初创企业|AI难逃“集邮”命运( 二 ) 百度|人工智能|科大讯飞

第二类：AI技术服务企业、互联网企业，以视觉、语音等技术优势切入，加速打造垂直行业技术服务平台和解决方案生态。比如百度Apollo开放平台（智能驾驶）、科大讯飞（智慧语音）、依图care.ai（智慧医疗）等，这些就是我前文所述成功卡位的玩家，也是最有潜力的，先把单一领域做精，商业模式跑通，进而散点拓展其他领域。
比如科大讯飞最近所提的CRM和CDP，他们内部人士告诉新眸，AI在零售营销侧的布局已经有4-5年的时间了，其实不只科大讯飞一家，大部分AI企业都会在电商零售营销侧植入AI能力，至于为什么，我后面再做具体解答。
第三类：传统企业以行业经验切入，强调解决问题的实际应用能力，传统行业头部企业针对颠覆性、前沿性技术展开系统布局，比如大众奥迪聚焦自动驾驶场景，建立奥迪JKU深度学习中心，成立硅谷研发办公室，加大力度研发先进驾驶员辅助系统。
这类玩家国内有很多，但多数只是建立个创新部门试点，甚至做做表面功夫，并不会真正的正视AI本身，一来对于大多数非刚需传统企业来说，这些开销属于非必要，二来，AI本身的ROE也是一个未知数。
第四类：硬件厂商以芯片设计、整机集成为切入点，构建软硬协同产业生态。英伟达、英特尔、华为、浪潮等芯片、设备厂商就是主要代表，其中华为在逐步开放的AI战略以及自主芯片架构上发力，于2020 年下半年华为在深圳总部推出 AI（人工智能）处理器 Ascend 910（昇腾 910）。
这是一支不可忽略的力量，也是极具潜力的，毕竟由硬件切入软件相对较为简单（参考半导体产业），而且这类玩家在市场上更具优势，有个硬件底座只要植入相应的软件，就可以成为针对某个场景的AI一体机，相对于软件厂商来说，人们会更容易接受由硬件厂商附加销售的软件产品，顺序很重要。
场景“悖论”过去60年，人工智能经历了2次从爆发到低谷的过程，到了21世纪，随着数据的爆发式增长，算力和深度学习的成熟，人工智能迎来了第3次发展浪潮。
就目前而言，成长型AI企业技术的发展现状主要有以下四个特征：
算法层面，CV、NLP等领域需求大、投入多；框架层面，TensorFlow和PyTorch成为热门（工业界和学术界主流）；平台层面，朝着通用和垂直领域双向发展（多数玩家使用通用平台，其余建立垂直领域平台形成长尾）；趋势方面，跨学科、跨场景、跨空间开始融合。
德勤曾在《中国成长型AI企业研究报告》中总结过成长型AI企业成功的6大关键要素：1、先垂直渗透，后向上发展；2、精于技术，强于场景方案；3、善用多元化融资渠道；4、创新市场强化合作；5、优化运营提升竞争力；6、打造数据闭环，迭代优化产品。

文章插图
其中，1234属于业务侧，56属于产品侧，这也和当下的AI企业现状有关，产品侧除了极个别领域的技术绝对龙头，多数还是在依靠市场和业务驱动。换句话说，玩家竞争差异化并不体现在产品力上，而是体现在谁能更懂场景，利用AI技术精准帮助企业数字转型或升级。
这就需要我们把目光重新聚焦到前文所提到的第二类玩家，衡量他们是否成功的标准在于，他们能否做成垂直领域的颠覆者。
在发展初期，优秀成长型 AI 企业多精于一个核心技术点发展，向下渗透场景，更快更灵活地把技术优势转化为产品优势，获得市场占有率。如果初创企业想要和巨头分蛋糕，就需要深耕垂直领域，练好内功而非盲目追逐热点。因为越是底层的东西，巨头越会涉足，同理，越是通用型的产品，越是大公司会做的。
问题是，和互联网巨头们相比，这些玩家在懂场景上并不占据绝对优势。这里就是我所提及的“场景悖论”，就当下而言，AI To G很难，To B也很难，相较于前者，后者才有可能实现AI的商业规模化，而要完成这一目标，排除其他资源因素的话，第一步就是要在技术窗口期完成场景抢占。
毕竟，在移动互联网创业时代，技术商业化落地都有窗口期的概念，错过了窗口期会很难做大，进入过早失败概率也较高。在大部分投资都有投资回报期要求的情况下，创业公司要控制业务的方向和节奏，找好合适的时机，在人工智能领域同理，时机和节奏感的把握都很重要，而节奏感的控制除了来自对人工智能技术发展程度的判断，还有来自对融资环境的判断，对市场发展速度与变化的判断，和对竞争对手的判断。
所涉及到的每一步，都很艰难（主要原因就是简单场景的窗口期已经过了，AI不再黑盒也意味着不那么好忽悠了）。