即使百度技術(shù)好，在人臉識別率方面比海康威視高一個百分點（實際不一定，?？当澈笥袔装偃说腁I研發(fā)團隊）。但這并不代表百度就能替代?？?。因為安防是“非關(guān)鍵性應(yīng)用”（non-mission-critical），100個犯人我識別了95個，你比我多識別了一個做到了96個，其實沒那么重要。

　　而反過來，海康對比百度有什么優(yōu)勢？首先?？凳亲鰯z像頭的，用自己的硬件跑自己的算法，是很自然的事兒。就像蘋果手機，軟硬一體體驗更好。其次，?？底隽诉@么多年的安防，積累了非常多的數(shù)據(jù)，人臉的數(shù)據(jù)、環(huán)境的數(shù)據(jù)……在安防領(lǐng)域有數(shù)據(jù)優(yōu)勢。最后，海康給公安系統(tǒng)做了很多類似警務(wù)通、基站信息采集、視圖檔案管理等SaaS平臺的東西，以及警用云系統(tǒng)。我們可以認為公安系統(tǒng)的IT化，其中有一部分就是?？低晠⑴c的。

　　這些東西可能不賺錢，但卻為?？禈?gòu)建了壁壘。因為底層的基礎(chǔ)設(shè)施都是我建的，那前端的東西就只能用我的（我可以有100個理由，說競品與我不兼容）。而且?？底隽诉@么長時間，積累了大量的客戶資源，特別是政府公安局的資源，開拓這些資源非常需要時間。

　　這些就是所謂的行業(yè)縱深。所以即使對BAT而言，想進入“行業(yè)+AI”領(lǐng)域，選擇垂直賽道時，同樣要非常謹慎。在巨大的行業(yè)壁壘面前，真不是說我的算法比你好一些，市場就是我的，只有技術(shù)優(yōu)勢仍然差的很遠。

　　回歸 “AI+行業(yè)”和“行業(yè)+AI”，通常來講前者的行業(yè)縱深會比較淺，而后者則有巨大的行業(yè)壁壘。而行業(yè)壁壘，則是創(chuàng)業(yè)公司最大的護城河，也是抵擋BAT的關(guān)鍵。

　　第四個問題：關(guān)鍵性應(yīng)用 vs 非關(guān)鍵性應(yīng)用

　　談到人工智能領(lǐng)域的創(chuàng)業(yè)，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學(xué)家，比如斯坦福、MIT的博士坐鎮(zhèn)，我都不好意思講在人工智能方面創(chuàng)業(yè)。其實這個認知是完全錯的。因為在人工智能領(lǐng)域，算法到底有多重要，完全取決于你要準備進入哪個行業(yè)。

　　根據(jù)行業(yè)和應(yīng)用場景不同，我認人工智能的創(chuàng)業(yè)本質(zhì)上有mission-critical和non-mission-critical之分。為了方便大家理解，我們簡稱為“關(guān)鍵性應(yīng)用”和“非關(guān)鍵性應(yīng)用”。

　　“關(guān)鍵性應(yīng)用”要追求99.9……%后的多個9，做不到就沒法商業(yè)化。比如大家認為，99%可靠度的自動駕駛能上路嗎？肯定不能，意味著100次就出1次事故。99.9%也不行，1000次出一次事故。

　　千萬記住，99%和99.9%的可靠度差距并不是0.9%，而是要反過來算，差距是10倍。也包括手術(shù)機器人，聽起來99.9%可靠度已經(jīng)很高了，但意味著1000次出一次醫(yī)療事故，放在美國，醫(yī)院還不得被巨額索賠搞得破產(chǎn)。

　　所以“關(guān)鍵性應(yīng)用”領(lǐng)域，就是一丁點兒錯都不能犯的人工智能領(lǐng)域，必須要有技術(shù)大牛、科學(xué)家或算法專家坐鎮(zhèn)。同時，這類項目研發(fā)周期都很長。

　　正如以色列做ADAS （高級駕駛輔助系統(tǒng)）解決方案的Mobileye公司，今年3月被Intel以153億美金收購。大家知道這家公司研發(fā)周期有多長嗎？Mobileye成立于1999年，到他們推出首款產(chǎn)品、掙到第一桶金已是2007年。長達8年的研發(fā)周期。這在互聯(lián)網(wǎng)創(chuàng)業(yè)里不可想象。包括谷歌無人車從2009年開始研發(fā)，到現(xiàn)在一直沒有商業(yè)化；達芬奇手術(shù)機器人從啟動研發(fā)到2000年拿到美國食品藥品管理局（FDA）的認證，花了十年時間。

　　“關(guān)鍵性應(yīng)用”的普遍特點就是這樣，項目通常很貴，研發(fā)周期巨長，離錢非常遠，需要持續(xù)的融資能力，團隊怎樣才有持續(xù)融資？起碼要有非常好的簡歷和非常好的背景。這個是能夠持續(xù)融資的必要前提。所以大家可以看到，今天做無人駕駛的創(chuàng)業(yè)團隊都是高富帥。因為不是高富帥，你都熬不到產(chǎn)品真正商業(yè)化應(yīng)用那天。

　　當(dāng)然，如果在人工智能領(lǐng)域都是“關(guān)鍵性應(yīng)用”，那就沒大多數(shù)創(chuàng)業(yè)者什么事了。實際上，人工智能領(lǐng)域的創(chuàng)業(yè)，95%都是“非關(guān)鍵性應(yīng)用（none-mission-critical）”。簡單講對這些領(lǐng)域，AI的可靠度只要過了基礎(chǔ)線，高一點低一點區(qū)別不大。

　　最簡單的例子，現(xiàn)在很多公司的門禁開始用人臉識別。你今天帶個帽子，明天戴個墨鏡或口罩，識別率沒法做到99%。可即使沒識別出來也沒問題。因為所有帶人臉識別的門禁都有地方讓你按指紋。即使指紋也刷不進去，問題也不大，公司不還有前臺嗎。

　　這就是“非關(guān)鍵性應(yīng)用“。這類項目不追求99%后面的很多個9。實際上，國內(nèi)人工智能和機器人方向的創(chuàng)業(yè)，大部分領(lǐng)域都是“非關(guān)鍵性應(yīng)用”。當(dāng)然并不是說，在這個領(lǐng)域算法不重要，你天天認不出來也不行，所以一定要過了基礎(chǔ)的可用性門檻，偶爾出現(xiàn)問題可以容忍?！瓣P(guān)鍵性應(yīng)用”則不能容忍。

　　“非關(guān)鍵性應(yīng)用“不追求高大上，簡單、實用、性價比高更重要，這樣的項目通常比拼綜合實力。包括：

　　對行業(yè)的洞察理解。要熟知行業(yè)痛點；

　　產(chǎn)品和工程化能力。光在實驗室里搞沒意義；

　　成本控制。不光能做出來的產(chǎn)品，還得便宜的做出來；

　　供應(yīng)鏈能力。不光能出貨，還要能批量生產(chǎn)；

　　營銷能力。產(chǎn)品出來了，你得把東西賣出去。團隊里有沒有營銷高手，能不能搞定最好的渠道是關(guān)鍵。

　　所以大家在創(chuàng)業(yè)組團隊時，一定要想好你選擇的賽道處于哪個領(lǐng)域，不同的賽道對于團隊的要求是不一樣?！瓣P(guān)鍵性應(yīng)用”必須有技術(shù)大牛坐鎮(zhèn)，“非關(guān)鍵性應(yīng)用”則要求團隊更加綜合和全面。

　　第五個問題：技術(shù)提供商 vs 全棧服務(wù)商

　　現(xiàn)在很多人工智能創(chuàng)業(yè)者都是技術(shù)背景出身，創(chuàng)業(yè)的第一個想法通常是做技術(shù)提供商。技術(shù)提供商作為創(chuàng)業(yè)的敲門磚可以。但如果只定位做技術(shù)提供商，未來路會非常窄。為什么說未來只做技術(shù)提供商價值會越來越?。吭蛴袔c：

　　1. 首先通用技術(shù)一定是大公司的賽道，BAT未來一定會開放免費。

　　人家大公司會免費提供人臉識別、語音識別、語義理解、機器翻譯這類EnablingTechnology，你還打算怎么靠API調(diào)用賺錢呢？也許現(xiàn)在還可賺點小錢，但很難成為一個長久的生意。

　　2. 依托于算法的技術(shù)壁壘會越來越低。

　　未來隨著基礎(chǔ)計算平臺和開源平臺的豐富成熟，技術(shù)方面的壁壘會越來越不明顯，整個人工智能的技術(shù)準入門檻會越降越低。就像2008年你想找個IOS開發(fā)者，很難，現(xiàn)在卻很容易一樣，所有技術(shù)的演進都遵循這一規(guī)律。特別隨著今天各大學(xué)的計算機專業(yè)，都紛紛開設(shè)機器學(xué)習(xí)課程，未來人才不缺，這會拉低整個行業(yè)的進入門檻。

　　同時隨著谷歌TensorFlow等生態(tài)系統(tǒng)的成熟，很多領(lǐng)域都會有訓(xùn)練好的模型可以用來參考（出Demo會更快），創(chuàng)業(yè)者只要有足夠的數(shù)據(jù)來訓(xùn)練參數(shù)就好了。所以未來算法的壁壘會越來越低，如果這個公司的核心競爭力只是算法，那將非常危險。

　　3. 技術(shù)提供商如果不直接面向用戶/客戶提供整體解決方案，則非常容易被上下游碾壓：

　　對于技術(shù)提供商和算法類公司，如果你的技術(shù)壁壘不夠高，上游很可能直接把你的事做了。這樣的例子比比皆是，比如給海康威視提供人臉識別算法的公司。問題就在于，海康在用你算法的時候，人家也有龐大的研發(fā)團隊在研究自己的算法。現(xiàn)在用你是人家還沒準備好，一旦準備好立刻會把你替換掉。

　　即使在有一定技術(shù)門檻的行業(yè)，技術(shù)提供商的日子同樣并不好過。比如專注嵌入式的視覺處理芯片的Movidius，大疆無人機一直在用他們的芯片。但自從大疆統(tǒng)治了消費級無人機市場后，大疆現(xiàn)在也很自然地開始研發(fā)自己的芯片。

　　按說芯片的技術(shù)壁壘并不低，但只要行業(yè)集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片。像蘋果、三星、華為還有現(xiàn)在的小米，都選擇了自己做手機CPU。所以聯(lián)發(fā)科、高通這些技術(shù)提供商，其實是挺痛苦的。

　　這其實是一個產(chǎn)業(yè)鏈通用規(guī)律：產(chǎn)業(yè)鏈上的壟斷者會吃掉所有利潤，而且他們非常有動力往上游或下游擴展。拿PC產(chǎn)業(yè)鏈舉例，內(nèi)存、硬盤、整機、顯示器……都不賺錢。錢被誰賺走了？Windows和Intel卻賺走了絕大部分利潤。

　　既然做純技術(shù)提供商沒有出路，那怎么辦？浩哥提出“一橫一縱”理論。前期做技術(shù)服務(wù)可以，但是不能一輩子做技術(shù)服務(wù)。

　　“一橫”就是指你提供的技術(shù)服務(wù)。通常“一橫”能服務(wù)很多行業(yè)，一定要找到1、2個，你認為最有市場機會，最適合你的垂直領(lǐng)域，深扎進去做“全?！保喊鸭夹g(shù)轉(zhuǎn)化為產(chǎn)品，然后搞定用戶賣出去，實現(xiàn)商業(yè)變現(xiàn)，再通過商業(yè)反饋更多的數(shù)據(jù)，更加夯實自己的技術(shù)。一句話講，要做技術(shù)、產(chǎn)品、商業(yè)和數(shù)據(jù)四位一體的“全?！保@就是“一縱”。這才是健康的商業(yè)模式。

　　在垂直外的行業(yè)，因為沒有利益沖突，你仍可老老實實的做技術(shù)服務(wù)。這樣的話，商業(yè)上你能吃透一個垂直行業(yè)，技術(shù)上你還能通過橫向合作，形成更多的數(shù)據(jù)回路，從而夯實你的技術(shù)。這個就是“一橫一縱”理論。

　　那么對于技術(shù)創(chuàng)業(yè)公司，從“一橫”走到“一縱”，要選哪個垂直領(lǐng)域，取決5個關(guān)鍵因素：

　　市場空間夠不夠大？

　　做垂直領(lǐng)域的全棧，還是做橫向的技術(shù)提供商？取決市場空間哪個更大。找對垂直領(lǐng)域，即使只占一點點市場份額，也可能比做“一橫”全歸你的收益大。拿美圖公司舉例，他們有美圖秀秀、美拍、美顏相機等APP，同時還會跟很多手機廠商合作，提供相機拍攝的美顏效果，你可以理解這就是技術(shù)服務(wù)。

　　但研究2016財報后，大家知道美圖秀秀選的“一縱”是什么嗎？就是美圖手機。以上提到的技術(shù)服務(wù)都遠沒有垂直做美圖手機賺錢。美圖手機占了公司全部營收的93%。雖然美圖手機去年的銷量大約在74.8萬臺，僅僅只占國內(nèi)手機市場全年銷量5億多臺的不足0.15%。

　　行業(yè)集中度如何？

　　做“一橫”技術(shù)提供商時，最擔(dān)心的是你的上游或下游過于集中，或者說頭部效應(yīng)越明顯，對技術(shù)提供商就越不利。舉個簡單的例子，IDC時代，HP、DELL等廠商賣服務(wù)器，都是直接賣給各IT公司，大家日子過的都很滋潤。但2010年之后就很難做了，因為云計算出現(xiàn)了。

　　提供云計算的廠商就那幾個，兩只手就能數(shù)出來。而且頭部效應(yīng)極其明顯，僅阿里云一家占了50%以上份額。如果你是一個技術(shù)提供商，在跟這么壟斷的行業(yè)去談判，你會發(fā)現(xiàn)沒有任何籌碼。所以現(xiàn)在就很悲催，假設(shè)我是阿里云，會讓你列出BOM成本，我就給你5%或10%的利潤，這個生意就很難做了。

　　在這種情況下，你當(dāng)然有意愿也往上游走。但帶來的問題是什么？如果上游集中度高，說明這事的壁壘很高，你作為技術(shù)提供商想往上走，同樣很困難；如果這個上游集中度低或客戶很零散，對你是件好事。但是你也沒有太大動力往上游走，因為這個市場本來就很零散，你即使殺進去，可能只有1%的市場份額，而且使得99%的人都變成你的競爭對手了。這是個悖論。

　　技術(shù)是改良還是革命？

　　如果你的技術(shù)創(chuàng)新對這個垂直領(lǐng)域是革命性的，就越有機會走到上游。如果只是改良性的，你就老老實實在下游賺個辛苦錢算了。 越是顛覆性的東西，越有機會往上游走。因為上游越離不開你，意味著你有機會做他的事。

　　打個異想天開的比方，如果你能提供一個“待機一禮拜”的電池，那你就可以考慮自己做手機，你的手機只打一點：一星期不用充電，而且是全球唯一！就這一點可能就夠了，因為這個技術(shù)是革命性的。相反，如果是改良性的技術(shù)，例如你的電池待機只是比以前多了10~20%，那你還是老老實實賣電池吧。

　　雙方壁壘誰更高？

　　技術(shù)提供商的壁壘和上游客戶的壁壘哪個更高，也決定做“一縱”的成敗。拿比較火的直播平臺而言，現(xiàn)在都有美顏功能，例如給女孩長出個耳朵那種，這個通常都是第三方提供的技術(shù)。技術(shù)本身的壁壘并不高，很多公司都能提供，雖然效果有一些小的差異，但你沒有明顯優(yōu)勢。

　　可是直播的壁壘相當(dāng)高，這事有網(wǎng)絡(luò)效應(yīng)，用戶越多會吸引更多的美女主播，因為能賺到更多錢，美女主播越多，也會帶來更多的用戶。同時你舍得花錢，需要很多資金來買流量以及簽約很NB的主播。所以這個事壁壘很高。你做技術(shù)提供商壁壘不高。這種情況下，雖然技術(shù)提供商只能賺個辛苦錢，但是仍然完全沒有機會往上游走。

　　到底跟團隊基因相符不相符？

　　能做得了技術(shù)服務(wù)，不代表能做垂直解決方案，做全棧，因為團隊不一定有行業(yè)經(jīng)驗，這是很大的問題。亞馬遜的無人便利店Amazon Go出來之后，國內(nèi)不少技術(shù)團隊也想提供類似的技術(shù)，甚至想做2C的便利店。

　　與他們聊完后，我都會勸他們再考慮一下，你的技術(shù)再好，對于用戶而言，他買東西的時候，會看這個便利店有人還是無人的嗎？不會，這不是優(yōu)先選項。他首要考慮的還是——哪個便利店離我更近，以及我想買的東西這個便利店有沒有。

　　從這個意義講，這又回到了零售的本質(zhì)。所以如果團隊沒有零售的基因，沒有懂零售的人，就別考慮自己開便利店的事。這時候，很多人可能會問“那我找個懂行業(yè)的高管不就行了么？”這事沒那么簡單，如果CEO不了解行業(yè)本質(zhì)，其實是很難靠一個高管去彌補的。

　　我特別相信基因決定論，如果任何一個新的商業(yè)，BAT找個懂行業(yè)的高管就能搞定了，那中國互聯(lián)網(wǎng)的生意就全是BAT的了，就沒創(chuàng)業(yè)公司什么事了。BAT，一個做搜索，一個做電商，一個做社交。其實他們3個都把對方的事情已嘗試了一遍，最后都不成功。所以大家能做什么，不能做什么，跟這個公司的基因是高度相關(guān)的。

　　第六個問題：2C vs 2B

　　最后一個問題，簡單說一下，科技成熟都需要一定的時間。因為從任何技術(shù)普及演進的角度，幾乎都延續(xù)了先是從軍工（航天）、到政府、到企業(yè)、到B2B2C、再到2C這個規(guī)律。人工智能也一樣，目前人工智能在2C市場還不是很成熟。

　　簡單說機器人，在個人消費者市場，出貨量大的機器人只有4類產(chǎn)品：掃地機器人、無人機、STEAM教育類機器人和亞馬遜ECHO為代表的智能音箱。為什么2C市場早期的普及有一定的困難，簡單講幾個原因：

　　1. 產(chǎn)業(yè)鏈不成熟

　　我做一個創(chuàng)新的東西，成品有10個部件。每一個部件都得自己做，而且因為出貨量不大，每個部件都沒有規(guī)模效應(yīng)，這就導(dǎo)致每個部件都很貴，那你最后做出成品一定很貴。這是非常大的問題。

　　2. 2C是額外花錢

　　這也是很重要的一個問題，2C端的用戶因為自掏腰包、額外花錢，所以對價格通常比較敏感，產(chǎn)品很貴就是一個很大的門檻。

　　3. 2C產(chǎn)品的用戶期待度高

　　用戶買了這么貴的東西，自然對產(chǎn)品的期待度會更高很多。大家覺得我買一個機器人回來，恨不得什么都能干：又能唱歌、又能跳舞、又能聊天、又能清潔、又能講英語。但這是不現(xiàn)實的，現(xiàn)在的技術(shù)成熟度離此還有些遠。

　　相對于2C端，這些問題在2B端卻不是問題。

　　1. 2B端對價格承受能力更高

　　首先，企業(yè)對價格的承受能力顯然比2C強很多。你說一個機器人2萬，2C消費者不可能買，但企業(yè)問題不大，企業(yè)對成本承受能力高。

　　2. 2B的核心目的是降成本

　　舉例工業(yè)機器人，10萬塊錢一個，聽起來很貴。但一個工業(yè)機器人替代你2個崗位。這2個崗位一年也得10萬塊錢，還不算四險一金。然后這機器人能工作4年，這一下成本只有你原來的25%，甚至不到。那么企業(yè)一算賬，覺得還是很便宜。

　　3. 2B可以采取人機混合模式

　　還有2B端的機器人應(yīng)用更簡單一些。一方面大多是單任務(wù)，機器人只要做好一件事就行了，實現(xiàn)起來簡單。另外，很多都是以“人機混合”模式在作業(yè)。也就是以前需要10個人干活，現(xiàn)在我用機器人替代一半人。簡單重復(fù)的工作用機器人替代，復(fù)雜的用剩下的5個人，這就是“人機混合”模式。

　　舉個例子，現(xiàn)在國內(nèi)外已有很多安保機器人，按固定路線去巡邏。你可以理解為移動的攝像頭，當(dāng)然算法上肯定加入了一些識別的東西。固定繞路線巡邏，這個完全可以交給機器人來做。難的是，在巡邏的過程中，如果發(fā)現(xiàn)有老太太摔倒了，讓機器人扶起來，這個目前還做不到。