人工智慧變現難題怎麼破？
眼下迫在眉睫的問題是要解決如何掙錢。
這個反差似乎既是意料之內，也是情理之中。最新一波人工智慧（AI）浪潮因為技術迎來突飛猛進的發展，在2015 年至2017 年持續了3 年的高潮，尤其是2015 年和2016 年，幾乎被“捧上了天”，只要跟科技沾邊的公司幾乎都言必稱AI。2018 年，人工智慧又被“摔在了地上”，因為行業遲遲沒有出現特別明晰的商業模式，“AI衰退論”從今年年初開始就不絕於耳。
在受到資本連續幾年的瘋狂追逐後，人工智慧、“商業落地”面臨諸多困難，模糊不清的商業模式也越來越被市場所詬病。從年初開始，“AI 如何落地”這一主題一直出現在各種大大小小的相關會議上。用一句大白話來講，不管是人工智慧創業公司，還是已經佈局人工智慧的巨頭公司，眼下迫在眉睫的問題都是要解決如何掙錢。
那麼，人工智慧落地，當下的挑戰是什麼？步入商業模式探索加速期的人工智慧企業，又該如何向前突破？
AI變現難在哪？
2020 年開始，AI 確實在很多細分行業中都出現了較大範圍的應用探索。比如安防領域，人臉識別已經陸續應用在各大火車站機場和大型活動安檢中，甚至幫助警方破案，今年張學友的演唱會安檢中就藉助人臉識別“抓住”了多名罪犯；無人駕駛汽車路大規模路測，谷歌、百度、優步等都在加速推進無人駕駛落地。語音互動類應用也大規模出現在手機、汽車、家居等多種場景中。
不過，這並不代表AI 就進入了大規模的商業化應用，多位業內人士指出，整個人工智慧的應用目前都還在初級階段，即便是那些頭部公司，比如BAT 以及商湯科技、曠視科技和出門問問等獨角獸創業公司，在大規模應用和落地這件事上也在努力摸索前進中。
在技術變現面前，大多數創業公司在初創早期都走過彎路。此前採訪的一家人工智慧創業公司早期就在技術產品化上踩過坑。該公司因為沒有看清行業發展節點，以致無法把握正確的應用場景。他們首個產品類似於導航儀，只是在將人工智慧技術整合到這一產品中，增加了攝像頭用於駕駛行為分析和基於分析的預警功能，在導航的同時解決安全問題。可是智慧手機興起後，單獨的導航儀式產品在汽車市場逐漸被拋棄了，應用場景改變，其產品即便是做的再好，也不會有市場優勢。該公司只能重新尋找 造正確的應用場景並梳理技術“落地”的形態。
誤入偽需求或者誤判應用場景是初創公司很容易犯的錯。專業人士曾表示，商業化進展緩慢往往可能是這個技術還沒有真正落地，或者市場需求還不夠大，也有可能是個偽需求，典型的是服務機器人行業，比如說放在一些大廳裡的服務機器人，最開始大家看見了可能回去跟它說個話互動一下，久了基本就成了一個擺設。這個可能暫時能賦予其一個美好的願望，但實際技術成熟度不夠，需求其實也沒有真正釋放出來。
一位人工智慧領域的投資人曾透露，傳統軟體行業的“套路”在當下都很難直接迅速移植到人工智慧領域中。“產品化確實是一個方向，可是現在依舊很難看到一個很清晰的人工智慧產品化路徑；賣服務或者解決方案的現在也有，但是你很難起量，大部分都是專案合作的形式，既沒有規模化的服務模式，一時半會兒也很難形成一套標準化的模式。”該投資人說。
以服務為例，人工智慧技術在各個細分行業中的應用，人工智慧公司基本需要和傳統廠商合作，比如提供無人駕駛技術不可能一上來就自己造車。該投資人分析：“企業既需要不斷去開拓和發現各個行業的機會，也要想方設法找到並拿下一批早期的標杆使用者。過程中你還得想清楚合作的模式，比如單純提供一個技術可能現在基本都沒有形成標準化，同時有些行業還得跟傳統廠商競爭，你得提供更有優勢或者更有創意的東西，競爭並不比進入或開闢一個新行業更小。”
一位人工智慧領域的創業者業說，創業公司跟行業中的大廠商合作確實難免會遇到一些掣肘，這些大廠商的開放程度往往跟他們自身所處發展階段以及所處行業的開放程度密切相關。
此外，有專家指出，做技術解決方案的可能還只限於某個環節，整個價值鏈沒有打通，很難在行業裡真正站住腳。比如做的一個軟體一開始可能有點競爭力，但過一段時間發現做硬體的友商也整合該技術，但是賣硬體的不單獨收新技術的錢就把賣軟體的給顛覆了。“所以做技術解決方案商業化難就是價值鏈沒有打通，靠某一個環節上有一個優勢，但這個優勢又不能保持很長時間，就很難站穩腳步。”吳欣說。
很多創業公司在前期基本都是基於某個行業的某個具體需求做的定製化服務。技術沉澱差不多的可能缺資料，有技術也有一定資料的則可能缺行業經驗，基本看不到一個通用型的技術直接就能丟擲去普遍適用。
即便是像IBM 這樣的巨頭企業也不例外，Watson 健康作為IBM 近幾年大力推廣“認知計算”中的標杆專案，今年上半年被The Register 曝出，Watson 健康部門要解僱50% 至 70% 的員工，這無疑跟其商業化程序有很大關係，關鍵還是沒有找到一種合作雙方都認可的商業模式。其中，前期的高昂成本支出就很容易讓合作方望而卻步，IBM 和德克薩斯大學MD 安德森癌症中心的合作就是一個例子，據公開資料顯示，自2013 年雙方開始合作，MD 安德森癌症中心為該專案投資已經超過6200 萬美元，然而這個如此“燒錢”的專案卻沒有一個標準化的購買規則，雙方最終也終止了該專案的合作。
AI變現難題怎麼破？
多位創業者表示，現在大家都是在開拓，先不斷找到應用場景，然後趕緊切進去，在此基礎上摸索出中短期的變現模式，再在當中一步步“打磨”，並發現或者可能形成長期的商業模式。
專家說：“行業中也在形成一些共識，賣軟體方案基本是比較難掙錢的，軟體+ 硬體一定是一個正確的商業模式。”吳欣認為，創業公司在產品研發階段就一定要考慮到未來的市場空間和商業化效果。
儘管人工智慧已經有幾十年的發展歷史，不過，因為技術不成熟、行業需求弱，在行業中也一直都是被作為一種前沿技術來看待，而隨著這兩年人工智慧技術在演算法方面的突飛猛進，尤其是在今年，一些細分領域的人工智慧技術也開始被認為已經成為了像網際網路一樣的“基礎技術”，最明顯的就是語音互動，從手機、智慧家居、汽車等多種應用場景都在迅速增加並更迭語音互動功能。可能要不了多久，語音互動也將變為各種智慧裝置中的“標配”。
到底是做技術賦能還是紮根一個細分領域做深是很多創業公司都會面臨的一個選擇。在吳欣看來，創業型公司的機會更多的是在於紮根細分領域做深。舉個簡單例子，在自動駕駛領域下還會分成不同的細分方向，有的企業更偏重於在自動駕駛資料的收集、地圖建立；有的企業則更專注於做輔助駕駛比如ADAS。
專家進一步解釋說：“創業型公司不可能像百度或騰訊那樣，上來就是做開放平臺，扮演為行業、企業賦能的角色。即便是放在細分市場上也會發現，創業型公司也不能僅僅是專注於某一個環節，同時還要注重加強對所在行業的理解，要跟細分行業做深度結合。”
某科技企業面向掃地機器人推出的嵌入式視覺導航定位模組為例，建圖、做好路徑規劃，最終正確指揮掃地機器人正確避讓行走等一系列細節問題都必須深入到掃地機器人行業，才能解決其中的痛點。她繼續說：“所以方方面面就是隻有做的越細，競爭壁壘才更高，否則的話也很容易被模仿。”
作為中國最早進軍語音技術的上市公司，科大訊飛的多名高層都曾在公開場合表示，只有齊聚“核心演算法、行業大資料和行業專家”三者，人工智慧才能在行業裡實現應用並最終被“用透”，迎來爆發式的大發展。
科大訊飛高階副Quattroporte杜蘭此前在接受採訪時也曾展開解釋：“要讓機器像人類那樣能理解會思考，就必須‘喂’給它海量資料。人工智慧在各個細分領域的應用創新，需要與行業專家合作，由頂尖專家制定標準，把他們的知識和智慧聚集起來，供機器學習和訓練，讓機器具備最優秀人類的能力。”
此外，人工智慧公司愈發激烈的“人才搶奪戰”與人工智慧人才缺口之間的矛盾也越來越大。某AI創業公司創始人透露： “現在整個人工智慧行業的狀態都有點誇張，往後也不太可能再這麼持續下去了。”在王波看來，人才的問題也將是人工智慧創業公司接下來需要解決的問題和挑戰，其它方面的儲備，其實所有企業基本都差不多。
AI 已經逐步進入真正的落地階段，對企業而言，接下來的關鍵是探索出一個讓行業和合作夥伴都認可並能形成規則化的商業模式，新一輪“AI變現軍備賽”中，所有企業肩上的變現壓力都不會小。
人工智慧變現難題怎麼破？
眼下迫在眉睫的問題是要解決如何掙錢。
這個反差似乎既是意料之內，也是情理之中。最新一波人工智慧（AI）浪潮因為技術迎來突飛猛進的發展，在2015 年至2017 年持續了3 年的高潮，尤其是2015 年和2016 年，幾乎被“捧上了天”，只要跟科技沾邊的公司幾乎都言必稱AI。2018 年，人工智慧又被“摔在了地上”，因為行業遲遲沒有出現特別明晰的商業模式，“AI衰退論”從今年年初開始就不絕於耳。
在受到資本連續幾年的瘋狂追逐後，人工智慧、“商業落地”面臨諸多困難，模糊不清的商業模式也越來越被市場所詬病。從年初開始，“AI 如何落地”這一主題一直出現在各種大大小小的相關會議上。用一句大白話來講，不管是人工智慧創業公司，還是已經佈局人工智慧的巨頭公司，眼下迫在眉睫的問題都是要解決如何掙錢。
那麼，人工智慧落地，當下的挑戰是什麼？步入商業模式探索加速期的人工智慧企業，又該如何向前突破？
AI變現難在哪？
2020 年開始，AI 確實在很多細分行業中都出現了較大範圍的應用探索。比如安防領域，人臉識別已經陸續應用在各大火車站機場和大型活動安檢中，甚至幫助警方破案，今年張學友的演唱會安檢中就藉助人臉識別“抓住”了多名罪犯；無人駕駛汽車路大規模路測，谷歌、百度、優步等都在加速推進無人駕駛落地。語音互動類應用也大規模出現在手機、汽車、家居等多種場景中。
不過，這並不代表AI 就進入了大規模的商業化應用，多位業內人士指出，整個人工智慧的應用目前都還在初級階段，即便是那些頭部公司，比如BAT 以及商湯科技、曠視科技和出門問問等獨角獸創業公司，在大規模應用和落地這件事上也在努力摸索前進中。
在技術變現面前，大多數創業公司在初創早期都走過彎路。此前採訪的一家人工智慧創業公司早期就在技術產品化上踩過坑。該公司因為沒有看清行業發展節點，以致無法把握正確的應用場景。他們首個產品類似於導航儀，只是在將人工智慧技術整合到這一產品中，增加了攝像頭用於駕駛行為分析和基於分析的預警功能，在導航的同時解決安全問題。可是智慧手機興起後，單獨的導航儀式產品在汽車市場逐漸被拋棄了，應用場景改變，其產品即便是做的再好，也不會有市場優勢。該公司只能重新尋找 造正確的應用場景並梳理技術“落地”的形態。
誤入偽需求或者誤判應用場景是初創公司很容易犯的錯。專業人士曾表示，商業化進展緩慢往往可能是這個技術還沒有真正落地，或者市場需求還不夠大，也有可能是個偽需求，典型的是服務機器人行業，比如說放在一些大廳裡的服務機器人，最開始大家看見了可能回去跟它說個話互動一下，久了基本就成了一個擺設。這個可能暫時能賦予其一個美好的願望，但實際技術成熟度不夠，需求其實也沒有真正釋放出來。
一位人工智慧領域的投資人曾透露，傳統軟體行業的“套路”在當下都很難直接迅速移植到人工智慧領域中。“產品化確實是一個方向，可是現在依舊很難看到一個很清晰的人工智慧產品化路徑；賣服務或者解決方案的現在也有，但是你很難起量，大部分都是專案合作的形式，既沒有規模化的服務模式，一時半會兒也很難形成一套標準化的模式。”該投資人說。
以服務為例，人工智慧技術在各個細分行業中的應用，人工智慧公司基本需要和傳統廠商合作，比如提供無人駕駛技術不可能一上來就自己造車。該投資人分析：“企業既需要不斷去開拓和發現各個行業的機會，也要想方設法找到並拿下一批早期的標杆使用者。過程中你還得想清楚合作的模式，比如單純提供一個技術可能現在基本都沒有形成標準化，同時有些行業還得跟傳統廠商競爭，你得提供更有優勢或者更有創意的東西，競爭並不比進入或開闢一個新行業更小。”
一位人工智慧領域的創業者業說，創業公司跟行業中的大廠商合作確實難免會遇到一些掣肘，這些大廠商的開放程度往往跟他們自身所處發展階段以及所處行業的開放程度密切相關。
此外，有專家指出，做技術解決方案的可能還只限於某個環節，整個價值鏈沒有打通，很難在行業裡真正站住腳。比如做的一個軟體一開始可能有點競爭力，但過一段時間發現做硬體的友商也整合該技術，但是賣硬體的不單獨收新技術的錢就把賣軟體的給顛覆了。“所以做技術解決方案商業化難就是價值鏈沒有打通，靠某一個環節上有一個優勢，但這個優勢又不能保持很長時間，就很難站穩腳步。”吳欣說。
很多創業公司在前期基本都是基於某個行業的某個具體需求做的定製化服務。技術沉澱差不多的可能缺資料，有技術也有一定資料的則可能缺行業經驗，基本看不到一個通用型的技術直接就能丟擲去普遍適用。
即便是像IBM 這樣的巨頭企業也不例外，Watson 健康作為IBM 近幾年大力推廣“認知計算”中的標杆專案，今年上半年被The Register 曝出，Watson 健康部門要解僱50% 至 70% 的員工，這無疑跟其商業化程序有很大關係，關鍵還是沒有找到一種合作雙方都認可的商業模式。其中，前期的高昂成本支出就很容易讓合作方望而卻步，IBM 和德克薩斯大學MD 安德森癌症中心的合作就是一個例子，據公開資料顯示，自2013 年雙方開始合作，MD 安德森癌症中心為該專案投資已經超過6200 萬美元，然而這個如此“燒錢”的專案卻沒有一個標準化的購買規則，雙方最終也終止了該專案的合作。
AI變現難題怎麼破？
多位創業者表示，現在大家都是在開拓，先不斷找到應用場景，然後趕緊切進去，在此基礎上摸索出中短期的變現模式，再在當中一步步“打磨”，並發現或者可能形成長期的商業模式。
專家說：“行業中也在形成一些共識，賣軟體方案基本是比較難掙錢的，軟體+ 硬體一定是一個正確的商業模式。”吳欣認為，創業公司在產品研發階段就一定要考慮到未來的市場空間和商業化效果。
儘管人工智慧已經有幾十年的發展歷史，不過，因為技術不成熟、行業需求弱，在行業中也一直都是被作為一種前沿技術來看待，而隨著這兩年人工智慧技術在演算法方面的突飛猛進，尤其是在今年，一些細分領域的人工智慧技術也開始被認為已經成為了像網際網路一樣的“基礎技術”，最明顯的就是語音互動，從手機、智慧家居、汽車等多種應用場景都在迅速增加並更迭語音互動功能。可能要不了多久，語音互動也將變為各種智慧裝置中的“標配”。
到底是做技術賦能還是紮根一個細分領域做深是很多創業公司都會面臨的一個選擇。在吳欣看來，創業型公司的機會更多的是在於紮根細分領域做深。舉個簡單例子，在自動駕駛領域下還會分成不同的細分方向，有的企業更偏重於在自動駕駛資料的收集、地圖建立；有的企業則更專注於做輔助駕駛比如ADAS。
專家進一步解釋說：“創業型公司不可能像百度或騰訊那樣，上來就是做開放平臺，扮演為行業、企業賦能的角色。即便是放在細分市場上也會發現，創業型公司也不能僅僅是專注於某一個環節，同時還要注重加強對所在行業的理解，要跟細分行業做深度結合。”
某科技企業面向掃地機器人推出的嵌入式視覺導航定位模組為例，建圖、做好路徑規劃，最終正確指揮掃地機器人正確避讓行走等一系列細節問題都必須深入到掃地機器人行業，才能解決其中的痛點。她繼續說：“所以方方面面就是隻有做的越細，競爭壁壘才更高，否則的話也很容易被模仿。”
作為中國最早進軍語音技術的上市公司，科大訊飛的多名高層都曾在公開場合表示，只有齊聚“核心演算法、行業大資料和行業專家”三者，人工智慧才能在行業裡實現應用並最終被“用透”，迎來爆發式的大發展。
科大訊飛高階副Quattroporte杜蘭此前在接受採訪時也曾展開解釋：“要讓機器像人類那樣能理解會思考，就必須‘喂’給它海量資料。人工智慧在各個細分領域的應用創新，需要與行業專家合作，由頂尖專家制定標準，把他們的知識和智慧聚集起來，供機器學習和訓練，讓機器具備最優秀人類的能力。”
此外，人工智慧公司愈發激烈的“人才搶奪戰”與人工智慧人才缺口之間的矛盾也越來越大。某AI創業公司創始人透露： “現在整個人工智慧行業的狀態都有點誇張，往後也不太可能再這麼持續下去了。”在王波看來，人才的問題也將是人工智慧創業公司接下來需要解決的問題和挑戰，其它方面的儲備，其實所有企業基本都差不多。
AI 已經逐步進入真正的落地階段，對企業而言，接下來的關鍵是探索出一個讓行業和合作夥伴都認可並能形成規則化的商業模式，新一輪“AI變現軍備賽”中，所有企業肩上的變現壓力都不會小。