2019年,人工智能要落地,更要小心被“摔死”

李北辰

    可以充分笃定的是,从2019年开始,在科技媒体的选题列表里,400多年前莎士比亚提出的那个深邃问题:“To B or not To B”,将变得不再是问题,没人会怀疑,未来十年中国科技的新战场将向ToB一端转移。
    事实上,不同于美国ToB市场的兴旺,中国最大ToB公司或许连最大ToC公司十分之一都不到,尽管很难复盘这种失衡的全貌,但可以肯定的是,中国互联网过去庞大的人口红利,在无意中“吞噬”了中国ToB巨兽们的崛起路径。
    
    嗯,过去二十年,中国C端市场完全是一片水草丰美的良田,只需将大洋彼岸的种子撒在这里,就可以种啥长啥,遍地开花,动辄几亿的活跃流量,浇灌出一大批C端的互联网新贵,也浇灭了B端巨头的生长空间。毕竟当一切唾手可得,你很难指望人们去干脏活累活——不过现在,广袤土地已被过度开垦,资本市场摘完低垂之果,才开始想起要寻找新的疆域,无疑要转向ToB领域。
    而在这片新大陆,生命力最旺盛的一颗种子,就是人工智能——且不同于互联网时代的种子更多是舶来品,在中国,由于传统机构借助AI实现转型升级的需求更迫切(比如降低人力和管理成本),论及AI场景的创新方式,中国或许将成为先行者。
    不过,人工智能的种子想要落地生根,先要完成一番去魅过程。而市场凛冬利好的一面,正是用低温过滤掉了投机者。在刚刚过去的2018年,AI从业者普遍脱离亢奋状态,把AI当锤子到处找钉子的妄人逐渐被市场淘汰。而在2019年,人们更是意识到,环境愈是寒冷,投资AI的天平就愈会向场景倾斜,AI融资门槛已经从最早的demo,后来的产品,转向如今最现实的客户订单,2019年,能在垂直领域找到应用场景的AI企业,将赢得更大生存空间。
    
    然而,相较于上述共识,我今天更想说的是这个:2019年,AI要落地,更要小心被“摔死”。
    没有“大鹏展翅”,只有“方寸之间”
    场景如此关键,但问题是,AI场景该如何搭建?
    回答这个问题前,先要明确一点:产品是连接不同场景之间的唯一中介,人工智能企业必须拥有强大的产品化能力,为什么ToB市场很难呈现指数级增长?就像远望资本创始人程浩所言:“一个非常重要的原因是,所有ToB类项目都有实施成本和实施周期,产品化能力好坏,直接决定了实施成本。产品化能力强,可能一个人三天就能完成一个case,产品化能力非常弱,可能三个人干三个月这个项目才能实施好。”
    依我之见,衡量产品化能力的唯一心法,就是看它能否短平快地满足客户需求,而在AI领域,满足客户需求不可能只凭“技术+应用”的简单匹配,更多是依靠对某个行业垂直流程的了然于胸,这也是为什么如今AI投资者已达成共识:最理想的AI被投者,应该既懂行业又懂技术,前者比后者重要。只有巨头列阵中以行业纵深度突围,AI创业才可能出现胜算。
    而行业纵深度的其中一个意涵,是指AI落地必须要关注“周边环境”。当AI企业者深入到一个行业的细枝末节,就会发现包括资源和能力在内的一系列约束条件,真实的落地场景很少允许你大鹏展翅,更多时候需要你落于方寸之间,比如你不可能仅靠算法突破完成落地,那样或许会摔得很惨,因为很可能到了行业应用时才发现,数据并不像你想象的那样充盈。
    下一批“三个字母”的小巨头在哪
    理清上述逻辑,也就不难理解“AI场景如何搭建”。事实上,一个AI场景的构建,往往伴随着五个要素的闭环。
    
    第一当然是业务,目前AI落地最大程度上取决于业务和方案,没有最具体的业务,场景就不会存在。
    第二是数据,数据是支撑起场景的关键,也是哈耶克眼中最纯粹的“一手知识”,也是人类还原真实世界最值得仰仗的颗粒度,尤其在大数据时代,任何场景都会以数据的形式存储下来。
    第三是行业知识,更像是一种认知递进关系,数据在经过系统性整理变成信息,信息经过简洁抽象加工变成知识,现在任何一个行业的知识总量,都在爆炸式增长,任何一个“不足为外人道”,都显得弥足珍贵,作为影响场景的核心,行业知识也构成了企业之间最难逾越的门槛。
    第四是以AI为代表的黑科技,它通常是打破行业均衡,带来场景质变的最大变量,技术的不断迭代,督促着场景的不断跃迁。
    第五是决策,也是构建场景的最终目的。
    这五要素结合在一起,就可以拥有构建AI使用场景的能力,而在上述理论的提出者——最近风头正劲的海云数据看来,借助于这套场景方法论,他们完全可以把这种“能力”服务赋予用户。
    
    
    1  2  下一页>