印迹 · 之三 | 人工智能的六重关系_人工智能_技巧

2024-10-30 18:05:59 智能助手

印迹 · 之三 | 人工智能的六重关系_人工智能_技巧智能助手

真正能够提高社会生产力、办理供需关系不平衡的是人工智能，不是互联网。

未来，人工智能无论是在无人车、机器人、医疗、金融、教诲还是在其他领域，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+。

人工智能与人工智能+

人工智能紧张分三层。
最底层是根本架构（Infrastructure），包括云打算、芯片以及TensorFlow这样的框架。
在根本层之上是中间层，叫通用技能（Enabling Technology），例如图像识别、语音识别、语义理解、机器翻译这些。

根本层和中间层，是互联网巨子的必争之地。
比如芯片领域，英特尔、英伟达、高通都投入巨资，竞争极其激烈。
同样云打算、框架也是一样，都不是小公司能够涉足的领地。

对付新创企业来说，只做图像识别、语音识别、语义理解、机器翻译这些通用技能，指望通过软件开拓工具包（SDK）卖钱，未来的路会越来越窄，特殊是在BAT都免费的压力下。

创业公司的机会在最上层，便是拿着下两层的成果去做事垂直行业，也便是所谓的人工智能+。

人工智能+与+人工智能

深入垂直行业的人工智能+，又可细分为两类情形：即“人工智能+行业”和“行业+人工智能”，它们间有明显的差异。

“AI+行业”大略讲便是在AI技能成熟之前，这个行业、产品从未存在过。
比如自动驾驶，亚马逊的Echo智能音箱、苹果的Siri语音助手。
在人工智能技能未打破前，不存在这样的产品。
由于AI，创造出了一条全新的家当链。

“行业+AI”便是行业本身一贯存在，家当链条成熟，只因此前完备靠人工，效率比较低，现在加入AI元素后，使得行业效率有了明显提高。
比如安防、医疗等领域。

“AI+行业”和“行业+AI”，常日来讲前者由于大家起跑线一样，行业纵深会比较浅，而后者则有巨大的行业壁垒。

未来行业壁垒才是人工智能创业最大的护城河，由于每个行业都有垂直纵深。
以医疗+AI举例，什么最主要？大量准确的被年夜夫标注过的数据最主要。
没有数据，再天才的科学家也无用武之地。

关键性运用与非关键性运用

在人工智能领域，算法到底有多主要，完备取决于你要准备进入哪个行业。

根据行业和运用处景不同，人工智能的创新实质上有mission-critical和non-mission-critical之分。
简称为“关键性运用”和“非关键性运用”。

“关键性运用”要追求99.9……%后的多个9，做不到就没法商业化。
99%和99.9%的可靠度差距并不是0.9%，而是要反过来算，差距是10倍。
也包括手术机器人，听起来99.9%可靠度已经很高了，但意味着1000次手术出一次医疗事件，放在美国，医院可能被巨额索赔乃至导致破产。

以是“关键性运用”领域，便是不能犯哪怕一丁点儿错的人工智能领域，必须要有技能大牛、科学家或算法专家坐镇。
同时，这类项目研发周期都很长。

以色列做高等驾驶赞助系统（ADAS）办理方案的Mobileye公司，2017年3月被英特尔以153亿美元收购。
Mobileye成立于1999年，到它推出首款产品、挣到第一桶金已是2007年，之间经历了长达8年的研发周期。

这在互联网创业里是不可想象的。
包括谷歌无人车从2009年开始研发，到现在一贯没有商业化；达·芬奇手术机器人从启动研发到2000年拿到美国食品药品管理局（FDA）的认证，花了十年韶光。

实际上，人工智能领域的创业，95%都是“非关键性运用”。
大略讲对这些领域，AI的可靠度只要过了根本线，高一点低一点差异不大。

比如现在很多公司的门禁开始用人脸识别。
你本日带个帽子，来日诰日戴个墨镜或口罩，识别率没法做到99%。
可纵然没识别出来也没问题。
由于所有带人脸识别的门禁都有地方让你按指纹。
纵然指纹也刷不进去，问题也不大，公司不是还有前台嘛。

“非关键性运用“不追求高大上，大略、实用、性价比高更主要，这样的项目常日是比拼综合实力。
包括对行业的洞察理解：要熟知行业痛点；产品和工程化能力：仅仅在实验室里搞没意义；本钱掌握：不只能做出来产品，还得便宜地做出来；供应链能力：不仅能出货，还要能批量生产；营销能力：产品出来了，你得把东西卖出去。
团队里有没有营销高手，能不能搞定最好的渠道是关键。

技能供应商与全栈做事商

为什么说未来只做技能供应商代价会越来越小？缘故原由有几点：

首先，通用技能一定是大公司的赛道，BAT未来一定会开放免费。

第二，依托于算法的技能壁垒会越来越低。
比如随着谷歌TensorFlow等生态系统的成熟，很多领域都会有演习好的模型可以用来参考，出样本（Demo）会更快，创业者只要有足够的数据来演习参数就好了。

以是未来算法的壁垒会越来越低，如果这个公司的核心竞争力只是算法，那将非常危险。

第三，技能供应商如果不直接面向用户/客户供应整体办理方案，则非常随意马虎被高下游碾压。

我提出“一横一纵”理论，可以办理上述问题。
“一横”便是指你供应的技能做事。
常日“一横”能做事很多行业，一定要找到1～2个你认为最有市场机会、最适宜你的垂直领域，深扎进去做“全栈”：把技能转化为产品，然后搞定用户卖出产品，实现商业变现，再通过商业反馈得到更多的数据，更加夯实自己的技能。

一句话，要做技能、产品、商业和数据四位一体的“全栈”，这便是“一纵”。
这才是康健的商业模式。

2C与2B

任何技能遍及演进的角度，险些都是延续了从军工（航天）、到政府、到企业、到B2B2C、再到2C这个规律。
人工智能也一样，目前人工智能在2C市场还不是很成熟。

为什么2C市场早期的遍及有一定的困难，大略讲几个缘故原由：家当链不成熟、 2C须要额外费钱以及2C产品的用户期待度高。

相对付2C端，这些问题在2B端却不是问题：2B端对价格承受能力更高； 2B的核心目的是降本钱；2B可以采纳人机稠浊模式。