不知不覺，2018年已悄然過去一個月，但在AI創投界，仍有一個問題懸而未決：AI創業最可行的商業模式，依舊模糊不堪。

要知道，僅在中國A股市場，就有200多家大數據和人工智能企業，這還不算尚未上市的數以千計的初創企業。然而，不少投資人在抱怨，往來于各種AI論壇的光鮮中，那些科技新貴們看似群星璀璨，但真正在商業化上令人興奮的公司數量，卻非常慘淡。

去年底，一篇《保衛科大訊飛》，更是揭開了AI團隊遭遇BAT時的傷疤。文章導語寫道：“近20年的技術積累能為科大訊飛暫時構筑一個壁壘，但不得不說，這個壁壘在互聯網企業快速迭代的模式下，將會很快瓦解”——強如科大訊飛，也在巨頭面前拉響警報，其他咖位尚淺的AI創業者，不禁感到惶恐。

他們在惶恐什么？

回答這個問題，必須深諳AI產業鏈格局。

人工智能的產業鏈大概分三層。最底層是地基，包含云計算，芯片和開源框架等。這一層門檻高企，拿芯片來說，芯片市場的機會，留給了英偉達，高通這些賭資雄厚，永遠也不下牌桌的“old money”身上。

地基之上，是中間層。你熟悉的圖像識別，語音識別等通用技術，就在這一層。你之所以熟悉，是因為這一層賽道寬闊，熱鬧非凡，攫取了媒體最多的聚光燈：BAT將其視作關鍵要塞，是他們搭建生態系統的核心；深耕技術多年的各路AI中小型團隊，也在這一層擠得頭破血流，他們不斷吸取數據，精進算法，試圖與巨頭掰掰手腕。

但很遺憾，據我所知，不少投資人都傾向于認為：這一層未來仍是巨頭的內斗。因為若不框定某個具體行業，BAT最不缺的就是數據；且所謂搭建生態系統，基本等同于未來通用技術一定全部免費，然后靠云計算等其他服務收費。而擠在這一層的AI創業公司，卻只能繼續靠技術本身賺錢，未來的路只會越走越窄（理由后面會說到）。

那么，天山神仙打架，小角色只配看個熱鬧？當然不是，AI世界不會如此無趣，AI產業鏈還有最上面的應用層：小角色最明智的打法，就是手握巨頭們的技術武器，選擇垂直領域，一頭扎進去。

這并非什么新鮮論調，已是投資界共識，我今天更想說的是：人工智能創業，該扎進哪些行業。

按照迅雷創始人程浩老師的劃分，人工智能與垂直行業的相遇，可細分為“AI+行業”和“行業+AI”。“AI+行業”是指在AI革命來臨前，世間不存在這樣的產業，譬如無人駕駛和智能音箱，開辟了一條全新的產業鏈，創業公司與巨頭處于同一起跑線，但事實上，這對創業公司是不利的，正因為起跑線的相對公平，巨頭的數據優勢，會讓他們迅速拉開與創業公司的差距。

而“行業+AI”是指行業一直存在，產業鏈成熟，只是過去完全靠人工，效率低，AI的輔助決策大幅提升了運行效率（比如安防和醫療等領域）——相比于“AI+行業”，“行業+AI”對創業公司更友好，也更易構建出行業壁壘。

在程浩老師看來，行業壁壘才是AI創業最夯實的護城河，巨頭與創業公司唯有在“行業縱深度”這個泥濘的戰壕里，才能達到真正意義上的公平——不只是起跑線公平，深耕的過程，同樣公平。

他拿“醫療+AI”舉例：“大量準確的被醫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，醫療數據拿出來非常困難，BAT做醫療一點優勢都沒有，他們要把這些數據從各醫院、各科室搞出來也很累。相反，如果一個創業者在醫療行業耕耘很多年，也許拿起數據來比大公司更容易。這與互聯網+一樣，一旦細分到具體行業，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，比拼的還有行業資源和人脈……在巨大的行業壁壘面前，真不是說我的算法比你好一些，市場就是我的，只有技術優勢仍然差的很遠。回歸‘AI+行業’和‘行業+AI’，通常來講前者的行業縱深比較淺，后者則有巨大的行業壁壘。而行業壁壘，則是創業公司最大的護城河，也是抵擋BAT的關鍵。”

再舉一個典型的有巨大壁壘的“行業+AI”案例：安防。國內“安防+AI”一個重要玩家是海云數據，不同于一般AI團隊對盈利的三緘其口，創始人馮一村最近在接受《AI百人》采訪時，說了一句讓AI圈投資人倍感欣慰的話：“在商業社會里，只有賺錢和不賺錢兩種公司。”很早就實現盈利的海云就是前者。而這種直白，或許源自馮一村另一句自白：“沒有哪個創業公司，像我們這樣去扎一個行業。”

這幾乎是對“行業壁壘”理論的一種極端化描述：這家公司屬于AI產業鏈最上層，選擇了安防和航空等幾個“行業+AI”深耕；他們技術不錯，但不靠技術本身賺錢，卻賺了更多的錢。剖析這家悶聲賺錢的公司，可能是探究AI商業模式的一條捷徑。

而讀完這篇文章，我希望你相信一件事：在廣袤AI的疆域，神仙有神仙的活法，精靈有精靈的活法，巨頭們的生態博弈，并沒有堵死創業者的路。

只靠技術賺錢，可能性不大

在采訪中，馮一村的一個觀點令人印象深刻：科技世界，最賺錢的公司往往不是聚光燈下的公司。

譬如在大數據時代（短暫流行過后，這個詞已經老了），最賺錢的不是大數據公司，而是為大數據提供底層支持的云計算公司；而在人工智能時代，真正激發的是大數據市場：“因為AI最重要的邏輯是用數據做智能化訓練，所以在人工智能時代，最賺錢的公司并不是像商湯和Face++這類的公司，不是說這些公司不賺錢，他們也賺錢，但他們的盈利模式并沒有呈現很清晰的特點。”

事實上，在不少投資人眼中，倘若人工智能團隊的自我定位永遠是“技術提供商”，沒有給客戶提供一套整體解決方案，那么它在產業鏈中的價值將會日趨暗淡。

這不難理解。原因之一，如前所述，就像那篇《保衛科大訊飛》所寫，巨頭會免費提供圖像和語音識別等通用技術。原因之二，AI本身的技術門檻正在下降，就像獵豹移動傅盛所言：“深度學習的核心是數據驅動，雖然有模型調參，有自己的優勢，但別人有更多的數據調參會很快拉平優勢，很難真的想像一家公司通過提供技術輸出就能成功。未來深度學習是基礎的技術運用，很多公司都具備深度學習的研發能力。”

舉個例子，在過去，初創AI團隊的進展受制于軟件開發所花費的時間，但如今，巨頭們紛紛開源了自家的深度學習框架，初創團隊可以如插件一般，將人臉識別等技術嫁接到自己的系統中，讓沒有太多深度學習背景的開發者也能容易上手。

換句話說，單純靠技術本身賣錢，天花板很低，也很危險。

那么問題來了，AI創業路在何方？

我認為，最可行的出路，來自于程浩提出的“一橫一縱”理論：“一橫”是指你提供的技術服務，通常“一橫”能服務很多行業，但一定要找到幾個最有機會的垂直市場，深扎進去，升級為“一縱”——也就是，把技術轉化為產品，賣給客戶，商業變現，再通過商業反饋更多數據，夯實技術，形成商業閉環。

總之在我看來，隨著未來技術門檻的下降，AI創業者的身份認同，要從最原始的“技術提供者”，逐漸轉向成為一個“行業專家”。

而在這個過程中，他們應時刻謹記兩點：1，面對自己時，深耕幾個垂直領域，然后等待時間的回報；2，面對客戶時，從技術提供者進化為一個“賦能者”，授之以魚不如授之以漁。

授之以魚不如授之以漁

AI創業者深耕具體行業，還有另外一個原因：AI將在To B和To G領域率先落地。

其實不止人工智能，追溯歷史、計算機、互聯網、智能手機，任何顛覆性技術的發展路徑大抵相似：緣起于軍方和政府（我一直覺得，冷戰時期的美軍是人類史上最大的“黑科技集中營”，這篇不贅述了），待到技術相對成熟后交還與企業，然后用于特定行業，最后變成大眾消費品——AI亦如此，去年AI的落地過程，其實更多是向To B和To G等傳統行業滲透的過程。

而人工智能To B和To G落地的第一站，很多都是在傳統行業，用AI進行輔助決策。拿海云舉例，他們以大數據可視分析起家，現在則把AI與可視分析技術結合，然后選擇四個“行業+AI”深耕：公共安全，交通運輸，軍民融合和智慧城市，推出與這些行業結合緊密的解決方案，提升客戶的數據決策能力。

頗值一提的是，作為真正意義上的“行業觀察者”，他們在與行業客戶多年的交流中發現，客戶真正需要的不是提出的具體“技術需求”，而是一整套隨機應變的綜合能力——別忘了，授之以魚不如授之以漁，海云數據也因此提出了“能力服務”的概念，這一概念現階段的標志物，就是圖易AI能力服務平臺。

簡單來講，這一平臺可以通過整合軟件、硬件、數據和算法，實現全程“無代碼化”，客戶可根據不同需求，對海云提供的模塊進行拖拽和組合，自己構建智能數據處理模型。換句話說，客戶購買的是一種能力，而非技術。他們今后可根據不斷增加的業務需求，不斷更新自己的能力矩陣，如同搭積木一樣，完成業務的效率提升和數據決策價值變現。

以海云深耕數年的安防領域為例，基于圖易研發的“智警大腦”已實現行業落地。具體來看，智警大腦可以通過人臉識別（利用了百度的開放技術）進入后臺，然后通過語音指令調出事故現場視頻，附近的警力、周邊卡口、情報分析情況、犯罪嫌疑人的路徑、重點嫌疑人的檔案等節點，可以瞬間通過一張圖和一張網的形式，讓公安人員實時看見，確保在事故發生后公安部門能快速處理。

目前智警大腦已服務全國超過三分之一的公安市場，使公安情報分析準確率提升70%，指揮決策效率提升50%。

而從智警案例中不難發現，在“行業+AI”的落地過程中，最重要的是提供一個綜合解決方案。智警大腦融合了通信技術、語音識別、人臉識別等AI技術，以及海云最熟悉的大數據可視分析技術，通過將它們封裝成一套解決方案，讓客戶瞬間完成決策能力的躍遷。

除了公共安全，圖易AI能力服務平臺也在完成對其他行業的改造。譬如在智慧城市建設中，它能綜合處理調度整個城市的公共數據，對城市進行全局實時分析，自動調配公共資源，提升城市綜合治理水平，使緊急事件響應從8分鐘降低到4分鐘，減少犯罪率和改善應急服務。

而在交通運輸領域，脫胎于圖易的“智航順”可以為機場接入400多個數據源，集成多種類型架構的數據，并在所有機場功能中生成單一的運行健康指數實時視圖，可使飛行支援準備時間縮短33%，航班延誤率降低一半，提高機場資源利用率28%。

海云也開始將“能力服務”的觸角伸向海外，他們將國際化戰略的切入點選在了一個特殊的安防場景：美國校園安全。

特朗普訪華期間，訪華團成員、前美國教育部首席財務官、EdTech基金創始人Stanley Buchesky特意拜訪了海云數據——在安防領域積累的大量行業經驗，或許能為稍顯守舊（基本靠大量人力進行巡邏）的美國校園安全問題開出一劑良藥。

欣喜的是，在剛剛結束的CES展上，海云數據就重點展示了針對校園安防領域的一套解決方案：譬如，根據校內建筑和街區情況，智能計算出攝像頭的安放位置；根據攝像頭采集到的數據進行建模分析，接入警方的犯罪嫌疑人名單，實時進行人臉識別；識別出可疑人員（戀童癖等）后，系統及時反饋給警方，第一時間進行決策。據悉，海云已開始和美國學校洽談合作，很快就會落地，成為他們布局安防領域多年之后，開出的新的花朵。

結語

最后想說，在整個“行業+AI”市場，將自己定位于“行業專家”，為客戶真正賦能的AI團隊，不只海云數據一家——事實上，在這片叫做人工智能的草原上，倘若將BAT比作不可一世的雄獅，那么這些團隊就像一只只勤勉的穿山甲，它們力量或許顯得卑微，但經過時間的陳釀，經過多年的深耕，穿山甲們也終將在各自領域“拱”出一方天地。

也正因如此，這片草原，才顯得生機勃勃，光芒萬丈。

來源|新芽NewSeed