程浩：人工智慧創業的三個風險與三個機遇

5月26日，「聚勢AI 智創未來」2017騰訊AI加速器初試（華南區）在深圳市軟體產業基地舉行。創客貓作為合作機構到場進行獨家圖文直播和報道。（點擊進入直播現場）

迅雷創始人、松禾遠望基金創始合伙人 程浩

會上，迅雷創始人、松禾遠望基金創始合伙人程浩發表了《人工智慧創業的風險與機遇》的主題演講。

程浩表示，人工智慧的第一個風險就是認為演算法和科學家決定一切，但這是個誤區，因為現在人工智慧的技術准入門檻會越來越低，而且在很多領域，海量的、準確的、標註過的數據更有價值。第二個風險是，只做技術提供商在未來是死路一條。原因如下：很多是大公司的賽道、基於API的商業模式沒有擴展性、演算法壁壘越來越低、極易被上下游擠壓。第三個風險是2C市場還不成熟，主要是因為產業鏈不成熟、價格貴，用戶承受能力弱、用戶期待度高、技術還有很大的挑戰。

程浩指出，人工智慧創業的機遇一是非關鍵性應用，比如人臉識別的門禁、送餐機器人等。非關鍵應用拼什麼？行業洞察、產品化能力、成本控制、供應鏈能力和營銷能力。第二個機遇是「一豎一橫」理論。

「這個理論就是你必須找到垂直應用，提供端對端的服務，同時把你的技術服務開發給其他行業應用。如果你不找這樣的垂直應用，未來很可能會被擠壓，上游就把你這個事幹了，如果不在其他行業開放，你會面臨數據越來越少，只能依賴自己提供數據。」 他表示，技術提供商一定要做全棧，光提供API這樣的公司沒有任何價值，必須把你的技術產品化，形成一套解決方案，同時提供給你的客戶實現商業價值，獲得客戶或商業夥伴給你的數據，同時夯實自己，形成一個正反饋，有技術、形成產品方案、商業化，最後收集數據。

做全棧怎麼選垂直領域？程浩提出了5個參考因素，市場空間、行業集中度、技術改良還是革命、雙方壁壘、團隊基因。

第三個機遇是2B機會會更多。程浩認為，2B企業對成本承受能力高，同時可以採取混合模式。

以下為程浩演講實錄：（經創客貓編輯，有所刪減）

程浩：大家好！

今天講這個主題，分三個內容。先講第一個，大家在創業的時候通常有一個誤區是什麼呢，認為演算法和科學家決定一切，對不對呢？顯然這個想法不準確，為什麼？首先整個人工智慧這個演算法的技術准入門檻越來越低，2007年剛出來的想找AI科學家非常困難，包括我們在百度的時候，那個時候要有機器學習的專家很少，但是現在再看很多高校都已經開了課程。第二，相對於演算法而言，在很多領域，海量的、準確的、標註過的數據更有價值，剛才楊永智（阿博茨金融CEO、海豚瀏覽器創始人）舉了一個例子，比如醫療領域，在醫療領域數據很少，天天看這麼多病人，如果沒有醫療資源你根本沒有方法拿到這個數據，拿不到這個數據後面的演算法工作無法做，那麼演算法科學家到底有多重要，這個完全取決於行業。

我簡單把這個領域切成兩塊，一塊叫關鍵性應用，什麼叫關鍵性應用？我舉一個例子，自動駕駛或手術機器人，關鍵性應用就是要追求絕對不能出錯，在這種領域裡頭，你做不到99.99…%之後你無法商業化，必須要有精通演算法的科學家級別的人來干，而且普遍這些領域離錢比較遠，研發周期比較長，沒有非常好背景的科學家無法融資。

舉一個例子，門禁人臉識別，比指紋、手機都方便一些，但是人臉識別屬於非常典型的非關鍵性應用，為什麼呢？首先就是你即使識別得沒有那麼準確，所有人臉識別的門禁通常都會有一個模塊允許你刷手的，萬一沒有指紋或者指紋識別不出來怎麼辦，不還有前台嘛，這屬於典型的非關鍵性應用，錯一次不重要。所以這些領域我們都把它叫非關鍵性應用。非關鍵性應用裡頭最關鍵是不追求99.99…%。

真正做高精尖的是左邊的，這個不適合廣大創業者，但是右側給我們提供了廣大空間。對於非關鍵性應用核心競爭力在哪裡，除了演算法之外，第一點，行業洞察，你得真正在這個行業干過，你得非常清楚這個行業的痛點；第二點，產品化能力，光實驗室做了不算，實驗室做出來的東西不在乎花多少錢，但是批量生產就要考慮，產業化和工程化極為重要；第三點，成本能力，不光要把它造出來，而且要把它很便宜造出來，你做出來的東西再好但很貴，這是很難普及；第四點，就是供應鏈能力，幾十個、幾百個供應商是不是同時間提供高質量模組，老羅（羅永浩）很擅長營銷，但手機依然賣得不好，核心問題就在於供應鏈能力；第五點，營銷能力，如果是2B必須要有Top sales。非關鍵性應用演算法只是其中一部分很小的部分，更多的是綜合，就看你懂不懂行業，能不能產品化，還有成本控制、供應鏈能力和營銷能力，這是我分享的第一部分。

第二部分，我以前寫過一篇文章，在人工智慧領域創業，只做技術提供商我認為死路一條，為什麼這樣講？首先技術提供商很多是大公司的賽道，剛才姚欣（PPTV創始人、藍馳創投合伙人）講的，包括人臉識別、聲音識別、機器翻譯，很多是大公司做的。當然百度做得相對早一點，騰訊、阿里也在做，它不需要靠這個賺錢，這一塊很多都是大公司賽道。

其次，是基於API的商業模式沒有擴展性，競爭環境，百度不收費，騰訊也不會收費，再加上你本來就需要開放介面換取更多用戶數據，所以你只做API沒有任何收入。

第三，數據很多情況下比演算法重要得多，最核心的是它大量的研究，學者、開發公司也好，所以上面有很多這樣的東西和演算法，拿來直接用，這種用只是DEMO，商業化肯定是有距離，整體來講演算法壁壘越來越低。

第四，極易被上下游擠壓，只做演算法生存空間是非常小的。我們在投資時其中一個很重要的是防禦性，很多公司做比較低成本的雷達給掃地機器人用的，只要掃地機器人一做到要麼把你買掉，要麼自己做。美國有一個晶元公司就是做視覺的嵌入式計算的，以前最大的客戶就是大疆，但是大疆把2C的商業壟斷之後，大疆做的第一件事就是這個晶元自己做的，演算法也應該自己做，包括收集CPU也是一樣。活得不滋潤的是研發公司，最早的蘋果自己研發自己的晶元，三星、華為、小米都研發自己的晶元。這個產業鏈的規律是什麼，任何產業鏈的壟斷者都會吃掉整個產業鏈利潤。PC產業鏈大家都很熟悉，有做內存、硬碟等的，最後像聯想做整機的，PC做這麼多年誰賺錢了，就英特爾。同時，壟斷者還有最大的機會向兩邊擴展。所以第四點是如果只是做技術提供商很容易被上下游替代。

在此我提出「一橫一豎」理論，必須找到垂直應用，提供端對端的服務，同時把你的技術服務開發給其他行業應用，原因很容易理解，如果你不找這樣的垂直應用，未來很可能會被擠壓，上游就把你這個事幹了。如果不在其他行業開放，你會面臨數據越來越少，只能依賴自己提供數據，開放第三方，第三方為你提供數據，對你演算法有好處。你還要選一到兩個你認為比較擅長的行業做全套。所以簡單講，技術提供商一定要做全棧，光提供API這樣的公司沒有任何價值，必須把你的技術產品化，形成一套解決方案，同時提供給你的客戶實現商業價值，獲得客戶或商業夥伴給你的數據，同時夯實自己，形成一個正反饋，有技術、形成產品方案、商業化，最後收集數據，所以技術提供商一定要做全棧。

那麼做全棧，怎麼選這種垂直領域，剛才說一橫已經做了，怎麼選擇一豎，這是要考慮的。跟大家分享一下，第一個是市場空間，做一豎肯定選市場最大的。舉個例子，美圖秀秀它以前就做一橫，美顏工具，但是他發現這種很難賺到錢，但是美圖秀秀做的一縱是什麼呢？就是它的美圖手機，因為美圖手機的用戶群比較特殊，所以手機還賣得挺貴的，最高賣到4000多元，雖然美圖手機占這個領域的比例並不高，但是它賣手機的收入占它整個收入的99%，如果只是做API根本撐不起來這一個公司。

第二，行業集中度。你作為一個技術提供商，因為頭部越集中越有壟斷效應，它就越有動力把你的事做了，你的頭部越分散你生存空間越大。通常來講是這樣，但是從技術提供商來講這是一個悖論，因為上游集中度越高意味著壁壘越高，這個行業很分散，你即使擴展到上游，你也只能站在大批的，這樣你在上面的意義就不大，所以這個是一個悖論。

第三，提供的技術服務到底是改良性還是革命性的。現在大家用手機最大的痛點就是手機天天得充電，如果發明一個電池技術，這個電池一天充一次電，這時候你發現多了一個手機，我這個手機別的功能都一般，唯一賣點就是電池可以用一個星期。我也做了電池，比別人待機長20%，那你還是老老實實做電池吧。

第四，雙方的壁壘，特別是上游的壁壘。

第五，團隊基因。你做得了技術服務的事，不代表你做得了垂直領域的事，剛才我提到無人便利店，如果你做這塊技術提供商，你也想開這個便利店，但你技術提供再好，用戶怎麼選擇便利店，肯定還是選擇一個平常經常進的。選址以及商品管理方面，你這個團隊如果沒有搞零售的，還是老老實實做技術。就算你找一個搞零售的高管，也很難，因為任何一個公司都有它的基因，我挺相信基因論，如果核心創始團隊沒有這個基因你搞也沒有用。

第三個風險，2C市場還不成熟，從技術創新和技術演進的路線來講，通常都是先軍工、國防，然後2B、2C，為什麼先國防？因為產業鏈不成熟，做起來很貴，所以先國防買單。產業鏈不成熟，價格貴，用戶承受能力弱，一個機器人拿回家，小孩恨不得又能講故事，又能早上叫我起來，現實意義不大。所以，第三個機遇是2B機會會更多，包括企業對成本的承受能力高，2C買一個人工智慧成本是額外花一些錢，但是2B買這個產品目的是為了省錢。比如工業機器人，一個工業機器人代替4個人，每年10萬，聽起來還挺貴的。買任何一個2B機器人只干一件事，包括2B可以採用混合模式，小區巡邏機器人，這個地方有一個老太太摔倒，但是一個機器人把老人扶起來還是挺難的。