A前瞻官网
前瞻网
a 当前位置: 前瞻网 » 资讯 » 大咖

迅雷创始人程浩主题演讲:人工智能创新六大核心问题

分享到:
 程浩 • 2017-10-13 09:56:13 来源:笔记侠 E880G0
100大行业全景图谱

中国创业者怎么做人工智能,这篇基本说透了

本文来源于微信公众号:笔记侠

微信ID:Notesman

图片设计 | 清野 责编 | 清野

活动内容:2017年9月23日,人人都是产品经理主办“2017中国产品经理大会:解码未来产品经理”活动,程浩作为嘉宾进行“人工智能创新六大核心问题”主题演讲。

精华笔记·人工智能

笔记君邀您,先思考:

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。

2

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:

①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。

②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。

3

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。

4

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,IBM Watson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。

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。

5

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(Service Provider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。)

6

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(Enabling Technology)。

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(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(Software As A Service,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。

7

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”。

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。

11

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。

12

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(none-mission-critical)”。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?

2

“非关键性应用“简单、实用、性价比高更重要,要比拼综合实力:

①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;

②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。

③成本控制:不光要能做出来,还得很便宜的做出来。

④供应链能力:不光能出货,还能够批量出货。

⑤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。

132

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。

3

“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。

4

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

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。

2

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。

3

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10%-20%,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:

①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。

②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Amazon Go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。

本文来源笔记侠,内容仅代表作者本人观点,不代表前瞻网的立场。本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com) 品牌合作与广告投放请联系:0755-33069875 或 hezuo@qianzhan.com

p10 q0 我要投稿

分享:

品牌、内容合作请点这里:寻求合作 ››

前瞻经济学人微信二维码

前瞻经济学人

专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。

前瞻产业研究院微信二维码

前瞻产业研究院

如何抓准行业的下一个风口?未来5年10年行业趋势如何把握?扫一扫立即关注。

前瞻经济学人 让您成为更懂趋势的人

想看更多前瞻的文章?扫描右侧二维码,还可以获得以下福利:

  • 10000+ 行业干货 免费领取
  • 500+ 行业研究员 解答你的问题
  • 1000000+ 行业数据 任君使用
  • 365+ 每日全球财经大事 一手掌握
  • 下载APP

  • 关注微信号

前瞻数据库
企查猫
前瞻经济学人App二维码

扫一扫下载APP

与资深行业研究员/经济学家互动交流让您成为更懂趋势的人

下载APP
前瞻经济学人APP

下载前瞻经济学人APP

关注我们
前瞻经济秀人微信号

扫一扫关注我们

我要投稿

×
J