對這些領域，AI的可靠度只要過了基礎線，高一點低一點區別不大。
最簡單的例子：現在很多公司的門禁開始用人臉識別。你今天帶個帽子，明天戴個墨鏡或口罩，識別率沒法做到99%。
可即使沒識別出來也沒問題，因為所有帶人臉識別的門禁都有地方讓你按指紋；即使指紋也刷不進去，問題也不大，公司不還有前台嗎？
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，國內人工智能和機器人方向的創業，大部分領域都是“非關鍵性應用”。
當然並不是説，在這個領域算法不重要，你天天認不出來也不行，所以一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。要熟知行業痛點；
產品和工程化能力。光在實驗室裏搞沒意義；
成本控制。不光能做出來的產品，還得便宜的做出來；
供應鏈能力。不光能出貨，還要能批量生產；
營銷能力。產品出來了，你得把東西賣出去。團隊裏有沒有營銷高手，能不能搞定最好的渠道是關鍵。
所以大家在創業組團隊時，一定要想好你選擇的賽道處於哪個領域，不同的賽道對於團隊的要求是不一樣。“關鍵性應用”必須有技術大牛坐鎮，“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 vs 全棧服務商
現在很多人工智能創業者都是技術背景出身，創業的第一個想法通常是做技術提供商。技術提供商作為創業的敲門磚可以。但如果只定位做技術提供商，未來路會非常窄。
純粹的技術提供商，沒有未來
為什麼説未來只做技術提供商價值會越來越小？
原因有幾點：
1. 通用技術一定是大公司的賽道，BAT未來一定會開放免費。
人家大公司會免費提供人臉識別、語音識別、語義理解、機器翻譯這類EnablingTechnology，你還打算怎麼靠API調用賺錢呢？
也許現在還可賺點小錢，但很難成為一個長久的生意。
2. 依託於算法的技術壁壘會越來越低。
未來隨着基礎計算平台和開源平台的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術准入門檻會越降越低。
就像2008年你想找個IOS開發者，很難；現在卻很容易一樣——所有技術的演進都遵循這一規律。
特別隨着今天各大學的計算機專業，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業的進入門檻。
同時隨着谷歌TensorFlow等生態系統的成熟，很多領域都會有訓練好的模型可以用來參考（出Demo會更快），創業者只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爭力只是算法，那將非常危險。
3. 技術提供商如果不直接面向用户/客户提供整體解決方案，則非常容易被上下游碾壓：
對於技術提供商和算法類公司，如果你的技術壁壘不夠高，上游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別算法的公司。
問題就在於：海康在用你算法的時候，人家也有龐大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，一旦準備好立刻會把你替換掉。
即使在有一定技術門檻的行業，技術提供商的日子同樣並不好過。
比如專注嵌入式的視覺處理芯片的Movidius，大疆無人機一直在用他們的芯片；但自從大疆統治了消費級無人機市場後，大疆現在也很自然地開始研發自己的芯片。
按説芯片的技術壁壘並不低，但只要行業集中度高，贏家就會選擇通吃。
比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片。
像蘋果、三星、華為還有現在的小米，都選擇了自己做手機CPU——所以聯發科、高通這些技術提供商，其實是挺痛苦的。
這其實是一個產業鏈通用規律：產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游或下游擴展。
拿PC產業鏈舉例，內存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了？Windows和Intel卻賺走了絕大部分利潤。
“一橫一縱”理論
既然做純技術提供商沒有出路，那怎麼辦？
前期做技術服務可以，但是不能一輩子做技術服務。
“一橫”就是指你提供的技術服務。通常“一橫”能服務很多行業，一定要找到1、2個，你認為最有市場機會，最適合你的垂直領域，深扎進去做“全棧”：把技術轉化為產品，然後搞定用户賣出去，實現商業變現，再通過商業反饋更多的數據，更加夯實自己的技術。
一句話講：要做技術、產品、商業和數據四位一體的“全棧”，這就是“一縱”。這才是健康的商業模式。
在垂直外的行業，因為沒有利益衝突，你仍可老老實實的做技術服務。這樣的話，商業上你能吃透一個垂直行業，技術上你還能通過橫向合作，形成更多的數據迴路，從而夯實你的技術。
這個就是“一橫一縱”理論。
如何選擇垂直領域？
那麼對於技術創業公司，從“一橫”走到“一縱”，要選哪個垂直領域，取決5個關鍵因素：
1. 市場空間夠不夠大？
做垂直領域的全棧，還是做橫向的技術提供商？取決市場空間哪個更大。找對垂直領域，即使只佔一點點市場份額，也可能比做“一橫”全歸你的收益大。
拿美圖公司舉例，他們有美圖秀秀、美拍、美顏相機等APP，同時還會跟很多手機廠商合作，提供相機拍攝的美顏效果，你可以理解這就是技術服務。
但研究2016財報後，大家知道美圖秀秀選的“一縱”是什麼嗎？
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。
美圖手機佔了公司全部營收的93%。雖然美圖手機去年的銷量大約在74.8萬台，僅僅只佔國內手機市場全年銷量5億多台的不足0.15%。
2. 行業集中度如何？
做“一橫”技術提供商時，最擔心的是你的上游或下游過於集中，或者説頭部效應越明顯，對技術提供商就越不利。
舉個簡單的例子：
IDC時代，HP、DELL等廠商賣服務器，都是直接賣給各IT公司，大家日子過的都很滋潤。
但2010年之後就很難做了，因為雲計算出現了。
提供雲計算的廠商就那幾個，兩隻手就能數出來。而且頭部效應極其明顯，僅阿里雲一家佔了50%以上份額。
如果你是一個技術提供商，在跟這麼壟斷的行業去談判，你會發現沒有任何籌碼。
所以現在就很悲催，假設我是阿里雲，會讓你列出BOM成本，我就給你5%或10%的利潤，這個生意就很難做了。
在這種情況下，你當然有意願也往上游走。
但帶來的問題是什麼？
如果上游集中度高，説明這事的壁壘很高，你作為技術提供商想往上走，同樣很困難；如果這個上游集中度低或客户很零散，對你是件好事。
但是你也沒有太大動力往上游走，因為這個市場本來就很零散，你即使殺進去，可能只有1%的市場份額，而且使得99%的人都變成你的競爭對手了。
這是個悖論。
3. 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，就越有機會走到上游。如果只是改良性的，你就老老實實在下游賺個辛苦錢算了。
越是顛覆性的東西，越有機會往上游走——因為上游越離不開你，意味着你有機會做他的事。
打個異想天開的比方，如果你能提供一個“待機一禮拜”的電池，那你就可以考慮自己做手機，你的手機只打一點：一星期不用充電，而且是全球唯一！就這一點可能就夠了，因為這個技術是革命性的。
相反，如果是改良性的技術，例如你的電池待機只是比以前多了10~20%，那你還是老老實實賣電池吧。
4. 雙方壁壘誰更高？
技術提供商的壁壘和上游客户的壁壘哪個更高，也決定做“一縱”的成敗。
拿比較火的直播平台而言，現在都有美顏功能，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。
技術本身的壁壘並不高，很多公司都能提供——雖然效果有一些小的差異，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，用户越多會吸引更多的美女主播，因為能賺到更多錢，美女主播越多，也會帶來更多的用户；同時你捨得花錢，需要很多資金來買流量以及簽約很NB的主播；所以這個事壁壘很高。
你做技術提供商壁壘不高。這種情況下，雖然技術提供商只能賺個辛苦錢，但是仍然完全沒有機會往上游走。
5. 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，因為團隊不一定有行業經驗，這是很大的問題。
亞馬遜的無人便利店Amazon Go出來之後，國內不少技術團隊也想提供類似的技術，甚至想做2C的便利店。
與他們聊完後，我都會勸他們再考慮一下，你的技術再好，對於用户而言，他買東西的時候，會看這個便利店有人還是無人的嗎？
不會，這不是優先選項。
他首要考慮的還是——哪個便利店離我更近，以及我想買的東西這個便利店有沒有。
從這個意義講，這又回到了零售的本質。所以如果團隊沒有零售的基因，沒有懂零售的人，就別考慮自己開便利店的事。
這時候，很多人可能會問“那我找個懂行業的高管不就行了麼？”
這事沒那麼簡單，如果CEO不瞭解行業本質，其實是很難靠一個高管去彌補的。
我特別相信基因決定論，如果任何一個新的商業，BAT找個懂行業的高管就能搞定了，那中國互聯網的生意就全是BAT的了，就沒創業公司什麼事了。
BAT，一個做搜索，一個做電商，一個做社交。其實他們3個都把對方的事情已嘗試了一遍，最後都不成功。
所以大家能做什麼，不能做什麼，跟這個公司的基因是高度相關的。
第六個問題2C vs 2B
最後一個問題，簡單説一下：科技成熟都需要一定的時間。因為從任何技術普及演進的角度，幾乎都延續了先是從軍工（航天）、到政府、到企業、到B2B2C、再到2C這個規律。
不成熟的2C市場
人工智能也一樣，目前人工智能在2C市場還不是很成熟。
簡單説機器人，在個人消費者市場，出貨量大的機器人只有4類產品：掃地機器人、無人機、STEAM教育類機器人和亞馬遜ECHO為代表的智能音箱。
為什麼2C市場早期的普及有一定的困難，簡單講幾個原因：
1. 產業鏈不成熟
我做一個創新的東西，成品有10個部件。每一個部件都得自己做，而且因為出貨量不大，每個部件都沒有規模效應，這就導致每個部件都很貴，那你最後做出成品一定很貴。
這是非常大的問題。
2. 2C是額外花錢
這也是很重要的一個問題，2C端的用户因為自掏腰包、額外花錢，所以對價格通常比較敏感，產品很貴就是一個很大的門檻。
3. 2C產品的用户期待度高
用户買了這麼貴的東西，自然對產品的期待度會更高很多。
大家覺得我買一個機器人回來，恨不得什麼都能幹：又能唱歌、又能跳舞、又能聊天、又能清潔、又能講英語。
但這是不現實的，現在的技術成熟度離此還有些遠。
2B機會更多
相對於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。你説一個機器人2萬，2C消費者不可能買，但企業問題不大，企業對成本承受能力高。
2. 2B的核心目的是降成本
舉例工業機器人，10萬塊錢一個，聽起來很貴；但一個工業機器人替代你2個崗位，這2個崗位一年也得10萬塊錢，還不算四險一金。然後這機器人能工作4年，這一下成本只有你原來的25%，甚至不到。那麼企業一算賬，覺得還是很便宜。
3. 2B可以採取人機混合模式
還有2B端的機器人應用更簡單一些。一方面大多是單任務，機器人只要做好一件事就行了，實現起來簡單。
另外，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，現在我用機器人替代一半人。
簡單重複的工作用機器人替代，複雜的用剩下的5個人，這就是”人機混合”模式。
舉個例子，現在國內外已有很多安保機器人，按固定路線去巡邏。你可以理解為移動的攝像頭，當然算法上肯定加入了一些識別的東西。
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，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個人麼？讓他們過來就好了。
所以人機混合是2B比較主流的模式，這個大幅降低了機器人普及的難度。
最後再説一點：
目前大多數AI創業公司都是技術專家主導，這很容易理解——因為現在技術還有壁壘，技術專家主導起碼保證產品能做出來。
不過未來隨着技術門檻的降低，特別在“非關鍵應用”領域裏，團隊的核心主導，會慢慢過渡到產品經理和行業專家為主，因為他們離用户需求最近。
“非關鍵應用”領域，懂需求比技術實現更重要。長期來看，人工智能創業和任何其他領域的創業一樣，一定是綜合實力的比拼！
以上就是演講的內容。
———— / END / ————
嘉賓PPT下載
關注人人都是產品經理微信公眾號
互聯網運營實戰訓練營，10月14日·北京、上海雙城開課，組團立減200元！
本文來自騰訊新聞客户端自媒體，不代表騰訊新聞的觀點和立場
(2017-10-11)
大家好，我是迅雷創始人程浩，現在專注科技領域的投資。今天跟大家聊聊人工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。
為此我從投資人的視角，給大家總結了人工智能創業的6大核心問題。
第一個問題：互聯網 vs人工智能
首先如果今天大家選擇創業，我建議更應該關注人工智能，而非互聯網。為什麼這麼講？
1.互聯網的流量紅利已經消失；
以PC來説，全球PC出貨量連續5年下滑。大家知道國內最後出現的一個PC互聯網獨角獸是誰嗎？是知乎，大概是2011年初推出，這麼多年過去，再也沒有PC互聯網的獨角獸出現。做個類比，我們知道2015年移動互聯網的滲透率和競爭程度和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。
畢竟中國連續兩年手機出貨量都在5億多台，增長放緩，代表無線流量基本已走平，你多賣一台，我就少賣一台，是存量競爭。今天創業者再做一個純互聯網的APP，投資人問的第一個問題就是你怎麼獲客。因為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；
主要在於互聯網最大的價值，是解決信息不對稱和連接。所以對於電商特別有價值。淘寶用皇冠、鑽石等信用體系解決了信息不對稱，同時又把全國有這麼多買家和賣家連接在一起。這個是互聯網的價值。
但很多行業信息和連接並不是痛點。
拿醫療舉例，中國三甲醫院的大夫就那麼多，你把全國13億人民都和這些大夫連接上了也沒用，因為一個醫生一天還是隻能看那麼多病人。互聯網並沒有提高醫生看診的效率。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，互聯網解決了打車難的問題，但是沒解決打車價格的問題。事實上，補貼去掉之後，大家都發現了滴滴一點都不便宜，道理很簡單——不管是專車還是出租車，還是需要由人來開，人工成本降不下來，就不可能便宜。
3.真正能夠提高社會生產力，解決供需關係不平衡的就是人工智能；
人工智能將給社會生產力帶來的提高，以及對人類帶來的影響將遠遠超過互聯網。
還是拿醫療來説，很多基層醫院水平不高，那未來完全可以通過人工智能來輔助醫生讀CT、X光等醫療影像。像今年，IBMWatson對皮膚黑色素瘤的診斷，準確率已提高至97%，遠遠超過了人類專家75%-84%的平均水平。
未來，人工智能無論是在無人車、機器人、醫療、金融、教育還是其他領域，都將爆發巨大的社會效益，這點毋庸置疑。我認為下一波大趨勢和大的紅利不是互聯網+，而是人工智能+。我建議現在的創業者更應該關注人工智能領域的創業機會。
第二個問題：人工智能 vs人工智能+
人工智能主要分三層。最底層是基礎架構（Infrastructure），包括雲計算、芯片以及TensorFlow這樣的框架。在基礎層之上是中間層，叫通用技術（EnablingTechnology），例如圖像識別、語音識別、語義理解、機器翻譯這些。
基礎層和中間層，是互聯網巨頭的必爭之地。比如芯片領域，Intel、英偉達、高通都投入巨資，競爭極其激烈。同樣雲計算、框架也是一樣，都不是小公司能夠涉足的領地。
現在對於中間層的通用技術，BAT也極其重視。因為大家都相信人工智能是下一波工業革命浪潮。對騰訊、阿里、百度這些巨頭來講，要想在大浪中屹立不倒，必須要構建出人工智能的生態系統（Ecosystem）。而核心就是要依靠這些Enabling Technology技術。
相比創業公司，BAT的最大優勢是什麼呢？第一，不缺數據；第二，為了構建自己的生態系統，未來通用技術一定全部是免費的；第三，雖然通用技術免費，但BAT有羊毛出在身上的豬機會。這是典型的互聯網打法。
這裏的豬是什麼？豬就是雲計算。例如百度的ABC策略，分別代表人工智能（AI）、大數據（Big Data）和雲計算（Cloud Computing）。AI我可以不賺錢，開放給大家，那麼大家想享受我的服務，就來買我的雲吧。
而對於創業企業來説，只做圖像識別、語音識別、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，特別是BAT都免費的壓力下。
所以從這個角度講，創業公司做下面兩層風險比較大。我認為創業公司的機會在最上層，就是拿着下兩層的成果去服務垂直行業，也就是我們所謂的人工智能+。
第三個問題：人工智能+ vs +人工智能
深入垂直行業的人工智能+，又可細分為兩類情況：即“人工智能+行業”和“行業+人工智能”，他們間有明顯的區別。
“AI+行業”簡單講就是在AI技術成熟之前，這個行業、產品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。在人工智能技術未突破前，不存在這樣的產品。因為AI，創造出了一條全新的產業鏈。
“行業+AI”就是行
業本身一直存在，
產業鏈條成熟，只是以前完全靠人工，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，這兩個類別都有創業機會。但“AI+行業”，因為是一條新的產業鏈，創業公司與互聯網巨頭實際是處在同一起跑線上。巨頭們坐擁數據優勢。所以從這個角度，“行業+AI”相對對創業公司更為友好，也更容易構建出壁壘。
我認為，未來行業壁壘才是人工智能創業最大的護城河。因為每個行業都有垂直縱深,儘管BAT技術好一點、並不關鍵。拿醫療+AI舉例，什麼最重要？大量準確的被醫生標註過的數據最重要。沒有數據，再天才的科學家也無用武之地。
但在國內，這個醫療數據拿出來非常困難。所以BAT做醫療一點優勢都沒有，因為他們要把這些數據，從各醫院、各科室搞出來也很累。相反，如果一個創業者在醫療行業耕耘很多年，也許拿起數據來比大公司更容易。
這要求創始團隊的合夥人中，必須有懂行業、有行業資源的人才。這與互聯網+一樣，一旦細分到具體行業，並不是説你百度、騰訊有資金、有流量，投入人才就什麼都能做，比拼的還有行業資源和人脈。
之所以跟大家聊這個話題，是因為前一段去百度大學跟大家交流，他們提到百度人工智能在無人車和DuerOS的應用。同時又問我，人臉識別在國內安防領域的應用價值非常大。像海康威視有近3000億人民幣的市值，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。我回答説千萬別，因為安防是典型的、有巨大壁壘的“行業+AI”領域。
即使百度技術好，在人臉識別率方面比海康威視高一個百分點（實際不一定，海康背後有幾百人的AI研發團隊）。但這並不代表百度就能替代海康。因為安防是“非關鍵性應用”（non-mission-critical），100個犯人我識別了95個，你比我多識別了一個做到了96個，其實沒那麼重要。
而反過來，海康對比百度有什麼優勢？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，軟硬一體體驗更好。其次，海康做了這麼多年的安防，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、基站信息採集、視圖檔案管理等SaaS平台的東西，以及警用雲系統。我們可以認為公安系統的IT化，其中有一部分就是海康威視參與的。
這些東西可能不賺錢，但卻為海康構建了壁壘。因為底層的基礎設施都是我建的，那前端的東西就只能用我的（我可以有100個理由，説競品與我不兼容）。而且海康做了這麼長時間，積累了大量的客户資源，特別是政府公安局的資源，開拓這些資源非常需要時間。
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。在巨大的行業壁壘面前，真不是説我的算法比你好一些，市場就是我的，只有技術優勢仍然差的很遠。
迴歸 “AI+行業”和“行業+AI”，通常來講前者的行業縱深會比較淺，而後者則有巨大的行業壁壘。而行業壁壘，則是創業公司最大的護城河，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
談到人工智能領域的創業，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學家，比如斯坦福、MIT的博士坐鎮，我都不好意思講在人工智能方面創業。其實這個認知是完全錯的。因為在人工智能領域，算法到底有多重要，完全取決於你要準備進入哪個行業。
根據行業和應用場景不同，我認人工智能的創業本質上有mission-critical和non-mission-critical之分。為了方便大家理解，我們簡稱為“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，做不到就沒法商業化。比如大家認為，99%可靠度的自動駕駛能上路嗎？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。
千萬記住，99%和99.9%的可靠度差距並不是0.9%，而是要反過來算，差距是10倍。
也包括手術機器人，聽起來99.9%可靠度已經很高了，但意味着1000次出一次醫療事故，放在美國，醫院還不得被鉅額索賠搞得破產。
所以“關鍵性應用”領域，就是一丁點兒錯都不能犯的人工智能領域，必須要有技術大牛、科學家或算法專家坐鎮。同時，這類項目研發週期都很長。
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。大家知道這家公司研發週期有多長嗎？Mobileye成立於1999年，到他們推出首款產品、掙到第一桶金已是2007年。長達8年的研發週期。這在互聯網創業裏不可想象。包括谷歌無人車從2009年開始研發，到現在一直沒有商業化；
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，研發週期巨長，離錢非常遠，需要持續的融資能力，團隊怎樣才有持續融資？起碼要有非常好的簡歷和非常好的背景。這個是能夠持續融資的必要前提。所以大家可以看到，今天做無人駕駛的創業團隊都是高富帥。因為不是高富帥，你都熬不到產品真正商業化應用那天。
當然，如果在人工智能領域都是“關鍵性應用”，那就沒大多數創業者什麼事了。實際上，人工智能領域的創業，95%都是“非關鍵性應用（none-mission-critical）”。簡單講對這些領域，AI的可靠度只要過了基礎線，高一點低一點區別不大。
最簡單的例子，現在很多公司的門禁開始用人臉識別。你今天帶個帽子，明天戴個墨鏡或口罩，識別率沒法做到99%。可即使沒識別出來也沒問題。因為所有帶人臉識別的門禁都有地方讓你按指紋。即使指紋也刷不進去，問題也不大，公司不還有前台嗎。
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，國內人工智能和機器人方向的創業，大部分領域都是“非關鍵性應用”。當然並不是説，在這個領域算法不重要，你天天認不出來也不行，所以一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。要熟知行業痛點；
產品和工程化能力。光在實驗室裏搞沒意義；
成本控制。不光能做出來的產品，還得便宜的做出來；
供應鏈能力。不光能出貨，還要能批量生產；
營銷能力。產品出來了，你得把東西賣出去。團隊裏有沒有營銷高手，能不能搞定最好的渠道是關鍵。
所以大家在創業組團隊時，一定要想好你選擇的賽道處於哪個領域，不同的賽道對於團隊的要求是不一樣。“關鍵性應用”必須有技術大牛坐鎮，“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 vs全棧服務商
現在很多人工智能創業者都是技術背景出身，創業的第一個想法通常是做技術提供商。技術提供商作為創業的敲門磚可以。但如果只定位做技術提供商，未來路會非常窄。為什麼説未來只做技術提供商價值會越來越小？原因有幾點：
1.首先通用技術一定是大公司的賽道，BAT未來一定會開放免費。
人家大公司會免費提供人臉識別、語音識別、語義理解、機器翻譯這類EnablingTechnology，你還打算怎麼靠API調用賺錢呢？也許現在還可賺點小錢，但很難成為一個長久的生意。
2.依託於算法的技術壁壘會越來越低。
未來隨着基礎計算平台和開源平台的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術准入門檻會越降越低。就像2008年你想找個IOS開發者，很難，現在卻很容易一樣，所有技術的演進都遵循這一規律。特別隨着今天各大學的計算機專業，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業的進入門檻。
同時隨着谷歌TensorFlow等生態系統的成熟，很多領域都會有訓練好的模型可以用來參考（出Demo會更快），創業者只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爭力只是算法，那將非常危險。
3.技術提供商如果不直接面向用户/客户提供整體解決方案，則非常容易被上下游碾壓：
對於技術提供商和算法類公司，如果你的技術壁壘不夠高，上游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別算法的公司。問題就在於，海康在用你算法的時候，人家也有龐大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，一旦準備好立刻會把你替換掉。
即使在有一定技術門檻的行業，技術提供商的日子同樣並不好過。比如專注嵌入式的視覺處理芯片的Movidius，大疆無人機一直在用他們的芯片。但自從大疆統治了消費級無人機市場後，大疆現在也很自然地開始研發自己的芯片。
按説芯片的技術壁壘並不低，但只要行業集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片。像蘋果、三星、華為還有現在的小米，都選擇了自己做手機CPU。所以聯發科、高通這些技術提供商，其實是挺痛苦的。
這其實是一個產業鏈通用規律：產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游或下游擴展。拿PC產業鏈舉例，內存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了？Windows和Intel卻賺走了絕大部分利潤。
既然做純技術提供商沒有出路，那怎麼辦？浩哥提出“一橫一縱”理論。
前期做技術服務可以，但是不能一輩子做技術服務。
“一橫”就是指你提供的技術服務。通常“一橫”能服務很多行業，一定要找到1、2個，你認為最有市場機會，最適合你的垂直領域，深扎進去做“全棧”：把技術轉化為產品，然後搞定用户賣出去，實現商業變現，再通過商業反饋更多的數據，更加夯實自己的技術。一句話講，要做技術、產品、商業和數據四位一體的“全棧”，這就是“一縱”。這才是健康的商業模式。
在垂直外的行業，因為沒有利益衝突，你仍可老老實實的做技術服務。這樣的話，商業上你能吃透一個垂直行業，技術上你還能通過橫向合作，形成更多的數據迴路，從而夯實你的技術。這個就是“一橫一縱”理論。
那麼對於技術創業公司，從“一橫”走到“一縱”，要選哪個垂直領域，取決5個關鍵因素：
市場空間夠不夠大？
做垂直領域的全棧，還是做橫向的技術提供商？取決市場空間哪個更大。找對垂直領域，即使只佔一點點市場份額，也可能比做“一橫”全歸你的收益大。拿美圖公司舉例，他們有美圖秀秀、美拍、美顏相機等APP，同時還會跟很多手機廠商合作，提供相機拍攝的美顏效果，你可以理解這就是技術服務。
但研究2016財報後，大家知道美圖秀秀選的“一縱”是什麼嗎？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。美圖手機佔了公司全部營收的93%。雖然美圖手機去年的銷量大約在74.8萬台，僅僅只佔國內手機市場全年銷量5億多台的不足0.15%。
行業集中度如何？
做“一橫”技術提供商時，最擔心的是你的上游或下游過於集中，或者説頭部效應越明顯，對技術提供商就越不利。舉個簡單的例子，IDC時代，HP、DELL等廠商賣服務器，都是直接賣給各IT公司，大家日子過的都很滋潤。但2010年之後就很難做了，因為雲計算出現了。
提供雲計算的廠商就那幾個，兩隻手就能數出來。而且頭部效應極其明顯，僅阿里雲一家佔了50%以上份額。如果你是一個技術提供商，在跟這麼壟斷的行業去談判，你會發現沒有任何籌碼。所以現在就很悲催，假設我是阿里雲，會讓你列出BOM成本，我就給你5%或10%的利潤，這個生意就很難做了。
在這種情況下，你當然有意願也往上游走。但帶來的問題是什麼？如果上游集中度高，説明這事的壁壘很高，你作為技術提供商想往上走，同樣很困難；如果這個上游集中度低或客户很零散，對你是件好事。但是你也沒有太大動力往上游走，因為這個市場本來就很零散，你即使殺進去，可能只有1%的市場份額，而且使得99%的人都變成你的競爭對手了。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，就越有機會走到上游。如果只是改良性的，你就老老實實在下游賺個辛苦錢算了。越是顛覆性的東西，越有機會往上游走。因為上游越離不開你，意味着你有機會做他的事。
打個異想天開的比方，如果你能提供一個“待機一禮拜”的電池，那你就可以考慮自己做手機，你的手機只打一點：一星期不用充電，而且是全球唯一！就這一點可能就夠了，因為這個技術是革命性的。相反，如果是改良性的技術，例如你的電池待機只是比以前多了10~20%，那你還是老老實實賣電池吧。
雙方壁壘誰更高？
技術提供商的壁壘和上游客户的壁壘哪個更高，也決定做“一縱”的成敗。拿比較火的直播平台而言，現在都有美顏功能，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。技術本身的壁壘並不高，很多公司都能提供，雖然效果有一些小的差異，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，用户越多會吸引更多的美女主播，因為能賺到更多錢，美女主播越多，也會帶來更多的用户。同時你捨得花錢，需要很多資金來買流量以及簽約很NB的主播。所以這個事壁壘很高。你做技術提供商壁壘不高。這種情況下，雖然技術提供商只能賺個辛苦錢，但是仍然完全沒有機會往上游走。
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，因為團隊不一定有行業經驗，這是很大的問題。亞馬遜的無人便利店Amazon Go出來之後，國內不少技術團隊也想提供類似的技術，甚至想做2C的便利店。
與他們聊完後，我都會勸他們再考慮一下，你的技術再好，對於用户而言，他買東西的時候，會看這個便利店有人還是無人的嗎？不會，這不是優先選項。他首要考慮的還是——哪個便利店離我更近，以及我想買的東西這個便利店有沒有。
從這個意義講，這又回到了零售的本質。所以如果團隊沒有零售的基因，沒有懂零售的人，就別考慮自己開便利店的事。這時候，很多人可能會問“那我找個懂行業的高管不就行了麼？”這事沒那麼簡單，如果CEO不瞭解行業本質，其實是很難靠一個高管去彌補的。
我特別相信基因決定論，如果任何一個新的商業，BAT找個懂行業的高管就能搞定了，那中國互聯網的生意就全是BAT的了，就沒創業公司什麼事了。BAT，一個做搜索，一個做電商，一個做社交。其實他們3個都把對方的事情已嘗試了一遍，最後都不成功。所以大家能做什麼，不能做什麼，跟這個公司的基因是高度相關的。
第六個問題：2C vs 2B
最後一個問題，簡單説一下，科技成熟都需要一定的時間。因為從任何技術普及演進的角度，幾乎都延續了先是從軍工（航天）、到政府、到企業、到B2B2C、再到2C這個規律。人工智能也一樣，目前人工智能在2C市場還不是很成熟。
簡單説機器人，在個人消費者市場，出貨量大的機器人只有4類產品：掃地機器人、無人機、STEAM教育類機器人和亞馬遜ECHO為代表的智能音箱。為什麼2C市場早期的普及有一定的困難，簡單講幾個原因：
1.產業鏈不成熟
我做一個創新的東西，成品有10個部件。每一個部件都得自己做，而且因為出貨量不大，每個部件都沒有規模效應，這就導致每個部件都很貴，那你最後做出成品一定很貴。這是非常大的問題。
2. 2C是額外花錢
這也是很重要的一個問題，2C端的用户因為自掏腰包、額外花錢，所以對價格通常比較敏感，產品很貴就是一個很大的門檻。
3. 2C產品的用户期待度高
用户買了這麼貴的東西，自然對產品的期待度會更高很多。大家覺得我買一個機器人回來，恨不得什麼都能幹：又能唱歌、又能跳舞、又能聊天、又能清潔、又能講英語。但這是不現實的，現在的技術成熟度離此還有些遠。
相對於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。你説一個機器人2萬，2C消費者不可能買，但企業問題不大，企業對成本承受能力高。
2. 2B的核心目的是降成本
舉例工業機器人，10萬塊錢一個，聽起來很貴。但一個工業機器人替代你2個崗位。這2個崗位一年也得10萬塊錢，還不算四險一金。然後這機器人能工作4年，這一下成本只有你原來的25%，甚至不到。那麼企業一算賬，覺得還是很便宜。
3. 2B可以採取人機混合模式
還有2B端的機器人應用更簡單一些。一方面大多是單任務，機器人只要做好一件事就行了，實現起來簡單。另外，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，現在我用機器人替代一半人。簡單重複的工作用機器人替代，複雜的用剩下的5個人，這就是"人機混合"模式。
舉個例子，現在國內外已有很多安保機器人，按固定路線去巡邏。你可以理解為移動的攝像頭，當然算法上肯定加入了一些識別的東西。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，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個人麼，讓他們過來就好了。所以人機混合是2B比較主流的模式，這個大幅降低了機器人普及的難度。
最後再説一點，目前大多數AI創業公司都是技術專家主導，這很容易理解，因為現在技術還有壁壘，技術專家主導起碼保證產品能做出來。
不過未來隨着技術門檻的降低，特別在“非關鍵應用”領域裏，團隊的核心主導，會慢慢過渡到產品經理和行業專家為主，因為他們離用户需求最近。“
非關鍵應用
”
領域，懂需求比技術實現更重要。長期來看，人工智能創業和任何其他領域的創業一樣，一定是綜合實力的比拼！
(2017-10-10)
西安人工智能與機器人產業基地暨西安交通大學智能機器人創新研究院簽約揭牌儀式，12日在西安經濟技術開發區舉行。
西安交大與西安經濟技術開發區管委會將重點圍繞智能機器人產業鏈上下游產品，開展前沿技術、共性關鍵技術、樣機開發、測試驗證、標準制定等發麪的研究。西安交大智能機器人創新研究院將依託自身現有的機器人技術研究與應用方面的技術研發能力，凝結上下游雙創企業，建設孵化服務平台，推廣創新成果及產業化項目，推動西安機器人產業快速發展。
西安市政府有關領導表示，西安市在發展人工智能和機器人產業領域具有得天獨厚的優勢和條件，科研資源聚集，學術底藴雄厚，產學研體系完善，具有機器人研發、製造、應用和市場的全產業鏈，具備把產業做大做強的堅實基礎，“產業基地與研究院的建立是深化市校合作的具體實踐。”西安市將秉承“親商、助商、扶商”的理念，為智能機器人產業成果轉化提供“五星級服務”，希望與企業家、行業精英、專家學者、創客能手一道，共同打造國內一流的人工智能機器人產業基地。
西安交大校長王樹國表示，西安交大將把握時代發展機遇，彙集全校智慧與資源，以時不我待的精神投入人工智能與機器人產業的研究工作中，着力打造研發平台、攻破技術難關、培養創新人才，助力西安成為“一帶一路”倡議、《中國製造2025》和國家創新驅動戰略的領頭羊，為實現中華民族偉大復興的中國夢貢獻力量。
(2017-10-13)
內容重點：人工智能機器人對人類社會帶來衝擊是不可抗拒的與不可逆轉的。首先對勞動力就業崗位衝擊最大。過去僅僅是對生產車間的標準化崗位的衝擊與替代，而現在與未來人工智能的發展將代替製造業崗位與服務業、管理等崗位。這是對勞動力市場從整體上的顛覆。
機器人替代人工勞動力已經從車間走向了服務業了。人工智能發展使得整個產業崗位都將發生鉅變，主要表現在所有工作崗位幾乎都可以被機器人代替。包括金融分析師、醫生、律師等這些高級金飯碗崗位。
人工智能發展後，在推廣應用上將非常之快。一個最大因素是，資本有推動人工智能的強烈慾望與積極性。從投入上看，機器人一次性投入或許大一些，但相比人力工薪以及福利勞保的持續性費用還是會大大減少。
從管理上來説，人工智能機器人比勞動力管理的複雜程度要低得多。世界上最難處理的關係就是人際關係，最難管理的就是人，資本家在管理員工與工人上已經費勁了腦筋，傷透腦筋。
從工作質量與準確性上看，機器人的準確性、標準化程度以及差錯率等要比人力勞動力低得多。
基於以上三個方面，資本絕對有推動機器人普及的強烈慾望。只要資本有積極性，機器人就會很快普及開來。
人工智能機器人對人類社會帶來衝擊是不可抗拒的與不可逆轉的。首先對勞動力就業崗位衝擊最大。過去僅僅是對生產車間的標準化崗位的衝擊與替代，而現在與未來人工智能的發展將代替製造業崗位與服務業、管理等崗位。這是對勞動力市場從整體上的顛覆。
當然也不必過度懼怕與悲觀。因為現在往往的觀察與分析點都過度盯在衝擊與顛覆上，而忽略或者未知人工智能誕生後創造的不可預知的工作崗位。第一次工業革命的蒸汽機動力出現後，也有這樣的憂慮；第二次工業革命的電力出現後也有同樣的擔心；第三次工業革命的信息衝擊同樣擔憂者不少。工業4.0這個階段人工智能的廣泛應用在嚴重衝擊現有工作崗位的同時一定會衍生出許多維護、陪護、護理、心理心靈撫慰等很多服務業的崗位。也許今天對人工智能機器人衝擊的擔憂是多餘的。
對於每一個人來説，都應該結合自身崗位實際觀察就業情況的變化，觀察人工智能最新發展趨勢特別是應用推廣情況。當然必須關心自己崗位被機器人取代的可能性。以人工智能技術發展為鎖定目標，重新規劃自己的人生與理想和角色職業，提早做好應對準備。這才是明智的。
人工智能機器人替代人工崗位特別是服務業崗位説來就來了。紐約最火漢堡店Shake Shack將於本月晚些時候在曼哈頓開新分店，該新店將用機器完全取代人工點餐和結賬。客户可以在餐廳內的點餐機器、手機應用程序點餐，之後直接在店裏領取食物，整個流程無需人工結賬。
紐約最火漢堡店Shake Shack將於本月晚些時候在曼哈頓Astor Place區域開新分店。新分店依然提供Shake Shack的招牌食物，唯一不同的是該新店將用機器完全取代人工點餐和結賬，僱傭收銀員一直是餐廳支出的重要部分之一。這意味着在Shake Shack的新店，機器將取代人類。
該公司CEO Randy Garutti表示，客户可以在餐廳內的點餐機器、智能手機和平板電腦上的餐廳應用程序點餐，在收到確認短信後直接在店裏領取食物，整個流程無需收銀員結賬。
Garutti表示，新店作為測試自動化點餐系統的試點更像是一個遊樂場，可以測試和了解客人不斷變化的需求。Shake Shack致力於創新，希望在支持科技創新的同時能夠為客人提供最好的服務。
但是Shake Shack可不是第一家使用機器代替人工的餐廳，今年6月麥當勞就宣佈將用點單機器代替2500名收銀員。
此外，CaliBurger今年早些時候也宣佈將於2019年底前，在其全球50個地區餐廳用機器人廚房助手“Flippy”。
Caliburger表示，人造智能的機器人系統令Caliburger餐廳運作更高效，食物製作更快更安全。投資Miso機器人是為了今後建立一個更為統一的操作體系，從而可以有效控制餐廳各方面運作——餐廳內互動娛樂遊戲、自動化訂餐和烹飪、智能送餐和實時檢測食品安全等。
以下為網友評論：
網友“Mortar”：很好
(2017-10-05)
人工智能創業者應避免陷入“集體亢奮”，用户體驗才是立足之本
2017-10-24
品途商業評論
如你所知，作為一個並不嚴謹的流行詞彙，過去一兩年，“人工智能”在中國大眾認知中的滲透度節節攀升：大把社會資源湧入這一領域；它頻頻登上社會版面而非科技版面的頭條；各路速成的專家學者，對其做着各種樂觀或悲觀的解讀。
這種井噴之勢，無疑有其合理之處。沒人會懷疑，起跑線的相對公平（包括技術，數據和政策等方面），將給予中國一次“後發制人”的機遇。麥肯錫預計，中國人工智能應用市場將以50%的增速逐年增長，遠超全球市場20%的複合年增長率。
然而，硬幣總有兩面，審視人類科技演化史，當偉大的“基礎設施型”技術降臨，創新者總會不自覺地陷入某種集體亢奮狀態——譬如，第一次工業革命來臨後，生產由個體轉向機械，不少當時的“創業者”瞬間轉向對機器的崇拜，試圖把舊世界的一切事物“機械化”，於是誕生了各種奇葩的圖紙（那個時代的PPT）和“發明”（那個時代的demo），比如可以“摺疊”，但永遠沒人走的橋。
某種程度上，今天的人工智能產業也有類似端倪。在理性的投資人眼中，不少創業者是把AI當“錘子”，到處找“釘子”——他們不是先考慮需求和場景，而是反推自身技術有何用武之地。
這是工程師思維在作祟。創始團隊有良好的學術背景，是這一輪AI浪潮的特質。但僅有技術遠遠不夠，否則為什麼他們在PPT上描繪的天衣無縫的“解決方案”，卻找不到合作伙伴呢？
答案很簡單：他們只有技術本身，缺乏產品化和場景化的能力。如今真正敏鋭的投資人早已達成共識：消費者（甚至越來越多的企業）從來不會為技術本身買單，AI創業的重心應儘快從技術本身，向讓技術落地的場景化產品轉移；如果AI創業者的自我定位永遠是“技術提供商”，沒有給客户提供整體解決方案，不注重用户體驗，它在產業鏈中的價值將會日趨暗淡（理由後面會講）。認識這點，也就不難理解為什麼獵豹移動旗下AI公司獵户星空，能讓不少人頗感意外的亮相最近舉辦的“砥礪奮進的五年”大型成就展，他們攜語音及人臉識別技術參展，這家為小米，喜馬拉雅FM，美的和海爾等頭部公司提供技術嫁接的初創企業，稱得上是AI技術落地的樣本——即，輸出的不僅是技術本身，而是通過一套用户體驗良好的解決方案，做到技術，產品，商業和數據的閉環。
在AI時代，這非常具有啓發性。
AI技術的門檻正在下降
相信你見過不少公司，他們技術一流，卻缺乏落地能力，唯有靠技術輸出變現。我同意迅雷創始人程浩的觀點，AI創業者不往上游走風險很大，甚至死路一條。原因很多，比如像程浩所説：“未來佔據數據優勢的大公司都會提供人工智能基礎服務，人就沒打算收費，你也就別指望靠API調用去賺錢。儘管這些領域現在還可賺點小錢，但很難成為一個長久的生意。”
而在我看來，更重要的原因是，依託於算法的AI門檻，正在日趨下降。
常識是，作為一次算法革命，深度學習大幅降低了創業者准入門檻。誠如傅盛所言：“深度學習的核心是數據驅動，雖然有模型調參，有自己的優勢，但別人有更多的數據調參很快拉平優勢，很難真的想像一家公司通過提供技術輸出就能成功。我甚至認為，未來深度學習是基礎的技術運用，很多公司都具備深度學習的研發能力。”
事實上，門檻下降的速度或許比想象中要快。在過去，初創AI團隊的進展還受制於軟件開發所花費的時間，但如今，包括谷歌，Facebook，微軟，亞馬遜，雅虎，IBM和百度在內，幾乎所有科技巨頭都開源了自家的深度學習框架。他們深知，人工智能是未來數十年的底層基礎設施，面對各種細碎的應用場景，任何巨頭都做不到無遠弗屆，開放共贏，為創業者“賦能”，從而讓自身受益（獲取數據，爭奪行業話語權等），才是更聰明的選擇。而這無疑將進一步降低AI技術的門檻，初創團隊可以如插件般，將深度學習技術嫁接到自己的系統中，讓沒有太多深度學習背景的開發者也能容易上手。
另外值得一提的是，談及算法對一家AI公司的重要性，我個人覺得，純粹從算法本身去講“工匠精神”似乎值得懷疑。其實站在使用者視角，在一些非核心應用上，算法間的細微差別對最終結果影響不大——相反，數據壁壘是很明顯的，如傅盛所説：“由於基本算法模型的固定化，算法的驅動力已經大大地降低了。一篇論文能推動的有效長進非常有限，但數據量大了以後產生的巨大推進量可能是遠遠勝於一片論文的，但你需要大量的數據去進行嘗試、標註、計算，大規模標註數據成為核心競爭力。”
所以不難發現，在AI跑道上，越到未來，技術本身的優勢就越不明顯。換句話説，在AI商業化三個核心——技術，數據和用户場景中，留給多數創業者的機會其實是遞增的：依託場景和產品化的技術，才更具生命力（當然，產品優勢也更有利於收集數據，反補技術迭代，發揮收益遞增效應），這也符合技術史一貫的發展脈絡：技術先導，產品跟上，商業閉環。
AI賽場，體驗為王
既然AI應該以產品化為導向，那麼是產品，就應該圍繞用户體驗做文章，這也是獵户星空這家公司的誕生緣起和最大優勢：在技術攻堅同時，完善用户體驗，實現場景落地。
技術攻堅當然是第一環。獵户星空初創團隊中擁有來自硅谷，日本，中國台灣地區，北京和深圳等全球一流科技公司的技術精英，博士佔比近5成。成立一年有餘，就已顯露不俗戰績，譬如在今年的人臉識別“世界盃”——微軟百萬名人識別競賽中，獵户星空在有限制類（只使用競賽提供數據）子競賽一項獲得第一；更早前，他們還在另一項人臉識別國際賽事 LFW 上，用較小網絡實現了極高的精度，取得前三名。而在語音識別方向，獵户星空也在短時間內掌握了麥克風陣列，語音喚醒，語音識別，語義理解和語音合成等全套遠場語音技術。如前所述，小米，喜馬拉雅，美的和海爾等逐漸增長的頭部公司名單，都將獵户星空視作最值得仰仗的語音交互合作對象——必須承認，成立一年，攻克語音和視覺兩座AI大山，在創業公司中確實比較罕見。
而技術之外，短時間內被市場接受，業內公認的最大理由，是他們將技術產品化和場景化的功力——獵户星空是由一羣重視產品體驗的工程師和尊重技術的產品經理共同組成的團隊，這讓他們完成了與傳統“工程師思維”AI團隊的分野。
譬如今年6月，獵户星空發佈了自研的全鏈路遠場語音交互系統“獵户語音OS”，讓用户在遠場環境中與機器用最自然，最人性化的語言交互。這一系統也迅速落地於家庭場景，在“砥礪奮進的五年”成就展上，獵户星空就聯合海爾現場打造智慧生活樣板間，通過語音控制空調等家居設備。此外，他們現已與美的建立深度合作，全面接入美的旗下多款智能設備。而除了家電控制，用户還可以用人工智能語音點歌、聽書、聽新聞、問天氣等娛樂生活服務。
而在人臉識別方面，獵户星空也已將其運用到門禁（公司總部的門禁安全系統就是通過其自主研發的人臉識別技術實現）和手機等豐富的生活化場景中去。此外值得一提的是，同樣在這次“砥礪奮進的五年”成就展現場，曾在科幻電影中出現的無人化辦公場景，獵户星空也讓其成為現實，參觀者來到智慧辦公展區的智能前台接待系統處，在Pad端完成簡單操作後，既可通過攝像頭體驗人臉識別。
嗯，如果説人們對AI的最終期許是迅速落地於公眾生活，讓世界變得美好而簡單，那麼相比於其他同類團隊對技術的過渡沉溺，獵户星空無疑踩在更精確的鼓點。
這在很大程度上，得益於他們對用户體驗的珍視。舉個例子，獵户星空開發的語音交互系統可以真正做到“像人類一樣溝通”（這背後實則是強大技術的支持，如採用大數據情感語音合成技術與漢語語音合成引入重音技術，重音層次分明），也因此被業界譽為“最温暖的AI聲音”。再比如，在智能音箱產品中，他們還從優質點播體驗（如“一雲多端，斷電續聽”）以及海量內容等多方面打造極致用户體驗。
總之不難發現，依託於獵豹移動深耕多年的產品思維底座（獵豹移動的核心價值觀排在首位的就是“用户至上”），獵户星空擁有強大的用户場景應用和深度定製能力，從而可以讓他們圍繞細分領域做深度打磨，不斷完善用户體驗。
在我看來，這或許是當下AI創業的一條最佳路徑：在真實的場景中，幫助用户解決問題。
這又何嘗不是商業的本質？要知道，人類社會發展從來都只有一條主線：發現問題，解決問題，而不是先創造問題，然後再去解決——人工智能市場亦是如此，現在看似羣星璀璨，但真正能活下去的，永遠是和用户站在一邊的人。
作者：李北辰
您可能感興趣的文章：
機器人已經成為了地球的主角，內容產業的新風口將是人工智能
華為旗艦機以AI賺足眼球，為何給新浪打Call？
今日頭條最近小麻煩不斷，最大的麻煩終於來了
本文來自騰訊新聞客户端自媒體，不代表騰訊新聞的觀點和立場
(2017-10-24)
雙創周“人工智能機器人創新論壇”，機器人&AI VS 人類，誰主未來？
2017-09-22
億歐網
或許是因為機器人最初誕生於科幻小説；又或許，由於機器人定義的模糊，給了人們充分的想象，產生各種幻想：機器人幫你泊車，機器人陪你聊天，機器人替你工作……科技進步的洪流正攜裹着我們進入AI時代，上面的幻想正在一一變成現實：智能家居、無人駕駛、醫療機器人等等在迅速改變我們的生活，人工智能機器人產業的未來將走向何方？在人工智能機器人領域創業是一個good Idea嗎？
9月21日，由科沃斯蒲公英孵化加速器和機器人創始人聯盟RFC聯合發起的2017全國雙創周壓軸大戲——“人工智能機器人創新論壇”，以“服務機器人產業高峯論壇”、“人工智能機器人投融資SHOW”、“人工智能機器人投融資集市”三大板塊，為大家呈現了豐富精彩的產業系列討論和高質量的項目路演！
共青團上海市委員會副書記丁波宣佈開幕，科沃斯機器人董事長錢東奇、慈星機器人董事長李立軍、康力優藍CEO劉雪楠、狗尾草創始人邱楠、竹間智能創始人簡仁賢等行業大佬，均親赴這場科技領域的前沿盛會。
高峯論壇：深入探討機器人和人工智能的未來
本次論壇上，行業領軍企業大佬、新鋭企業創始人、投資人，立足高點，各抒己見，精彩紛呈！
“服務機器人產業高峯論壇”中， 科沃斯機器人董事長錢東奇針對“服務機器人商業化思考”做出了深刻的分享，雖然服務機器人概念十分火，但仍然還處於探索期，做人工智能機器人一定要想清楚自己到底要什麼。慈星機器人董事長李立軍也發表“服務機器人投資之道”的主題演講，剖析了智能服務機器人產業在中國的機會，當下機器人行業快速發展，未來將是一個龐大的市場。竹間智能創始人簡仁賢對“情感人工智能如何賦能服務機器人”進行了分析，要以人為本的連接所有設備，服務於人，從智商和情商兩個方面，在深度學習等相關技術之下，將人工交互做到使機器人擬人化。
由左至右 圓桌論壇嘉賓：門羅機器人CEO楊興義、慈星機器人董事長李立軍、竹間智能創始人簡仁賢、科沃斯機器人董事長錢東奇、康力優藍CEO劉雪楠
深圳狗尾草創始人邱楠對“AI技術的新機遇”進行了深入的分析，他認為當下還是一個弱人工智能時代，虛擬生命技術將在未來改變人們的生活。康力優藍CEO劉雪楠也對人工智能和AI有自己獨到的見解，2017年人工智能場景化的裂變正在高速發展，RT場景應用與IT場景應用在端、運動性、人性化等方面會有很大的不同，也會產生更多的裂變可能，未來產業時代的發展，將會是智行合一的。百答科技創始人王嘯楓、門羅機器人CEO楊興義，分別分享了“NLP在人機交互中的作用”、“機器人的評測和跨界創新”兩個主題。
投融資show&投融資集市：投資人和創業者深度碰撞
“人工智能機器人投融資show”和“人工智能機器人投融資集市”，到場200+行業投資人與優秀的初創項目創始人進行深度互動。
9個“深度路演項目”+10位行業知名投資機構合夥人評委現場坐鎮：3個核心技術模塊的項目：專注信號處理解決方案的索那美聲、致力於高功率type C PD充電芯片的南芯半導體，以及立足於聲音處理器芯片（AUVI處理單元）的泛訊科技；3個終端智能機器人的項目：深耕服務機器人+ROS平台的創想未來、研發“為空氣戴上手套”的軟體機器人、開拓室內/室外多場景自動配送機器人的普渡科技；3個機器人行業應用的項目：深入工業級無人駕駛搬運機器人的木蟻機器人、專攻醫療服務機器人的鈦米機器人和研究無人機賦能系統的星邏機器人。
最終，鈦米機器人獲得最具投資價值獎；普渡科技獲得最具創新能力獎；SRT軟體機器人獲得最具成長潛力獎。
“人工智能機器人投融資SHOW”中，16個項目分兩次進行了“一分鐘CEO説”，從語音語義分析到視覺識別，再到一體化物聯網，由點到面，全面展示了目前國內人工智能領域的發展狀況；從家居到教育，再到安防，囊括了生活、精神、安全等各個應用領域；從交互應用到人工大腦，再到器械，由虛到實，從軟到硬的解決各類問題。
同一時間點，主辦方特別設立“投融資集市”，供25家AI/機器人項目與到場投資人進行face to face的深度互動。
X—加速營計劃：為科技創業者提供體系化的加速服務
在“人工智能機器人創新論壇”上，科沃斯蒲公英孵化加速器隆重推出了“X—加速營計劃”，充分發揮科沃斯機器人全產業鏈優勢，結合蒲公英、順融資本以及科沃斯蒲公英孵化加速器整合到的行業優質資源，為優質項目打造定製化的加速成長計劃。
六大板塊，深入、深化服務內容：
市場加速：行業優質交流，協助找到更多應用場景；對接大企業，促成合作。
營銷加速：授漁也授魚，實戰導師提供營銷、銷售輔導，免費對接媒體專訪。
產品加速：科沃斯供應鏈全力支持，突破從研發到樣品到量產的各個關鍵環節。
技術加速：配備產業、學術導師，為項目提供產品技術深度的1v1溝通。
思維加速：與知名企業家、投資大佬直接對話，獲取一手商戰、管理經驗。
融資加速：協助優化BP，提升路演能力，協助對接投資，並有機會獲得直投。
AI時代已來，你準備好了嗎？
本文來自騰訊新聞客户端自媒體，不代表騰訊新聞的觀點和立場
(2017-09-22)