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>
