如何通过网络信息分析提升工作效率|必一Bsports

　　+

- 作者｜AI老炮儿 -

- 来源丨公众号“丰格说”-

虽然大家都在谈论“人工智能”如何通过网络信息分析提升工作效率，但每个人认知和理解都不一样。笔者混迹AI圈多年，凭借对行业粗浅的理解，试着梳理如何通过网络信息分析提升工作效率了一张AI技术地图，顺便谈谈对于AI创业现状的一些看法。

“人工智能“诞生于1956年一次历史性的聚会，1969年成为一个独立学科，主要有符号主义、连接主义、行为主义三大学派，而后数十年几经沉浮，直到近年来大热成为显学。

人工智能在语音、图像、人机交互等领域取得巨大成绩有赖于移动互联网时代计算资源和能力大幅度提升、大数据积累以及深度学习等算法在相关领域上的应用。创业者有必要了解这个学科及技术演进的来龙去脉，进展、突破点以及现实的技术边界，保持理性和专注，寻找其中蕴含的商业机会。

对于投资正火热甚至有人说有点泡沫的人工智能行业，面向2017年笔者有以下几个观点如何通过网络信息分析提升工作效率：

1、中美有望引领此次AI技术革命

中美有望延续在互联网时代的优势地位引领新一波AI技术革命，同时两国差距进一步缩小，一些领域中国将走在世界前列。

2、深度学习算法在语音、图像等

　　感知智能领域取得重大进展

语音技术在教育、车载、智能家居、医疗、智能硬件等领域的商业应用取得很大进展如何通过网络信息分析提升工作效率；图像技术则在安防、金融、广告、零售、公安自动驾驶等领域应用广泛，这两个领域也聚集了最多的创业公司和巨头；但在自然语言处理等认知智能领域进展缓慢，巨头在该领域重兵投入，接下来的3-5年有可能取得大的突破。

3、行业处于早期，商业化2B机会先成熟

一段时间内业内争论一个话题：AI科学家，AI产品经理哪个更稀缺，哪个更重要b体育官网。这个争论其实没有意义，对一家企业来讲各方面人才都很重要，缺一不可。这是因为：

1）AI创业依然处于早期

目前人工智能仍处于非常早期的阶段，但进展很快。语音、图像识别的准确度在一些垂直领域已达到商用标准并产生了很好的社会和经济效益，但是尚未完全攻克，在很多应用场景依然无法达到实用标准。在自然语言处理领域尤其如此，开放领域的自然语言处理，上下文对话，多轮对话，逻辑推理等依然是尚待攻克的技术堡垒，自然其中也孕育着巨大的商业机会。

2）2B率先商业化，而后2C

从全球范围内看，绝大部分AI创业公司选择B2B或者B2B2C这种商业模式，而且B2B中多选择提供行业解决方案而非技术平台，这和整个AI行业处于非常早期的阶段是相匹配的，绝大多数新技术的商业化都走的这条路径，AI技术也不例外。

2B公司为行业客户提供定制化解决方案，帮客户节省成本、提高效率或者增加收入，客户愿意为这种技术和服务买单，公司可以快速获得现金流。现在的BAT三巨头，当初也是2B业务，后来C端市场起来后才转向2C。

2C则面临很多不确定性：技术水平能否达到用户期望、数据冷启动、用户需求定义、硬件设计、供应链管理、成本控制、生产品控、市场推广、销售团队组建、渠道建设等等一系列环节，任何一个环节出问题都可能导致产品难产或者不被消费者认可造成库存积压，而在此过程中公司并没有现金流进账，其中蕴含的风险可想而知。

同样是面对C端市场，互联网公司打法和硬件公司打法完全不一样，很多时候甚至是矛盾的。前者讲究小步快跑，快速迭代，产品改进过程以周计，可以不断试错调整，后者则要求精益求精，谨慎稳妥，一次磨具改动或者元器件调整就可能导致产品延期数月，试错成本极高；前者程序员是最大的群体，因为每一次迭代产品需求变动都需要程序员将其转换为一行行代码，对后者来讲则是市场销售导向，品牌和渠道最重要，大部分企业在研发上投入有限。

前者很典型的一种状态是公司几十上百号人几年就只做一个App，后者则很难单款产品打天下，需要清晰的划分产品线，打组合拳；前者APP通常是免费下载，获客成本低，做到几百万、千万、甚至上亿用户很正常，后者硬件需要一台一台的卖，需要用户掏钱，获客成本非常高，极少能卖到百万量级；前者服务百万、千万、上亿用户成本没有特别明显的区别，边际成本极低，但后者不同量级出货对于市场、渠道、供应链挑战都不一样，边际成本降低不明显。

很多互联网公司转型做智能硬件产品时，思维没有转换过来，依然按照原来的思路来做智能硬件，结果栽了大坑。一部分连原型都没有做出来；一部分做出原型但没撑到量产；一部分量产了，但没有后续出货，成为积压库存。大部分公司只走到这一步，没有后续了。作为互联网企业的优势丧失掉了，硬件的坑一个没落下，最后粉身碎骨。

现阶段来看，距离创业公司打造出一款爆品的AI产品条件还不够成熟，是否已到临界点不好讲。从国内现状来看也是如此，大部分做C端产品的AI公司都入不敷出，过的比较艰难，大部分已经或者开始转向2B 。

继续坚守C端市场的创业公司必须对硬件存有敬畏之心，想办法开源节流，管控好公司现金流，严控成本，尽量少犯错，C端市场起来可能还需要较长时间，活到那一天最重要。投资人耐性也是有限的，不会给几次机会。

4、AI创业很难一蹴而就，

　　务实踏实，快速商业化

AI创业现在依然属于行业早期，基础设施建设阶段，技术成熟、市场需求挖掘和扩大、产品商业化都要需要时间，而且可能持续比较长时间，AI创业者需要有耐性，遇到挫折和困难都很正常，需要专注和坚守。

创业公司各方面资源都非常有限，试图和巨头进行军备竞赛，抢夺顶尖AI大拿，并不是明智的选择。创业公司真正需要的是大批能将AI技术快速产品（工程）化，并应用到具体的商用场景，可以干苦活、脏活、累活的人才：看的了paper、写的了程序、调的了参数、做的了DEMO、并能应用到产品中。

长期来看，随着基础计算平台和开源平台的丰富成熟，单纯技术方面很难构成壁垒，人工智能的技术准入门槛会越来越低。人工智能创业一定是综合实力的比拼，对理解行业、刚需痛点挖掘，产品化和工程化能力，营销能力每一块都不能有短板。

无论创业公司选择哪条路，都需要以最快速度、最低成本将技术产品（工程化），找到最合适的商业化场景，完成商业闭环，只有走到这一步，企业才能讲脱离死亡线，一家AI企业成立几年还在谈技术而没有拿得出手的产品或方案，绝不是好的迹象。

5、AI创业机会在哪？

从大的层面来讲，AI创业机会主要有3大类：

1）AI技术本身的机会

上面那张AI行业地图，其中的佼佼者有可能成为行业的基础性设施，这块机会现在已经不多了，巨头林立。

2）AI技术与各行业结合，提供技术或产品解决方案

传统产业AI化改造，现在大部分AI创业公司走的这条路，将AI技术和具体行业结合，提升效率或智能化升级，这块还处于早期阶段，蕴含不少机会。这样的人工智能项目并不一定需要技术大牛，需要的是创业者对行业的深刻理解，懂技术边界和行业痛点并方案或产品化，以及销售和推广这些方案或产品。

3）AI技术产品化

这块市场也处于非常早期的阶段，方兴未艾，绝大多数机会依然属于对行业有深入洞察的创业者，分为两大类。

一类是2B，面对各行各业推出对应的机器人产品来取代人类工作，降低成本，提高效率，如各种巡逻机器人，工业机器人等。

一类是2C，直面消费者推出各类人工智能产品。这块又可分为两类，一类是产品产品的智能化改造，如小智音箱，Echo这样的产品；还有一类是完全新的品类，如家庭管家机器人。

　　小饭桌

　　创业课堂

　　?小饭桌创业课堂，创业者的第一堂课。在这里，早期创业者可以系统化学习创业必备的知识和技能，参与价值不菲的创业实战沙盘，与明星导师面对面交流，并且获得小饭桌独家的一对一融资问答服务。

　　?更重要的是，通过参加创业课堂可以加入小饭桌这个国内最大的优质创业者社群，收获同学情谊，结识各地优秀创业者如何通过网络信息分析提升工作效率！赶快报名成为我们的优秀桌友

????

　　?? 咨询电话：400-810-1090（早10:00—晚10:30）

　　?? 有FA需求请发商业计划书至bm@xfz.cn

　　往期热门

创投热话题

　　??《没有中场休息，王兴是如何将美团点评带入了“下半场”》

　　??《创二代全面接管一代创业公司，权力交接的表象与内在》

　　??《独角兽裁员，究竟是一种怎样的体验？》

　　??《坏账集中爆发，互联网金融大干快上后的“催收江湖”》

　　??《黄光裕、唐万新、牟其中…入狱企业家们的翻身指数，谁还能再上牌桌？》

勾搭VC正确姿势

　　??《金沙江创投朱啸虎：创业不要纠结于低估值，浪费大格局》

　　??《VC Pitch的正确姿势：不要扯淡》

　　??《滴滴天使投资人王刚：为什么我不投网红》

　　??《昆仑万维周亚辉：膨胀的一亩田是如何毁掉了一盘好棋》

　　??《达晨肖冰：成功或失败的企业，都有什么特征？》

　　快来点击“阅读原文”，报名成为我们的正式桌友