互联网与人工智能
1
真正能够提高社会生产力、解决供需关系不平衡的是人工智能，不是互联网。
未来，人工智能无论是在无人车、机器人、医疗、金融、教育还是在其他领域，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+。
人工智能与人工智能+
2
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（Enabling Technology），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。
对于新创企业来说，只做图像识别、语音识别、语义理解、机器翻译这些通用技术，指望通过软件开发工具包（SDK）卖钱，未来的路会越来越窄，特别是在BAT都免费的压力下。
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，也就是所谓的人工智能+。
人工智能+与+人工智能
3
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”，它们间有明显的区别。
“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。
“AI+行业”和“行业+AI”，通常来讲前者因为大家起跑线一样，行业纵深会比较浅，而后者则有巨大的行业壁垒。
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。以医疗+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。
关键性应用与非关键性应用
4
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，人工智能的创新本质上有mission-critical和non-mission-critical之分。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。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次手术出一次医疗事故，放在美国，医院可能被巨额索赔甚至导致破产。
所以“关键性应用”领域，就是不能犯哪怕一丁点儿错的人工智能领域，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。
以色列做高级驾驶辅助系统（ADAS）解决方案的Mobileye公司，2017年3月被英特尔以153亿美元收购。Mobileye成立于1999年，到它推出首款产品、挣到第一桶金已是2007年，之间经历了长达8年的研发周期。
这在互联网创业里是不可想象的。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。
实际上，人工智能领域的创业，95%都是“非关键性应用”。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。
比如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，公司不是还有前台嘛。
“非关键性应用“不追求高大上，简单、实用、性价比高更重要，这样的项目通常是比拼综合实力。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：仅仅在实验室里搞没意义；成本控制：不光能做出来产品，还得便宜地做出来；供应链能力：不仅能出货，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。
技术提供商与全栈服务商
5
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：
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。
第二，依托于算法的技术壁垒会越来越低。比如随着谷歌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，出样本（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。
第三，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。
我提出“一横一纵”理论，可以解决上述问题。“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，然后搞定用户卖出产品，实现商业变现，再通过商业反馈获得更多的数据，更加夯实自己的技术。
一句话，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。
2C与2B
6
任何技术普及演进的角度，几乎都是延续了从军工（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。
为什么2C市场早期的普及有一定的困难，简单讲几个原因：产业链不成熟、 2C需要额外花钱以及2C产品的用户期待度高。
相对于2C端，这些问题在2B端却不是问题：2B端对价格承受能力更高； 2B的核心目的是降成本；2B可以采取人机混合模式。
以前需要10个人干活，现在可以用机器人替代一半人。简单重复的工作用机器人替代，复杂的工作由剩下的5个人来做，这就是'人机混合'模式。
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！
❚ 作者系迅雷创始人
联系客服
