關於人工智慧第三波創業浪潮，我們應該談些什麼

我們迎來了人工智慧創業的第三波浪潮：人工智慧應用公司。第一波是純粹科研性質的公司，其中脫穎而出的是類似於Deepmind和Nnaissence這樣的企業。絕大多數這類企業還沒有真正實現商業化，有些在盈利前就被收購。第二波熱潮的公司更多致力於構建機器學習的基礎設施，這些初創公司的確創造了一定商業價值，但大多也在形成規模前被收購。典型的例子如Wit.ai，這家公司開發出了一種開源的自然語言處理（NLP）應用程序介面（API），後來被Facebook買下，應用於其虛擬助手「M」。

人工智慧應用類初創公司正吸引越來越多的大型投資機構，同時佔據了早期募集基金中的最大份額。單單在英國，這類公司的數量就佔全部人工智慧企業的85%。有趣的是，這樣的趨勢正在要求投資人們調整自己的分析框架和投資標準。根據MMCVentures的一篇博文，英國50%的后種子期初創公司雖然還沒開始盈利，就已經融到比傳統SaaS初創A輪還多20%—60%的資金。

從各種跡象看到，我們現在正處於第三波熱潮的初期，而這次的主題是應用人工智慧的解決方案。這類初創公司與以往的區別是，他們會針對特定產業或領域開發終端應用，而不僅僅是構建基礎設施。

這些數據說明了什麼：

1、這些大型人工智慧應用公司都在哪裡？規模較大的人工智慧應用公司總部位置的差異，從我們資料庫中的公司數據看到，69%來自美國，8%來自香港，7%來自德國。

2、在第三波浪潮中發展的公司平均僱員數量為133，中值為75。這兩個數字都很小，表明了這些公司每個員工能創造出很高的價值。

3、這些公司總共融到了6.4億美元。平均每個公司的融資額在9千萬美元左右，但是融資額的中值只有3千萬美元。製造業、廣告技術、創作&娛樂、保險、管理、運輸、健康醫療、銷售&市場、金融行業應用人工智慧公司的平均融資額

4、在應用人工智慧企業中，融資最多的領域依次為金融、銷售與市場、醫療保健、運輸和網路安全。這五個領域的公司數量佔了應用人工智慧公司總數的65%，融資額佔了總量的89%。這個數字存在嚴重的傾斜，僅金融領域就佔據了總量的52%。最大型人工智慧應用公司重點分佈在金融、網路安全與市場營銷、醫療與運輸行業。

從清單里的公司來看，我們應該能建立起一個有四種門類的框架體系：

首先，從整體上劃分為兩大類：

1、「全棧」公司，他們控制著整條價值鏈。他們與客戶和供應商都有聯繫，不會把軟體賣給已有的企業。例如Babylonhealth，正致力於用人工智慧建立下一代臨床應用。

2、「人工智慧技術驅動型」公司，這類公司銷售包括人工智慧的軟體產品。

3、更深入的來看「人工智慧技術驅動型」這個門類，我把他們進一步細分為垂直和橫向通用型解決方案兩種。垂直解決方案型迎合了特定產業的需要，而後者則沒有專註於在某一特定領域。比如自動駕駛軟體就是一種關鍵的垂直型解決方案，通用汽車會願意花錢購買，並把它用在旗下任何一款車型上。而橫向通用型軟體最好的例子應該是像Salesforce提供CRM（客戶關係管理）軟體，任何產業中的公司都可以使用。

4、在技術驅動型公司構建的垂直解決方案中，我區分了那些行業挑戰者類型的公司與新興行業領頭羊式的企業。在被Salesforce收購前，RelateIQ是它的挑戰者。「新興行業領頭羊」的一個例子是Chorus.ai，它創造了一個新的產品類別——智能會話（Conversation Intelligence）軟體。

為了說明這一點，我們可以對比一下Oracle預置的CRM，Salesforce和RelateIQ。就像Salesforce在15年前通過對雲計算的理解和應用而搶佔市場份額，RelateIQ也是在同樣的價值曲線上競爭同樣的機會，但藉助機器學習技術，它在用戶管理、數據輸入便利性、工作流程直觀性三個方面上創造出了額外的價值。該公司僅僅創立三年後，Salesforce就39億美金將其收購，現在重組為SalesforceIQ。

另一個有趣的地方，是思考這些公司給他們各自對應的市場帶來的創新有什麼不同，到底是創新還是顛覆。全棧公司和新興行業領頭羊就是典型的顛覆者。全棧公司目標在於取代已有的市場領先企業，新興行業領頭羊則用新產品創造出新的市場。垂直技術驅動和橫向通用型行業挑戰者則屬於創新者，他們在現有業務類型上創造了增值價值。

這些公司中三分之二都是技術驅動型，剩下的是全棧公司。比較有趣的是，全棧公司融資額是技術促進者的5倍以上。這個結論也反映出全棧公司需要承受客戶獲取成本，並雇傭整個價值鏈的員工。數據也顯示他們比其他門類的公司擁有更多的僱員。
技術驅動型公司中的三個門類目前總融資額相近。雖然這麼說，垂直類人工智慧公司的員工規模最小。就像在SaaS行業，垂直類人工智慧公司也許比橫向通用型公司更趨於工程驅動，因此更少的需要銷售和營銷人員。

六個風險和機會，值得一提：

1、填補全棧空缺，增加市場規模。

處於有利競爭位置的垂直人工智慧公司能利用他們的客戶數據和經驗，向全棧公司轉型。這些公司能提供整條價值鏈，甚至與他們以前的客戶競爭。最終他們的總目標市場能增長10倍。Infermedica是一個很好的例子，它是一種機器學習驅動的工具，能幫助醫生做出更好的決策。Infermedica可以轉型成全棧，並與它已有的診所競爭，正如Babylonhealth如今所做的那樣。而其影響就是，作為投資者，我們需要考慮兩個目標市場：在特定市場內的軟體開銷，和一旦人工智慧獲得更大認可度后，總市場規模上的開銷。

2、垂直型人工智慧公司的出現有助於現有企業與同領域中的新型全棧人工智慧公司競爭。

通用汽車收購了Cruise Automation，以便其能夠繼續深耕自動駕駛汽車領域。Zestfinance幫助銀行利用機器學習評估信用評分，同樣還有Kreditech，Affirm和Avant。這讓我們更加意識到，也許會有新的機會建立垂直人工智慧公司，幫助全棧公司獲得更大市場認可度。

3、不依靠人工智慧構建第一步解決方案，產生有價值的交易數據並進一步自動化工作流程。

我們資料庫中很多新興贏家在集成機器學習組件之前就開始向顧客銷售。他們提供的第一步方案能有效獲取用戶產生的數據，這是一個聰明的方式。然後，他們可以再通過及時補充關鍵功能來獲得更多的價值。由於數據網路效應，這也給他們增加了可防禦性。InsideSales應該算是這類公司最典型的代表，他們首先生成了大量銷售效率數據，使銷售流程遊戲化。在這之後，他們才開始推出一個基於人工智慧的銷售預測平台。這裡非常值得注意的一點是，用戶這時已經打算購買他們的軟體了，即便該產品並不包含人工智慧技術。

4、產業挑戰者被創新型老牌企業而取代的風險。

我們經常會擔心，那些使用了來自大型SaaS企業數據的公司，其防禦能力到底如何。舉個例子，有家公司會用到Zendesk的數據。Zendesk有個很大的優勢，就是他們坐擁著積累了好幾年的大量票務數據。如果競爭優勢來自於擁有的數據，而我們假設演算法正逐漸成為一種商品，那麼長遠來看，依靠第三方數據的公司有多大可能會成為新贏家？我們相信，如果需要評估其中的風險，關鍵在於理解大型老牌企業的產品推進速度和數據策略。

5、收集並處理新的數據流，建立起自我防禦能力。

有一種有趣的方式可以平衡上面提到的風險，就是去收集現有企業還沒有的新數據流。InsideSales收集到了Salesforce的資料庫以外的銷售效率數據。Chorus收集的語音數據，也是Salesforce所沒有的。

6、垂直型人工智慧技術公司長期無法獲取有效數據所面臨的風險。

我們也許會疑惑，組建一個具備長期競爭力的垂直型技術公司的機會是否真的存在。目前很難判斷，這類公司與垂直型人工智慧初創公司運營一段時間后，是否仍願意和其他公司共享數據。使用垂直型技術公司開發出的解決方案，他們能優化人工智慧代理。與此同時，他們與競爭者也分享了同樣的競爭優勢，這種優勢就存在於他們的數據中。在特定領域或垂直人工智慧技術驅動型公司要想長期保持生命力，也許必須要向全棧公司轉型。

總之，距離80年代的人工智慧寒冬已經過去很久了，此刻，人工智慧的垂直領域似乎正處於蓬勃發展期，也有更多的初創公司、資本和媒體在見證這一過程。可以預見的是，規模化的人工智慧公司不久將取得更大進步。在經營和投資的臨界點上，他們開始了很多有趣的探索。這些公司的技術壁壘在哪裡？他們獲勝的策略是什麼？持久性成功的早期預兆又在哪裡？或許，這個框架能讓初創公司更清楚的認識現有市場，並幫助早期創始人應對相關的風險，同時抓住機會。