本文来自 微信公众号: 我思锅我在 (ID:angelplusdevil) https://mp.weixin.qq.com/s/qB8UQvGdMTYdoLsnySNa2w , 作者: 我思锅我在 GN
导读: 被奉为硅谷创业圣经的《从 0 到 1》这本书中提过, 垄断型企业都有自己的壁垒, 无外乎是: 专利技术, 网络效应, 规模经济或品牌优势. 被资本界誉为 "AI 第一股" 的旷视科技即将登陆港股交易所, 招股书中最开始是 CEO 印奇写给投资人的信函, 最开始便说到 "深度学习是旷视的核心竞争力".
深度学习? 这似乎与书中提到的四个指标都不太相符. 以旷视为代表的 AI 公司, 他们的核心竞争力到底是什么? 而要弄明白这个问题, 必须先理解他们的商业模式究竟是怎样的? 于是我一口气想到了以下几个问题:
AI 公司是软件公司吗? 是 SaaS,PaaS 还是传统软件厂商?
AI 公司是解决方案商吗? 是集成商? 还是外包公司?
AI 公司的壁垒究竟在哪里? 真的是 "深度学习" 所代表的的 AI 技术?
2016 年 Alpha Go 开启了所谓 "人工智能的元年", 但才过去了两三年却发现 "投资人逃离人工智能". 外界质疑的焦点无非是 技术突破遇到 "瓶颈" 和商业模式 "不清晰" .
印奇的那句话像在回应第一点, 而第二个问题则需要完整的数据支持和严谨的逻辑分析, 直接凭资本走向和主观感受来臆断, 我认为是一个投机取巧的行为 . 所以, 以下内容希望能带领大家逐一解答上述疑问, 并最终解锁一个更核心的话题:
类比 SaaS 对传统软件的革命, 以旷视为代表的 AI 公司在商业模式上是否真的也存在颠覆式创新呢?
无论答案与否, 只有搞清楚了这个问题, 我们才可能客观地去判断 AI 公司的 核心指标, 竞争力, 还有未来 . 如果坚持看到最后, 文末有个彩蛋.
何谓 "AI 公司"
首先, 我们需要对以旷视为代表的的 AI 公司下一个基本定义, 这里特指自主研发以人工智能为原生且不可替代的技术, 同时具备或已经向垂直行业拓展, 并形成相关产品或解决方案的企业.
为了更形象地理解这句话, 参照 2016 年云栖大会上阿里云发布的《人工智能: 未来制胜之道》报告, 行业对 AI 产业链已达成了以下共识:
在基础层, 传统互联网公司和芯片大厂具有明显先发优势. 因此, 大部分国内 AI 公司都会从技术层或应用层切入, 并且随着技术的沉淀和业务的拓展, 两层的界限如今逐渐模糊. 但整体来说初创公司有两条发展路径:
以一个场景 (如人脸识别) 作为突破口, 通过连接企业客户内部系统或自建场景入口如传感器等方式获取数据, 基于多维度的数据不断训练模型, 优化算法, 在某一个场景问题中找到最佳解, 再向其他行业中相似的场景复制;
以一种通用技术 (如机器视觉) 作为突破口, 深耕算法和底层框架, 尤其当机器学习被工业界接纳后, 从底层驱动训练模型, 不仅能提升方案在不同场景下的普适性和运算效率, 也最终提升了实际应用效果.
前者由于对场景理解深刻, 便于触达客户, 累积数据, 因此产品更容易被客户接受, 变现能力较强; 后者希望借助算法和底层框架的优势高效地触达更多行业, 赋能业内合作伙伴, 通过开放合作的方式获取数据, 其间未必能直接触达客户, 因此覆盖范围广, 但变现能力较弱.
我们暂不讨论哪种路径更优, 需要达成共识的是: 接下来我论的 "AI 公司" 也是从技术或应用层切入, 沿着上述任何一种或多种发展路径成长起来 , 并以 AI 技术为核心不可被其他计算方式所替代为前提.
公平起见, 我会选取被资本界及业内人士公认的相关 AI 公司及其公开数据. 去年 7 月, 将视觉技术主要用于手机镜头上的虹软科技登录科创板; 8 月 "CV (机器视觉) 四小龙" 之一旷视科技向港交所提交了 IPO 招股书; 而最近, 以语音识别为核心技术的 A 股上市公司科大讯飞也迎来两年来市值的最高点, 不一而足.
因此, 想不到任何比现在更合适的时间点来思考前面提出的疑问了.
旷视的基本面, 也是 AI 的真相
我一直非常重视在深入分析之前先了解企业的历史沿革和发展里程碑, 这不仅能揭示创始人创业的初衷, 更展示了企业在取得每一次突破背后的驱动力到底是什么, 基于此才能对企业的战略, 风险及发展目标做出独立而客观的判断.
来源: http://www.tuicool.com/articles/RZvu6jU