本文作者为迅雷牵头创始人程浩，文章标题为《迅雷创始人程浩：人工智能创业的6大核心问题》，(公众号：)获得许可公布。以下为文章的内容：首先如果今天大家自由选择创业，我建议更加应当注目人工智能，而非互联网。

为什么这么谈？1. 互联网的流量红利早已消失；以PC来说，全球PC出货量倒数5年下降。大家告诉国内最后经常出现的一个PC互联网独角兽是谁吗？是知乎，大约是2011年初发售，这么多年过去，很久没PC互联网的独角兽经常出现。

做到个转换，我们告诉2015年移动互联网的渗透率和竞争程度和2011年的PC互联网类似于，以此类推，2015年以后再行做到移动APP，也很难出有独角兽了。却是中国倒数两年手机出货量都在5亿多台，快速增长上升，代表无线流量基本已回头追，你多买一台，我就少卖一台，是存量竞争。今天创业者再行做到一个显互联网的APP，投资人回答的第一个问题就是你怎么获客。

因为现阶段流量格局已以定，首屏就那几个APP。2. 互联网+的机会某种程度受限；主要在于互联网仅次于的价值，是解决问题信息不平面和相连。所以对于电商尤其有价值。

淘宝用皇冠、钻石等信用体系解决问题了信息不平面，同时又把全国有这么多买家和卖家相连在一起。这个是互联网的价值。但很多行业信息和相连并不是痛点。

拿医疗举例，中国三甲医院的大夫就那么多，你把全国13亿人民都和这些大夫相连上了也不行，因为一个医生一天还是不能看那么多病人。互联网并没提升医生看诊的效率。在诸如餐饮、医疗这些传统领域，互联网的协助是很受限的。

也还包括滴滴微信，互联网解决问题了微信无以的问题，但是没有解决问题微信价格的问题。事实上，补贴去除之后，大家都找到了滴滴一点都不低廉，道理很非常简单——不管是专车还是出租车，还是必须由人来进，人工成本降不下来，就不有可能低廉。3. 确实需要提升社会生产力，解决问题供需关系不均衡的就是人工智能；人工智能将给社会生产力带给的提升，以及对人类带给的影响将相比之下多达互联网。还是拿医疗来说，很多基层医院水平不低，那未来几乎可以通过人工智能来辅助医生读CT、X光等医疗影像。

像今年，IBMWatson对皮肤黑色素瘤的临床，准确率已提升至97%，相比之下多达了人类专家75%-84%的平均水平。未来，人工智能无论是在无人车、机器人、医疗、金融、教育还是其他领域，都将愈演愈烈极大的社会效益，这点毋庸置疑。我建议现在的创业者更加应当注目人工智能领域的创业机会。第二个问题：人工智能 vs 人工智能+人工智能主要分三层。

最底层是基础架构（Infrastructure），还包括云计算、芯片以及TensorFlow这样的框架。在基础层之上是中间层，叫标准化技术（EnablingTechnology），例如图像识别、语音辨识、语义解读、机器翻译这些。基础层和中间层，是互联网巨头的必争之地。

比如芯片领域，Intel、英伟达、高通都投放巨资，竞争极为白热化。某种程度云计算、框架也是一样，都不是小公司需要投身于的领地。

现在对于中间层的标准化技术，BAT也极为推崇。因为大家都坚信人工智能是下一波工业革命浪潮。对腾讯、阿里、百度这些巨头来讲，要想要在大浪中矗立不推倒，必需要建构出有人工智能的生态系统（Ecosystem）。

而核心就是要依赖这些Enabling Technology技术。比起创业公司，BAT的仅次于优势是什么呢？第一，不补数据；第二，为了建构自己的生态系统，未来标准化技术一定全部是免费的；第三，虽然标准化技术免费，但BAT有羊毛出在身上的猪机会。

这是典型的互联网踢法。这里的猪是什么？猪就是云计算。例如百度的ABC策略，分别代表人工智能（AI）、大数据（Big Data）和云计算（Cloud Computing）。AI我可以不赚，对外开放给大家，那么大家想要享用我的服务，就来卖我的云吧。

而对于创业企业来说，只做到图像识别、语音辨识、语义解读、机器翻译这些标准化技术，确信通过SDK卖钱，未来路会更加较宽，尤其是BAT都免费的压力下。所以从这个角度谈，创业公司做到下面两层风险较为大。我指出创业公司的机会在最上层，就是拿着下两层的成果去服务横向行业，也就是我们所谓的人工智能+。第三个问题：人工智能+ vs +人工智能了解横向行业的人工智能+，又可细分为两类情况：即“人工智能+行业”和“行业+人工智能”，他们间有显著的区别。

“AI+行业”非常简单谈就是在AI技术成熟期之前，这个行业、产品未曾不存在过。比如自动驾驶，亚马逊的Echo智能音箱、苹果的Siri语音助手。在人工智能技术并未突破前，不不存在这样的产品。因为AI，建构出有了一条全新的产业链。

“行业+AI”就是行业本身仍然不存在，产业链条成熟期，只是以前几乎靠人工，效率较为较低，现在重新加入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。

客观谈，这两个类别都有创业机会。但“AI+行业”，因为是一条新的产业链，创业公司与互联网巨头实际是处在同一起跑线上。

巨头们坐拥数据优势。所以从这个角度，“行业+AI”比较对创业公司更加友好关系，也更容易建构出有壁垒。我指出，未来行业壁垒才是人工智能创业仅次于的护城河。

因为每个行业都有横向两翼, 尽管BAT技术好一点、并不关键。拿医疗+AI举例，什么最重要？大量精确的被医生标示过的数据最重要。没数据，再行天才的科学家也无用武之地。但在国内，这个医疗数据拿出来十分艰难。

所以BAT做到医疗一点优势都没，因为他们要把这些数据，从各医院、各科室做出来也很累。忽略，如果一个创业者在医疗行业深耕很多年，或许拿起数据来比大公司更容易。这拒绝创立团队的合伙人中，必需有不懂行业、有行业资源的人才。

这与互联网+一样，一旦细分到明确行业，并不是说道你百度、腾讯有资金、有流量，投放人才就什么都能做到，较量的还有行业资源和人脉。、之所以跟大家闲谈这个话题，是因为前一段去百度大学跟大家交流，他们提及百度人工智能在无人车和DuerOS的应用于。

同时又回答我，人脸识别在国内安防领域的应用于价值十分大。像海康威视有将近3000亿人民币的市值，每年光净利润就有将近百亿。百度在AI方面是不是该考虑到进占这个领域。

我问说道千万别，因为安防是典型的、有极大壁垒的“行业+AI”领域。即使百度技术好，在人脸识别亲率方面比海康威视低一个百分点（实际不一定，海康背后有几百人的AI研发团队）。

但这并不代表百度就能替代海康。因为安防是“非关键性应用于”（non-mission-critical），100个犯人我辨识了95个，你比我多辨识了一个做了96个，只不过没有那么最重要。而反过来，海康对比百度有什么优势？首先海康是做到摄像头的，用自己的硬件跑完自己的算法，是很大自然的事儿。就像苹果手机，韧一体体验更佳。

其次，海康做到了这么多年的安防，累积了十分多的数据，人脸的数据、环境的数据……在安防领域有数据优势。最后，海康给公安系统做到了很多类似于警务通、基站信息采集、视图档案管理等SaaS平台的东西，以及警用云系统。

我们可以指出公安系统的IT化，其中有一部分就是海康威视参予的。这些东西有可能不赚，但却为海康建构了壁垒。因为底层的基础设施都是我辟的，那前端的东西就不能用我的（我可以有100个理由，说道竞品与我不相容）。

而且海康做到了这么长时间，累积了大量的客户资源，尤其是政府公安局的资源，拓展这些资源十分必须时间。这些就是所谓的行业两翼。所以即使对BAT而言，想要转入“行业+AI”领域，自由选择横向赛道时，某种程度要十分慎重。

在极大的行业壁垒面前，真为不是说道我的算法比你好一些，市场就是我的，只有技术优势依然劣的较远。重返 “AI+行业”和“行业+AI”，一般来说来讲前者的行业两翼不会较为深，而后者则有极大的行业壁垒。而行业壁垒，则是创业公司仅次于的护城河，也是抵御BAT的关键。

第四个问题：关键性应用于 vs 非关键性应用于谈及人工智能领域的创业，很多人都会有个误会，就是如果我团队没个大牛的科学家，比如斯坦福、MIT的博士坐镇，我都说什么谈在人工智能方面创业。只不过这个理解是几乎错的。

因为在人工智能领域，算法究竟有多最重要，几乎各不相同你要打算转入哪个行业。根据行业和应用于场景有所不同，我何谓人工智能的创业本质下有mission-critical和non-mission-critical之分。

为了便利大家解读，我们全称为“关键性应用于”和“非关键性应用于”。“关键性应用于”要执着99.9……%后的多个9，做到将近就不了商业化。比如大家指出，99%可靠度的自动驾驶能上路吗？认同无法，意味著100次就出有1次事故。99.9%也敢，1000次出有一次事故。

千万忘记，99%和99.9%的可靠度差距并不是0.9%，而是要反过来算数，差距是10倍。也还包括手术机器人，听得一起99.9%可靠度早已很高了，但意味著1000次出有一次医疗事故，放到美国，医院还不得被巨额赔偿搞得倒闭。

所以“关键性应用于”领域，就是一丁点儿错都无法罪的人工智能领域，必需要有技术大牛、科学家或算法专家坐镇。同时，这类项目研发周期都很长。

正如以色列做到ADAS （高级驾驶员辅助系统）解决方案的Mobileye公司，今年3月被Intel以153亿美金并购。大家告诉这家公司研发周期有多长吗？Mobileye正式成立于1999年，到他们发售首款产品、挣到第一桶金已成2007年。长达8年的研发周期。

这在互联网创业里不可想象。还包括谷歌无人车从2009年开始研发，到现在仍然没商业化；达芬奇手术机器人从启动研发到2000年获得美国食品药品管理局（FDA）的证书，花上了十年时间。

“关键性应用于”的广泛特点就是这样，项目一般来说很喜，研发周期巨长，离钱十分近，必须持续的融资能力，团队怎样才有持续融资？起码要有十分好的履历和十分好的背景。这个是需要持续融资的适当前提。

所以大家可以看见，今天做到无人驾驶的创业团队都是高富帅。因为不是高富帅，你都煮将近产品确实商业化应用于那天。

当然，如果在人工智能领域都是“关键性应用于”，那就没有大多数创业者什么事了。实质上，人工智能领域的创业，95%都是“非关键性应用于（none-mission-critical）”。

非常简单谈对这些领域，AI的可靠度只要过了基础线，低一点较低一点区别并不大。最简单的例子，现在很多公司的形同虚设开始用人脸识别。你今天带上个帽子，明天戴着个墨镜或口罩，识别率不了做99%。可即使没有辨识出来也没问题。

因为所有带上人脸识别的形同虚设都有地方让你按指纹。即使指纹也翻不进来，问题也并不大，公司不还有前台吗。

这就是“非关键性应用于“。这类项目不执着99%后面的很多个9。实质上，国内人工智能和机器人方向的创业，大部分领域都是“非关键性应用于”。

当然并不是说道，在这个领域算法不最重要，你天天认不出来也敢，所以一定要过了基础的可用性门槛，有时候经常出现问题可以忽视。“关键性应用于”则不能容忍。“非关键性应用于“不执着矮小上，非常简单、简单、性价比低更加最重要，这样的项目一般来说较量综合实力。还包括：对行业的洞察解读。

要熟悉行业痛点；产品和工程化能力。光在实验室里做没有意义；成本掌控。

不光能做到出来的产品，还得低廉的做到出来；供应链能力。不光能销售，还要能批量生产；营销能力。

产品出来了，你得把东西卖出去。团队里是不是营销高手，能无法搞定最差的渠道是关键。所以大家在创业组团队时，一定要想好你自由选择的赛道正处于哪个领域，有所不同的赛道对于团队的拒绝是不一样。

“关键性应用于”必需有技术大牛坐镇，“非关键性应用于”则拒绝团队更为综合和全面。第五个问题：技术提供商 vs 全栈服务商现在很多人工智能创业者都是技术背景名门，创业的第一个点子一般来说是做到技术提供商。

技术提供商作为创业的敲门砖可以。但如果只定位做到技术提供商，未来路会十分较宽。为什么说道未来只做到技术提供商价值不会更加小？原因有几点：1. 首先标准化技术一定是大公司的赛道，BAT未来一定会对外开放免费。人家大公司不会免费获取人脸识别、语音辨识、语义解读、机器翻译这类EnablingTechnology，你还想怎么靠API调用赚呢？或许现在还可赚到点小钱，但很难沦为一个持久的做生意。

2. 相结合于算法的技术壁垒不会越来越低。未来随着基础计算出来平台和开源平台的非常丰富成熟期，技术方面的壁垒不会更加不显著，整个人工智能的技术管理制度门槛不会就越叛就越较低。就像2008年你想要去找个IOS开发者，很难，现在却很更容易一样，所有技术的演变都遵循这一规律。

尤其随着今天各大学的计算机专业，都争相开办机器学习课程，未来人才不补，这不会纳较低整个行业的转入门槛。同时随着谷歌TensorFlow等生态系统的成熟期，很多领域都会有训练好的模型可以用来参照（出有Demo不会更慢），创业者只要有充足的数据来训练参数就好了。所以未来算法的壁垒不会越来越低，如果这个公司的核心竞争力只是算法，那将十分危险性。

3.技术提供商如果不必要面向用户/客户获取整体解决方案，则非常容易被上下游碾压：对于技术提供商和算法类公司，如果你的技术壁垒过于低，上游很有可能必要把你的事做到了。这样的例子比比皆是，比如给海康威视获取人脸识别算法的公司。

问题就在于，海康在用你算法的时候，人家也有可观的研发团队在研究自己的算法。现在用你是人家还没有准备好，一旦准备好马上不会把你更换掉。

即使在有一定技术门槛的行业，技术提供商的日子某种程度并不好过。比如专心嵌入式的视觉处置芯片的Movidius，大疆无人机仍然在用他们的芯片。但自从大疆统治者了消费级无人机市场后，大疆现在也很大自然地开始研发自己的芯片。

按说芯片的技术壁垒并不较低，但只要行业集中度低，赢家就不会自由选择通吃。比如做到手机的厂商，出货量到了一个阀值，都有动力自己做到芯片。

像苹果、三星、华为还有现在的小米，都自由选择了自己做到手机CPU。所以联发科、高通这些技术提供商，只不过是一挺伤痛的。

这只不过是一个产业链标准化规律：产业链上的垄断者不会吃所有利润，而且他们十分有动力往上游或下游拓展。拿PC产业链举例，内存、硬盘、整机、显示器……都不赚。

钱被谁赚到回头了？Windows和Intel却赚到回头了绝大部分利润。既然做到显技术提供商没决心，那怎么办？浩哥明确提出“一横一纵”理论。

前期做到技术服务可以，但是无法一辈子做到技术服务。“一斜”就是指你获取的技术服务。一般来说“一斜”能服务很多行业，一定要寻找1、2个，你指出最有市场机会，最合适你的横向领域，深扎进来做到“全栈”：把技术转化成为产品，然后搞定用户卖出去，构建商业所求，再行通过商业对系统更好的数据，更为夯实自己的技术。一句话谈，要做到技术、产品、商业和数据四位一体的“全栈”，这就是“一纵”。

这才是身体健康的商业模式。在横向外的行业，因为没利益冲突，你仍可老老实实的做到技术服务。这样的话，商业上你能吃透一个横向行业，技术上你还能通过纵向合作，构成更好的数据电路，从而夯实你的技术。

这个就是“一横一纵”理论。那么对于技术创业公司，从“一斜”回头到“一纵”，要选哪个横向领域，各不相同5个关键因素：市场空间够不够大？做到横向领域的全栈，还是做到纵向的技术提供商？各不相同市场空间哪个更大。

去找对横向领域，即使只占到一点点市场份额，也有可能比做“一斜”全归你的收益大。拿美图公司举例，他们有美图秀秀、美拍电影、美颜照相机等APP，同时还不会跟很多手机厂商合作，获取照相机摄制的美颜效果，你可以解读这就是技术服务。但研究2016财报后，大家告诉美图秀秀中选的“一纵”是什么吗？就是美图手机。

以上提及的技术服务都近没横向做到美图手机赚。美图手机占到了公司全部营收的93%。

虽然美图手机去年的销量约在74.8万台，意味着只占到国内手机市场全年销量5亿多台的严重不足0.15%。行业集中度如何？做到“一斜”技术提供商时，最担忧的是你的上游或下游过分集中于，或者说头部效应就越显著，对技术提供商就就越有利。

荐个非常简单的例子，IDC时代，HP、DELL等厂商买服务器，都是必要卖给各IT公司，大家日子过的都很滋润。但2010年之后就很难做到了，因为云计算经常出现了。

获取云计算的厂商就那几个，两只手就能数出来。而且头部效应极为显著，仅有阿里云一家占到了50%以上份额。如果你是一个技术提供商，在跟这么独占的行业去谈判，你不会找到没任何筹码。

所以现在就很悲催，假设我是阿里云，不会让你所列BOM成本，我就给你5%或10%的利润，这个做生意就很难做到了。在这种情况下，你当然有意愿也往上游回头。

但带给的问题是什么？如果上游集中度低，解释这事的壁垒很高，你作为技术提供商想要往上走，某种程度很艰难；如果这个上游集中度较低或客户很零散，对你是件好事。但是你也没过于大动力往上游回头，因为这个市场本来就很零散，你即使杀进去，有可能只有1%的市场份额，而且使得99%的人都变为你的竞争对手了。

这是个悖论。技术是改进还是革命？如果你的技术创新对这个横向领域是革命性的，就就越有机会回头到上游。如果只是改进性的，你就老老实实在下游赚到个艰辛钱忘了。

越是颠覆性的东西，就越有机会往上游回头。因为上游就越必不可少你，意味著你有机会做到他的事。打个异想天开的比方，如果你能获取一个“待机一礼拜”的电池，那你就可以考虑到自己做到手机，你的手机只打一点：一星期不必电池，而且是全球唯一！就这一点有可能就不够了，因为这个技术是革命性的。

忽略，如果是改进性的技术，例如你的电池待机只是比以前多了10~20%，那你还是老老实实买电池吧。双方壁垒谁更高？技术提供商的壁垒和上游客户的壁垒哪个更高，也要求做到“一纵”的胜败。拿较为火的直播平台而言，现在都有美颜功能，例如给女孩宽出有个耳朵那种，这个一般来说都是第三方获取的技术。

技术本身的壁垒并不低，很多公司都能获取，虽然效果有一些小的差异，但你没显著优势。可是直播的壁垒非常低，这事有网络效应，用户越少不会更有更好的美女主播，因为能赚到到更加多钱，美女主播就越多，也不会带给更好的用户。

同时你舍不得花钱，必须很多资金来卖流量以及签下很NB的主播。所以这个事壁垒很高。你做到技术提供商壁垒不低。这种情况下，虽然技术提供商不能赚到个艰辛钱，但是依然几乎没机会往上游回头。

究竟跟团队基因吻合不吻合？能做到得了技术服务，不代表能做到横向解决方案，做到全栈，因为团队不一定有行业经验，这是相当大的问题。亚马逊的无人便利店Amazon Go出来之后，国内不少技术团队也想要获取类似于的技术，甚至想要做到2C的便利店。与他们聊完后，我都会劝说他们再考虑一下，你的技术再行好，对于用户而言，他卖东西的时候，不会看这个便利店有人还是无人的吗？会，这不是优先选项。他首要考虑到的还是——哪个便利店离我更加将近，以及我想买的东西这个便利店是不是。

从这个意义谈，这又返回了零售的本质。所以如果团队没零售的基因，没不懂零售的人，就别考虑到自己进便利店的事。

这时候，很多人可能会问“那我去找个不懂行业的高管不就行了么？”这事没有那么非常简单，如果CEO不理解行业本质，只不过是很难靠一个低管去填补的。我尤其坚信基因决定论，如果任何一个新的商业，BAT去找个不懂行业的高管就能搞定了，那中国互联网的做生意就仅有是BAT的了，就没有创业公司什么事了。

BAT，一个做到搜寻，一个做到电商，一个做到社交。只不过他们3个都把对方的事情已尝试了一遍，最后都不顺利。所以大家能做到什么，无法做到什么，跟这个公司的基因是高度涉及的。第六个问题：2C vs 2B最后一个问题，非常简单说道一下，科技成熟期都必须一定的时间。

因为从任何技术普及演变的角度，完全都沿袭了趁此机会从军工（航天）、到政府、到企业、到B2B2C、再行到2C这个规律。人工智能也一样，目前人工智能在2C市场还不是很成熟期。非常简单说道机器人，在个人消费者市场，出货量大的机器人只有4类产品：扫地机器人、无人机、STEAM教育类机器人和亚马逊ECHO为代表的智能音箱。

为什么2C市场早期的普及有一定的艰难，非常简单谈几个原因：1. 产业链不成熟期我做到一个创意的东西，成品有10个部件。每一个部件都得自己做到，而且因为出货量并不大，每个部件都没规模效应，这就造成每个部件都很贵，那你最后作出成品一定很喜。

这是十分大的问题。2. 2C是额外花钱这也是很最重要的一个问题，2C端的用户因为出钱、额外花钱，所以对价格一般来说较为脆弱，产品很喜就是一个相当大的门槛。3. 2C产品的用户期待度低用户买了这么喜的东西，大自然对产品的期待度不会更高很多。大家实在我卖一个机器人回去，恨不得什么都能干：又能唱歌、又能唱歌、又能聊天、又能洗手、又能谈英语。

但这是不现实的，现在的技术成熟度离此还有些近。相对于2C末端，这些问题在2B末端却不是问题。

1. 2B末端对价格承受能力更高首先，企业对价格的承受能力似乎比2C强劲很多。你说道一个机器人2万，2C消费者不有可能卖，但企业问题并不大，企业对成本承受能力低。

2. 2B的核心目的是叛成本举例工业机器人，10万块钱一个，听得一起很喜。但一个工业机器人替代你2个岗位。这2个岗位一年也得10万块钱，还远比四险一金。

然后这机器人能工作4年，这一下成本只有你原本的25%，甚至将近。那么企业一闹，实在还是很低廉。3. 2B可以采行人机混合模式还有2B端的机器人应用于更加非常简单一些。

一方面大多是单任务，机器人只要作好一件事就行了，构建一起非常简单。另外，很多都是以人机混合模式在作业。

也就是以前必须10个人挣钱，现在我用机器人替代一半人。非常简单反复的工作用机器人替代，简单的用只剩的5个人，这就是人机混合模式。荐个例子，现在国内外有数很多安保机器人，按相同路线去侦察。

你可以解读为移动的摄像头，当然算法上认同重新加入了一些辨识的东西。相同绕行路线侦察，这个几乎可以转交机器人来做到。无以的是，在侦察的过程中，如果找到有老太太跌倒了，让机器人扶起来，这个目前还做到将近。但这不最重要，你们后台不还有5个人么，让他们过来就好了。

所以人机混合是2B较为主流的模式，这个大幅度减少了机器人普及的可玩性。最后再说一点，目前大多数AI创业公司都是技术专家主导，这很更容易解读，因为现在技术还有壁垒，技术专家主导起码确保产品能做到出来。

不过未来随着技术门槛的减少，尤其在“非关键应用于”领域里，团队的核心主导，不会渐渐过渡到产品经理和行业专家居多，因为他们离用户市场需求最近。“非关键应用于”领域，不懂市场需求比技术构建更加最重要。

长年来看，人工智能创业和任何其他领域的创业一样，一定是综合实力的较量！特约稿件，予以许可禁令刊登。下文闻刊登须知。

本文来源：开元7818网页版-www.thefreecontent.com