中國人工智能的 76 條軍規(guī)丨雷鋒網(wǎng) GAIR
作者 | 李雨晨 余快 青暮 維克多 楊麗
編輯 | 王亞峰
如果用一個詞來概括中國的人工智能，那就是“沖突”。
無論是工業(yè)界、投資界還是學(xué)術(shù)界，他們的所有行為和歷程，都是圍繞沖突展開。
此前由雷鋒網(wǎng)策劃的《AI冰與火·五問》專題，是我們深入AI企業(yè)組織內(nèi)部、學(xué)術(shù)界根部、傳統(tǒng)產(chǎn)業(yè)界基層五年多時間里認(rèn)知沉淀的一部分：
依圖醫(yī)療的變賣，映射著企業(yè)決策者戰(zhàn)略選擇的沖突。
AI商業(yè)模式的崩塌，是標(biāo)準(zhǔn)化商業(yè)模式和定制化商業(yè)模式的沖突。
AI基礎(chǔ)研究觸到發(fā)展瓶頸，部分源自學(xué)術(shù)圈務(wù)實派和灌水派的人性與利益的沖突。
AI高管的貶值，是AI部門與業(yè)務(wù)部門之間的沖突。
投資人逃離AI賽道，則是投資人做局和創(chuàng)業(yè)者破局的博弈和沖突。
每起沖突背后，是人禍。每次寸步難行背后，也是人禍。
過去幾年，AI的討論過于聚焦“物”本身，如技術(shù)、產(chǎn)品、行業(yè)等理性內(nèi)容。
但鮮有探討由人構(gòu)成的組織、文化和管理之類的感性信息，雷鋒網(wǎng)希望通過《AI冰與火·五問》系列，讓行業(yè)系統(tǒng)性意識到“AI人文和組織”的重要性。
而在12月9日-11日，我們也將于深圳舉辦第六屆GAIR全球人工智能與機(jī)器人大會，邀請上百位嘉賓和數(shù)千位專家，在臺上臺下，一同探討人工智能與數(shù)字化最高維的“理性分析”和最貼近人性的“感性洞察”。
這次大會上，我們不僅可以聽到比《AI冰與火·五問》76條軍規(guī)更精彩的AI基礎(chǔ)研究、自動駕駛、安防、芯片、醫(yī)療認(rèn)知，更能看到元宇宙、碳中和、隱私計算、跨境電商、MarTech的全新風(fēng)向。
大會相關(guān)介紹和購票，可點(diǎn)擊【閱讀原文】查看，或聯(lián)系雷鋒網(wǎng)總經(jīng)理麥廣煒咨詢，微信qmigh10187
雷鋒網(wǎng)《AI冰與火·五問》76條軍規(guī)
1.動蕩時代最大的危險不是動蕩本身，而是仍然用過去的邏輯做事。
2.企業(yè)要想拿下AI賽道，解決不同背景團(tuán)隊之間的認(rèn)知沖突、文化沖突、方法論沖突，其重要性遠(yuǎn)大于業(yè)務(wù)本身。
3.依圖醫(yī)療成為棄子，是AI公司商業(yè)模式集體出現(xiàn)問題的縮影。成功或者失敗，是創(chuàng)業(yè)人必然要接受的終極宿命。也許，依圖的故事還將繼續(xù)，只是，醫(yī)療AI江湖里再無依圖。
4.AI商業(yè)模式崩塌的四個靈魂拷問：AI標(biāo)準(zhǔn)化、通用化的美夢是如何破滅的？高度定制化解決方案為什么走不通？海外高利潤解決方案我們?yōu)楹谓梃b不來？AI企業(yè)跳出低毛利死胡同的三種激進(jìn)模式是什么？
5.要把定制化走通，必須把“成本三低”做到極致：平均人力成本低、運(yùn)營成本和銷售成本低、產(chǎn)量擴(kuò)大后的邊際成本低。用最低的成本，去省出更多的利潤空間。
6.云從之所以能率先過會，除了國家隊屬性，更在于它的虧損率控制。這與人效或者說重慶人力成本低有很大關(guān)系，云從科技2019年核心高管們總薪酬僅890.47萬，而不少企業(yè)千萬年薪的科學(xué)家比比皆是。
7.互聯(lián)網(wǎng)巨頭用高成本的人力去跑定制項目，好比拿步槍打蒼蠅，投入產(chǎn)出非常不匹配。長期習(xí)慣做大生意的互聯(lián)網(wǎng)公司，是不會長期從事摘豆子、撿芝麻生意的。
8.大多數(shù)AI企業(yè)逃不開“三高”病（高投入、高虧損、高人才），同時又不具備規(guī)模化效應(yīng)，讓他們在高度定制化且毛利低的市場，轉(zhuǎn)不開磨盤、吃不飽。
9.什么是解決方案？郭士納曾給出的定義是，如果客戶需要馬桶，那IBM也賣。
10.鼎盛時期的IBM看似在高度定制化解決方案里又苦又累，實則拿捏住了最核心的標(biāo)準(zhǔn)化中間件，以至于一個項目可以拿到非常高的毛利。同樣，SAP有ECC，甲骨文有數(shù)據(jù)庫。而AI公司至今沒有這樣的產(chǎn)品，但他們誤以為AI技術(shù)本身就是中間件。
11.國內(nèi)的AI乃至企業(yè)軟件解決方案公司缺少高毛利的中間件產(chǎn)品原因：復(fù)雜系統(tǒng)性工程能力有限；對資金消耗大的項目，缺乏定力，容易搖擺，喜歡賺快錢；有效專利保護(hù)不足，法律手段不夠狠，市場懲罰力度有限，導(dǎo)致抄襲成本低，壁壘無法建立。
12.AI公司的多數(shù)專利沒有實際意義，形式主義大于實用主義，而有效專利又缺少強(qiáng)有力的保護(hù)。
13.一流的科技公司，不僅需要能創(chuàng)造IP，更需要用法律手段運(yùn)營IP。IBM在最危難時期，通過一系列組織架構(gòu)及專利許可的改革，實現(xiàn)利潤收入總額中有25%來自于知識產(chǎn)權(quán)與授權(quán)的項目。甲骨文的法務(wù)團(tuán)隊是全公司最強(qiáng)勢的部門，有人調(diào)侃，它應(yīng)該是一家大型律所，而不是一家軟件科技巨頭。
14.SaaS在國內(nèi)的商業(yè)環(huán)境下頗為尷尬，有了釘釘、企微、飛書后，進(jìn)一步加劇了國內(nèi)中小企業(yè)的“白嫖”思維，間接導(dǎo)致SaaS也逐步演化成大客定制化項目，重回老路。
15.淘寶在以另一種SaaS的形態(tài)存在于市場，以羊毛出在豬身上的方式，賺走了多數(shù)小微企業(yè)的錢，這讓小微SaaS企業(yè)變得異常艱難。
16.AI未來的轉(zhuǎn)機(jī)，也許在以下三種路徑里：
路徑一：重定制集成項目實施→ 數(shù)字化咨詢 → 咨詢業(yè)務(wù)反哺重定制實施 → 與大型客戶建立高粘性和系統(tǒng)不可替代性
路徑二：重定制集成項目實施 → 進(jìn)入非標(biāo)市場的標(biāo)準(zhǔn)市場（自動駕駛、芯片） → 形成標(biāo)準(zhǔn)化產(chǎn)品 → 低成本規(guī)模化復(fù)制
路徑三：開源深度學(xué)習(xí)框架，占位國產(chǎn)化高地
17.現(xiàn)在的AI企業(yè)，隨著業(yè)務(wù)不斷下沉，本質(zhì)上成了數(shù)字化企業(yè)，因此有設(shè)立咨詢部門的必要性。數(shù)字化，用什么技術(shù)不重要，重要的是做好頂層設(shè)計、組織管理規(guī)劃、數(shù)據(jù)沉淀、數(shù)據(jù)流通、數(shù)據(jù)決策，最終實現(xiàn)智能化。
18.AI做咨詢，咨詢只是引子，打通客戶決策層之際，為自己的項目實施業(yè)務(wù)拉客。更通過這一引子，吃透行業(yè)，了解更多客戶需求，讓解決方案更為健全、通用。
19.TensorFlow和PyTorch其實都存在百億美元的AI營收潛力，Google和Facebook之所以不以此盈利，是因為開源承載的更多是戰(zhàn)略意義，是防止被對手吞噬的防御性基建措施。安卓的免費(fèi)開源，從戰(zhàn)略意義上講，是為了防止被iOS和Window卡脖子。
20.抱團(tuán)是學(xué)術(shù)界常見的現(xiàn)象。有時候適當(dāng)?shù)睦瓗徒Y(jié)派，往往有利于學(xué)術(shù)界的團(tuán)結(jié)和交流融合。但如果摻雜的利益過多，便會劣幣驅(qū)逐良幣，最終敗于“傳承”。
21.同行評審是評價學(xué)術(shù)成果的重要手段，凡是重大的理論突破，只有經(jīng)過同行認(rèn)可，才能發(fā)揮它最大的作用。但同行評審的基礎(chǔ)是建立在信譽(yù)基礎(chǔ)上，通俗講，就是不放水。
22.最早一批在深度學(xué)習(xí)領(lǐng)域，通過調(diào)參、灌水成功發(fā)表論文的學(xué)者，他們已經(jīng)形成了利益團(tuán)體，事實上也已經(jīng)掌握了一定的學(xué)術(shù)資源，他們在會議、論壇、期刊擁有審稿權(quán)，能夠決定一些沒有創(chuàng)新的論文（灌水）被接收。
23.反復(fù)調(diào)參、只對原有網(wǎng)絡(luò)做修修補(bǔ)補(bǔ)、缺乏理論指導(dǎo)，里面大多都‘只寫how不寫why’，這些都是灌水學(xué)者常用的手法。他們甚至以此為榮，經(jīng)常在交流中互相攀比論文數(shù)量。
24.灌水學(xué)者有的已經(jīng)博士畢業(yè)，走上學(xué)術(shù)舞臺，成為導(dǎo)師，他們的學(xué)術(shù)風(fēng)格又影響了他們的學(xué)生，然后這些學(xué)生博士畢業(yè)，也走上了學(xué)術(shù)舞臺........目前來看，可能有第二代甚至第三代這種“灌水學(xué)者”都已經(jīng)成為導(dǎo)師。
25.企業(yè)聯(lián)合高校做研究，多數(shù)各取所需，較為短視，只看眼前利益。企業(yè)方往往會在合同中表明：實習(xí)生三個月出成果，教授一年完成任務(wù)。但是一般真正“有突破”的研究需要3~5年甚至更多年的時間。
26.這幾年先是一窩蜂涌上來鼓吹深度學(xué)習(xí)，現(xiàn)在又大潑冷水，這其實都是不成熟的表現(xiàn)。即使人工智能在理論上最近沒有什么進(jìn)步，但這不代表人工智能沒有進(jìn)步。
27.當(dāng)年的科舉制度已經(jīng)“變異”成帽子、職稱以及地位。拿到了一定的帽子就有相應(yīng)的物質(zhì)資源，用這些資源繼續(xù)換“帽子”........這導(dǎo)致有才華的年輕人都在想辦法提高論文數(shù)量，以應(yīng)對職稱考核、學(xué)校評獎。
28.不管是論文數(shù)目，還是引用數(shù)據(jù)，只要給學(xué)者設(shè)定了這種KPI，部分國內(nèi)學(xué)者一定有各種辦法找到方法去解這個目標(biāo)函數(shù)。
29.科學(xué)研究需要時間來檢驗的，現(xiàn)在正規(guī)的AI學(xué)術(shù)會議都會設(shè)置一個時間檢驗獎，目的是回到十年前，看看到底哪些論文是經(jīng)得起檢驗的工作，因此學(xué)術(shù)要自由，不能拼數(shù)字也不能拼引用。
30.企業(yè)不敢招募AI科學(xué)家，是大部分公司現(xiàn)有的組織能力，并不能消化掉象牙塔里天賦異稟的科學(xué)家。人們往往把組織問題，全部歸結(jié)到人身上。
31.公司所產(chǎn)生的AI科學(xué)家恐懼癥，是一種對組織能力不自信的映射。
32.當(dāng)二三線公司，發(fā)現(xiàn)自己并不具備吸收首席科學(xué)家的組織能力，陸續(xù)叫停招募后，人才供需的天秤便開始傾斜。肉多了，狼開始變少了，部分高級AI人才的貶值，是自然而然的事情。
33.AI研究的作用潤物細(xì)無聲，不能直接顯現(xiàn)，更無法KPI化。讓科學(xué)家直接去做解決方案、跑業(yè)務(wù)并不現(xiàn)實?？茖W(xué)尋找的是最優(yōu)解，ToB產(chǎn)品的本質(zhì)，則是以最優(yōu)解為目標(biāo)的一種妥協(xié)：標(biāo)準(zhǔn)化和定制化之間的妥協(xié)、高毛利與虧損之間的妥協(xié)、你主導(dǎo)和客戶主導(dǎo)之間的妥協(xié)……
34.科學(xué)家最不擅長的就是妥協(xié)，在他們的局部世界里，自己永遠(yuǎn)是MVP，科學(xué)界確實也需要這樣偏執(zhí)和自負(fù)的精神。但回到工業(yè)界：大部分管理層并不迷信局部work的方法論。
35.企業(yè)對AI科學(xué)家的評價標(biāo)準(zhǔn)分兩種：對內(nèi)和對外。對內(nèi)，幫企業(yè)解決實際業(yè)務(wù)問題。對外，與外界建立起連接，借助個人號召力招募更多一流人才、與外部頂級研究機(jī)構(gòu)達(dá)成合作，反哺自身的技術(shù)能力和行業(yè)科技影響力。
36.對互聯(lián)網(wǎng)巨頭而言，面子所創(chuàng)造的價值，無可比擬。面子型公司活不久，里子型公司做不大。而那些活的最好的、有里有面的大公司，在他們眼里，AI的面子，有些時候比里子更重要。
37.阿里達(dá)摩院的初心是基礎(chǔ)技術(shù)研究院，現(xiàn)在完全淪為阿里云的應(yīng)用研究院。國內(nèi)最純粹的企業(yè)AI實驗室是張正友領(lǐng)導(dǎo)的騰訊AI Lab，投入絕對人力、物力去做前沿研究。張正友去年成為騰訊歷史上首位17級專家，側(cè)面可以看出騰訊內(nèi)部對長線前沿研究的決心。
38.在中小企業(yè)和傳統(tǒng)IT企業(yè)，引入AI科學(xué)家所帶來的組織矛盾隱患，些許時候要比他能解決的實際業(yè)務(wù)問題的價值更大。
39.過去五年，中小企業(yè)的AI研究院驗證了一個道理：AI人才的用法，一旦過于務(wù)實，便是用“大炮打蒼蠅”，一是浪費(fèi)，二是不一定打得著。
40.企業(yè)持續(xù)發(fā)展的動力不是人才，而是利益分配。AI科學(xué)家在企業(yè)拿著過高的薪資，在人事高管看來，挑戰(zhàn)了現(xiàn)有的薪資結(jié)構(gòu)。業(yè)務(wù)高管則認(rèn)為他們自己在業(yè)務(wù)一線摸爬滾打二十多年，為公司立下了汗馬功勞，也沒享受到那樣的待遇，心里自然不平衡。
41.AI科學(xué)家高薪聘請自己學(xué)生的案例，在很多公司屢見不鮮。企業(yè)為科學(xué)家們開啟的種種特殊通道，自然會讓自己引火上身。
42.企業(yè)一旦發(fā)現(xiàn)了AI人均投入產(chǎn)出比低的癥結(jié)后，會破天荒地為AI研究負(fù)責(zé)人制定了營收KPI：AI研究部門與業(yè)務(wù)部門的沖突，正是來自于此。
43.AI研究院賺錢的方式分兩種，一是聯(lián)合業(yè)務(wù)部門一起為客戶做外包，從項目款中抽成。一種是給自家產(chǎn)品部門做內(nèi)包，和業(yè)務(wù)部門收錢。但內(nèi)包的方式，容易出現(xiàn)自家人坑自家人的情況。
44.AI研究院做內(nèi)包，由于營收KPI壓力巨大且知曉業(yè)務(wù)部因合規(guī)問題不能外包，于是漫天要價，因為不存在甲乙方關(guān)系，前者態(tài)度傲慢的現(xiàn)象屢見不鮮。同時會攻擊產(chǎn)品部不配合、IT部代碼爛、數(shù)據(jù)部樣本質(zhì)量差……AI研究院和業(yè)務(wù)部的矛盾，就在這些點(diǎn)滴小事中爆發(fā)的。
45.互聯(lián)網(wǎng)巨頭的AI研究院都獨(dú)立于工程部門，話語權(quán)巨大。但現(xiàn)在的CEO越來越傾向讓工程領(lǐng)導(dǎo)管理研究院。如吳恩達(dá)曾向李彥宏匯報，離職后，AI研究團(tuán)隊被工程體系王海峰領(lǐng)導(dǎo)。李飛飛離職Google后，工程統(tǒng)帥Jeff Dean接管了Google的人工智能研究。沈向洋離職后，微軟CTO接手其6000人以上的研究團(tuán)隊。
46.過往有技術(shù)前瞻性的CEO們，寄希望形成一條自上而下的AI研究驅(qū)動工程、工程驅(qū)動產(chǎn)品、 產(chǎn)品賦能用戶/客戶的鏈條。事實發(fā)現(xiàn)，當(dāng)前的AI并不能驅(qū)動工程，它只是工程的一部分，輔助落地。過往話語權(quán)頗高的獨(dú)立AI研究院，也陸續(xù)名存實亡，成了工程部門的子團(tuán)隊。
47.作為企業(yè)研究院的代表，貝爾實驗室和GE中央研究院，將技術(shù)研發(fā)工作分為兩類：基礎(chǔ)研究、技術(shù)升級或改造，對于這兩類研究，可以由不同類型的科學(xué)家去獨(dú)立進(jìn)行。從基礎(chǔ)研究到產(chǎn)品開發(fā)，再到推向市場的周期特別短，這種高效的協(xié)作有賴于大團(tuán)隊的人才供給，以及管理模式的創(chuàng)新。
48.企業(yè)研究院的成功得益于兩個字：自由。自由的基礎(chǔ)研究氛圍，讓貝爾實驗室向全世界貢獻(xiàn)了晶體管、激光、Unix、C語言等等改變世界的偉大發(fā)明。這種自由還有一層含義，就是只受同行評議限制，而不受考核壓力限制。
49.用“業(yè)績考核”替代“自由”，是AI研究院的大劫：在上世紀(jì)八十年代經(jīng)歷了拆分和華爾街介入后，頭上頂著業(yè)績考核的貝爾實驗室再也沒辦法恢復(fù)活力，科學(xué)家甚至面臨著要和市場部聯(lián)合推銷產(chǎn)品的尷尬處境。反觀當(dāng)下眾多企業(yè)AI研究院面臨的種種窘境，和當(dāng)時的貝爾實驗室如出一轍。
50.在學(xué)術(shù)研究上，國內(nèi)AI企業(yè)研究院未能產(chǎn)出足夠有影響力的成果。雖然發(fā)了不少頂會論文，但其實很少有完全自主的idea，基本都是follow谷歌、OpenAI這些公司做的改進(jìn)研究，比如BERT、GPT-3、AlphaFold等。
51.最好的研究，是修剪已有的知識樹而不是去發(fā)展它。如今人工智能尚屬于百花齊放階段，如果在某一天遇到了瓶頸，或許可以考慮去“修剪已有的知識樹”，也即是在理論上抽象出智能最本質(zhì)的數(shù)學(xué)概念，以此帶來人工智能的下一步飛躍式發(fā)展。
52.企業(yè)設(shè)立AI研究院，有兩種模式選擇：麻省理工模式和哈佛模式。
53.麻省理工學(xué)院課業(yè)繁重，考核嚴(yán)格，其畢業(yè)生必能掌握某一領(lǐng)域的專業(yè)知識和技能，并有獨(dú)立學(xué)習(xí)能力，質(zhì)量穩(wěn)定——水平比較平均。而哈佛大學(xué)的教育理念更加自由開放，考核少，并且會鼓勵學(xué)生廣泛涉獵，質(zhì)量不穩(wěn)定——水平參差不齊，盡管平均水平也很高。
54.中小企業(yè)隨時掙扎在生死邊緣，必須首先保證產(chǎn)品質(zhì)量過關(guān)，還不是刻意追求獨(dú)創(chuàng)性的時候，也就是麻省理工模式。而對于大公司，其資產(chǎn)實力能保證長期依靠已有業(yè)務(wù)生存，同時也能支撐需要面對大量失敗嘗試的基礎(chǔ)研究，也就是哈佛模式。
55.國內(nèi)早些時候的風(fēng)投圈，像是一個巨嬰國。這個圈子表面風(fēng)光無限，剝開皮瓤都沒熟透：缺少獨(dú)立思想、模仿抄襲、亂攪行業(yè)、長不大。
56.押賽道式投資，不過是看到歐美哪些企業(yè)增長迅猛，照貓畫虎投幾家有著美國企業(yè)影子的中國公司，和抄襲無異。
57.壓賽道式的投資邏輯，和深度學(xué)習(xí)的技術(shù)原理相似。設(shè)定好目標(biāo)，采集大量相似樣本（項目），加大算力（資金），暴力試錯，最后等待一個最優(yōu)結(jié)果出來。
58.AI投融資，應(yīng)該是國內(nèi)VC第一次表現(xiàn)得不那么像巨嬰的領(lǐng)域。歐美至今未出現(xiàn)過互聯(lián)網(wǎng)般成功的AI投資案例。而國內(nèi)投資人在沒有任何參考坐標(biāo)的前提下，毅然進(jìn)入這個領(lǐng)域，掏出全球最多的2000億去重倉AI。
59.投資人做的局，看似給企業(yè)布了很多正資源，但在企業(yè)的真實發(fā)展道路上，可能是“負(fù)資源”。
60.個別公司引入了三流學(xué)者，對外卻吹著超一流的牛，全然不知把自己置身于大型打臉現(xiàn)場。而這些不入流的學(xué)者在企業(yè)吹捧下，會潛移默化地把自己當(dāng)大師。
61.同時能在學(xué)術(shù)、工程、產(chǎn)品領(lǐng)域有杰出實戰(zhàn)能力的企業(yè)科學(xué)家，在國內(nèi)甚至都不超過五個。同樣是IEEE Fellow級專家，有些人能拿到三、四千萬的年薪，有些幾百萬。
62.只要把明星科學(xué)家和明星創(chuàng)業(yè)團(tuán)隊的故事講圓，下一輪會有VC愿意為之買單。這種手法在2016年-2018年間效果顯著，VC嘗到甜頭后，親自出馬，為下一輪融資畫餅造星，同時費(fèi)盡心思拉攏明星投資人上船。而被拉攏的明星投資人，也成了局的一部分，能夠號召更多人入局。AI投資成了局中局，杠桿撬杠桿，不斷循環(huán)。局的盡頭還是局。看不到產(chǎn)品，也不見商業(yè)化。
63.新興AI公司相比老牌廠商的優(yōu)勢是什么？很多人說是技術(shù)。不全對，是高成本優(yōu)勢。高成本打法，單從獲客角度來說，頗有好處。一套造價昂貴的系統(tǒng)以白菜價出售，客戶新鮮感一來，自然會一試。但長期來看是飲鴆止渴。
64.AI某小龍，為了拿下客戶，給銷售的激勵是每談下一家公安，發(fā)一百萬獎金。于是銷售們瘋狂地推，不管產(chǎn)品是否好用，不管產(chǎn)品單價是否過于便宜，只要能占一個坑，就是成功。
65.?？低暩吖茉v過一句非常經(jīng)典的話：我們做不了用1塊賺100塊的生意，但在用1塊賺1塊的生意上，沒有人能做得過我們。
66.投資人原本想做用一塊賺一百塊的生意，而AI公司做著花三塊只收回來一塊的買賣。雖然一塊賺一百很難，但至少和買彩票一樣，投入可控，還能買個好盼頭。
67.每當(dāng)企業(yè)的動作有些許變形，投資人們就把手伸入至戰(zhàn)略、管理 、人事、財務(wù)、公關(guān)當(dāng)中，控制企業(yè)走向。兩種經(jīng)營理念的沖突，在2018年左右開始爆發(fā)。爆發(fā)的結(jié)果是，那些沒有說服投資人的公司，干脆死在路上，成了第一批炮灰。
68.AI公司高調(diào)碰硬件賣攝像頭的做法，給渠道商帶來了不少壓力，迫使后者不得不站隊，只能站在大客戶一邊，所以只能把AI公司的訂單放棄，導(dǎo)致某小龍至今積壓幾億的貨無法銷售。
69.AI公司內(nèi)部在兩種局的拉扯中，陷入自己的困局。兩種局的背后，是這兩種經(jīng)營文化，一種是資本導(dǎo)向的經(jīng)營邏輯，一種是實打?qū)崢I(yè)務(wù)導(dǎo)向的經(jīng)營邏輯。兩者并不兼容。當(dāng)兩種文化沖突愈發(fā)激烈時，派系便會形成，內(nèi)耗會加重。
70.AI商業(yè)模式的第一性原理：向下做重、向上做輕、向前咨詢、向后運(yùn)營。
71.向下，現(xiàn)在90%的AI公司走的模式，即客戶需要什么，便提供什么，做高定制的軟硬一體解決方案。但30億市值是第一道天花板。要突破30億的天花板，需從定制化的方案中，凝聚抽離出通用的中間件產(chǎn)品。
72.這條路SAP花了二十多年才走通，從大客定制，不斷剝離，成為一家純軟件企業(yè)。在二十多年的標(biāo)準(zhǔn)化過程中，還設(shè)計出ABAP低代碼語言，并且建立起了戰(zhàn)略/IT咨詢、集成、部署、數(shù)據(jù)清洗、運(yùn)維等第三方合作生態(tài)，去讓自己的標(biāo)準(zhǔn)化軟件，有生態(tài)去支撐落地。
73.現(xiàn)階段的AI行業(yè)缺少運(yùn)營服務(wù)商的角色。好比老牌硬件公司是地產(chǎn)開發(fā)商，AI軟件企業(yè)是裝修公司，但現(xiàn)在AI行業(yè)唯獨(dú)缺少第三方物業(yè)公司。
74.過去AI最賺錢的兩個方向，其一是安防，其二是數(shù)據(jù)服務(wù)。前者涉及到硬件采買，營收高但利潤。第二種則是數(shù)據(jù)服務(wù)，模式最輕且營收可觀，做脫敏數(shù)據(jù)服務(wù)的買賣，獲得ROI遠(yuǎn)高于技術(shù)實施帶來的收益。兩種模式有個共同的特征，便是在合規(guī)的標(biāo)準(zhǔn)線上游走，一種是隱私信息的使用，另一種是脫敏隱私信息的間接買賣。
75.AI領(lǐng)域如同打牌，多數(shù)投資人手中都是爛牌。
76.當(dāng)投資人沒有運(yùn)氣攤到好牌時，能做的只有盡可能地做好局部優(yōu)化，把自己的爛牌，每一步打得比其他人的爛牌好那么一點(diǎn)點(diǎn)。
雷鋒網(wǎng)第六屆GAIR全球人工智能與機(jī)器人大會，相關(guān)介紹和購票，可點(diǎn)擊【閱讀原文】查看?；蚵?lián)系雷鋒網(wǎng)總經(jīng)理麥廣煒咨詢，微信qmigh10187
依圖醫(yī)療「變賣」內(nèi)幕：出走、截胡與派系整合
AI 商業(yè)模式的脫靶、崩塌、救贖
鎖死 AI 基礎(chǔ)研究的兩個「智子」是什么？
AI 人才越來越不值錢了嗎？
逃離 AI 賽道的投資人：做局失利、破局無力
