人工智能创业项目，想清楚这六点很重要

已经成了如今的热门话题，也将成为未来的主要技术之一。所以现在很多的人都瞄准了这个具有前景的行业，纷纷举起了的大旗。然后，毕竟是个兴新行业在技术和经验上还存在这巨大的不足，所以想要，有6关键点是必须要知道的。为此本文给大家总结了的6大核心问题。

第一个问题： vs

首先如果今天大家选择，我建议更应该关注，而非。为什么这么讲？

1. 的流量红利已经消失；

以PC来说，全球PC出货量连续5年下滑。大家知道国内最后出现的一个PC独角兽是谁吗？是知乎，大概是2011年初推出，这么多年过去，再也没有PC的独角兽出现。做个类比，我们知道2015年移动的渗透率和竞争程度和2011年的PC类似，以此类推，2015年以后再做移动APP，也很难出独角兽了。

毕竟中国连续两年出货量都在5亿多台，增长放缓，代表无线流量基本已走平，你多卖一台，我就少卖一台，是存量竞争。今天者再做一个纯的APP，人问的第一个问题就是你怎么获客。因为现阶段流量格局已定，首屏就那几个APP。

2. 的机会同样有限；

主要在于最大的价值，是解决信息不对称和连接。所以对于特别有价值。淘宝用皇冠、等信用体系解决了信息不对称，同时又把全国有这么多买家和卖家连接在一起。这个是的价值。

但很多行业信息和连接并不是痛点。拿举例，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连接上了也没用，因为一个医生一天还是只能看那么多病人。并没有提高医生看诊的效率。在诸如、这些传统领域，的帮助是很有限的。

也包括滴滴打车，解决了打车难的问题，但是没解决打车价格的问题。事实上，补贴去掉之后，大家都发现了滴滴一点都不便宜，道理很简单 不管是专车还是出租车，还是需要由人来开，人工成本降不下来，就不可能便宜。

3. 真正能够提高社会生产力，解决供需关系不平衡的就是；

将给社会生产力带来的提高，以及对人类带来的影响将远远超过。

还是拿来说，很多基层医院水平不高，那未来完全可以通过来辅助医生读CT、X光等影像。像今年，IBMWatson对皮肤黑色素瘤的诊断，准确率已提高至97%，远远超过了人类专家75%-84%的平均水平。

未来，无论是在、、、、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，而是+。我建议现在的者更应该关注领域的机会。

第二个问题： vs +

主要分三层。最底层是基础架构（Infrastructure），包括、以及TensorFlow这样的框架。在基础层之上是中间层，叫通用技术（EnablingTechnology），例如图像识别、、语义理解、机器翻译这些。

基础层和中间层，是巨头的必争之地。比如领域，Intel、英伟达、高通都投入巨资，竞争极其激烈。同样、框架也是一样，都不是小公司能够涉足的领地。

现在对于中间层的通用技术，BAT也极其重视。因为大家都相信是下一波工业革命浪潮。对腾讯、阿里、百度这些巨头来讲，要想在大浪中屹立不倒，必须要构建出的生态系统（Ecosystem）。而核心就是要依靠这些Enabling Technology技术。

相比公司，BAT的最大优势是什么呢？第一，不缺数据；第二，为了构建自己的生态系统，未来通用技术一定全部是免费的；第三，虽然通用技术免费，但BAT有羊毛出在身上的猪机会。这是典型的打法。

这里的猪是什么？猪就是。例如百度的ABC策略，分别代表（）、（Big Data）和（Cloud CompuTIng）。我可以不赚钱，开放给大家，那么大家想享受我的服务，就来买我的云吧。

而对于企业来说，只做图像识别、、语义理解、机器翻译这些通用技术，指望通过SDK卖钱，未来路会越来越窄，特别是BAT都免费的压力下。

所以从这个角度讲，公司做下面两层风险比较大。我认为公司的机会在最上层，就是拿着下两层的成果去服务垂直行业，也就是我们所谓的+。

第三个问题：+ vs +

深入垂直行业的+，又可细分为两类情况：即 +行业 和 行业+ ，他们间有明显的区别。

+行业 简单讲就是在技术成熟之前，这个行业、产品从未存在过。比如，亚马逊的Echo智能音箱、苹果的Siri语音助手。在技术未突破前，不存在这样的产品。因为，创造出了一条全新的产业链。

行业+ 就是行业本身一直存在，产业链条成熟，只是以前完全靠人工，效率比较低，现在加入元素后，使得行业效率有了明显提高。比如、等领域。

客观讲，这两个类别都有机会。但 +行业 ，因为是一条新的产业链，公司与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+ 相对对公司更为友好，也更容易构建出壁垒。

我认为，未来行业壁垒才是最大的护城河。因为每个行业都有垂直纵深， 尽管BAT技术好一点、并不关键。拿+举例，什么最重要？大量准确的被医生标注过的数据最重要。没有数据，再天才的科学家也无用武之地。

但在国内，这个数据拿出来非常困难。所以BAT做一点优势都没有，因为他们要把这些数据，从各医院、各科室搞出来也很累。相反，如果一个者在行业耕耘很多年，也许拿起数据来比大公司更容易。

这要求创始团队的合伙人中，必须有懂行业、有行业资源的人才。这与一样，一旦细分到具体行业，并不是说你百度、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。

之所以跟大家聊这个话题，是因为前一段去百度大学跟大家交流，他们提到百度在和DuerOS的应用。同时又问我，在国内领域的应用价值非常大。像海康威视有近3000亿人民币的市值，每年光净利润就有近百亿。百度在方面是不是该考虑进军这个领域。我回答说千万别，因为是典型的、有巨大壁垒的 行业+ 领域。

即使百度技术好，在率方面比海康威视高一个百分点（实际不一定，海康背后有几百人的研发团队）。但这并不代表百度就能替代海康。因为是 非关键性应用 （non-mission-criTIcal），100个犯人我识别了95个，你比我多识别了一个做到了96个，其实没那么重要。

而反过来，海康对比百度有什么优势？首先海康是做摄像头的，用自己的硬件跑自己的算法，是很自然的事儿。就像苹果，软硬一体体验更好。其次，海康做了这么多年的，积累了非常多的数据，人脸的数据、环境的数据 在领域有数据优势。最后，海康给公安系统做了很多类似警务通、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。我们可以认为公安系统的IT化，其中有一部分就是海康威视参与的。

这些东西可能不赚钱，但却为海康构建了壁垒。因为底层的基础设施都是我建的，那前端的东西就只能用我的（我可以有100个理由，说竞品与我不兼容）。而且海康做了这么长时间，积累了大量的客户资源，特别是政府公安局的资源，开拓这些资源非常需要时间。

这些就是所谓的行业纵深。所以即使对BAT而言，想进入 行业+ 领域，选择垂直赛道时，同样要非常谨慎。在巨大的行业壁垒面前，真不是说我的算法比你好一些，市场就是我的，只有技术优势仍然差的很远。

回归 +行业 和 行业+ ，通常来讲前者的行业纵深会比较浅，而后者则有巨大的行业壁垒。而行业壁垒，则是公司最大的护城河，也是抵挡BAT的关键。

第四个问题：关键性应用 vs 非关键性应用

谈到领域的，很多人都会有个误解，就是如果我团队没有个大牛的科学家，比如斯坦福、MIT的博士坐镇，我都不好意思讲在方面。其实这个认知是完全错的。因为在领域，算法到底有多重要，完全取决于你要准备进入哪个行业。

根据行业和应用场景不同，我认的本质上有mission-criTIcal和non-mission-criTIcal之分。为了方便大家理解，我们简称为 关键性应用 和 非关键性应用 。

关键性应用 要追求99.9 %后的多个9，做不到就没法商业化。比如大家认为，99%可靠度的能上路吗？肯定不能，意味着100次就出1次事故。99.9%也不行，1000次出一次事故。

千万记住，99%和99.9%的可靠度差距并不是0.9%，而是要反过来算，差距是10倍。也包括手术，听起来99.9%可靠度已经很高了，但意味着1000次出一次事故，放在，医院还不得被巨额索赔搞得破产。

所以 关键性应用 领域，就是一丁点儿错都不能犯的领域，必须要有技术大牛、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ADAS （高级驾驶辅助系统）解决方案的Mobileye公司，今年3月被Intel以153亿美金收购。大家知道这家公司研发周期有多长吗？Mobileye成立于1999年，到他们推出首款产品、挣到第一桶金已是2007年。长达8年的研发周期。这在里不可想象。包括谷歌从2009年开始研发，到现在一直没有商业化；达芬奇手术从启动研发到2000年拿到管理局（FDA）的认证，花了十年时间。

关键性应用 的普遍特点就是这样，项目通常很贵，研发周期巨长，离钱非常远，需要持续的能力，团队怎样才有持续？起码要有非常好的简历和非常好的背景。这个是能够持续的必要前提。所以大家可以看到，今天做的团队都是高富帅。因为不是高富帅，你都熬不到产品真正商业化应用那天。

当然，如果在领域都是 关键性应用 ，那就没大多数者什么事了。实际上，领域的，95%都是 非关键性应用（none-mission-critical） 。简单讲对这些领域，的可靠度只要过了基础线，高一点低一点区别不大。

最简单的例子，现在很多公司的开始用。你今天带个帽子，明天戴个墨镜或口罩，识别率没法做到99%。可即使没识别出来也没问题。因为所有带的都有地方让你按指纹。即使指纹也刷不进去，问题也不大，公司不还有前台吗。

这就是 非关键性应用 。这类项目不追求99%后面的很多个9。实际上，国内和方向的，大部分领域都是 非关键性应用 。当然并不是说，在这个领域算法不重要，你天天认不出来也不行，所以一定要过了基础的可用性门槛，偶尔出现问题可以容忍。 关键性应用 则不能容忍。

非关键性应用 不追求高大上，简单、实用、性价比高更重要，这样的项目通常比拼综合实力。包括：

对行业的洞察理解。要熟知行业痛点；

产品和工程化能力。光在实验室里搞没意义；

成本控制。不光能做出来的产品，还得便宜的做出来；

能力。不光能出货，还要能批量生产；

营销能力。产品出来了，你得把东西卖出去。团队里有没有营销高手，能不能搞定最好的渠道是关键。

所以大家在组团队时，一定要想好你选择的赛道处于哪个领域，不同的赛道对于团队的要求是不一样。 关键性应用 必须有技术大牛坐镇， 非关键性应用 则要求团队更加综合和全面。

第五个问题：技术提供商 vs 全栈服务商

现在很多者都是技术背景出身，的第一个想法通常是做技术提供商。技术提供商作为的敲门砖可以。但如果只定位做技术提供商，未来路会非常窄。为什么说未来只做技术提供商价值会越来越小？原因有几点：

1. 首先通用技术一定是大公司的赛道，BAT未来一定会开放免费。

人家大公司会免费提供、、语义理解、机器翻译这类EnablingTechnology，你还打算怎么靠API调用赚钱呢？也许现在还可赚点小钱，但很难成为一个长久的生意。

2. 依托于算法的技术壁垒会越来越低。

未来随着基础计算平台和开源平台的丰富成熟，技术方面的壁垒会越来越不明显，整个的技术准入门槛会越降越低。就像2008年你想找个IOS开发者，很难，现在却很容易一样，所有技术的演进都遵循这一规律。特别随着今天各大学的专业，都纷纷开设课程，未来人才不缺，这会拉低整个行业的进入门槛。

同时随着谷歌TensorFlow等生态系统的成熟，很多领域都会有训练好的模型可以用来参考（出Demo会更快），者只要有足够的数据来训练参数就好了。所以未来算法的壁垒会越来越低，如果这个公司的核心竞争力只是算法，那将非常危险。

3. 技术提供商如果不直接面向用户/客户提供整体解决方案，则非常容易被上下游碾压：

对于技术提供商和算法类公司，如果你的技术壁垒不够高，上游很可能直接把你的事做了。这样的例子比比皆是，比如给海康威视提供算法的公司。问题就在于，海康在用你算法的时候，人家也有庞大的研发团队在研究自己的算法。现在用你是人家还没准备好，一旦准备好立刻会把你替换掉。

即使在有一定技术门槛的行业，技术提供商的日子同样并不好过。比如专注的视觉处理的Movidius，大疆一直在用他们的。但自从大疆统治了消费级市场后，大疆现在也很自然地开始研发自己的。

按说的技术壁垒并不低，但只要行业集中度高，赢家就会选择通吃。比如做的厂商，出货量到了一个阀值，都有动力自己做。像苹果、三星、华为还有现在的小米，都选择了自己做CPU。所以联发科、高通这些技术提供商，其实是挺痛苦的。

这其实是一个产业链通用规律：产业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游扩展。拿PC产业链举例，内存、硬盘、整机、显示器 都不赚钱。钱被谁赚走了？Windows和Intel却赚走了绝大部分利润。

既然做纯技术提供商没有出路，那怎么办？浩哥提出 一横一纵 理论。前期做技术服务可以，但是不能一辈子做技术服务。