编辑导语：我们发现，在2017年以后，在算法能力上似乎出现了瓶颈。当年大量的投资集中在AI项目中，各种奖项排名做了一个又一个，但算法商业化的能力似乎阻塞在了某个地方。经常听到客户吐槽的最多的就是：“这个算法好笨啊”。AI智能商用的边界究竟在哪里？是不是一套AI应用真的没有一个实习生有用呢？一起来看看吧。

文章插图
一、AI产品服务商缺乏产品思维在2017年以后的这个阶段，无论是应用的私有化部署，还是云上的VPC部署，大家都在强调引擎的重要性。放在客户的使用体验上，引擎在很多项目里面，有限的3年服务期内，V1.0版本到V1.5.7版本的增强，可能还没有一个配套硬件优化，或者交互设计的优化来的更实惠。很多厂商甚至过了服务期，连引擎都懒得换了。
AI应用服务商，把大量的资源去实现对算法的优化上，忽视了产品商用化价值和用户体验。
典型的这类厂商的人员结构就是：大量算法专家（调参）+mini规模的产品经理（应标）+大量KA售前（写项目书）的结构。世界的尽头是铁岭，AI厂商的尽头是外包集成商。没有几个应用是真的可以批量复制的。
二、靠算法拿钱，凭应用赚钱市场上真正掌握核心技术的厂商，算法能力并不弱。而这也是这家公司能够拿到投资最重要的原因。
但你会发现，跑出点成绩的算法公司，却是那些个产品体验还是很不错的小公司。
有些算法公司在某些领域，为啥拼不过区域集成商，不是算法不行，是真的没有资源天天泡在客户哪里，理需求理工作流。这种情况下，客户凭什么买算法，算法又贵又不好用。
真的引进过来算法，业务流里面真的能容得下这个算法吗？那硬件的适配程度真的能算法做优化？客户的业务不复杂，每天跑个EXCEL就可以了，厂商语义分析，各种操作之后还是要搞Excel去后处理。
或者这里面目标可能都不是一样的，这种情况下，中小型集成商更优秀一些，确实做到了急客户之所急，想客户之所想。
三、算法国内的无论是SaaS应用，还是区域&行业轻量级定制化的应用厂商，发展的都还不够成熟，这里面有市场和行业的需求的问题、有客户管理能力的问题、也有行业内恶性竞争的问题。
把AI项目经典的业务架构，引擎+中台+应用的经典结构简单提炼一下，其实产品力比的是算法、数据和工作流。
这里面谁最大？我理解是工作流最大。这里面体现了无论什么应用，不能以算法为中心，为了算而算，应该是以客户为中心，以满足客户的工作质量为中心。这里面没有提节省人工成本的问题，是因为我们发现，客户根本不在乎那几个人头费用。客户的反馈是，有了这么一个人，还能“做点随机性强的工作”。而用了算法“除了干这么一件事，其他的啥也干不了，要这算法有何用”。
现在这个阶段，算法技术大爆发的年代已过，新的阶段还没到来。AI商用，应该阶段性的把客户的工作流做好，把客户的数据整理好，然后才是需要什么算法，引进什么算法。
四、红利期之后怎么办未来中小AI公司的出路，必然是向小型细分行业toB业务和消费级toC市场方向发展。行业合并和细分，会是下一个阶段的重点。后面可能会听到的AI公司的划分依据，就不是什么语义理解行业，或者图形算法行业，更可能的是医疗行业XX人工智能公司，教育行业XX人工智能公司。
这样变化的原因就是，行业的聚集，带来了工作流设计的行业化，带来了数据收集加工处理的行业化，引擎也将随着应用场景的变化，而相应的专业化。
什么时候会是AI应用的下一个爆发点呢？我觉得可能会有两个阶段：

• 第一个是大公司向行业型子公司做拆分的阶段，大量的算法公式成立XX行业子公司，把各行各业整合的差不多。
• 第二个阶段就不在AI这个行业本身，而在于人力资源的变化，在于人均所得的变化，让很多的公司、主体发现，用人的成本确实不如算法。这就和工厂用机器人替代人工一样。

稿源：(人人都是产品经理)

【傻大方】网址：http://www.shadafang.com/c/10259325012021.html

标题：边界|AI智能商用的边界究竟在哪里？