姓名:邹宇翔    学号:16019110051

转载自:

http://mp.weixin.qq.com/s/O_8ejEFR5qljtDl4cw9VUg

【嵌牛导读】:技术作为商业活动中最基础的要素之一，其重要性不言而喻。可是对于技术，如何将技术与商业有效结合却更是重要。"AI"技术作为新的技术便遇到了这样的问题

【嵌牛鼻子】人工智能、产品落地、商业化

【嵌牛提问】如何将AI与商业化结合呢？

【嵌牛正文】:

近几年来，人工智能从实验室走向大众，“AI加身”开始在消费者最常接触的手机端频频出现：从三星S8的面部解锁到IPhoneX的FaceID，从联合人工智能创业公司商汤科技推出了“AI美颜”功能的OPPO  R11S，到近期发布的因搭载全球首款集成专用神经网络处理单元(NPU)的人工智能芯片麒麟970而声名大噪的华为Mate10，搭载人工智能的手机将更加智能化和人性化，而随着无人零售等新的商业形态的涌现，人工智能也正在全面“2C”化。

在C端寻找突破口

如今大多数计算机视觉领域的创业公司都声称识别准确率高达99%以上，但是一旦应用到金融领域，即使有万分之一的失误都会引起大众的恐慌和拒绝。反而是在C端的刷脸解锁，美化等功能上，刷脸带来的科技感和便利程度被喜闻乐见，成为人工智能近期的商业突破点。

作为国内人工智能的概念股，科大讯飞在11月举行的2017年度发布会上提出了“技术顶天，应用立地”的口号。就在今年八月，科大讯飞股价飙涨后离奇“闪崩”曾引起了质疑，长江商学院教授薛云奎发文指责其“快速增长但含金量不高、扩张很快但效率低下”等问题。对此，科大讯飞董事长刘庆峰在发布会后表示，“前三季度，科大讯飞面向消费者的业务占到约25%的营收、30%的毛利，但公司在努力加强2C业务，目标在三年内，将2C业务占比提升至近50%。”

“我认为，人工智能技术的成熟自然催生了商业应用，而不是投资人给的压力。”联想之星执行董事李明表示，对投资人来说，如果是技术平台型公司比如思必驰、旷视，肯定还是要看技术的领先性、人才、数据等等；如果投资的是AI垂直型的行业，则要更加注重对行业的理解。

人工智能从B端向C端的转移，也大大增加了人工智能公司的营销费用。自2014年到2016年，科大讯飞的营销费用翻了两倍，达到6.49亿元。因此人工智能创业公司面临两难的抉择：“2C烧钱，2B有痛点”。

人工智能创业公司纷纷推出更接地气的产品，这在乂学教育创始人栗浩洋看来不是一件坏事。“现在很多AI公司的估值比不上真正有实际产品的公司，比如说特斯拉、海康威视，因为它们有更接地气的产品，这些公司的销售额、利润和估值是远超仅仅只做AI的自动驾驶和人脸识别的公司的。但是我更看好的是未来既拥有AI的核心研发能力，又拥有接地气的产品的公司。”

虽然人工智能在消费端的“露脸度”在增加，但是人工智能公司目前主要的盈利点还是2B业务。“旷视，商汤等计算机视觉创业公司主要的业务还是安防和金融，刷脸只是业务中很小的一部分。现在大众对AI有误解，AI其实并不“fancy”，我们每天使用的服务都有AI，比如滴滴的调度系统，百度导航地图，科大讯飞语音输入法，对冲基金市场分析等等，不是今年才落地，而是早就实现商业化了。”李明表示。

目前不少巨头将AI算法代码开源，以供创业者和科学家做更多元化的研究，而国内的各个领域的人工智能创业公司日趋多元化，正在打响一轮轮的融资战。“从应用的角度来说，AI的门槛确实变低了，比如英特尔旗下公司Movidius推出了名为Neural Compute Stick（神经计算棒）的U盘产品，人工智能研究人员将其插到自己的电脑中，便可在训练和设计新的神经网络时获得更多的本地计算能力。但从尖端技术来说，依然不是草根团队能做得了的，很多平台公司拼的依然是顶级科学家的数量和科研成果。”李明说。

栗浩洋指出，开源的算法相对来说是普适性的算法，是针对于最大量行业的一个最普遍应用。但在普适性比较好的情况下，专项性的效果就会做得比较差。比如说在沃尔玛买红酒，就不如酒庄或者酒窖服务更好、质量更高。所以若是一个垂直领域相对对算法要求比较高的公司，还是需要自己来配备高水平的AI科学家和工程师，将算法跟实际领域的应用相结合。

数据壁垒是AI创业公司的武器

数据是人工智能最重要的财富，但创业者拿到的往往是并未经过人工标注或筛选，包含大量噪声的数据。这极大增加了使用深度学习算法训练模型的难度。而能否使用这样的未经人工标注的“原始”数据，对于人工智能技术在很多领域的实际落地尤其关键，因为对于大多领域，如商业、金融、医疗等，面临的问题不是缺少数据，恰恰相反，他们拥有海量但缺乏专业人士标注或标注不统一的数据。

基于对噪声数据的应用，国内的人工智能创业公司码隆科技开发了半监督学习算法，应用于物体识别。“由于人脸识别可以从公安等渠道拿到很多干净的数据，而很多商品，例如衣服和面料是柔性物体，这些物体会扭曲，折叠，遮挡，穿在身上一样，揉成一团又是另一个样子，如何让计算机也具备识别的能力，是一个需要攻克的难题。基于噪音数据，我们的算法不单是寻找一个映射关系，而是把商品属性识别出来。比如对商家和消费者来说，看到一件衣服的照片，让他感兴趣的可能是它的款式，颜色，质地等属性，你可能是希望把这些属性都识别出来，而不是找到一件一模一样的衣服。”码隆科技CEO黄鼎隆说。

如今，手握海量用户数据的BAT等巨头也将人工智能看作下一个增长点并不惜投入大量人力财力，人工智能创业公司该恐慌吗？

栗浩洋认为，创业公司在和巨头的竞争中有两个方面是比较容易取得成绩的：第一个是在巨头没有涉足的领域。比如说BAT他们在语义分析、云计算、自动驾驶的投入非常大，但是教育是一个巨头都没有介入的行业，还有医疗和工业机器人、甚至是智能投顾、金融方面，创业者还有很多机会；另外一个就是在AI的研发上，创业公司尽量不要去做基础层工作，而是去做应用层的工作。比如说某些行业的深度应用，巨头未必有优势。比如外卖领域，百度不敌美团，饿了么。在这些领域里，行业应用的重要性跟AI技术的重要性是等量齐观的，如果这个企业拥有非常强的深度的行业应用的知识，就比较容易战胜巨头。

“科研是为了商业化，巨头们的主营业务都能提供大量利润，在人工智能的研发上没有过多的营业压力，而是投入更多的资金在基础设施建设上，可以说是为了以后“放长线，钓大鱼”。巨头长处是资源和数据，但数据是和行业相关的，巨头在一些品类比如搜索，社交，电商上有数据优势，但在细分垂直领域的数据未必是最强的，在这个方面创业公司反而可能比巨头更有优势。”李明表示。