活动内容：2017年9月23日，大家都是产品经理主理“2017中国产品经理大会：解码未来产品经理”活动，程浩作为高朋进行“人工智能创新六大核心问题”主题演讲。
条记侠作为独家活动条记互助伙伴，经主理方和讲者审阅授权发布。

今日条记侠客 | 潇妮湘 责编 | 清野

第1787篇深度好文：7942 字 | 9 分钟阅读

独家首发·精华条记·人工智能

本文新鲜度：★★★★★ 口感：爽口茶泡饭

条记君邀您，先思考：

人工智能非关键性运用拼什么？

做全栈怎么选垂直领域？

未来行业壁垒是人工智能创业最大的护城河？

本日禀享的是人工智能创业创新的六个核心问题。

一、互联网VS人工智能

从创业的角度来讲，我建议：大家更加该当关注人工智能，而不是互联网。

第一，互联网流量红利基本已经消逝。

PC和移动互联网的红利早已消逝，手机出货量每年都不才降。
手机、无线方面的流量基本走平了，但是中国已经连续几年手机出货量坚持在四亿台，意味着你多卖一台别人就少卖一台。

现在这个阶段，流量的大趋势基本上定了，大家都知道手机首屏基本就这几个APP：微信、***、淘宝、、邮件、日历。
在现在新的流量红利已经比较干涸的情形下，再在这个领域创业实在不是很明智。

举个例子，PC互联网末了一个独角兽公司是哪家？知乎。

知乎2011年正式上线运营，到本日这已经是最晚的一个PC独角兽。

2011年PC互联网竞争的激烈程度跟2015年移动互联网竞争的程度类似。

2015年的移动互联网的总人数和总的竞争激烈程度实在已经超过了2011年的PC领域，那就意味着在2015年之后，移动互联网可能很难再做。

第二，互联网给用户带来的最大的代价是办理信息不对称和连接的问题。

电商办理了这两个问题：

①信息不对称。

你怎么知道我卖的东西都是真货还是赝品？怎么知道我的售后做事好不好？淘宝用钻石皇冠把问题给办理了。

②信息连接的问题。

有这么多买家这么多卖家，当然须要一个平台把大家都集中在一起，这个是“互联网+”集中办理的问题。

对付很多比较传统的行业，信息和连接并不是痛点。

拿医疗举例，中国三甲医院的大夫就那么多，你把全国13亿公民都和这些大夫连接上了也没用，由于一个年夜夫一天还是只能看那么多病人。
互联网并没有提高年夜夫看诊的效率，帮助是很有限的。

第三，人工智能能够大幅提高生产力。

现在AI看片非常火，很多基层医院打出来的CT和X光片，通过AI能办理很多问题。

也包括滴滴打车，互联网办理了打车难的问题，但是没办理打车价格的问题。
事实上，补贴去掉之后，大家都创造了滴滴一点都不便宜，道理很大略——不管是专车还是出租车，还是须要由人来开，人工本钱降不下来，就不可能便宜。

不知道大家有没有体会到一个问题，现在互联网对传统行业中餐饮行业的改造实在是非常皮毛的，无非便是搞个折扣券把它预定一下，彷佛仅此而已。

餐饮行业真正须要办理的是大厨能不能被替代的问题，在这块互联网根本帮不上忙。

以是，未来人工智能对付各行各业的改造力度会远远超过互联网。

比如医疗行业，很多基层医院水平不高，那未来完备可以通过人工智能来赞助年夜夫读CT、X光等医疗影像。
像今年，IBM Watson对皮肤玄色素瘤的诊断，准确率已提高至97%，远远超过了人类专家75%-84%的均匀水平。

未来，人工智能无论是在无人车、机器人、医疗、金融、教诲还是其他领域，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+。
我建议现在的创业者更该当关注人工智能领域的创业机会。

二、人工智能 vs 人工智能+

从投资角度来讲，实在人工智能和互联网一样是一个非常大的领域。

我们做投资，别人问：“你是投哪个领域的？”我说：“我是投互联网的”。
这话说出来跟没说一样。

实在人工智能也是一个非常广的领域，基本上人工智能分为三层：

第一层我们叫做根本架构层。
包括云打算、芯片以及TensorFlow（谷歌基于DistBelief进行研发的第二代人工智能学习系统）这样的框架。

在根本层之上有一个通用技能层，它包括例如图像识别、语音识别、语义理解、机器翻译等。

再往上一层是人工智能+，也便是顶层。
通过利用底层和中间层把技能运用到各行各业,也便是人工智能对各行各业的转化。

比较较而言，根本架构和通用技能是巨子的必争之地。

比如芯片领域，Intel、英伟达、高通都投入巨资，竞争极其激烈。
云打算、框架也是一样，都不是小公司能够涉足的领地。

通用技能有两个问题：

第一，通用技能没有直接的商业模式。
你只要通过SP可以卖钱的，基本卖得动。

条记侠注：SP（Service Provider的英文缩写，指移动互联网做事内容运用做事的直接供应者，卖力根据用户的哀求开拓和供应适宜手机用户利用的做事。
）

第二，现在BAT对付通用技能极其重视。

由于大家都相信人工智能是下一波工业革命浪潮。
对腾讯、阿里、百度这些巨子来讲，要想在大浪中耸立不倒，必须要构建出人工智能的生态系统（Ecosystem）。
而核心便是要依赖这些通用技能（Enabling Technology）。

比较创业公司，BAT的最大上风有三个：

第一，不缺数据；

第二，为了构建自己的生态系统，未来通用技能一定全部是免费的；

第三，虽然通用技能免费，BAT还有一个好处便是“羊毛出在猪身上”。
这些做事可以不赢利，但是用别的做事赢利，这是范例的互联网打法。

这里的“猪”是什么？猪便是云打算。

百度ABC策略是什么？

人工智能（AI）、大数据（Big Data）和云打算（Cloud Computing）。
AI我可以不赢利，开放给大家，那么大家想享受我的做事，就要来买我的“云”。

以是，从这个角度讲，创业公司做根本架构和通用技能风险比较大。
我认为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。
做“人工智能+”，比如人工智能+医疗、人工智能+安防。

我认为创业公司在这些领域的机会相比拟较多，以是对这些东西比较关注。

三、人工智能+ vs +人工智能

“人工智能+”是一个比较泛的观点，再细分一下，分成一个叫“人工智能+”，一个叫“+人工智能”，中间有些奇妙的差异。

“人工智能+”全称就叫“AI+行业”，大略来讲便是在AI技能成熟之前，实在没有这个产品和行业。

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，以是叫“AI+行业”。

还有一个叫“行业+AI”，便是说没有人工智能之前这个行业已经有了，只不过以前效率低一点，现在有人工智能了，效率会大幅提高。

客不雅观来说这两类实在都有创业机会，但是“AI+行业”行业壁垒相比拟较低。
巨子在数据方面有上风，而且大家基本都在同一起跑线上，实在创业公司的赢面不是很大。

我认为“行业+AI”对创业公司环境更友好一些。
核心的缘故原由是未来行业壁垒是人工智能创业最大的护城河。

每一个行业都有行业纵深，纵然是BAT技能好一点也并不是很主要。

大概就一两个月前，百度大学约请我跟学员做一个互换，他们提到百度人工智能在无人车和DuerOS（百度度秘推出的一款对话式人工智能操作系统）的运用。
有一位总监问我，人脸识别在海内安防领域的运用代价非常大，百度在AI方面是不是该考虑进军这个领域？

我想了一下送给他三个字：千万别。

为什么？

首先，安防这个领域是“非关键性运用”，算法好一点实在没有这么主要。

它是范例的、有巨大壁垒的“行业+AI”领域。
这个领域已经有深耕多年的企业，用自家硬件跑自己的算法，是很自然的事，这样集成度更高了。

大家为什么喜好用苹果手机？紧张是软硬一体，集成度更高，体验更好。

其次，这家企业做了这么永劫光安防，实际上已经积累了大量的数据，包括人脸的数据、环境数据、***、静态的照片……在安防领域有数据上风。

末了，它给公安系统做了大量的类似警务通、基站信息采集、视图档案管理等SaaS（Software As A Service，软件即做事）平台的东西，以及警用云系统。
我们可以认为公安系统的IT化，个中有一部分便是这家企业参与的。

这些东西可能不赢利，但却为它构建了壁垒。
由于底层的根本举动步伐都是我建的，那前真个东西就只能用我的（我可以有100个情由，说竞品与我不兼容）。
或者到时候出了问题到底该当找谁？

再包括安防这个行业，须要非常多确当局公安系统资源和人脉积累，这块百度一时半会儿很难做。

在这种垂直领域，行业纵深是非常非常深的，真不是谁的技能比较好一点，市场便是谁的。

行业壁垒是人工智能创业最大的护城河，BAT想进去实在没有任何上风。

以是，我以为这该当是未来创业公司的机会。
对付创业公司来讲，在“行业+AI”更随意马虎构建壁垒。

比如医疗行业，做“AI+医疗”这个领域，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。

但在海内，这个医疗数据很难拿。
以是BAT做医疗一点上风都没有，由于他们要把这些数据从各医院、各科室一个个搞出来也很累。

相反，如果一个创业者在医疗行业耕耘过很多年，拿下来大概更随意马虎。
这才是创业公司的机会。

当然，这哀求创始团队的合资人中，必须有懂行业、有行业资源的人才。

这与互联网+一样，一旦细分到详细行业，并不是百度、腾讯有资金、有流量，投入人才就什么都能做，比拼的还有行业资源和人脉。

四、关键性运用vs非关键性运用

谈到人工智能领域创业，总有一种心态，以为做人工智能彷佛得有一个大牛的科学家坐镇才行，实在也是完备不须要。

当然，并不是说算法不主要，但是算法的主要程度由于每一个行业的特性而不同。
算法到底有多主要，跟你到底在哪个行业干系。

根据行业和运用处景不同，我认为人工智能的创业实质上有mission-critical和non-mission-critical之分。
为了方便大家理解，我们简称为“关键性运用”和“非关键性运用”。

第一类叫关键性运用。

大略讲便是你要追求99%之后多少个9。

举个例子，99%可靠度的自动驾驶车能上路吗？肯定不能，这就意味着100次出1次事件。
99.9%能上路吗？也弗成，1000次出1次事件。
99.99%意味着10000次出1次事件。
这个行业对可靠性的哀求非常高。

99%的可靠度跟99.9%的可靠度，它的差距是多少？它的差距并不是0.9%，要反过来算，99%的可靠度与99.9%的差距实际上是10倍。

再比如手术机器人，99%的可靠度听着彷佛挺高的，这意味着100次出1次事件，在手术台上出了医疗事件肯定没办法交代。

由于这类“关键性运用”项目对付技能本身哀求就非常高。
一丁点儿错都不能犯的人工智能领域，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非常长，而且离钱都很远。

以色列做ADAS （高等驾驶赞助系统）办理方案的Mobileye公司，你知道它的研发周期有多长吗？

这公司1999年景立的，它赚第一笔钱是什么时候？大家可能很难想象，是在2007年。
八年的研发周期，这在互联网行业是不可想象的。

这些关键性运用的特点便是这样，研发周期特殊长，离钱非常远，须要持续的研发，自然哀求团队必须得有持续的融资。

团队若何才能持续融资呢？得有非常好的简历和过去非常好的背景，这个是能够持续的一个必要条件。

本日做无人驾驶的创业团队全都是高富帅，你不是高富帅，你都熬不到产品商业化运用的一天。

以是，“关键性运用”算法科学家极其主要，但是如果全是“关键性运用”，可能人工智能跟绝大数创业者没什么关系了。
由于大多数人都是产品经理，不是技能专家。

不过还好，我认为人工智能领域的创业，95%都是“非关键性运用（none-mission-critical）”。
大略来讲，对付这些领域，AI的可靠度只要过了根本线，高一点低一点差异不大。

举个最大略的例子，现在门禁很多开始有人脸识别的门禁卡，也不用按指纹，直接走过去，轻微停8秒门就开了，这便是个范例的“非关键性运用”。

为什么叫“非关键性运用”？

首先，没法做到99%。
由于人有可能戴帽子或者口罩，不可能达到99%的精准度。

其次，既使没有识别出来也没问题。

所有的带人脸识别的门禁都有个地方可以按指纹，纵然指纹也不过，问题也不大，公司还有前台可以开门，这就属于范例的“非关键性运用”。

“非关键性运用”算法当然不是说不主要，每天识别不出来也弗成，但是只要到一定的可靠度基本就可以了。
这实在才是大多数创业团队切入的机会。

对付非关键性运用，我们该当看什么？

“非关键性运用“大略、实用、性价比高更主要，要比拼综合实力：

①行业洞察：技能最好是有最基本的可能性门槛。
到底对行业熟习不熟习，知不知道这个行业的痛点在哪里；

②产品化能力：产品不能只是在实验室里，那没意义，必须得家当化。

③本钱掌握：不只要能做出来，还得很便宜的做出来。

④供应链能力：不只能出货，还能够批量出货。

⑤营销能力：未来能不能很好的卖出去，能不能搞定最好的渠道。

这便是“关键性运用”和“非关键性运用”的差异。

以是，未来大家如果有这个机会想做人工智能创业，你要组团队的时候，先想好到底是在哪个赛道。

如果是“关键性运用”，必须得有技能大牛；如果是“非关键性运用”，哀求会相对低点，但是对团队综合能力哀求更多。

五、技能供应商vs全栈做事商

现在很多人工智能创业者都是技能背景出身，创业的第一个想法常日是做技能供应商。

以做技能供应商作为拍门砖，我以为可以，但是如果你只做技能供应商，未来的路是非常窄的。

缘故原由有几点：

1. 通用技能一定是大公司的赛道，BAT未来一定会开放免费。

比如一家创业公司专门做语音识别，就专注做技能的供应商，供应SDK。
这样就有很明显的问题，这就意味着你只是基于API（运用程序编程接口）的商业模式，没有扩展性，这根本就没法赢利。

语音识别是大公司的赛道，未来BAT全免费，这家小公司根本赚不了钱，而且算法壁垒越来越低，只做技能供应商，非常随意马虎被高下游挤压。

2.依托于算法的技能壁垒会越来越低。

未来随着根本打算平台和开源平台的丰富成熟，技能方面的壁垒会越来越不明显，全体人工智能的技能准入门槛会越降越低。

3. 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。

比如人脸识别，假设我是一个算法团队，我给大企业供应一个非常好的人脸识别算法，但问题是什么？

这家大企业在用你的时候，它同时还有300人的研发团队在做人脸识别，它现在用你是由于它自个儿还没准备好，它一旦准备好了，急速把你更换掉。

大企业只要出货量到了一个阀值，它都会自己做。
以是，只做技能供应商有非常大的风险。

这实在是一个家当链通用规律：家当链上的垄断者会吃掉所有利润，而且他们非常有动力往上游或下贱扩展。

举个例子，PC大家都很熟习，但是大家该当都知道PC卖硬盘的不赢利，卖显示器的不赢利，卖内存也不赢利，做整机的就更不赢利，戴尔、遐想都不赢利。

那谁赢利呢？Windows和Intel赚走了绝大部分利润，由于他们是垄断者。

针对这个问题，我提出了“一横一纵”理论。

“一横”便是指你供应的技能做事。

你前期做技能做事当然可以，但是不能一辈子做技能做事。

常日“一横”能做事很多行业，你不可能全做了，只能选一两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”：

有技能一定要把它产品化，一定要形成产品，而且形成产品后一定要形成商业，能卖出去，商业又给你反馈更多的数据；你有数据，再进一步夯实的技能。

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。

商业上能吃透一个垂直行业，技能上还能横向互助。

把你的技能做事开放给其他行业做，一两个行业你做，其他其余十个、百个行业一定要开放出去给别的团队做。

由于他们用你的产品、用你的技能，形成更多的数据回路，可以不断夯实你的产品和技能。
这便是“一横一纵”理论。

六、做全栈怎么选垂直领域？

做全栈，假设技能已经做得很好了，再选垂直运用的时候，终极该当选择哪个行业？这实在有很大的讲究。

基本上有五个方面的事情要考虑：

1.市场空间够不足大？

做垂直领域的全栈，还是做横向的技能供应商？选择的第一标准取决于哪个市场空间更大。

找对垂直领域，纵然只占一点点市场份额，也可能比做“一横”全归你的收益大。

举个最大略例子，美图秀秀现在紧张有几个产品产线，第一个便是它的APP，第二个便是他们跟很多手机厂商互助，供应相机拍摄的美颜效果，手机拍出来直接便是美颜过了。

你可以认为这是它的技能做事，但是技能做事带来最大的问题便是不知道怎么赢利。

美图秀秀选了“一纵”——美图手机。
以上提到的技能做事都远没有垂直做美图手机赢利。

我还专门研究了一下，那款手机卖得相称不错，实在它就主打一点：前置摄像头规格特殊高。

一样平常手机都是后置摄像头规格特殊好，前置摄像头都一样平常，而它前置和后置都差不多高，它主打的一种美图手机。

手机这个市场太大了，虽然美图手机可能只占全体手机这张大饼的0.15%，但便是这个业务，占了公司全部营收的93%。

美图做APP也好，做技能供应做事也好，做API接口都不挣钱，它90%的收入都是来自美图手机。

只做技能一定要找一个垂直运用，垂直运用第一点要考虑的便是市场有多大。
手机市场很大，纵然只能占到1%，也很大。

2.行业集中度高不高？

做“一横”技能供应商时，最担心的是你的上游或下贱过于集中，或者说头部效应越明显，对技能供应商就越不利。

举个大略的例子，时期，HP、DELL等厂商卖做事器，都是直接卖给各IT公司，大家日子过的都很滋润津润。
但2010年之后就很难做了，由于云打算涌现了。

以前每个IT公司都要大班事器，然后放到IDC里，现在大家都不须要了，现在都是云厂商，阿里云、腾讯云等供应“云”做事，不须要大班事器了。

这些做事器的客户以前是IT公司，现在变成云厂商，云厂商就那几个，两只手就能数过来，而且头部效应极其明显，阿里一家占50%以上市场。

如果你是一个技能供应商，你在跟一个垄断的行业去会谈的时候，没有任何话语权，处境就很困难。
以是，上游精度高，对技能供应商来讲是一个非常不利的事情。

在这种情形下，你当然会故意愿往上游走，但带来的问题是什么？如果上游集中度高，解释这个事情壁垒很高，你作为技能供应商，想往上走同样的困难。

当然相对来讲，如果你的上游的集中度很低或者客户很零散，对你来讲是个好事，不过你也没有太大的动力往上游走。
为什么？

由于这个市场本来就很零散，纵然你“杀”进这个市场，你可能也只有1%的市场份额，而且使得99%人都变成你的竞争对手。
以是好跟不好，集中跟不集中是各有好处各有坏处。

3.技能改良还是革命？

举个大略的例子，假设你是给手机做电池的，这是一个范例的技能供应商。

如果你做的一款电池是革命性的技能，例如这电池能撑一个星期，意味着你可以往上游走，可以做手机，你的手机可能别的性能都一样平常，就主打环球唯一待机一个星期的手机，也能卖出去。

但是，如果你的手机电池只是比普通电池多待机了10%-20%，那就算了，你老诚笃实卖电池就好了。

以是，能不能往上游走，实在还取决于你的技能到底是改良性的还是革命性的。

4.双方壁垒谁更高？

双方壁垒便是你做技能供应商的壁垒和你的上游客户的壁垒。

技能供应商的壁垒和上游客户的壁垒哪个更高，也决定做“一纵”的成败。

举个大略例子，比如现在直播中很多主播用一套软件技能使得画面人物长两个耳朵、两个犄角之类的，常日都是第三方供应的技能。

首先，技能本身的壁垒并不高，能供应这个技能做事的公司很多，虽然效果有一些小的差异，但你没有明显上风。

其次，直播的壁垒实在很高：

①它有网络效应，更多的美女主播会带来更多的用户，更多的用户可以带来更多的美女主播，由于收入更多。

②非常依赖于流量，这是个流量的社会，得能舍得费钱买那些大牌的主播，以是这个事壁垒很高。

做技能供应商这个壁垒不足高，而上游壁垒又很高，在这种情形下很难往上游走，终极也只能赚辛劳钱。

5.与团队基因是否符合？

能做得了技能做事，不代表能做垂直办理方案，做全栈做事商，由于团队不一定有行业履历，这是很大的问题。

举个例子，亚马逊无人便利店Amazon Go出来之后，中国出了好多无人便利店，很多背景还不错的技能创业者也说，“我光做一个技能，意思不大，我也想直接干零售，做2C。
”

我跟他们一聊完团队，我以为“这事你得慎重一点”。

为什么？我们作为一个普通的消费者，在选择一个便利店的时候，会优先看哪些方面，你会优先看它到底是无人便利店还是有人便利店吗？这不是你的第一选项。
你优先选的是哪个便利店离我近，以及我想买的东西这便利店有没有。

从这个意义上讲，这些都是零售的实质，以是如果你的团队没有懂零售的人，那你一定不要往这边走。

有人说“我找一个懂零售的高管行弗成”，我以为实在也挺困难，如果一个企业合资人团队或者CEO若对这个事没有观点的话，很难靠一个高管去补足。

我实在特殊相信基因决定论，如果任何一个新的商业，比如BAT找一个懂行业的高管就能搞定的话，那中国创业机会没创业公司什么事了，全是BAT的机会。

客不雅观来讲BAT一个做搜索、一个做社交、一个做电商，实在他们三家把相互的业务都考试测验了一遍，末了都不堪利，这解释基因还是很主要。

能做什么不能做什么，跟公司的基因高度干系。

以是你要想做全栈选行业的话，基本上要从这五点考虑，把这些考虑清楚非常主要。