中国创业者怎么做人工智能，这篇基本说透了！

　　人工智能非关键性应用拼什么？
　　做全栈怎么选垂直领域？
　　未来行业壁垒是人工智能创业最大的护城河？
　　今天分享的是人工智能创业创新的六个核心问题。
　　一、互联网VS人工智能
　　从创业的角度来讲，我建议：大家更加应该关注人工智能，而不是互联网。
　　第一，互联网流量红利基本已经消失。
　　PC和移动互联网的红利早已消失，手机出货量每年都在下降。手机、无线方面的流量基本走平了，但是中国已经连续几年手机出货量维持在四亿台，意味着你多卖一台别人就少卖一台。
　　现在这个阶段，流量的大趋势基本上定了，大家都知道手机首屏基本就这几个APP：微信、QQ、淘宝、头条、邮件、日历。在现在新的流量红利已经比较干涸的情况下，再在这个领域创业其实不是很明智。
　　举个例子，PC互联网最后一个独角兽公司是哪家？知乎。
　　知乎2011年正式上线运营，到今天这已经是最晚的一个PC独角兽。
　　2011年PC互联网竞争的激烈程度跟2015年移动互联网竞争的程度类似。
　　2015年的移动互联网的总人数和总的竞争激烈程度其实已经超过了2011年的PC领域，那就意味着在2015年之后，移动互联网可能很难再做。
　　第二，互联网给用户带来的最大的价值是解决信息不对称和连接的问题。
　　电商解决了这两个问题：
　　信息不对称。
　　你怎么知道我卖的东西都是真货还是假货？怎么知道我的售后服务好不好？淘宝用钻石皇冠把问题给解决了。
　　信息连接的问题。
　　有这么多买家这么多卖家，当然需要一个平台把大家都集中在一起，这个是“互联网”集中解决的问题。
　　对于很多比较传统的行业，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，帮助是很有限的。
　　第三，人工智能能够大幅提高生产力。
　　现在AI看片非常火，很多基层医院打出来的CT和X光片，通过AI能解决很多问题。
　　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。
　　不知道大家有没有体会到一个问题，现在互联网对传统行业中餐饮行业的改造其实是非常皮毛的，无非就是搞个折扣券把它预定一下，好像仅此而已。
　　餐饮行业真正需要解决的是大厨能不能被替代的问题，在这块互联网根本帮不上忙。
　　所以，未来人工智能对于各行各业的改造力度会远远超过互联网。
　　比如医疗行业，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7584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。
　　二、人工智能vs人工智能
　　从投资角度来讲，其实人工智能和互联网一样是一个非常大的领域。
　　我们做投资，别人问：“你是投哪个领域的？”我说：“我是投互联网的”。这话说出来跟没说一样。
　　其实人工智能也是一个非常广的领域，基本上人工智能分为三层：
　　第一层我们叫做基础架构层。包括云计算、芯片以及TensorFlow（谷歌基于DistBelief进行研发的第二代人工智能学习系统）这样的框架。
　　在基础层之上有一个通用技术层，它包括例如图像识别、语音识别、语义理解、机器翻译等。
　　再往上一层是人工智能，也就是顶层。通过利用底层和中间层把技术应用到各行各业，也就是人工智能对各行各业的转化。
　　相比较而言，基础架构和通用技术是巨头的必争之地。
　　比如芯片领域，Intel、英伟达、高通都投入巨资，竞争极其激烈。云计算、框架也是一样，都不是小公司能够涉足的领地。
　　通用技术有两个问题：
　　第一，通用技术没有直接的商业模式。你只要通过SP可以卖钱的，基本卖得动。
　　笔记侠注：SP（ServiceProvider的英文缩写，指移动互联网服务内容应用服务的直接提供者，负责根据用户的要求开发和提供适合手机用户使用的服务。）
　　第二，现在BAT对于通用技术极其重视。
　　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通用技术（EnablingTechnology）。相比创业公司，BAT的最大优势有三个：
　　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，BAT还有一个好处就是“羊毛出在猪身上”。这些服务可以不赚钱，但是用别的服务赚钱，这是典型的互联网打法。
　　这里的“猪”是什么？猪就是云计算。
　　百度ABC策略是什么？
　　人工智能（AI）、大数据（BigData）和云计算（CloudComputing）。AI我可以不赚钱，开放给大家，那么大家想享受我的服务，就要来买我的“云”。
　　所以，从这个角度讲，创业公司做基础架构和通用技术风险比较大。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。做“人工智能”，比如人工智能医疗、人工智能安防。
　　我认为创业公司在这些领域的机会相对比较多，所以对这些东西比较关注。
　　三、人工智能vs人工智能
　　“人工智能”是一个比较泛的概念，再细分一下，分成一个叫“人工智能”，一个叫“人工智能”，中间有些微妙的区别。
　　“人工智能”全称就叫“AI行业”，简单来讲就是在AI技术成熟之前，其实没有这个产品和行业。
　　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，所以叫“AI行业”。
　　还有一个叫“行业AI”，就是说没有人工智能之前这个行业已经有了，只不过以前效率低一点，现在有人工智能了，效率会大幅提高。
　　客观来说这两类其实都有创业机会，但是“AI行业”行业壁垒相对比较低。巨头在数据方面有优势，而且大家基本都在同一起跑线上，其实创业公司的赢面不是很大。
　　我认为“行业AI”对创业公司环境更友好一些。核心的原因是未来行业壁垒是人工智能创业最大的护城河。
　　每一个行业都有行业纵深，即使是BAT技术好一点也并不是很重要。
　　大概就一两个月前，百度大学邀请我跟学员做一个交流，他们提到百度人工智能在无人车和DuerOS（百度度秘推出的一款对话式人工智能操作系统）的应用。有一位总监问我，人脸识别在国内安防领域的应用价值非常大，百度在AI方面是不是该考虑进军这个领域？
　　我想了一下送给他三个字：千万别。
　　为什么？
　　首先，安防这个领域是“非关键性应用”，算法好一点其实没有这么重要。
　　它是典型的、有巨大壁垒的“行业AI”领域。这个领域已经有深耕多年的企业，用自家硬件跑自己的算法，是很自然的事，这样集成度更高了。
　　大家为什么喜欢用苹果手机？主要是软硬一体，集成度更高，体验更好。
　　其次，这家企业做了这么长时间安防，实际上已经积累了大量的数据，包括人脸的数据、环境数据、视频、静态的照片在安防领域有数据优势。
　　最后，它给公安系统做了大量的类似警务通、基站信息采集、视图档案管理等SaaS（SoftwareAsAService，软件即服务）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，其中有一部分就是这家企业参与的。
　　这些东西可能不赚钱，但却为它构建了壁垒。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）。或者到时候出了问题到底应该找谁？
　　再包括安防这个行业，需要非常多的政府公安系统资源和人脉积累，这块百度一时半会儿很难做。
　　在这种垂直领域，行业纵深是非常非常深的，真不是谁的技术比较好一点，市场就是谁的。
　　行业壁垒是人工智能创业最大的护城河，BAT想进去其实没有任何优势。
　　所以，我觉得这应该是未来创业公司的机会。对于创业公司来讲，在“行业AI”更容易构建壁垒。
　　比如医疗行业，做“AI医疗”这个领域，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，这个医疗数据很难拿。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、各科室一个个搞出来也很累。
　　相反，如果一个创业者在医疗行业耕耘过很多年，拿下来也许更容易。这才是创业公司的机会。
　　当然，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。
　　四、关键性应用vs非关键性应用
　　谈到人工智能领域创业，总有一种心态，觉得做人工智能好像得有一个大牛的科学家坐镇才行，其实也是完全不需要。
　　当然，并不是说算法不重要，但是算法的重要程度因为每一个行业的特性而不同。算法到底有多重要，跟你到底在哪个行业相关。
　　根据行业和应用场景不同，我认为人工智能的创业本质上有missioncritical和nonmissioncritical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”。
　　第一类叫关键性应用。
　　简单讲就是你要追求99之后多少个9。
　　举个例子，99可靠度的自动驾驶车能上路吗？肯定不能，这就意味着100次出1次事故。99。9能上路吗？也不行，1000次出1次事故。99。99意味着10000次出1次事故。这个行业对可靠性的要求非常高。
　　99的可靠度跟99。9的可靠度，它的差距是多少？它的差距并不是0。9，要反过来算，99的可靠度与99。9的差距实际上是10倍。
　　再比如手术机器人，99的可靠度听着好像挺高的，这意味着100次出1次事故，在手术台上出了医疗事故肯定没办法交代。
　　因为这类“关键性应用”项目对于技术本身要求就非常高。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非常长，而且离钱都很远。
　　以色列做ADAS（高级驾驶辅助系统）解决方案的Mobileye公司，你知道它的研发周期有多长吗？
　　这公司1999年成立的，它赚第一笔钱是什么时候？大家可能很难想象，是在2007年。八年的研发周期，这在互联网行业是不可想象的。
　　这些关键性应用的特点就是这样，研发周期特别长，离钱非常远，需要持续的研发，自然要求团队必须得有持续的融资。
　　团队怎样才能持续融资呢？得有非常好的简历和过去非常好的背景，这个是能够持续的一个必要条件。
　　今天做无人驾驶的创业团队全都是高富帅，你不是高富帅，你都熬不到产品商业化应用的一天。
　　所以，“关键性应用”算法科学家极其重要，但是如果全是“关键性应用”，可能人工智能跟绝大数创业者没什么关系了。因为大多数人都是产品经理，不是技术专家。
　　不过还好，我认为人工智能领域的创业，95都是“非关键性应用（nonemissioncritical）”。简单来讲，对于这些领域，AI的可靠度只要过了基础线，高一点低一点区别不大。
　　举个最简单的例子，现在门禁很多开始有人脸识别的门禁卡，也不用按指纹，直接走过去，稍微停8秒门就开了，这就是个典型的“非关键性应用”。
　　为什么叫“非关键性应用”？
　　首先，没法做到99。因为人有可能戴帽子或者口罩，不可能达到99的精准度。
　　其次，既使没有识别出来也没问题。
　　所有的带人脸识别的门禁都有个地方可以按指纹，即使指纹也不过，问题也不大，公司还有前台可以开门，这就属于典型的“非关键性应用”。
　　“非关键性应用”算法当然不是说不重要，天天识别不出来也不行，但是只要到一定的可靠度基本就可以了。这其实才是大多数创业团队切入的机会。
　　对于非关键性应用，我们应该看什么？
　　“非关键性应用“简单、实用、性价比高更重要，要比拼综合实力：
　　行业洞察：技术最好是有最基本的可能性门槛。到底对行业熟悉不熟悉，知不知道这个行业的痛点在哪里；
　　产品化能力：产品不能只是在实验室里，那没意义，必须得产业化。
　　成本控制：不光要能做出来，还得很便宜的做出来。
　　供应链能力：不光能出货，还能够批量出货。
　　营销能力：未来能不能很好的卖出去，能不能搞定最好的渠道。
　　这就是“关键性应用”和“非关键性应用”的区别。
　　所以，未来大家如果有这个机会想做人工智能创业，你要组团队的时候，先想好到底是在哪个赛道。
　　如果是“关键性应用”，必须得有技术大牛；如果是“非关键性应用”，要求会相对低点，但是对团队综合能力要求更多。
　　五、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。
　　以做技术提供商作为敲门砖，我觉得可以，但是如果你只做技术提供商，未来的路是非常窄的。
　　原因有几点：
　　1。通用技术一定是大公司的赛道，BAT未来一定会开放免费。
　　比如一家创业公司专门做语音识别，就专注做技术的提供商，提供SDK。这样就有很明显的问题，这就意味着你只是基于API（应用程序编程接口）的商业模式，没有扩展性，这根本就没法赚钱。
　　语音识别是大公司的赛道，未来BAT全免费，这家小公司根本赚不了钱，而且算法壁垒越来越低，只做技术提供商，非常容易被上下游挤压。
　　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。
　　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。
　　比如人脸识别，假设我是一个算法团队，我给大企业提供一个非常好的人脸识别算法，但问题是什么？
　　这家大企业在用你的时候，它同时还有300人的研发团队在做人脸识别，它现在用你是因为它自个儿还没准备好，它一旦准备好了，立刻把你替换掉。
　　大企业只要出货量到了一个阀值，它都会自己做。所以，只做技术提供商有非常大的风险。
　　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。
　　举个例子，PC大家都很熟悉，但是大家应该都知道PC卖硬盘的不赚钱，卖显示器的不赚钱，卖内存也不赚钱，做整机的就更不赚钱，戴尔、联想都不赚钱。
　　那谁赚钱呢？Windows和Intel赚走了绝大部分利润，因为他们是垄断者。
　　针对这个问题，我提出了“一横一纵”理论。
　　“一横”就是指你提供的技术服务。
　　你前期做技术服务当然可以，但是不能一辈子做技术服务。
　　通常“一横”能服务很多行业，你不可能全做了，只能选一两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”：
　　有技术一定要把它产品化，一定要形成产品，而且形成产品后一定要形成商业，能卖出去，商业又给你反馈更多的数据；你有数据，再进一步夯实的技术。
　　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。
　　商业上能吃透一个垂直行业，技术上还能横向合作。
　　把你的技术服务开放给其他行业做，一两个行业你做，其他另外十个、百个行业一定要开放出去给别的团队做。
　　因为他们用你的产品、用你的技术，形成更多的数据回路，可以不断夯实你的产品和技术。这就是“一横一纵”理论。
　　六、做全栈怎么选垂直领域？
　　做全栈，假设技术已经做得很好了，再选垂直应用的时候，最终应该选择哪个行业？这其实有很大的讲究。
　　基本上有五个方面的事情要考虑：
　　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？选择的第一标准取决于哪个市场空间更大。
　　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。
　　举个最简单例子，美图秀秀现在主要有几个产品产线，第一个就是它的APP，第二个就是他们跟很多手机厂商合作，提供相机拍摄的美颜效果，手机拍出来直接就是美颜过了。
　　你可以认为这是它的技术服务，但是技术服务带来最大的问题就是不知道怎么赚钱。
　　美图秀秀选了“一纵”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。
　　我还专门研究了一下，那款手机卖得相当不错，其实它就主打一点：前置摄像头规格特别高。
　　一般手机都是后置摄像头规格特别好，前置摄像头都一般，而它前置和后置都差不多高，它主打的一种美图手机。
　　手机这个市场太大了，虽然美图手机可能只占整个手机这张大饼的0。15，但就是这个业务，占了公司全部营收的93。
　　美图做APP也好，做技术提供服务也好，做API接口都不挣钱，它90的收入都是来自美图手机。
　　只做技术一定要找一个垂直应用，垂直应用第一点要考虑的就是市场有多大。手机市场很大，即使只能占到1，也很大。
　　2。行业集中度高不高？
　　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，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。
　　以前每个IT公司都要买服务器，然后放到IDC里，现在大家都不需要了，现在都是云厂商，阿里云、腾讯云等提供“云”服务，不需要买服务器了。
　　这些服务器的客户以前是IT公司，现在变成云厂商，云厂商就那几个，两只手就能数过来，而且头部效应极其明显，阿里一家占50以上市场。
　　如果你是一个技术提供商，你在跟一个垄断的行业去谈判的时候，没有任何话语权，处境就很艰难。所以，上游精度高，对技术提供商来讲是一个非常不利的事情。
　　在这种情况下，你当然会有意愿往上游走，但带来的问题是什么？如果上游集中度高，说明这个事情壁垒很高，你作为技术提供商，想往上走同样的困难。
　　当然相对来讲，如果你的上游的集中度很低或者客户很零散，对你来讲是个好事，不过你也没有太大的动力往上游走。为什么？
　　因为这个市场本来就很零散，即使你“杀”进这个市场，你可能也只有1的市场份额，而且使得99人都变成你的竞争对手。所以好跟不好，集中跟不集中是各有好处各有坏处。
　　3。技术改良还是革命？
　　举个简单的例子，假设你是给手机做电池的，这是一个典型的技术提供商。
　　如果你做的一款电池是革命性的技术，例如这电池能撑一个礼拜，意味着你可以往上游走，可以做手机，你的手机可能别的性能都一般，就主打全球唯一待机一个礼拜的手机，也能卖出去。
　　但是，如果你的手机电池只是比普通电池多待机了1020，那就算了，你老老实实卖电池就好了。
　　所以，能不能往上游走，其实还取决于你的技术到底是改良性的还是革命性的。
　　4。双方壁垒谁更高？
　　双方壁垒就是你做技术提供商的壁垒和你的上游客户的壁垒。
　　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。
　　举个简单例子，比如现在直播中很多主播用一套软件技术使得画面人物长两个耳朵、两个犄角之类的，通常都是第三方提供的技术。
　　首先，技术本身的壁垒并不高，能提供这个技术服务的公司很多，虽然效果有一些小的差异，但你没有明显优势。
　　其次，直播的壁垒其实很高：
　　它有网络效应，更多的美女主播会带来更多的用户，更多的用户可以带来更多的美女主播，因为收入更多。
　　非常依赖于流量，这是个流量的社会，得能舍得花钱买那些大牌的主播，所以这个事壁垒很高。
　　做技术提供商这个壁垒不够高，而上游壁垒又很高，在这种情况下很难往上游走，最终也只能赚辛苦钱。
　　5。与团队基因是否相符？
　　能做得了技术服务，不代表能做垂直解决方案，做全栈服务商，因为团队不一定有行业经验，这是很大的问题。
　　举个例子，亚马逊无人便利店AmazonGo出来之后，中国出了好多无人便利店，很多背景还不错的技术创业者也说，“我光做一个技术，意思不大，我也想直接干零售，做2C。”
　　我跟他们一聊完团队，我觉得“这事你得慎重一点”。
　　为什么？我们作为一个普通的消费者，在选择一个便利店的时候，会优先看哪些方面，你会优先看它到底是无人便利店还是有人便利店吗？这不是你的第一选项。你优先选的是哪个便利店离我近，以及我想买的东西这便利店有没有。
　　从这个意义上讲，这些都是零售的本质，所以如果你的团队没有懂零售的人，那你一定不要往这边走。
　　有人说“我找一个懂零售的高管行不行”，我觉得其实也挺困难，如果一个企业合伙人团队或者CEO若对这个事没有概念的话，很难靠一个高管去补足。
　　我其实特别相信基因决定论，如果任何一个新的商业，比如BAT找一个懂行业的高管就能搞定的话，那中国创业机会没创业公司什么事了，全是BAT的机会。
　　客观来讲BAT一个做搜索、一个做社交、一个做电商，其实他们三家把互相的业务都尝试了一遍，最后都不成功，这说明基因还是很重要。
　　能做什么不能做什么，跟公司的基因高度相关。
　　所以你要想做全栈选行业的话，基本上要从这五点考虑，把这些考虑清楚非常重要。