“即使百度技術好，在人臉識別率方面比海康威視高一個百分點（實際不一定，海康背后有幾百人的AI研發(fā)團隊）。但這并不代表百度就能替代�？�。因為安防是“非關鍵性應用”（non－mission－critical），100個犯人我識別了95個，你比我多識別了一個做到了96個，其實沒那么重要�！�

大家好，我是迅雷創(chuàng)始人程浩，現在專注科技領域的投資。今天跟大家聊聊人工智能領域的創(chuàng)業(yè)和創(chuàng)新，包括如何選擇賽道、團隊的搭配、以及如何應對巨頭的挑戰(zhàn)。

為此我從投資人的視角，給大家總結了人工智能創(chuàng)業(yè)的6大核心問題。

一、為什么應關注人工智能而非互聯網？

首先如果今天大家選擇創(chuàng)業(yè)，我建議更應該關注人工智能，而非互聯網。為什么這么講？

1、互聯網的流量紅利已經消失；

以PC來說，全球PC出貨量連續(xù)5年下滑。大家知道國內最后出現的一個PC互聯網獨角獸是誰嗎？是知乎，大概是2011年初推出，這么多年過去，再也沒有PC互聯網的獨角獸出現。做個類比，我們知道2015年移動互聯網的滲透率和競爭程度和2011年的PC互聯網類似，以此類推，2015年以后再做移動APP，也很難出獨角獸了。

畢竟中國連續(xù)兩年手機出貨量都在5億多臺，增長放緩，代表無線流量基本已走平，你多賣一臺，我就少賣一臺，是存量競爭。今天創(chuàng)業(yè)者再做一個純互聯網的APP，投資人問的第一個問題就是你怎么獲客。因為現階段流量格局已定，首屏就那幾個APP。

2、互聯網＋的機會同樣有限；

主要在于互聯網最大的價值，是解決信息不對稱和連接。所以對于電商特別有價值。淘寶用皇冠、鉆石等信用體系解決了信息不對稱，同時又把全國有這么多買家和賣家連接在一起。這個是互聯網的價值。

但很多行業(yè)信息和連接并不是痛點。拿醫(yī)療舉例，中國三甲醫(yī)院的大夫就那么多，你把全國13億人民都和這些大夫連接上了也沒用，因為一個醫(yī)生一天還是只能看那么多病人�；ヂ摼W并沒有提高醫(yī)生看診的效率。在諸如餐飲、醫(yī)療這些傳統(tǒng)領域，互聯網的幫助是很有限的。

也包括滴滴打車，互聯網解決了打車難的問題，但是沒解決打車價格的問題。事實上，補貼去掉之后，大家都發(fā)現了滴滴一點都不便宜，道理很簡單——不管是專車還是出租車，還是需要由人來開，人工成本降不下來，就不可能便宜。

3、真正能夠提高社會生產力，解決供需關系不平衡的就是人工智能；

人工智能將給社會生產力帶來的提高，以及對人類帶來的影響將遠遠超過互聯網。

還是拿醫(yī)療來說，很多基層醫(yī)院水平不高，那未來完全可以通過人工智能來輔助醫(yī)生讀CT、X光等醫(yī)療影像。像今年，IBMWatson對皮膚黑色素瘤的診斷，準確率已提高至97％，遠遠超過了人類專家75％－84％的平均水平。

未來，人工智能無論是在無人車、機器人、醫(yī)療、金融、教育還是其他領域，都將爆發(fā)巨大的社會效益，這點毋庸置疑。我認為下一波大趨勢和大的紅利不是互聯網＋，而是人工智能＋。我建議現在的創(chuàng)業(yè)者更應該關注人工智能領域的創(chuàng)業(yè)機會。

二、BAT的巨大優(yōu)勢

人工智能主要分三層。最底層是基礎架構（Infrastructure），包括云計算、芯片以及TensorFlow這樣的框架。在基礎層之上是中間層，叫通用技術（EnablingTechnology），例如圖像識別、語音識別、語義理解、機器翻譯這些。

基礎層和中間層，是互聯網巨頭的必爭之地。比如芯片領域，Intel、英偉達、高通都投入巨資，競爭極其激烈。同樣云計算、框架也是一樣，都不是小公司能夠涉足的領地。

現在對于中間層的通用技術，BAT也極其重視。因為大家都相信人工智能是下一波工業(yè)革命浪潮。對騰訊、阿里、百度這些巨頭來講，要想在大浪中屹立不倒，必須要構建出人工智能的生態(tài)系統(tǒng)（Ecosystem）。而核心就是要依靠這些Enabling Technology技術。

相比創(chuàng)業(yè)公司，BAT的最大優(yōu)勢是什么呢？第一，不缺數據；第二，為了構建自己的生態(tài)系統(tǒng)，未來通用技術一定全部是免費的；第三，雖然通用技術免費，但BAT有羊毛出在身上的豬機會。這是典型的互聯網打法。

這里的豬是什么？豬就是云計算。例如百度的ABC策略，分別代表人工智能（AI）、大數據（Big Data）和云計算（Cloud Computing）。AI我可以不賺錢，開放給大家，那么大家想享受我的服務，就來買我的云吧。

而對于創(chuàng)業(yè)企業(yè)來說，只做圖像識別、語音識別、語義理解、機器翻譯這些通用技術，指望通過SDK賣錢，未來路會越來越窄，特別是BAT都免費的壓力下。

所以從這個角度講，創(chuàng)業(yè)公司做下面兩層風險比較大。我認為創(chuàng)業(yè)公司的機會在最上層，就是拿著下兩層的成果去服務垂直行業(yè)，也就是我們所謂的人工智能＋。

三、海康威視相對BAT的優(yōu)勢在哪里？

深入垂直行業(yè)的人工智能＋，又可細分為兩類情況：即“人工智能＋行業(yè)”和“行業(yè)＋人工智能”，他們間有明顯的區(qū)別。

“AI＋行業(yè)”簡單講就是在AI技術成熟之前，這個行業(yè)、產品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。在人工智能技術未突破前，不存在這樣的產品。因為AI，創(chuàng)造出了一條全新的產業(yè)鏈。

“行業(yè)＋AI”就是行業(yè)本身一直存在，產業(yè)鏈條成熟，只是以前完全靠人工，效率比較低，現在加入AI元素后，使得行業(yè)效率有了明顯提高。比如安防、醫(yī)療等領域。

客觀講，這兩個類別都有創(chuàng)業(yè)機會。但“AI＋行業(yè)”，因為是一條新的產業(yè)鏈，創(chuàng)業(yè)公司與互聯網巨頭實際是處在同一起跑線上。巨頭們坐擁數據優(yōu)勢。所以從這個角度，“行業(yè)＋AI”相對對創(chuàng)業(yè)公司更為友好，也更容易構建出壁壘。

我認為，未來行業(yè)壁壘才是人工智能創(chuàng)業(yè)最大的護城河。因為每個行業(yè)都有垂直縱深，盡管BAT技術好一點、并不關鍵。拿醫(yī)療＋AI舉例，什么最重要？大量準確的被醫(yī)生標注過的數據最重要。沒有數據，再天才的科學家也無用武之地。

但在國內，這個醫(yī)療數據拿出來非常困難。所以BAT做醫(yī)療一點優(yōu)勢都沒有，因為他們要把這些數據，從各醫(yī)院、各科室搞出來也很累。相反，如果一個創(chuàng)業(yè)者在醫(yī)療行業(yè)耕耘很多年，也許拿起數據來比大公司更容易。

這要求創(chuàng)始團隊的合伙人中，必須有懂行業(yè)、有行業(yè)資源的人才。這與互聯網＋一樣，一旦細分到具體行業(yè)，并不是說你百度、騰訊有資金、有流量，投入人才就什么都能做，比拼的還有行業(yè)資源和人脈。

之所以跟大家聊這個話題，是因為前一段去百度大學跟大家交流，他們提到百度人工智能在無人車和DuerOS的應用。同時又問我，人臉識別在國內安防領域的應用價值非常大。像�？低�視有近3000億人民幣的市值，每年光凈利潤就有近百億。百度在AI方面是不是該考慮進軍這個領域。我回答說千萬別，因為安防是典型的、有巨大壁壘的“行業(yè)＋AI”領域。

即使百度技術好，在人臉識別率方面比�？低�視高一個百分點（實際不一定，�？当澈笥袔装偃说腁I研發(fā)團隊）。但這并不代表百度就能替代�？怠Ｒ驗榘卜朗恰胺顷P鍵性應用”（non－mission－critical），100個犯人我識別了95個，你比我多識別了一個做到了96個，其實沒那么重要。

而反過來，�？祵Ρ劝俣扔惺裁磧�(yōu)勢？首先�？凳亲鰯z像頭的，用自己的硬件跑自己的算法，是很自然的事兒。就像蘋果手機，軟硬一體體驗更好。其次，海康做了這么多年的安防，積累了非常多的數據，人臉的數據、環(huán)境的數據……在安防領域有數據優(yōu)勢。最后，海康給公安系統(tǒng)做了很多類似警務通、基站信息采集、視圖檔案管理等SaaS平臺的東西，以及警用云系統(tǒng)。我們可以認為公安系統(tǒng)的IT化，其中有一部分就是�？低�視參與的。

這些東西可能不賺錢，但卻為�？禈嫿�了壁壘。因為底層的基礎設施都是我建的，那前端的東西就只能用我的（我可以有100個理由，說競品與我不兼容）。而且海康做了這么長時間，積累了大量的客戶資源，特別是政府公安局的資源，開拓這些資源非常需要時間。

這些就是所謂的行業(yè)縱深。所以即使對BAT而言，想進入“行業(yè)＋AI”領域，選擇垂直賽道時，同樣要非常謹慎。在巨大的行業(yè)壁壘面前，真不是說我的算法比你好一些，市場就是我的，只有技術優(yōu)勢仍然差的很遠。

回歸“AI＋行業(yè)”和“行業(yè)＋AI”，通常來講前者的行業(yè)縱深會比較淺，而后者則有巨大的行業(yè)壁壘。而行業(yè)壁壘，則是創(chuàng)業(yè)公司最大的護城河，也是抵擋BAT的關鍵。

四、為什么技術可能并不重要？

談到人工智能領域的創(chuàng)業(yè)，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學家，比如斯坦福、MIT的博士坐鎮(zhèn)，我都不好意思講在人工智能方面創(chuàng)業(yè)。其實這個認知是完全錯的。因為在人工智能領域，算法到底有多重要，完全取決于你要準備進入哪個行業(yè)。

根據行業(yè)和應用場景不同，我認人工智能的創(chuàng)業(yè)本質上有mission－critical和non－mission－critical之分。為了方便大家理解，我們簡稱為“關鍵性應用”和“非關鍵性應用”。

“關鍵性應用”要追求99．9……％后的多個9，做不到就沒法商業(yè)化。比如大家認為，99％可靠度的自動駕駛能上路嗎？肯定不能，意味著100次就出1次事故。99．9％也不行，1000次出一次事故。

千萬記住，99％和99．9％的可靠度差距并不是0．9％，而是要反過來算，差距是10倍。也包括手術機器人，聽起來99．9％可靠度已經很高了，但意味著1000次出一次醫(yī)療事故，放在美國，醫(yī)院還不得被巨額索賠搞得破產。

所以“關鍵性應用”領域，就是一丁點兒錯都不能犯的人工智能領域，必須要有技術大牛、科學家或算法專家坐鎮(zhèn)。同時，這類項目研發(fā)周期都很長。

正如以色列做ADAS（高級駕駛輔助系統(tǒng)）解決方案的Mobileye公司，今年3月被Intel以153億美金收購。大家知道這家公司研發(fā)周期有多長嗎？Mobileye成立于1999年，到他們推出首款產品、掙到第一桶金已是2007年。長達8年的研發(fā)周期。這在互聯網創(chuàng)業(yè)里不可想象。包括谷歌無人車從2009年開始研發(fā)，到現在一直沒有商業(yè)化；達芬奇手術機器人從啟動研發(fā)到2000年拿到美國食品藥品管理局（FDA）的認證，花了十年時間。

“關鍵性應用”的普遍特點就是這樣，項目通常很貴，研發(fā)周期巨長，離錢非常遠，需要持續(xù)的融資能力，團隊怎樣才有持續(xù)融資？起碼要有非常好的簡歷和非常好的背景。這個是能夠持續(xù)融資的必要前提。所以大家可以看到，今天做無人駕駛的創(chuàng)業(yè)團隊都是高富帥。因為不是高富帥，你都熬不到產品真正商業(yè)化應用那天。

當然，如果在人工智能領域都是“關鍵性應用”，那就沒大多數創(chuàng)業(yè)者什么事了。實際上，人工智能領域的創(chuàng)業(yè)，95％都是“非關鍵性應用（none－mission－critical）”。簡單講對這些領域，AI的可靠度只要過了基礎線，高一點低一點區(qū)別不大。

最簡單的例子，現在很多公司的門禁開始用人臉識別。你今天帶個帽子，明天戴個墨鏡或口罩，識別率沒法做到99％�？杉词箾]識別出來也沒問題。因為所有帶人臉識別的門禁都有地方讓你按指紋。即使指紋也刷不進去，問題也不大，公司不還有前臺嗎。

這就是“非關鍵性應用“。這類項目不追求99％后面的很多個9。實際上，國內人工智能和機器人方向的創(chuàng)業(yè)，大部分領域都是“非關鍵性應用”。當然并不是說，在這個領域算法不重要，你天天認不出來也不行，所以一定要過了基礎的可用性門檻，偶爾出現問題可以容忍�！瓣P鍵性應用”則不能容忍。

“非關鍵性應用“不追求高大上，簡單、實用、性價比高更重要，這樣的項目通常比拼綜合實力。包括：

對行業(yè)的洞察理解。要熟知行業(yè)痛點；

產品和工程化能力。光在實驗室里搞沒意義；

成本控制。不光能做出來的產品，還得便宜的做出來；

供應鏈能力。不光能出貨，還要能批量生產；

營銷能力。產品出來了，你得把東西賣出去。團隊里有沒有營銷高手，能不能搞定最好的渠道是關鍵。

所以大家在創(chuàng)業(yè)組團隊時，一定要想好你選擇的賽道處于哪個領域，不同的賽道對于團隊的要求是不一樣�！瓣P鍵性應用”必須有技術大牛坐鎮(zhèn)，“非關鍵性應用”則要求團隊更加綜合和全面。

五、產業(yè)鏈上的贏家通吃與行業(yè)壁壘優(yōu)勢

現在很多人工智能創(chuàng)業(yè)者都是技術背景出身，創(chuàng)業(yè)的第一個想法通常是做技術提供商。技術提供商作為創(chuàng)業(yè)的敲門磚可以。但如果只定位做技術提供商，未來路會非常窄。為什么說未來只做技術提供商價值會越來越�。吭�因有幾點：

1、首先通用技術一定是大公司的賽道，BAT未來一定會開放免費。

人家大公司會免費提供人臉識別、語音識別、語義理解、機器翻譯這類EnablingTechnology，你還打算怎么靠API調用賺錢呢？也許現在還可賺點小錢，但很難成為一個長久的生意。

2、依托于算法的技術壁壘會越來越低。

未來隨著基礎計算平臺和開源平臺的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。就像2008年你想找個IOS開發(fā)者，很難，現在卻很容易一樣，所有技術的演進都遵循這一規(guī)律。特別隨著今天各大學的計算機專業(yè)，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業(yè)的進入門檻。

同時隨著谷歌TensorFlow等生態(tài)系統(tǒng)的成熟，很多領域都會有訓練好的模型可以用來參考（出Demo會更快），創(chuàng)業(yè)者只要有足夠的數據來訓練參數就好了。所以未來算法的壁壘會越來越低，如果這個公司的核心競爭力只是算法，那將非常危險。

3、技術提供商如果不直接面向用戶／客戶提供整體解決方案，則非常容易被上下游碾壓：

對于技術提供商和算法類公司，如果你的技術壁壘不夠高，上游很可能直接把你的事做了。這樣的例子比比皆是，比如給�？低�視提供人臉識別算法的公司。問題就在于，�？翟谟媚闼惴ǖ臅r候，人家也有龐大的研發(fā)團隊在研究自己的算法�，F在用你是人家還沒準備好，一旦準備好立刻會把你替換掉。

即使在有一定技術門檻的行業(yè)，技術提供商的日子同樣并不好過。比如專注嵌入式的視覺處理芯片的Movidius，大疆無人機一直在用他們的芯片。但自從大疆統(tǒng)治了消費級無人機市場后，大疆現在也很自然地開始研發(fā)自己的芯片。

按說芯片的技術壁壘并不低，但只要行業(yè)集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片。像蘋果、三星、華為還有現在的小米，都選擇了自己做手機CPU。所以聯發(fā)科、高通這些技術提供商，其實是挺痛苦的。

這其實是一個產業(yè)鏈通用規(guī)律：產業(yè)鏈上的壟斷者會吃掉所有利潤，而且他們非常有動力往上游或下游擴展。拿PC產業(yè)鏈舉例，內存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了？Windows和Intel卻賺走了絕大部分利潤。

既然做純技術提供商沒有出路，那怎么辦？浩哥提出“一橫一縱”理論。前期做技術服務可以，但是不能一輩子做技術服務。

“一橫”就是指你提供的技術服務。通�！耙粰M”能服務很多行業(yè)，一定要找到1、2個，你認為最有市場機會，最適合你的垂直領域，深扎進去做“全棧”：把技術轉化為產品，然后搞定用戶賣出去，實現商業(yè)變現，再通過商業(yè)反饋更多的數據，更加夯實自己的技術。一句話講，要做技術、產品、商業(yè)和數據四位一體的“全�！保�這就是“一縱”。這才是健康的商業(yè)模式。

在垂直外的行業(yè)，因為沒有利益沖突，你仍可老老實實的做技術服務。這樣的話，商業(yè)上你能吃透一個垂直行業(yè)，技術上你還能通過橫向合作，形成更多的數據回路，從而夯實你的技術。這個就是“一橫一縱”理論。

那么對于技術創(chuàng)業(yè)公司，從“一橫”走到“一縱”，要選哪個垂直領域，取決5個關鍵因素：

市場空間夠不夠大？

做垂直領域的全棧，還是做橫向的技術提供商？取決市場空間哪個更大。找對垂直領域，即使只占一點點市場份額，也可能比做“一橫”全歸你的收益大。拿美圖公司舉例，他們有美圖秀秀、美拍、美顏相機等APP，同時還會跟很多手機廠商合作，提供相機拍攝的美顏效果，你可以理解這就是技術服務。

但研究2016財報后，大家知道美圖秀秀選的“一縱”是什么嗎？就是美圖手機。以上提到的技術服務都遠沒有垂直做美圖手機賺錢。美圖手機占了公司全部營收的93％。雖然美圖手機去年的銷量大約在74．8萬臺，僅僅只占國內手機市場全年銷量5億多臺的不足0．15％。

行業(yè)集中度如何？

做“一橫”技術提供商時，最擔心的是你的上游或下游過于集中，或者說頭部效應越明顯，對技術提供商就越不利。舉個簡單的例子，IDC時代，HP、DELL等廠商賣服務器，都是直接賣給各IT公司，大家日子過的都很滋潤。但2010年之后就很難做了，因為云計算出現了。

提供云計算的廠商就那幾個，兩只手就能數出來。而且頭部效應極其明顯，僅阿里云一家占了50％以上份額。如果你是一個技術提供商，在跟這么壟斷的行業(yè)去談判，你會發(fā)現沒有任何籌碼。所以現在就很悲催，假設我是阿里云，會讓你列出BOM成本，我就給你5％或10％的利潤，這個生意就很難做了。

在這種情況下，你當然有意愿也往上游走。但帶來的問題是什么？如果上游集中度高，說明這事的壁壘很高，你作為技術提供商想往上走，同樣很困難；如果這個上游集中度低或客戶很零散，對你是件好事。但是你也沒有太大動力往上游走，因為這個市場本來就很零散，你即使殺進去，可能只有1％的市場份額，而且使得99％的人都變成你的競爭對手了。這是個悖論。

六、2C VS 2B

最后一個問題，簡單說一下，科技成熟都需要一定的時間。因為從任何技術普及演進的角度，幾乎都延續(xù)了先是從軍工（航天）、到政府、到企業(yè)、到B2B2C、再到2C這個規(guī)律。人工智能也一樣，目前人工智能在2C市場還不是很成熟。

簡單說機器人，在個人消費者市場，出貨量大的機器人只有4類產品：掃地機器人、無人機、STEAM教育類機器人和亞馬遜ECHO為代表的智能音箱。為什么2C市場早期的普及有一定的困難，簡單講幾個原因：

1、產業(yè)鏈不成熟

我做一個創(chuàng)新的東西，成品有10個部件。每一個部件都得自己做，而且因為出貨量不大，每個部件都沒有規(guī)模效應，這就導致每個部件都很貴，那你最后做出成品一定很貴。這是非常大的問題。

2、2C是額外花錢

這也是很重要的一個問題，2C端的用戶因為自掏腰包、額外花錢，所以對價格通常比較敏感，產品很貴就是一個很大的門檻。

3、2C產品的用戶期待度高

用戶買了這么貴的東西，自然對產品的期待度會更高很多。大家覺得我買一個機器人回來，恨不得什么都能干：又能唱歌、又能跳舞、又能聊天、又能清潔、又能講英語。但這是不現實的，現在的技術成熟度離此還有些遠。

相對于2C端，這些問題在2B端卻不是問題。

1、2B端對價格承受能力更高

首先，企業(yè)對價格的承受能力顯然比2C強很多。你說一個機器人2萬，2C消費者不可能買，但企業(yè)問題不大，企業(yè)對成本承受能力高。

2、2B的核心目的是降成本

舉例工業(yè)機器人，10萬塊錢一個，聽起來很貴。但一個工業(yè)機器人替代你2個崗位。這2個崗位一年也得10萬塊錢，還不算四險一金。然后這機器人能工作4年，這一下成本只有你原來的25％，甚至不到。那么企業(yè)一算賬，覺得還是很便宜。

3、2B可以采取人機混合模式

還有2B端的機器人應用更簡單一些。一方面大多是單任務，機器人只要做好一件事就行了，實現起來簡單。另外，很多都是以“人機混合”模式在作業(yè)。也就是以前需要10個人干活，現在我用機器人替代一半人。簡單重復的工作用機器人替代，復雜的用剩下的5個人，這就是“人機混合”模式。

舉個例子，現在國內外已有很多安保機器人，按固定路線去巡邏。你可以理解為移動的攝像頭，當然算法上肯定加入了一些識別的東西。固定繞路線巡邏，這個完全可以交給機器人來做。難的是，在巡邏的過程中，如果發(fā)現有老太太摔倒了，讓機器人扶起來，這個目前還做不到。

但這不重要，你們后臺不還有5個人么，讓他們過來就好了。所以人機混合是2B比較主流的模式，這個大幅降低了機器人普及的難度。

總結

最后再說一點，目前大多數AI創(chuàng)業(yè)公司都是技術專家主導，這很容易理解，因為現在技術還有壁壘，技術專家主導起碼保證產品能做出來。不過未來隨著技術門檻的降低，特別在“非關鍵應用”領域里，團隊的核心主導，會慢慢過渡到產品經理和行業(yè)專家為主，因為他們離用戶需求最近�！胺顷P鍵應用”領域，懂需求比技術實現更重要。長期來看，人工智能創(chuàng)業(yè)和任何其他領域的創(chuàng)業(yè)一樣，一定是綜合實力的比拼！