AI超级版图

梁玉龙 糜丰 李垣谕

技术对商业的冲击，在大多数时候，都是小步快跑的渐进变革，但偶尔，也能产生足以重构整个商业世界观的冲击波。人工智能（ArtificialIntelligence，以下简称AI）最大的可能，就是属于后者。

这一天，将不会太遥远。来自全球的创业者们，正热情地寻找着AI从技术到商业，从数字基础设施到生产方式改造等重大议题的解决方案。在中国，AI则几乎是所有互联网科技公司都在追逐的标签，一些传统企业也在时势的推动下参与了进来。

Al的价值已经无需赘言，我们也无意为大热的AI再刷一波存在感。我们更关心的是，那些发力AI的企业正在面临怎样的选择，将以怎样的姿态从象牙塔中走出来，当下的尝试将导致怎样的结果。

基于此，我们就可以勾勒出一张人工智能商业化的地图，这将是承载了新的商业思想和创新方法论的地图，它预示着今天的商业和竞争，正在形成一个更高层次的新系统。

你需要这样一份地图，在被时代抛弃之前，逃出生天。

入场者的脚下与远方

AI创业不性感

继蒸汽技术革命，电力技术革命，和计算机及信息技术革命之后，由AI触发的第四次工业革命正在发生。

曾几何时，AI是最顶尖的科技领域，能在其中掘金的企业凤毛麟角。但是就在近2年，中国的AI企业呈现爆发性增长，根据《科技日报》的报道，截至2018年5月8日，全国AI相关企业共计4040家。

强力的资本介入使得AI成为创业的关键领域，数千家创业公司覆盖了聊天程序、视觉、汽车、机器人、网络安全、商务智能与分析、广告与销售与客户管理、核心/前沿技术、医疗、文本分析、物联网、消费、金融与保险等领域。

百度、阿里、腾讯、科大讯飞等科技巨头公司也在语音识别、图像识别、神经网络、自然语言处理等方面有重要的突破。艾瑞咨询认为，国内AI市场将从2015年的12亿元增至2020年的91亿元。

然而在狂飙突进了两三年之后，AI产业在2018年迎来了一个关键节点。集万千宠爱于一身的AI创业，正在变得不那么性感。

一方面是，AI遭遇商业化之痛。有研究报告显示，90%以上的AI企业依然处在亏损阶段，绝大多数企业年营业收入不足2亿元。

另一方面是，投资机构对于AI领域的投资逐渐趋于理性。资金越来越多流向头部创业公司。北京主线科技CEO张天雷曾公开表示，AI投资热潮逐漸退去。李开复甚至认为。2018年将会出现第一拨倒下的AI公司以及投资人。

IT桔子收录的2017全年AI投资事件353起，数量有所回落，新增AI企业数量有所下滑，不足50家。

在长跑运动中，职业运动员必须擅于在无氧运动和有氧运动间随机切换。对于大多数AI创业者来说，他们已经完成了起步阶段的无氧冲刺，即将切换至考验耐久性的有氧运动状态。如果此时他们不能实现企业生理上的良性循环，将很有可能被别人的节奏打乱，从而透支体能，败下阵来。

技术不是护城河

AI产业链可大致分为3层：

最底层是基础支撑层，包含云计算、芯片和开源框架等。这一层门槛很高。芯片的机会留给了英伟达、高通和英特尔等巨头，开源框架和云计算则被谷歌、亚马逊这样的巨头把持。

中间层是技术驱动层。被外界广为熟悉的图像识别、语音识别等通用技术。就在这一层。BAT将这一层视作关键要塞。这一层也盛产以技术取胜的“独角兽”。

位于最上方的场景应用层赛道最为宽阔，是AI应用创业公司最简单的打法，它们站在巨人的肩膀上，选择一个垂直领域，一头扎进去。通俗地说就是“拿锤子。找钉子”。

根据艾瑞咨询的统计数据，目前我国71%的人工相关企业都在做技术落地应用。在算法技术方面，55%的企业在做计算机视觉，13%在做自然语言处理，只有9%的企业真正研究机器学习。

能够很快把技术应用落地是我国创业者的优势。但这也决定了这类创业公司没有高耸的护城河。毕竟人类当下掌握的AI技术还是浅层次的，是弱AI，它带来的红利期非常短。所以，创业公司必须在红利消退之前，尽快实现商业化落地，为技术的迭代蓄能。

通过行业扫描，AI落地做得好的行业领域往往都有两个特征：一是行业规模大。无论是安防、医疗大健康、金融、汽车出行、零售都是万亿级市场，想象空间巨大;二是赚钱相对容易、离钱近。AI技术前期投入成本大，需要嫁接离钱近的行业领域。

这正是to B型的AI创业公司，比to C型的更多，活得更好的原因。

当然，对前者来说，挑战依然存在。从内因来看，AI技术具有典型的“落地口径窄，需求不稳定”特征。这使得其行业商业化探索阶段会更加漫长。

图灵机器人人才战略官黄钊在他知名的200多页PPT《人工智能产品经理的新起点》中阐述到：AI时代有两大重要特质——高维+突变。正是由于这两大特质，AI领域需求的特点是：机会多、难度大、变化又快又大。

从外因来看，在目前AI行业中，客户的期望控制与管理是难以绕开的大坑。客户期望受3方面影响：对AI技术的认知、对自身条件的认知、对自身需求的认知。然而不幸的是，就目前市场现状来看，大部分客户3方面的认知都不健全。

地域性的认知差距，也为市场拓展制造了困难。云从科技联合创始人姚志强，在接受《商界》采访时就曾透露，作为西南地区少数AI“独角兽”，他们却很少能拿到本地大单。内地客户保守、观望的态度，让他们只能把业务重心放在沿海地区。使得云从“墙内开花墙外香”。

向左走，向右走

AI已经在多种商业场景得到了应用。在这一过程中不同的企业形成了多样化的商业模式，总的来说可以分为两类，一类是应用型，一类是平台型。

应用型公司遵循的是工业化线性思维，以技术为资本，以生产为主线，“生产产品一建立渠道一定价售出”。

即选定特定的垂直行业深扎，积累了足够深刻的认识和经验后，会发现问题变得越来越简单，方向也逐渐清晰起来，也能与竞争对手拉开距离。

在泛化智能负责人王汉洋看来，对行业来说，当下这种模式是更为务实的选择：其一，用新技术帮用户解决问题是对技术的认可;其二，能让AI行业避免染上共享经济那种荒诞烧钱的毛病;其三，外包模式下，协调多变的需求、维护客户关系这种脏活累活，正好让现在AI行业高谈阔论，却不愿意踏踏实实做实事的风气有所改观。

然而这种模式的弊端是，只能N倍增长，无法实现N次方增长，想象力和发展空间均被局限。

相比之下'平台型模式以平台为起点。结合不同合作伙伴，连接一个个供给端，对接需求端，似乎更有孕育出巨头企业的可能。

百度是目前国内在AI领域投入最早也是布局最完整的公司。截至2018年7月百度大脑3.0发布，百度已经持续开放了110多项场景化AI能力与解决方案，让每个开发者和企业都能平等获取顶尖AI能力，一站式综合应用。

百度已经在BAT阵营中掉队，现在希望借助AI重现往日的辉煌。而创业公司又何尝不希望借助AI，来挑战既有的商业格局？

商汤创业早期是一家技术应用型公司，而现在的模式则和百度主打的AI赋能有点类似。纯技术公司的市场天然在B端。而商汤的打法是先找一个垂直领域的传统公司合作，摸索AI技术落地，从项目到产品;然后再垂直打通某个行业生态。做平台。

事实上，一个通用的AI创业公司的进阶路径很有可能是：基础技术服务商一整体解决方案提供商AI产品化一生态构筑者。

如果AI创业者止步于应用，便是浪费了一个伟大的历史机遇。

我们需要怎样的世界

人类社会的新图谱

2045年，现实世界衰败，到处是废墟。但是，人们却有个崭新的世界——“绿洲”，任何人只要穿戴专业VR设备就可以进入这个虚拟游戏空间。

“绿洲”内外采用了大量AI元素，无人机送餐、虚拟图书馆、模拟触觉等。更为重要的是，“绿洲”系统还维护着存储了全世界公民信息的庞大数据库。运营着价值最稳定的虚拟货币，拥有上千个高拟真度建模的三维世界。

这是斯皮尔伯格执导的电影《头号玩家》中的故事，从某种角度而言，也是在AI技术应用狂飙突进下对未来人类社会的一种隐喻。AI正在彻底改变人类对世界万物的认知，通过重建人机协作关系，改变社会服务形态和人类生活图景。

创新工场董事长李开复说，AI的社会意义将超越电脑、互联网、移动互联网等特定的信息技术，甚至有极大的可能，在人类发展史上，成为下一次工业革命的核心驱动力。它不仅是一次技术层面的革命，而是通过对生产效率、商业结构、生活方式的改造和重塑。深刻改变社会与经济形态。

因此，在AI浪潮之下的人类社会服务和生产生活方式演进过程中，整个AI产业与创新创业公司将迎来巨大的显性机会。从“AI+城市”到“AI+生产”“AI+零售”，有更多AI技术将真正意义上被定义为产品和服务，或者作为一个可定义的行业。无论是政府、行业还是企业，都可以引入AI产品创造解决方案。

AI的商业化初期大致正在两大领域爆发：第一是数字层面的社会基础设施和公共管理领域，比如智慧城市、智慧政务等。通过在数据端、信息端实现自动化，提高政府机构的政务信息化水平、行政管理和城市服务能力;第二是企业生产领域，随着感知技术、传感器和机器人技术的发展，AI的商业化会率先从生产力的角度切入，在生产力端实现业务的自动化。工业机器人、仓储机器人、物流机器人等将在这个阶段实现大范围的普及。

AI这一扇新商业大门正在开启，通往人类社会的未来图谱清晰可见。

数字基建大爆发

上世纪90年代初，美国推出“信息高速公路”战略。借助这条“高速路”，美国信息经济走在了世界各国的前面。从当时的背景来看，这种大型科技发展战略可以改造传统产业、触发新技术革命、派生新兴产业、促进民间投资，从而达到刺激经济增长、增加社会就业的目的。

相比美国，中国的“数字基建”虽然起步较晚，但保持了较快的发展速度，特别是以“智慧城市”为重点抓手的社會基础设施建设正在迎来爆发。“智慧城市”也成为各个城市抢占信息技术制高点及促进新兴产业发展的重大机遇。

——这给AI创业公司带来了技术商业化和产品化的机会。

“AI+安防”是创业公司角逐“智慧城市”的主战场之一。人脸识别是AI的一项重要应用，而安防领域有大量的视频、图像比对需求，它是人脸识别技术商业化的天然土壤。商汤、依图、旷视、云从等国内专注计算机视觉领域的AI公司，在安防领域的产品化已经结出了丰硕的果实。

旷视为公安部推出的“网上身份证”提供了人脸识别技术支持，今后办理一些实名认证业务时即可“刷脸”完成认证，不用再携带实体身份证。它还为此成立子品牌旷视智安。

云从科技为广东省公安厅提供的人脸识别技术在地铁、车站、重点小区等重要场所进行布控和实战并取得了良好的效果。目前相关产品已在23个省上线实战，为公安系统提供了新的思路和战法。凯泽科技开发的校园智慧管理系统已经签约了浙江、江苏地区的144所高校，采用视频人脸分析和视频图像处理等技术为师生的安全提供保障，让管理效率化，智能化。

事实上，在AI出现之前，前期的传统安防产品同质化比较严重，市场也较偏向在价格战中具备优势的大、中型安防企业，但随着AI技术的发展，智能在安防中变得更加重要。

不只是安防，商汤、依图、旷视、云从、凯泽等AI公司还在公共管理、交通出行、医疗教育、金融等方面深度赋能智慧城市建设，对城市功能进行效率革新和服务革新。从目前的情况来看，由AI主导的“数字基建”，未来将在各个城市的经济转型与结构调整中发挥越来越重要的作用。

从机器之光到万物互联

传统的制造业生产方式正在AI的驱动下做出有力的改变。当前AI技术向制造领域的渗透，无论是广度还是深度，都在快速推进，对制造业转型升级的支撑效应非常明显。

AI赋能传统企业生产方式改造的一个必要条件是数字化和信息化的普及以及成本下降。根据高盛的分析数据显示，部分物联网底层传感器的成本在过去10年中下降了50%，带宽成本下降了近40倍，数据处理成本下降了近60倍。而以AI为代表的新一波创新技术，如果可以为中国的制造业生产效率带来15%的提升，那将会创造万亿级规模的价值。

以电商物流为例，传统仓储拣选需要大量人工，耗时长，效率低。很难适应当前电商订单“多品种、小批量、多批次、高时效”的特点。之所以造成低效，一个根本原因是，传统仓储的特点是“人找货”，主要根据使用频率将货品分ABC类，然后分类集中。这就使得仓库需要对每类货品进行不断配置（分类、取货、补货）。而在这个过程中单位时间成本很高，并且容易出错。

仓储机器人公司Geek+给出的解决方案是“货找人”，通过移动机器人快速、灵活地完成补货、整箱拣货、拆零拣选等物流作业，并把需要人工拣货的货架准确运送到作业人员面前。更为重要的是，Geek+基于算法系统来管理人工上架的操作，通过计算最优的货品存放方案，让存放目标货品的货架数量尽可能少，拣货员的拣货距离尽可能短，从而提升整个仓储拣选效率。

工业生产是AI重要的应用场景，但生产过程中的“不确定性”往往会影响决策，因此只能通过不断获取生产过程中的信息和信号，来减少不确定性。

AI在生产制造领域正在扮演这种关键角色。三一重工集团孵化的树根互联通过连接工业机械，采集和分析其大数据，帮助企业实现工业化与信息化融合。树根互联旗下的根云平台，从最基础的设备连接开始，到能够产生数据，反过来再提供一个下行通道，通过AI的智能决策下发到机器。

根云要解决的，就是工业的物理世界怎么去跟互联网和数字世界打通连接。从最底层来讲，就是要解决便捷接入的问题，把纯物理的机器转换成一个数字的机器镜像，再通过技术，对数字模型做各种优化和智能化。如此一来，这些被“数据化”机器的运行能够帮助企业了解生产过程中的真实情况，辅助企业决策。

共情能力让交易更简单

向制高点进军

利润让企业前行，AI帮助企业思考如何前行。

过去。解决商业难题要面临复杂、多变、低效等问题。即便再有创新精神的企业，也会苦于没有先进的工具和系统，而不能精准、高效地解决问题。

AI正在让企业变得聪明。一个不可逆的趋势是，企业越来越关注AI对商业经营的影响，对智能化的工具和平台的需求更加旺盛，希望借此管理复杂的数据，让企业做出实时决策、动态运营管理并响应客户。比如，新产品如何定位、如何找到目标顾客、该使用什么样的广告创意、如何选择媒体渠道等。

为什么？市场和商业的逻辑在改变。

在傳统商业逻辑中企业处于主导地位，企业生产什么，顾客就消费什么;想保证利润，就做刚需型的大单品，然后把它规模化。但移动互联网时代，市场和商业的逻辑逐渐变成由顾客主导的个性化驱动。如果个性化没有被满足，产品和服务就很难让顾客埋单。而在今天所谓“千人千面”的消费图谱之下，就需要AI推动传统经营模式转型，帮助企业和顾客更快、更优地解决交易过程中的复杂问题。

AI将主要从两个层面为商业经营赋能：

第一，提高生产、服务效率。作为一种全新的生产要素，AI创造了一种虚拟的劳动力，能够解决需要适应性和敏捷性的复杂任务。传统的自动化只针对特定的任务，而基于AI的智能自动化将能够灵活解决多领域的问题，提高实体经济运行的效率。

第二，进一步降低交易成本。互联网通过减少信息不对称，已经降低了传统经济活动中的交易成本。随着AI深度运营，可以实现更精准的服务匹配，进一步优化资源分配。

从某种程度来看，零售业是交易和消费最集中呈现的领域，因此它很可能是AI发展创新中受益最多的行业。AI将运用互联网、物联网技术，感知消费习惯，预测消费趋势，引导生产制造，为顾客提供多样化、个性化的产品和服务。把你想要的全给你

有一种“懂得”叫你知道我要什么。

在零售业的消费场景中，个性化、定制化的推荐可以很好地提升顾客体验。AI通过顾客的浏览轨迹、购买记录等向顾客推荐相关商品，是线上精准营销的重要手段。

比如，电商网站已经普遍应用的AI推荐模型，可以基于“视觉过滤技术”，针对用户潜在偏好，建构在线商品推荐模型。具体做法是，基于商品图片，创造游戏一样的情景让顾客参与，然后预测购物者的下一个选择。并根据顾客之前的点击，提出售卖建议。这个过程中，每次点击都会通过成千上万的属性来训练AI，例如鞋跟高度、小腿长度、系带款式、鞋子的造型、纹理等。

虚拟试衣是AI智能化推荐的另一大利器。可以提升顾客的购物体验和品牌的销售转化。AI智能试衣商用公司好买衣开发的虚拟试衣镜正在成为实体服装店的“抢手货”：顾客只要站立于智能试衣镜前，启动智能人脸与身材识别，输入几项身材数值，30秒内就可以“复制”出一个虚拟的自己，不到3分钟时间能试穿约100多套当季新款搭配。目前，好买衣已经有了500万份女性身材样本的数据库。

好买衣曾在上海一家时尚女装品牌店做过一个测试，在店面里放置自己的智能试衣镜，让用户在屏幕前挑选、试衣。测试后发现，平均每个用户会多试50多套衣服，额外停留4分钟以上的时间。

“款式的发现效率”是智能试衣镜的核心功能。对顾客而言，进行智能试衣能节省很多换衣服的时间成本。而对于服装品牌商来说，好买衣的智能试衣镜相当于一个超级导购，熟悉店铺里的每一件衣服，也知道顾客的身材适合什么类型的衣服。

更为重要的是，智能试衣镜还可以充当店家顾客留存和转化销售的“连接器”。顾客在智能试衣镜前注册试穿后，微信扫码保存喜欢的款式，能够让店家与其建立联系。好买衣通过合作服装品牌的微信公众号等渠道，向顾客推荐适合其身材的其他款式，并展示衣服的上身效果，以吸引顾客购买。

在这个过程中，AI的角色不只是虚拟试衣镜，而是“形象顾问”，帮助品牌商呈现最适合的衣服给顾客，同时给每一个顾客更好的个性消费体验。

借我一个“诸葛亮”

生意的本质无非是卖什么，卖给谁，怎么卖？

在经济学家李稻葵看来。判断AI是否改变行业要抓住核心——商业决策。传统决策模式是，先进行产品生产，再决定到哪里投放广告。然后根据什么样的人群、通过什么渠道递送广告。而现在，AI正在改变商业决策，生产之前就可以通过AI去分析什么样的消费者需要什么样的产品，适合什么样的渠道。

玛氏集团通过A1分析每个用户传递到玛氏公司营销部门的宠物图像，来判断宠物大概需要什么样的食品，进而为宠物食品生产提供形状、口味、酥脆度方面的决策。

程序化购买平台品友互动通过AI在营销层面去影响客户企业的决策。品友推出了人工智能决策平台，通过模式识别和预测模型，帮助客户企业实现更精准、更自动化的广告营销。

以车企为例。品友互动可以直接给出车企可能用到的目标人群数据，每个人群都有细致的用户画像，可供客户选择作为媒介投放的人群。设定好人群之后，智能营销这一模块可以做产品概念测试、创意点击预测，通过预曝光和数据反馈，帮助广告主选择效果最好的一款，并详细预测不同媒介的投放效果。

如果说品友互动是利用AI为企业的外部营销层面提供决策参考，那么第四范式则是为企业进行内部决策机制系统的搭建。

第四范式创始人、首席执行宫戴文渊认为，企业需要的AI不应该只是解决单一问题的工具，而是支持各个业务部门决策的认知能力。为此，企业需要为人和机器建立起相互辅助的角色。并据此对现有的IT系统重构与优化。

为此，第四范式开发了“企业人工智能核心系统”——“先知”。帮助企业快速构建以AI为中心的组织架构，把一个专业级人士才能做到的事情变成一个类似傻瓜相机式的核心系统，将大多数一线决策行为交由AI来完成。

在这个系统中，AI能够依靠计算力从数据中发掘更多、更细的业务规则，精细化地做出判断，提升决策效率。决策领先，才能步步领先。

目前，AI商业决策应用在广告、零售、金融等行业发展较为迅速，但随着各行各业对商业决策效率的要求越来越高，AI势必将爆发更大的能量。

来一场增量变革

新寡头孵化器

科技是人类社会的驱动力和基本要素。AI表现得最为典型，它是目前唯一可见的可以使人脱离有限性走向无限性的技术。在这一过程中，AI不仅仅影响着存量，更创造着增量，启动着那些人们未曾想象的可能性。

在商业领域，创业公司借助人工智能可以造就新商机。一些新产品、新服务也有可能击败巨头公司。所以，创业者和创投圈普遍认为，AI必然将孵化新的商業巨头，他们会成为搅动现有格局的黑马。

比如由AI延伸出来的智能驾驶技术。据不完全统计，目前国内有超过20家专注于智能驾驶的科技公司，除了百度，还有地平线科技、MINIEYE、奇点汽车、图森科技、中科慧眼等。

随着汽车电气化，造车的门槛降低，新创品牌完全可以借此技术，改善体验，以挑战传统汽车巨头的江湖地位。

不过，这些创业公司所对标的，其实并不是传统汽车厂商。因为随着智能驾驶向自动驾驶精进，汽车作为一款交通工具的商业价值正在被重新建构。

未来，当自动驾驶实现普及，乘用车车内空间和驾驶者的时间被完全解放，商务服务、娱乐服务必将迎来爆发。届时，汽车作为一个交互终端的商业价值，将远远超过其作为一款交通工具的价值。

一个有趣的现象是，智能驾驶相关公司正越来越频繁地出现在全球各大电子消费品展会上。我们对汽车的定义，因为AI的介入，必须要做出改变了。

同样利用AI开辟了全新商业机会的，还有像大疆创新这样的新硬件公司。

在大疆无人机面世之前，市场上还没有这样一门生意。甚至在大疆创立时，有人还在疑惑，无人机和航模有什么区别，谁会去花数万元购买他们的产品？

然而事实上证明，大疆无人机和航模只是形态相似，它本质上是一类全新产品。无人机送货、无人机巡线、无人机放牧等，有了AI的加持，展现在大疆以及后续更多的无人机创业公司面前的，是丰富的应用场景和商业想象空间，是一片还未曾有人染指的蓝海。

现在，更加细分的水下无人机也被创业者们开发了出来，以鳍源科技为代表的创业公司，正在发掘水下拍摄、水下管道检测、打捞救援等民用市场，试图复制大疆在天空中获得的成功。问题要多过办法

有一句民间俗语叫“办法总比问题多”，但是放在漫长商业进化史里看，问题总是层出不穷，一个问题的解决。往往伴随新问题的诞生，于是人们永不停歇地在寻找解决办法。而这也正是商业进化内在的传动机制。

过去10年，尤其是进入移动互联网时代后，人类社会已经无限逼近于数字化生存的状态。在此之前。数字化、信息化被认为能够打破一切商业上的隔阂，实现效率的极大提升，并且它的确解决了商业世界里许许多多困扰企业已久的问题。当然，不出所料，新的问题也随之产生。

比如人们的交易行为越来越往线上集中，交易风险比以往任何时候都要严峻。而过去，我们更关注对消费者权益的保护。实际上，企业方面同样面临着巨大风险。

AI反欺诈服务商猛犸反欺诈，做过这样一个调研。中国企业每年因为线上欺诈而产生的直接损失高达7000亿元。在国民经济中7000亿元是什么概念？2014年A股新增总额不到7000亿元，2015年中国所有的PE、VC募资总额大概是7000亿元。

过去传统企业很少会面对来自消费端的欺诈风险，而现在虚拟交易空间的不透明和便利性，滋生了这一违法犯罪行为。

新的痛点开启了新的赛道。基于AI的非监督式机器学习技术。猛犸反欺诈在这个细分领域，发现了属于这个时代的新机遇。

在金融行业，为防止企业遭受巨额坏账损失、骗贷等情况发生，猛犸反欺诈的AI系统可以自主识别欺诈分子伪造身份、垃圾注册、账户冒用与盗用、登录异常、骗取重复授信等高风险行为。

在电商领域，欺诈分子在某一平台进行欺诈时，由于各商户间数据不共享，商户无法识别其欺诈身份。接入猛犸指纹设备后，实现数据互通，同一设备在该平台多次申请，平台能够标识交易来源设备。并形成预警，一旦识别出是欺诈设备，可快速屏蔽。避免损失。

另外，为解决企业客户在营销推广中所遇到推广效果的评估问题。猛犸反欺诈可以针对机器批量点击、机器刷量、垃圾注册、推广薅羊毛等欺诈行为提供设备识别解决方案。

不只是对企业，数字化、信息化为个人也带来了一些副作用，时空的界限被打破了，生活方式越来越碎片化，那种从容的状态越来越难维持。于是，便有了像助理来也这样的AI私人助理服务平台。通过语音、文本等自然交互方式，在微信服务号中为用户提供提醒、日程、习惯养成、资讯订阅等服务。

所以说，公司永远不要担心市场红利不够分，因为总有新的红利出来。没有完美的解决方案。只有不断地打补丁，如果你想领先别人半步，那就要善于发现补丁身上的“Bug”。

不把工具做成行业

准确地说。AI并不能定义为一门技术，它是一个系统。构成这个系统最重要的软硬件是芯片、算法、大数据，它们分别都是万亿级的市场。

目前，只有百度、寒武纪、华为等少数中国企业研发出了智能芯片。但目前来说，其技术水平与国外巨头仍有差距。

比如华为的Mate10手机，卖点之一是有人工智能芯片。这个芯片的应用不在通讯领域，而是在照片处理上。它可以识别并调整照片上光的强度、对比度等，让人拍出更好的照片。

这块是属于巨头们的蛋糕。而大数据带来的机会，则是属于所有人的。但是大数据本身不是人工智能，它必须要有人工智能的算法，才能真正发挥作用。

从数据的角度说。我们每个人每天都会产生海量的数据，这其中产生了很多商业机会。然而问题是，绝大部分甚至99%以上的数据是没用的。

许多互联网公司和经过信息化改造的大型传统企业，每年会收集到数以TB计的数据，但这些数据本身没有用，还要经过的大量处理才能变得有价值，这个过程中就需要算法。

现在每个企业都把数据作为自己最核心的资产，并不轻易交给外人。这也正是许多AI创业公司在与B端客户合作时面临的最大问题。同样，新的问题带来新的商机。

百分点在提供智能决策产品和智能认知产品的同时，还向企业客户提供一套大数据操作系统，通过数据源管理和深度学习，让客户自己掌控、读懂数据这一核心资产，进而在相互合作过程中。做到知己知彼。所以说，AI创业公司在商业化的过程中。必须首先了解自己行业的特点和规律。

互联网商业化之初，它曾被定义为某种工具，但是现在，它被称为一个行业。这是因为互联网已经形成了一套属于自己的玩法。有的人将其称为互联网思维。同理，还处在起步阶段的AI现在也更多扮演的是工具、赋能者，并非故事的主角。所以，创业者们需要继续寻找自己的定义，在这样一个前所未有的创业舞台上。

互联网+、工业4.0、AI+，分工产生效能

吴霁虹

互联网+和工业4.0带来了全球新经济的大浪潮。但是，就在很多传统商业还没来得及完成互联网+和工业4.0改造之时，AI+又接踵而至。我在给企业家、创业者培训和指导的时候，发现很多人分不清其中的不同。

这个问题是一个非常技术。也非常商业化的问题。我们以定制一双跑鞋为例。

工业4.0可以将你的订单要求变成各种机器设备能够识别的信息和数字，然后输入生产系统，一个环节、一个环节地接受计算机指令，直到自动生产、协同制造的完成。

互联网+的功能就是帮你实现需求与计算机或手机界面的连接，界面连接云端数据库，库中汇集海量鞋样，供你有选择地参与设计，帮助你完成网上下单、跟踪、交易全过程。

AI+的功能更加高级，它能根据你走路的着力点，根据你口令描述的需求特征，判断、分析、运算最适合你的跑鞋方案，甚至对你还没有想到却关心的问题进行提醒和建议。在你和AI系统之间，有一个Bot（以既有脚本为指引进行应答的聊天机器人）界面，能帮助你与机器互动、执行决策和下单。

进一步试想，如果你要解决的是交通拥堵问题、教育创新问题，或者捉拿隐藏犯罪的问题，那么，AI+与互联网+、工业4.0最大的不同，就是能够通过海量的动态交通数据、动态教学数据、动态犯罪行为，识别、分析、决策最佳解决方案。这是人类能力做不到的。

而它们之间最主要的区别在于：

互联网+让你实现连接，连接后，你想干什么、怎么干。互联网+并不管你。

工业4.0让你的机器、设备、装置互联网，实现工业生产的标准化、数字化、个性规模化，其所产生的信息仍然需要人类进行识别、分析、决策、行动。

AI+不但能讓你实现连接和互联。还要让你与连接和互联后产生的海量数字信息再次连接，让你通过Bot交互系统，与AI互动，帮你识别、帮你分析、帮你决策，甚至帮你行动。

互联网+、工业4.0、AI+的不同，还可以基于商业目标和功效，分门别类地进行比较。

成功的商业，本质是通过创新解决问题，将用户需求转变为用户消费，从而带来创新的经济现象。比如，工业4.0解决了生产线的低效问题，诞生了智能制造新经济;互联网+解决了信息不对称的问题，诞生了能够对接供需信息的电商经济和物流经济;AI+解决了基于个人需求的精准匹配、将个人需求转化为个人消费的难题，Bot新经济正在诞生。

反过来，一个创新的经济，也需要高效和高效益的商业运营来实现，互联网+、工业4.0、AI+就是高效的系统方式和系统工具。

因此，创新经济需要更好、更方便、更多、更有价值的用户信息;需要更高效、更低成本的生产制造;更安全、更友好的用户体验;更有利于个人和中小企业创业和发展的环境和条件。要实现以上所有目标，互联网+、工业4.0、AI+就要各自扮演好不同的角色。

AI来袭，九问传统企业

Christopher Thomas（唐睿思）

中国积极推进并引领AI革命，为国内非高科技类企业带来一定难题，因为后者将不得不开始采用AI技术。

很多这类传统企业开始与互联网公司在AI应用领域开展合作，以增加自身的成功几率。在这合作过程中，它们为今后可能颠覆自己的对手提供珍贵的专有数据以及行业经验。与可能摧毁自己的公司合作，就像它们冲击银行、商业及其他行业一样。合作方们真的能够帮助传统企业取得成功吗？高科技企业是否将成为中国AI繁盛时期的唯一赢家？

对于传统企业而言，如果不开展合作。其他可采用的策略为：投入资金，加入AI技术和能力的竞赛。然而，我们预测AI行业未来的发展带有很多不确定性，因此，仅靠预测采取上述举措可能是很不明智的。中国在AI领域发展的这一优势能否被国内传统企业所充分利用？CEO们需问自己九个关于AI战略的问题。

一、我们所处的行业在采用AI技术方面处于怎样的阶段？我们现在正处在以使用AI为主的应用吗？还是正处于将AI运用到业务当中的最初阶段？

二、我们所处的行业之中，谁正在引领使用AI技术？我们的公司是引领者、还是追随者？有哪些最佳做法是我们的公司可以学习和借鉴的？

三、我们的组织是否已经做好准备，制定并采纳AI战略？在公司内全面采用人工智能技术需要具备哪些基础？

四、在我公司所处的行业里，有哪些可行的AI应用案例？有哪些关键技术？哪些企业可以进入我们所处的行业？

五、从短期和长期看，AI可取得哪些业务成效？在AI领域的投资预计多久可以回报？在决定投资时机时预计会有哪些取舍？

六、我们应如何利用AI进入或打造新的领域？AI应用所提供的能力远远超越了当前的规范，可能促使企业将当前重点扩大到其他领域。AI将如何改变竞争规则。以及我公司所处的竞争格局？

七、我们应利用哪些AI的能力？根据我们对潜在案例的分析，以及AI的竞争影响，我们具体需要哪些技术和商业人才来实现我们的目的？

八、我们怎样才能获得上述能力？是外购、合作、还是自建？每项选择都有潜在的优势和劣势。

九、我们应如何利用上述能力打造持续的创新流程？企业必须能预测上述能力将如何推动企业在未来持续增长，才能够最大程度地利用AI的投资。

对于传统行业的企业，问题不在于他们是否应该考虑在自身的业务及战略流程中采用AI应用，而是他们应该制定怎样的AI战略，以及如何去实施这一战略。中国的非高科技企业或者可以向国内高技术企业学习，或者眼睁睁看着对方在技术行业独占鳌头。为避免企业落后或出现更糟的局面，CEO们必须积极考虑AI在其所在行業的现状以及潜在的未来，明确未来目标的重点，建立发现并捕捉AI在本行业推广效益的引擎。