AI超級版圖

梁玉龍 糜豐 李垣諭

技術對商業的沖擊，在大多數時候，都是小步快跑的漸進變革，但偶爾，也能產生足以重構整個商業世界觀的沖擊波。人工智能（ArtificialIntelligence，以下簡稱AI）最大的可能，就是屬于后者。

這一天，將不會太遙遠。來自全球的創業者們，正熱情地尋找著AI從技術到商業，從數字基礎設施到生產方式改造等重大議題的解決方案。在中國，AI則幾乎是所有互聯網科技公司都在追逐的標簽，一些傳統企業也在時勢的推動下參與了進來。

Al的價值已經無需贅言，我們也無意為大熱的AI再刷一波存在感。我們更關心的是，那些發力AI的企業正在面臨怎樣的選擇，將以怎樣的姿態從象牙塔中走出來，當下的嘗試將導致怎樣的結果。

基于此，我們就可以勾勒出一張人工智能商業化的地圖，這將是承載了新的商業思想和創新方法論的地圖，它預示著今天的商業和競爭，正在形成一個更高層次的新系統。

你需要這樣一份地圖，在被時代拋棄之前，逃出生天。

入場者的腳下與遠方

AI創業不性感

繼蒸汽技術革命，電力技術革命，和計算機及信息技術革命之后，由AI觸發的第四次工業革命正在發生。

曾幾何時，AI是最頂尖的科技領域，能在其中掘金的企業鳳毛麟角。但是就在近2年，中國的AI企業呈現爆發性增長，根據《科技日報》的報道，截至2018年5月8日，全國AI相關企業共計4040家。

強力的資本介入使得AI成為創業的關鍵領域，數千家創業公司覆蓋了聊天程序、視覺、汽車、機器人、網絡安全、商務智能與分析、廣告與銷售與客戶管理、核心/前沿技術、醫療、文本分析、物聯網、消費、金融與保險等領域。

百度、阿里、騰訊、科大訊飛等科技巨頭公司也在語音識別、圖像識別、神經網絡、自然語言處理等方面有重要的突破。艾瑞咨詢認為，國內AI市場將從2015年的12億元增至2020年的91億元。

然而在狂飆突進了兩三年之后，AI產業在2018年迎來了一個關鍵節點。集萬千寵愛于一身的AI創業，正在變得不那么性感。

一方面是，AI遭遇商業化之痛。有研究報告顯示，90%以上的AI企業依然處在虧損階段，絕大多數企業年營業收入不足2億元。

另一方面是，投資機構對于AI領域的投資逐漸趨于理性。資金越來越多流向頭部創業公司。北京主線科技CEO張天雷曾公開表示，AI投資熱潮逐漸退去。李開復甚至認為。2018年將會出現第一撥倒下的AI公司以及投資人。

IT桔子收錄的2017全年AI投資事件353起，數量有所回落，新增AI企業數量有所下滑，不足50家。

在長跑運動中，職業運動員必須擅于在無氧運動和有氧運動間隨機切換。對于大多數AI創業者來說，他們已經完成了起步階段的無氧沖刺，即將切換至考驗耐久性的有氧運動狀態。如果此時他們不能實現企業生理上的良性循環，將很有可能被別人的節奏打亂，從而透支體能，敗下陣來。

技術不是護城河

AI產業鏈可大致分為3層：

最底層是基礎支撐層，包含云計算、芯片和開源框架等。這一層門檻很高。芯片的機會留給了英偉達、高通和英特爾等巨頭，開源框架和云計算則被谷歌、亞馬遜這樣的巨頭把持。

中間層是技術驅動層。被外界廣為熟悉的圖像識別、語音識別等通用技術。就在這一層。BAT將這一層視作關鍵要塞。這一層也盛產以技術取勝的“獨角獸”。

位于最上方的場景應用層賽道最為寬闊，是AI應用創業公司最簡單的打法，它們站在巨人的肩膀上，選擇一個垂直領域，一頭扎進去。通俗地說就是“拿錘子。找釘子”。

根據艾瑞咨詢的統計數據，目前我國71%的人工相關企業都在做技術落地應用。在算法技術方面，55%的企業在做計算機視覺，13%在做自然語言處理，只有9%的企業真正研究機器學習。

能夠很快把技術應用落地是我國創業者的優勢。但這也決定了這類創業公司沒有高聳的護城河。畢竟人類當下掌握的AI技術還是淺層次的，是弱AI，它帶來的紅利期非常短。所以，創業公司必須在紅利消退之前，盡快實現商業化落地，為技術的迭代蓄能。

通過行業掃描，AI落地做得好的行業領域往往都有兩個特征：一是行業規模大。無論是安防、醫療大健康、金融、汽車出行、零售都是萬億級市場，想象空間巨大;二是賺錢相對容易、離錢近。AI技術前期投入成本大，需要嫁接離錢近的行業領域。

這正是to B型的AI創業公司，比to C型的更多，活得更好的原因。

當然，對前者來說，挑戰依然存在。從內因來看，AI技術具有典型的“落地口徑窄，需求不穩定”特征。這使得其行業商業化探索階段會更加漫長。

圖靈機器人人才戰略官黃釗在他知名的200多頁PPT《人工智能產品經理的新起點》中闡述到：AI時代有兩大重要特質——高維+突變。正是由于這兩大特質，AI領域需求的特點是：機會多、難度大、變化又快又大。

從外因來看，在目前AI行業中，客戶的期望控制與管理是難以繞開的大坑。客戶期望受3方面影響：對AI技術的認知、對自身條件的認知、對自身需求的認知。然而不幸的是，就目前市場現狀來看，大部分客戶3方面的認知都不健全。

地域性的認知差距，也為市場拓展制造了困難。云從科技聯合創始人姚志強，在接受《商界》采訪時就曾透露，作為西南地區少數AI“獨角獸”，他們卻很少能拿到本地大單。內地客戶保守、觀望的態度，讓他們只能把業務重心放在沿海地區。使得云從“墻內開花墻外香”。

向左走，向右走

AI已經在多種商業場景得到了應用。在這一過程中不同的企業形成了多樣化的商業模式，總的來說可以分為兩類，一類是應用型，一類是平臺型。

應用型公司遵循的是工業化線性思維，以技術為資本，以生產為主線，“生產產品一建立渠道一定價售出”。

即選定特定的垂直行業深扎，積累了足夠深刻的認識和經驗后，會發現問題變得越來越簡單，方向也逐漸清晰起來，也能與競爭對手拉開距離。

在泛化智能負責人王漢洋看來，對行業來說，當下這種模式是更為務實的選擇：其一，用新技術幫用戶解決問題是對技術的認可;其二，能讓AI行業避免染上共享經濟那種荒誕燒錢的毛病;其三，外包模式下，協調多變的需求、維護客戶關系這種臟活累活，正好讓現在AI行業高談闊論，卻不愿意踏踏實實做實事的風氣有所改觀。

然而這種模式的弊端是，只能N倍增長，無法實現N次方增長，想象力和發展空間均被局限。

相比之下'平臺型模式以平臺為起點。結合不同合作伙伴，連接一個個供給端，對接需求端，似乎更有孕育出巨頭企業的可能。

百度是目前國內在AI領域投入最早也是布局最完整的公司。截至2018年7月百度大腦3.0發布，百度已經持續開放了110多項場景化AI能力與解決方案，讓每個開發者和企業都能平等獲取頂尖AI能力，一站式綜合應用。

百度已經在BAT陣營中掉隊，現在希望借助AI重現往日的輝煌。而創業公司又何嘗不希望借助AI，來挑戰既有的商業格局？

商湯創業早期是一家技術應用型公司，而現在的模式則和百度主打的AI賦能有點類似。純技術公司的市場天然在B端。而商湯的打法是先找一個垂直領域的傳統公司合作，摸索AI技術落地，從項目到產品;然后再垂直打通某個行業生態。做平臺。

事實上，一個通用的AI創業公司的進階路徑很有可能是：基礎技術服務商一整體解決方案提供商AI產品化一生態構筑者。

如果AI創業者止步于應用，便是浪費了一個偉大的歷史機遇。

我們需要怎樣的世界

人類社會的新圖譜

2045年，現實世界衰敗，到處是廢墟。但是，人們卻有個嶄新的世界——“綠洲”，任何人只要穿戴專業VR設備就可以進入這個虛擬游戲空間。

“綠洲”內外采用了大量AI元素，無人機送餐、虛擬圖書館、模擬觸覺等。更為重要的是，“綠洲”系統還維護著存儲了全世界公民信息的龐大數據庫。運營著價值最穩定的虛擬貨幣，擁有上千個高擬真度建模的三維世界。

這是斯皮爾伯格執導的電影《頭號玩家》中的故事，從某種角度而言，也是在AI技術應用狂飆突進下對未來人類社會的一種隱喻。AI正在徹底改變人類對世界萬物的認知，通過重建人機協作關系，改變社會服務形態和人類生活圖景。

創新工場董事長李開復說，AI的社會意義將超越電腦、互聯網、移動互聯網等特定的信息技術，甚至有極大的可能，在人類發展史上，成為下一次工業革命的核心驅動力。它不僅是一次技術層面的革命，而是通過對生產效率、商業結構、生活方式的改造和重塑。深刻改變社會與經濟形態。

因此，在AI浪潮之下的人類社會服務和生產生活方式演進過程中，整個AI產業與創新創業公司將迎來巨大的顯性機會。從“AI+城市”到“AI+生產”“AI+零售”，有更多AI技術將真正意義上被定義為產品和服務，或者作為一個可定義的行業。無論是政府、行業還是企業，都可以引入AI產品創造解決方案。

AI的商業化初期大致正在兩大領域爆發：第一是數字層面的社會基礎設施和公共管理領域，比如智慧城市、智慧政務等。通過在數據端、信息端實現自動化，提高政府機構的政務信息化水平、行政管理和城市服務能力;第二是企業生產領域，隨著感知技術、傳感器和機器人技術的發展，AI的商業化會率先從生產力的角度切入，在生產力端實現業務的自動化。工業機器人、倉儲機器人、物流機器人等將在這個階段實現大范圍的普及。

AI這一扇新商業大門正在開啟，通往人類社會的未來圖譜清晰可見。

數字基建大爆發

上世紀90年代初，美國推出“信息高速公路”戰略。借助這條“高速路”，美國信息經濟走在了世界各國的前面。從當時的背景來看，這種大型科技發展戰略可以改造傳統產業、觸發新技術革命、派生新興產業、促進民間投資，從而達到刺激經濟增長、增加社會就業的目的。

相比美國，中國的“數字基建”雖然起步較晚，但保持了較快的發展速度，特別是以“智慧城市”為重點抓手的社會基礎設施建設正在迎來爆發。“智慧城市”也成為各個城市搶占信息技術制高點及促進新興產業發展的重大機遇。

——這給AI創業公司帶來了技術商業化和產品化的機會。

“AI+安防”是創業公司角逐“智慧城市”的主戰場之一。人臉識別是AI的一項重要應用，而安防領域有大量的視頻、圖像比對需求，它是人臉識別技術商業化的天然土壤。商湯、依圖、曠視、云從等國內專注計算機視覺領域的AI公司，在安防領域的產品化已經結出了豐碩的果實。

曠視為公安部推出的“網上身份證”提供了人臉識別技術支持，今后辦理一些實名認證業務時即可“刷臉”完成認證，不用再攜帶實體身份證。它還為此成立子品牌曠視智安。

云從科技為廣東省公安廳提供的人臉識別技術在地鐵、車站、重點小區等重要場所進行布控和實戰并取得了良好的效果。目前相關產品已在23個省上線實戰，為公安系統提供了新的思路和戰法。凱澤科技開發的校園智慧管理系統已經簽約了浙江、江蘇地區的144所高校，采用視頻人臉分析和視頻圖像處理等技術為師生的安全提供保障，讓管理效率化，智能化。

事實上，在AI出現之前，前期的傳統安防產品同質化比較嚴重，市場也較偏向在價格戰中具備優勢的大、中型安防企業，但隨著AI技術的發展，智能在安防中變得更加重要。

不只是安防，商湯、依圖、曠視、云從、凱澤等AI公司還在公共管理、交通出行、醫療教育、金融等方面深度賦能智慧城市建設，對城市功能進行效率革新和服務革新。從目前的情況來看，由AI主導的“數字基建”，未來將在各個城市的經濟轉型與結構調整中發揮越來越重要的作用。

從機器之光到萬物互聯

傳統的制造業生產方式正在AI的驅動下做出有力的改變。當前AI技術向制造領域的滲透，無論是廣度還是深度，都在快速推進，對制造業轉型升級的支撐效應非常明顯。

AI賦能傳統企業生產方式改造的一個必要條件是數字化和信息化的普及以及成本下降。根據高盛的分析數據顯示，部分物聯網底層傳感器的成本在過去10年中下降了50%，帶寬成本下降了近40倍，數據處理成本下降了近60倍。而以AI為代表的新一波創新技術，如果可以為中國的制造業生產效率帶來15%的提升，那將會創造萬億級規模的價值。

以電商物流為例，傳統倉儲揀選需要大量人工，耗時長，效率低。很難適應當前電商訂單“多品種、小批量、多批次、高時效”的特點。之所以造成低效，一個根本原因是，傳統倉儲的特點是“人找貨”，主要根據使用頻率將貨品分ABC類，然后分類集中。這就使得倉庫需要對每類貨品進行不斷配置（分類、取貨、補貨）。而在這個過程中單位時間成本很高，并且容易出錯。

倉儲機器人公司Geek+給出的解決方案是“貨找人”，通過移動機器人快速、靈活地完成補貨、整箱揀貨、拆零揀選等物流作業，并把需要人工揀貨的貨架準確運送到作業人員面前。更為重要的是，Geek+基于算法系統來管理人工上架的操作，通過計算最優的貨品存放方案，讓存放目標貨品的貨架數量盡可能少，揀貨員的揀貨距離盡可能短，從而提升整個倉儲揀選效率。

工業生產是AI重要的應用場景，但生產過程中的“不確定性”往往會影響決策，因此只能通過不斷獲取生產過程中的信息和信號，來減少不確定性。

AI在生產制造領域正在扮演這種關鍵角色。三一重工集團孵化的樹根互聯通過連接工業機械，采集和分析其大數據，幫助企業實現工業化與信息化融合。樹根互聯旗下的根云平臺，從最基礎的設備連接開始，到能夠產生數據，反過來再提供一個下行通道，通過AI的智能決策下發到機器。

根云要解決的，就是工業的物理世界怎么去跟互聯網和數字世界打通連接。從最底層來講，就是要解決便捷接入的問題，把純物理的機器轉換成一個數字的機器鏡像，再通過技術，對數字模型做各種優化和智能化。如此一來，這些被“數據化”機器的運行能夠幫助企業了解生產過程中的真實情況，輔助企業決策。

共情能力讓交易更簡單

向制高點進軍

利潤讓企業前行，AI幫助企業思考如何前行。

過去。解決商業難題要面臨復雜、多變、低效等問題。即便再有創新精神的企業，也會苦于沒有先進的工具和系統，而不能精準、高效地解決問題。

AI正在讓企業變得聰明。一個不可逆的趨勢是，企業越來越關注AI對商業經營的影響，對智能化的工具和平臺的需求更加旺盛，希望借此管理復雜的數據，讓企業做出實時決策、動態運營管理并響應客戶。比如，新產品如何定位、如何找到目標顧客、該使用什么樣的廣告創意、如何選擇媒體渠道等。

為什么？市場和商業的邏輯在改變。

在傳統商業邏輯中企業處于主導地位，企業生產什么，顧客就消費什么;想保證利潤，就做剛需型的大單品，然后把它規模化。但移動互聯網時代，市場和商業的邏輯逐漸變成由顧客主導的個性化驅動。如果個性化沒有被滿足，產品和服務就很難讓顧客埋單。而在今天所謂“千人千面”的消費圖譜之下，就需要AI推動傳統經營模式轉型，幫助企業和顧客更快、更優地解決交易過程中的復雜問題。

AI將主要從兩個層面為商業經營賦能：

第一，提高生產、服務效率。作為一種全新的生產要素，AI創造了一種虛擬的勞動力，能夠解決需要適應性和敏捷性的復雜任務。傳統的自動化只針對特定的任務，而基于AI的智能自動化將能夠靈活解決多領域的問題，提高實體經濟運行的效率。

第二，進一步降低交易成本。互聯網通過減少信息不對稱，已經降低了傳統經濟活動中的交易成本。隨著AI深度運營，可以實現更精準的服務匹配，進一步優化資源分配。

從某種程度來看，零售業是交易和消費最集中呈現的領域，因此它很可能是AI發展創新中受益最多的行業。AI將運用互聯網、物聯網技術，感知消費習慣，預測消費趨勢，引導生產制造，為顧客提供多樣化、個性化的產品和服務。把你想要的全給你

有一種“懂得”叫你知道我要什么。

在零售業的消費場景中，個性化、定制化的推薦可以很好地提升顧客體驗。AI通過顧客的瀏覽軌跡、購買記錄等向顧客推薦相關商品，是線上精準營銷的重要手段。

比如，電商網站已經普遍應用的AI推薦模型，可以基于“視覺過濾技術”，針對用戶潛在偏好，建構在線商品推薦模型。具體做法是，基于商品圖片，創造游戲一樣的情景讓顧客參與，然后預測購物者的下一個選擇。并根據顧客之前的點擊，提出售賣建議。這個過程中，每次點擊都會通過成千上萬的屬性來訓練AI，例如鞋跟高度、小腿長度、系帶款式、鞋子的造型、紋理等。

虛擬試衣是AI智能化推薦的另一大利器。可以提升顧客的購物體驗和品牌的銷售轉化。AI智能試衣商用公司好買衣開發的虛擬試衣鏡正在成為實體服裝店的“搶手貨”：顧客只要站立于智能試衣鏡前，啟動智能人臉與身材識別，輸入幾項身材數值，30秒內就可以“復制”出一個虛擬的自己，不到3分鐘時間能試穿約100多套當季新款搭配。目前，好買衣已經有了500萬份女性身材樣本的數據庫。

好買衣曾在上海一家時尚女裝品牌店做過一個測試，在店面里放置自己的智能試衣鏡，讓用戶在屏幕前挑選、試衣。測試后發現，平均每個用戶會多試50多套衣服，額外停留4分鐘以上的時間。

“款式的發現效率”是智能試衣鏡的核心功能。對顧客而言，進行智能試衣能節省很多換衣服的時間成本。而對于服裝品牌商來說，好買衣的智能試衣鏡相當于一個超級導購，熟悉店鋪里的每一件衣服，也知道顧客的身材適合什么類型的衣服。

更為重要的是，智能試衣鏡還可以充當店家顧客留存和轉化銷售的“連接器”。顧客在智能試衣鏡前注冊試穿后，微信掃碼保存喜歡的款式，能夠讓店家與其建立聯系。好買衣通過合作服裝品牌的微信公眾號等渠道，向顧客推薦適合其身材的其他款式，并展示衣服的上身效果，以吸引顧客購買。

在這個過程中，AI的角色不只是虛擬試衣鏡，而是“形象顧問”，幫助品牌商呈現最適合的衣服給顧客，同時給每一個顧客更好的個性消費體驗。

借我一個“諸葛亮”

生意的本質無非是賣什么，賣給誰，怎么賣？

在經濟學家李稻葵看來。判斷AI是否改變行業要抓住核心——商業決策。傳統決策模式是，先進行產品生產，再決定到哪里投放廣告。然后根據什么樣的人群、通過什么渠道遞送廣告。而現在，AI正在改變商業決策，生產之前就可以通過AI去分析什么樣的消費者需要什么樣的產品，適合什么樣的渠道。

瑪氏集團通過A1分析每個用戶傳遞到瑪氏公司營銷部門的寵物圖像，來判斷寵物大概需要什么樣的食品，進而為寵物食品生產提供形狀、口味、酥脆度方面的決策。

程序化購買平臺品友互動通過AI在營銷層面去影響客戶企業的決策。品友推出了人工智能決策平臺，通過模式識別和預測模型，幫助客戶企業實現更精準、更自動化的廣告營銷。

以車企為例。品友互動可以直接給出車企可能用到的目標人群數據，每個人群都有細致的用戶畫像，可供客戶選擇作為媒介投放的人群。設定好人群之后，智能營銷這一模塊可以做產品概念測試、創意點擊預測，通過預曝光和數據反饋，幫助廣告主選擇效果最好的一款，并詳細預測不同媒介的投放效果。

如果說品友互動是利用AI為企業的外部營銷層面提供決策參考，那么第四范式則是為企業進行內部決策機制系統的搭建。

第四范式創始人、首席執行宮戴文淵認為，企業需要的AI不應該只是解決單一問題的工具，而是支持各個業務部門決策的認知能力。為此，企業需要為人和機器建立起相互輔助的角色。并據此對現有的IT系統重構與優化。

為此，第四范式開發了“企業人工智能核心系統”——“先知”。幫助企業快速構建以AI為中心的組織架構，把一個專業級人士才能做到的事情變成一個類似傻瓜相機式的核心系統，將大多數一線決策行為交由AI來完成。

在這個系統中，AI能夠依靠計算力從數據中發掘更多、更細的業務規則，精細化地做出判斷，提升決策效率。決策領先，才能步步領先。

目前，AI商業決策應用在廣告、零售、金融等行業發展較為迅速，但隨著各行各業對商業決策效率的要求越來越高，AI勢必將爆發更大的能量。

來一場增量變革

新寡頭孵化器

科技是人類社會的驅動力和基本要素。AI表現得最為典型，它是目前唯一可見的可以使人脫離有限性走向無限性的技術。在這一過程中，AI不僅僅影響著存量，更創造著增量，啟動著那些人們未曾想象的可能性。

在商業領域，創業公司借助人工智能可以造就新商機。一些新產品、新服務也有可能擊敗巨頭公司。所以，創業者和創投圈普遍認為，AI必然將孵化新的商業巨頭，他們會成為攪動現有格局的黑馬。

比如由AI延伸出來的智能駕駛技術。據不完全統計，目前國內有超過20家專注于智能駕駛的科技公司，除了百度，還有地平線科技、MINIEYE、奇點汽車、圖森科技、中科慧眼等。

隨著汽車電氣化，造車的門檻降低，新創品牌完全可以借此技術，改善體驗，以挑戰傳統汽車巨頭的江湖地位。

不過，這些創業公司所對標的，其實并不是傳統汽車廠商。因為隨著智能駕駛向自動駕駛精進，汽車作為一款交通工具的商業價值正在被重新建構。

未來，當自動駕駛實現普及，乘用車車內空間和駕駛者的時間被完全解放，商務服務、娛樂服務必將迎來爆發。屆時，汽車作為一個交互終端的商業價值，將遠遠超過其作為一款交通工具的價值。

一個有趣的現象是，智能駕駛相關公司正越來越頻繁地出現在全球各大電子消費品展會上。我們對汽車的定義，因為AI的介入，必須要做出改變了。

同樣利用AI開辟了全新商業機會的，還有像大疆創新這樣的新硬件公司。

在大疆無人機面世之前，市場上還沒有這樣一門生意。甚至在大疆創立時，有人還在疑惑，無人機和航模有什么區別，誰會去花數萬元購買他們的產品？

然而事實上證明，大疆無人機和航模只是形態相似，它本質上是一類全新產品。無人機送貨、無人機巡線、無人機放牧等，有了AI的加持，展現在大疆以及后續更多的無人機創業公司面前的，是豐富的應用場景和商業想象空間，是一片還未曾有人染指的藍海。

現在，更加細分的水下無人機也被創業者們開發了出來，以鰭源科技為代表的創業公司，正在發掘水下拍攝、水下管道檢測、打撈救援等民用市場，試圖復制大疆在天空中獲得的成功。問題要多過辦法

有一句民間俗語叫“辦法總比問題多”，但是放在漫長商業進化史里看，問題總是層出不窮，一個問題的解決。往往伴隨新問題的誕生，于是人們永不停歇地在尋找解決辦法。而這也正是商業進化內在的傳動機制。

過去10年，尤其是進入移動互聯網時代后，人類社會已經無限逼近于數字化生存的狀態。在此之前。數字化、信息化被認為能夠打破一切商業上的隔閡，實現效率的極大提升，并且它的確解決了商業世界里許許多多困擾企業已久的問題。當然，不出所料，新的問題也隨之產生。

比如人們的交易行為越來越往線上集中，交易風險比以往任何時候都要嚴峻。而過去，我們更關注對消費者權益的保護。實際上，企業方面同樣面臨著巨大風險。

AI反欺詐服務商猛犸反欺詐，做過這樣一個調研。中國企業每年因為線上欺詐而產生的直接損失高達7000億元。在國民經濟中7000億元是什么概念？2014年A股新增總額不到7000億元，2015年中國所有的PE、VC募資總額大概是7000億元。

過去傳統企業很少會面對來自消費端的欺詐風險，而現在虛擬交易空間的不透明和便利性，滋生了這一違法犯罪行為。

新的痛點開啟了新的賽道。基于AI的非監督式機器學習技術。猛犸反欺詐在這個細分領域，發現了屬于這個時代的新機遇。

在金融行業，為防止企業遭受巨額壞賬損失、騙貸等情況發生，猛犸反欺詐的AI系統可以自主識別欺詐分子偽造身份、垃圾注冊、賬戶冒用與盜用、登錄異常、騙取重復授信等高風險行為。

在電商領域，欺詐分子在某一平臺進行欺詐時，由于各商戶間數據不共享，商戶無法識別其欺詐身份。接入猛犸指紋設備后，實現數據互通，同一設備在該平臺多次申請，平臺能夠標識交易來源設備。并形成預警，一旦識別出是欺詐設備，可快速屏蔽。避免損失。

另外，為解決企業客戶在營銷推廣中所遇到推廣效果的評估問題。猛犸反欺詐可以針對機器批量點擊、機器刷量、垃圾注冊、推廣薅羊毛等欺詐行為提供設備識別解決方案。

不只是對企業，數字化、信息化為個人也帶來了一些副作用，時空的界限被打破了，生活方式越來越碎片化，那種從容的狀態越來越難維持。于是，便有了像助理來也這樣的AI私人助理服務平臺。通過語音、文本等自然交互方式，在微信服務號中為用戶提供提醒、日程、習慣養成、資訊訂閱等服務。

所以說，公司永遠不要擔心市場紅利不夠分，因為總有新的紅利出來。沒有完美的解決方案。只有不斷地打補丁，如果你想領先別人半步，那就要善于發現補丁身上的“Bug”。

不把工具做成行業

準確地說。AI并不能定義為一門技術，它是一個系統。構成這個系統最重要的軟硬件是芯片、算法、大數據，它們分別都是萬億級的市場。

目前，只有百度、寒武紀、華為等少數中國企業研發出了智能芯片。但目前來說，其技術水平與國外巨頭仍有差距。

比如華為的Mate10手機，賣點之一是有人工智能芯片。這個芯片的應用不在通訊領域，而是在照片處理上。它可以識別并調整照片上光的強度、對比度等，讓人拍出更好的照片。

這塊是屬于巨頭們的蛋糕。而大數據帶來的機會，則是屬于所有人的。但是大數據本身不是人工智能，它必須要有人工智能的算法，才能真正發揮作用。

從數據的角度說。我們每個人每天都會產生海量的數據，這其中產生了很多商業機會。然而問題是，絕大部分甚至99%以上的數據是沒用的。

許多互聯網公司和經過信息化改造的大型傳統企業，每年會收集到數以TB計的數據，但這些數據本身沒有用，還要經過的大量處理才能變得有價值，這個過程中就需要算法。

現在每個企業都把數據作為自己最核心的資產，并不輕易交給外人。這也正是許多AI創業公司在與B端客戶合作時面臨的最大問題。同樣，新的問題帶來新的商機。

百分點在提供智能決策產品和智能認知產品的同時，還向企業客戶提供一套大數據操作系統，通過數據源管理和深度學習，讓客戶自己掌控、讀懂數據這一核心資產，進而在相互合作過程中。做到知己知彼。所以說，AI創業公司在商業化的過程中。必須首先了解自己行業的特點和規律。

互聯網商業化之初，它曾被定義為某種工具，但是現在，它被稱為一個行業。這是因為互聯網已經形成了一套屬于自己的玩法。有的人將其稱為互聯網思維。同理，還處在起步階段的AI現在也更多扮演的是工具、賦能者，并非故事的主角。所以，創業者們需要繼續尋找自己的定義，在這樣一個前所未有的創業舞臺上。

互聯網+、工業4.0、AI+，分工產生效能

吳霽虹

互聯網+和工業4.0帶來了全球新經濟的大浪潮。但是，就在很多傳統商業還沒來得及完成互聯網+和工業4.0改造之時，AI+又接踵而至。我在給企業家、創業者培訓和指導的時候，發現很多人分不清其中的不同。

這個問題是一個非常技術。也非常商業化的問題。我們以定制一雙跑鞋為例。

工業4.0可以將你的訂單要求變成各種機器設備能夠識別的信息和數字，然后輸入生產系統，一個環節、一個環節地接受計算機指令，直到自動生產、協同制造的完成。

互聯網+的功能就是幫你實現需求與計算機或手機界面的連接，界面連接云端數據庫，庫中匯集海量鞋樣，供你有選擇地參與設計，幫助你完成網上下單、跟蹤、交易全過程。

AI+的功能更加高級，它能根據你走路的著力點，根據你口令描述的需求特征，判斷、分析、運算最適合你的跑鞋方案，甚至對你還沒有想到卻關心的問題進行提醒和建議。在你和AI系統之間，有一個Bot（以既有腳本為指引進行應答的聊天機器人）界面，能幫助你與機器互動、執行決策和下單。

進一步試想，如果你要解決的是交通擁堵問題、教育創新問題，或者捉拿隱藏犯罪的問題，那么，AI+與互聯網+、工業4.0最大的不同，就是能夠通過海量的動態交通數據、動態教學數據、動態犯罪行為，識別、分析、決策最佳解決方案。這是人類能力做不到的。

而它們之間最主要的區別在于：

互聯網+讓你實現連接，連接后，你想干什么、怎么干。互聯網+并不管你。

工業4.0讓你的機器、設備、裝置互聯網，實現工業生產的標準化、數字化、個性規模化，其所產生的信息仍然需要人類進行識別、分析、決策、行動。

AI+不但能讓你實現連接和互聯。還要讓你與連接和互聯后產生的海量數字信息再次連接，讓你通過Bot交互系統，與AI互動，幫你識別、幫你分析、幫你決策，甚至幫你行動。

互聯網+、工業4.0、AI+的不同，還可以基于商業目標和功效，分門別類地進行比較。

成功的商業，本質是通過創新解決問題，將用戶需求轉變為用戶消費，從而帶來創新的經濟現象。比如，工業4.0解決了生產線的低效問題，誕生了智能制造新經濟;互聯網+解決了信息不對稱的問題，誕生了能夠對接供需信息的電商經濟和物流經濟;AI+解決了基于個人需求的精準匹配、將個人需求轉化為個人消費的難題，Bot新經濟正在誕生。

反過來，一個創新的經濟，也需要高效和高效益的商業運營來實現，互聯網+、工業4.0、AI+就是高效的系統方式和系統工具。

因此，創新經濟需要更好、更方便、更多、更有價值的用戶信息;需要更高效、更低成本的生產制造;更安全、更友好的用戶體驗;更有利于個人和中小企業創業和發展的環境和條件。要實現以上所有目標，互聯網+、工業4.0、AI+就要各自扮演好不同的角色。

AI來襲，九問傳統企業

Christopher Thomas（唐睿思）

中國積極推進并引領AI革命，為國內非高科技類企業帶來一定難題，因為后者將不得不開始采用AI技術。

很多這類傳統企業開始與互聯網公司在AI應用領域開展合作，以增加自身的成功幾率。在這合作過程中，它們為今后可能顛覆自己的對手提供珍貴的專有數據以及行業經驗。與可能摧毀自己的公司合作，就像它們沖擊銀行、商業及其他行業一樣。合作方們真的能夠幫助傳統企業取得成功嗎？高科技企業是否將成為中國AI繁盛時期的唯一贏家？

對于傳統企業而言，如果不開展合作。其他可采用的策略為：投入資金，加入AI技術和能力的競賽。然而，我們預測AI行業未來的發展帶有很多不確定性，因此，僅靠預測采取上述舉措可能是很不明智的。中國在AI領域發展的這一優勢能否被國內傳統企業所充分利用？CEO們需問自己九個關于AI戰略的問題。

一、我們所處的行業在采用AI技術方面處于怎樣的階段？我們現在正處在以使用AI為主的應用嗎？還是正處于將AI運用到業務當中的最初階段？

二、我們所處的行業之中，誰正在引領使用AI技術？我們的公司是引領者、還是追隨者？有哪些最佳做法是我們的公司可以學習和借鑒的？

三、我們的組織是否已經做好準備，制定并采納AI戰略？在公司內全面采用人工智能技術需要具備哪些基礎？

四、在我公司所處的行業里，有哪些可行的AI應用案例？有哪些關鍵技術？哪些企業可以進入我們所處的行業？

五、從短期和長期看，AI可取得哪些業務成效？在AI領域的投資預計多久可以回報？在決定投資時機時預計會有哪些取舍？

六、我們應如何利用AI進入或打造新的領域？AI應用所提供的能力遠遠超越了當前的規范，可能促使企業將當前重點擴大到其他領域。AI將如何改變競爭規則。以及我公司所處的競爭格局？

七、我們應利用哪些AI的能力？根據我們對潛在案例的分析，以及AI的競爭影響，我們具體需要哪些技術和商業人才來實現我們的目的？

八、我們怎樣才能獲得上述能力？是外購、合作、還是自建？每項選擇都有潛在的優勢和劣勢。

九、我們應如何利用上述能力打造持續的創新流程？企業必須能預測上述能力將如何推動企業在未來持續增長，才能夠最大程度地利用AI的投資。

對于傳統行業的企業，問題不在于他們是否應該考慮在自身的業務及戰略流程中采用AI應用，而是他們應該制定怎樣的AI戰略，以及如何去實施這一戰略。中國的非高科技企業或者可以向國內高技術企業學習，或者眼睜睜看著對方在技術行業獨占鰲頭。為避免企業落后或出現更糟的局面，CEO們必須積極考慮AI在其所在行業的現狀以及潛在的未來，明確未來目標的重點，建立發現并捕捉AI在本行業推廣效益的引擎。