作者： 程浩 本文為2017中國産品經理大會深圳站嘉賓分享整理總結 未經許可，禁止轉載。謝謝合作
由人人都是産品經理與騰訊大講堂聯合主辦的2017中國産品經理大會：解碼未來産品經理在深圳寶立方國際博覽中心如期舉行。迅雷創始人、松禾遠望基金創始合夥人@程浩 老師結合自身經驗，并從行業角度深度分析了人工智能創新時需要面對的六大核心問題，給智能時代下的産品經理帶來了不同角度的思維方式。
分享嘉賓：迅雷創始人、松禾遠望基金創始合夥人 @ 程浩
大家好，我是迅雷創始人程浩，現在專注科技領域的投資。今天跟大家聊聊人工智能領域的創業和創新，包括如何選擇賽道、團隊的搭配、以及如何應對巨頭的挑戰。
為此我從投資人的視角，給大家總結了人工智能創業的6大核心問題。
如果今天大家選擇創業，我建議更應該關注人工智能，而非網際網路。
為什麼這麼講？
1. 網際網路的流量紅利已經消失
以PC來說，全球PC出貨量連續5年下滑；大家知道國内最後出現的一個PC網際網路獨角獸是誰嗎？
是知乎，大概是2011年初推出，這麼多年過去，再也沒有PC網際網路的獨角獸出現。
做個類比，我們知道2015年移動網際網路的滲透率和競争程度和2011年的PC網際網路類似；以此類推，2015年以後再做移動APP，也很難出獨角獸了。
畢竟中國連續兩年手機出貨量都在5億多台，增長放緩，代表無線流量基本已走平，你多賣一台，我就少賣一台，是存量競争。
今天創業者再做一個純網際網路的APP，投資人問的第一個問題就是你怎麼獲客。因為現階段流量格局已定，首屏就那幾個APP。
2. 網際網路+的機會同樣有限
主要在于網際網路最大的價值，是解決資訊不對稱和連接配接。是以對于電商特别有價值。
淘寶用皇冠、鑽石等信用體系解決了資訊不對稱，同時又把全國有這麼多買家和賣家連接配接在一起——這個是網際網路的價值。
但很多行業資訊和連接配接并不是痛點。
拿醫療舉例，中國三甲醫院的大夫就那麼多，你把全國13億人民都和這些大夫連接配接上了也沒用，因為一個醫生一天還是隻能看那麼多病人。
網際網路并沒有提高醫生看診的效率；在諸如餐飲、醫療這些傳統領域，網際網路的幫助是很有限的。
也包括滴滴打車，網際網路解決了打車難的問題，但是沒解決打車價格的問題。事實上，補貼去掉之後，大家都發現了滴滴一點都不便宜，道理很簡單——不管是專車還是計程車，還是需要由人來開，人工成本降不下來，就不可能便宜。
3. 真正能夠提高社會生産力，解決供需關系不平衡的就是人工智能
人工智能将給社會生産力帶來的提高，以及對人類帶來的影響将遠遠超過網際網路。
還是拿醫療來說，很多基層醫院水準不高，那未來完全可以通過人工智能來輔助醫生讀CT、X光等醫療影像。
像今年，IBMWatson對皮膚黑色素瘤的診斷，準确率已提高至97%，遠遠超過了人類專家75%-84%的平均水準。
未來，人工智能無論是在無人車、機器人、醫療、金融、教育還是其他領域，都将爆發巨大的社會效益，這點毋庸置疑。我認為下一波大趨勢和大的紅利不是網際網路+，而是人工智能+。我建議現在的創業者更應該關注人工智能領域的創業機會。
人工智能主要分三層。最底層是基礎架構（Infrastructure），包括雲計算、晶片以及TensorFlow這樣的架構。
在基礎層之上是中間層，叫通用技術（EnablingTechnology），例如圖像識别、語音識别、語義了解、機器翻譯這些。
基礎層和中間層，是網際網路巨頭的必争之地。
比如晶片領域，Intel、英偉達、高通都投入巨資，競争極其激烈。
雲計算、架構也是一樣，都不是小公司能夠涉足的領地。
現在對于中間層的通用技術，BAT也極其重視——因為大家都相信：人工智能是下一波工業革命浪潮。
對騰訊、阿裡、百度這些巨頭來講，要想在大浪中屹立不倒，必須要建構出人工智能的生态系統（Ecosystem）——而核心就是要依靠這些Enabling Technology技術。
相比創業公司，BAT的最大優勢是什麼呢？
不缺資料；
為了建構自己的生态系統，未來通用技術一定全部是免費的；
雖然通用技術免費，但BAT有羊毛出在身上的豬機會。這是典型的網際網路打法。
這裡的豬是什麼？豬就是雲計算。
例如百度的ABC政策，分别代表人工智能（AI）、大資料（Big Data）和雲計算（Cloud Computing）。AI我可以不賺錢，開放給大家，那麼大家想享受我的服務，就來買我的雲吧。
而對于創業企業來說，隻做圖像識别、語音識别、語義了解、機器翻譯這些通用技術，指望通過SDK賣錢，未來路會越來越窄，特别是BAT都免費的壓力下。
是以從這個角度講，創業公司做下面兩層風險比較大。我認為創業公司的機會在最上層，就是拿着下兩層的成果去服務垂直行業，也就是我們所謂的人工智能+。
深入垂直行業的人工智能+，又可細分為兩類情況：即“人工智能+行業”和“行業+人工智能”，他們間有明顯的差別。
“AI+行業”簡單講就是在AI技術成熟之前，這個行業、産品從未存在過。比如自動駕駛，亞馬遜的Echo智能音箱、蘋果的Siri語音助手。在人工智能技術未突破前，不存在這樣的産品。因為AI，創造出了一條全新的産業鍊。
“行業+AI”就是行業本身一直存在，産業鍊條成熟，隻是以前完全靠人工，效率比較低，現在加入AI元素後，使得行業效率有了明顯提高。比如安防、醫療等領域。
客觀講，這兩個類别都有創業機會。但“AI+行業”，因為是一條新的産業鍊，創業公司與網際網路巨頭實際是處在同一起跑線上——而巨頭們坐擁資料優勢。
是以從這個角度，“行業+AI”相對對創業公司更為友好，也更容易建構出壁壘。
我認為，未來行業壁壘才是人工智能創業最大的護城河。因為每個行業都有垂直縱深, 盡管BAT技術好一點、并不關鍵。
拿醫療+AI舉例，什麼最重要？大量準确的被醫生标注過的資料最重要；沒有資料，再天才的科學家也無用武之地。
但在國内，這個醫療資料拿出來非常困難——是以BAT做醫療一點優勢都沒有，因為他們要把這些資料，從各醫院、各科室搞出來也很累。
相反，如果一個創業者在醫療行業耕耘很多年，也許拿起資料來比大公司更容易。
這要求創始團隊的合夥人中，必須有懂行業、有行業資源的人才。
這與網際網路+一樣，一旦細分到具體行業，并不是說你百度、騰訊有資金、有流量，投入人才就什麼都能做，比拼的還有行業資源和人脈。
之是以跟大家聊這個話題，是因為前一段去百度大學跟大家交流，他們提到百度人工智能在無人車和DuerOS的應用。同時又問我，人臉識别在國内安防領域的應用價值非常大。
像海康威視有近3000億人民币的市值，每年光淨利潤就有近百億。
百度在AI方面是不是該考慮進軍這個領域，我回答說千萬别，因為安防是典型的、有巨大壁壘的“行業+AI”領域。
即使百度技術好，在人臉識别率方面比海康威視高一個百分點（實際不一定，海康背後有幾百人的AI研發團隊）。但這并不代表百度就能替代海康。因為安防是“非關鍵性應用”（non-mission-critical），100個犯人我識别了95個，你比我多識别了一個做到了96個，其實沒那麼重要。
而反過來，海康對比百度有什麼優勢？
首先海康是做攝像頭的，用自己的硬體跑自己的算法，是很自然的事兒。就像蘋果手機，軟硬一體體驗更好。
其次，海康做了這麼多年的安防，積累了非常多的資料，人臉的資料、環境的資料……在安防領域有資料優勢。
最後，海康給公安系統做了很多類似警務通、基站資訊采集、視圖檔案管理等SaaS平台的東西，以及警用雲系統——我們可以認為公安系統的IT化，其中有一部分就是海康威視參與的。
這些東西可能不賺錢，但卻為海康建構了壁壘。因為底層的基礎設施都是我建的，那前端的東西就隻能用我的（我可以有100個理由，說競品與我不相容）。
而且海康做了這麼長時間，積累了大量的客戶資源，特别是政府警察局的資源，開拓這些資源非常需要時間。
這些就是所謂的行業縱深。是以即使對BAT而言，想進入“行業+AI”領域，選擇垂直賽道時，同樣要非常謹慎。
在巨大的行業壁壘面前，真不是說我的算法比你好一些，市場就是我的，隻有技術優勢仍然差的很遠。
回歸 “AI+行業”和“行業+AI”，通常來講前者的行業縱深會比較淺，而後者則有巨大的行業壁壘。而行業壁壘，則是創業公司最大的護城河，也是抵擋BAT的關鍵。
談到人工智能領域的創業，很多人都會有個誤解，就是如果我團隊沒有個大牛的科學家，比如斯坦福、MIT的博士坐鎮，我都不好意思講在人工智能方面創業。
其實這個認知是完全錯的。
在人工智能領域，算法到底有多重要，完全取決于你要準備進入哪個行業。
根據行業和應用場景不同，我認人工智能的創業本質上有mission-critical和non-mission-critical之分。為了友善大家了解，我們簡稱為“關鍵性應用”和“非關鍵性應用”。
“關鍵性應用”要追求99.9……%後的多個9，做不到就沒法商業化。
比如：大家認為，99%可靠度的自動駕駛能上路嗎？
肯定不能，意味着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——也包括手術機器人，聽起來99.9%可靠度已經很高了，但意味着1000次出一次醫療事故；放在美國，醫院還不得被巨額索賠搞得破産。
是以“關鍵性應用”領域，就是一丁點兒錯都不能犯的人工智能領域，必須要有技術大牛、科學家或算法專家坐鎮。
同時，這類項目研發周期都很長。
正如以色列做ADAS （進階駕駛輔助系統）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周期有多長嗎？Mobileye成立于1999年，到他們推出首款産品、掙到第一桶金已是2007年。
長達8年的研發周期，這在網際網路創業裡不可想象。
包括谷歌無人車從2009年開始研發，到現在一直沒有商業化；達芬奇手術機器人從啟動研發到2000年拿到美國食品藥品管理局（FDA）的認證，花了十年時間。
“關鍵性應用”的普遍特點就是這樣：項目通常很貴，研發周期巨長，離錢非常遠，需要持續的融資能力。
團隊怎樣才有持續融資？起碼要有非常好的履歷和非常好的背景。這個是能夠持續融資的必要前提。
是以大家可以看到，今天做無人駕駛的創業團隊都是高富帥——因為不是高富帥，你都熬不到産品真正商業化應用那天。
當然，如果在人工智能領域都是“關鍵性應用”，那就沒大多數創業者什麼事了。實際上，人工智能領域的創業，95%都是“非關鍵性應用（none-mission-critical）”。
簡單講：對這些領域，AI的可靠度隻要過了基礎線，高一點低一點差別不大。
最簡單的例子：現在很多公司的門禁開始用人臉識别。你今天帶個帽子，明天戴個墨鏡或口罩，識别率沒法做到99%。
可即使沒識别出來也沒問題，因為所有帶人臉識别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，公司不還有前台嗎？
這就是“非關鍵性應用“。
這類項目不追求99%後面的很多個9，實際上，國内人工智能和機器人方向的創業，大部分領域都是“非關鍵性應用”。
當然并不是說，在這個領域算法不重要，你天天認不出來也不行，是以一定要過了基礎的可用性門檻，偶爾出現問題可以容忍。“關鍵性應用”則不能容忍。
“非關鍵性應用“不追求高大上，簡單、實用、成本效益高更重要，這樣的項目通常比拼綜合實力。包括：
對行業的洞察了解。要熟知行業痛點；
産品和工程化能力。光在實驗室裡搞沒意義；
成本控制。不光能做出來的産品，還得便宜的做出來；
供應鍊能力。不光能出貨，還要能批量生産；
營銷能力。産品出來了，你得把東西賣出去。團隊裡有沒有營銷高手，能不能搞定最好的管道是關鍵。
是以大家在創業組團隊時，一定要想好你選擇的賽道處于哪個領域，不同的賽道對于團隊的要求是不一樣。“關鍵性應用”必須有技術大牛坐鎮，“非關鍵性應用”則要求團隊更加綜合和全面。
現在很多人工智能創業者都是技術背景出身，創業的第一個想法通常是做技術提供商。技術提供商作為創業的敲門磚可以。但如果隻定位做技術提供商，未來路會非常窄。
純粹的技術提供商，沒有未來
為什麼說未來隻做技術提供商價值會越來越小？
原因有幾點：
1. 通用技術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别、語音識别、語義了解、機器翻譯這類EnablingTechnology，你還打算怎麼靠API調用賺錢呢？
也許現在還可賺點小錢，但很難成為一個長久的生意。
2. 依托于算法的技術壁壘會越來越低。
未來随着基礎計算平台和開源平台的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。
就像2008年你想找個IOS開發者，很難；現在卻很容易一樣——所有技術的演進都遵循這一規律。
特别随着今天各大學的計算機專業，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業的進入門檻。
同時随着谷歌TensorFlow等生态系統的成熟，很多領域都會有訓練好的模型可以用來參考（出Demo會更快），創業者隻要有足夠的資料來訓練參數就好了。
是以未來算法的壁壘會越來越低，如果這個公司的核心競争力隻是算法，那将非常危險。
3. 技術提供商如果不直接面向使用者/客戶提供整體解決方案，則非常容易被上下遊碾壓：
對于技術提供商和算法類公司，如果你的技術壁壘不夠高，上遊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别算法的公司。
問題就在于：海康在用你算法的時候，人家也有龐大的研發團隊在研究自己的算法；現在用你是人家還沒準備好，一旦準備好立刻會把你替換掉。
即使在有一定技術門檻的行業，技術提供商的日子同樣并不好過。
比如專注嵌入式的視覺處理晶片的Movidius，大疆無人機一直在用他們的晶片；但自從大疆統治了消費級無人機市場後，大疆現在也很自然地開始研發自己的晶片。
按說晶片的技術壁壘并不低，但隻要行業集中度高，赢家就會選擇通吃。
比如做手機的廠商，出貨量到了一個閥值，都有動力自己做晶片。
像蘋果、三星、華為還有現在的小米，都選擇了自己做手機CPU——是以聯發科、高通這些技術提供商，其實是挺痛苦的。
這其實是一個産業鍊通用規律：産業鍊上的壟斷者會吃掉所有利潤，而且他們非常有動力往上遊或下遊擴充。
拿PC産業鍊舉例，記憶體、硬碟、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。
“一橫一縱”理論
既然做純技術提供商沒有出路，那怎麼辦？
前期做技術服務可以，但是不能一輩子做技術服務。
“一橫”就是指你提供的技術服務。通常“一橫”能服務很多行業，一定要找到1、2個，你認為最有市場機會，最适合你的垂直領域，深紮進去做“全棧”：把技術轉化為産品，然後搞定使用者賣出去，實作商業變現，再通過商業回報更多的資料，更加夯實自己的技術。
一句話講：要做技術、産品、商業和資料四位一體的“全棧”，這就是“一縱”。這才是健康的商業模式。
在垂直外的行業，因為沒有利益沖突，你仍可老老實實的做技術服務。這樣的話，商業上你能吃透一個垂直行業，技術上你還能通過橫向合作，形成更多的資料回路，進而夯實你的技術。
這個就是“一橫一縱”理論。
如何選擇垂直領域？
那麼對于技術創業公司，從“一橫”走到“一縱”，要選哪個垂直領域，取決5個關鍵因素：
1. 市場空間夠不夠大？
做垂直領域的全棧，還是做橫向的技術提供商？取決市場空間哪個更大。找對垂直領域，即使隻占一點點市場佔有率，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、美顔相機等APP，同時還會跟很多手機廠商合作，提供相機拍攝的美顔效果，你可以了解這就是技術服務。
但研究2016财報後，大家知道美圖秀秀選的“一縱”是什麼嗎？
就是美圖手機。以上提到的技術服務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74.8萬台，僅僅隻占國内手機市場全年銷量5億多台的不足0.15%。
2. 行業集中度如何？
做“一橫”技術提供商時，最擔心的是你的上遊或下遊過于集中，或者說頭部效應越明顯，對技術提供商就越不利。
舉個簡單的例子：
IDC時代，HP、DELL等廠商賣伺服器，都是直接賣給各IT公司，大家日子過的都很滋潤。
但2010年之後就很難做了，因為雲計算出現了。
提供雲計算的廠商就那幾個，兩隻手就能數出來。而且頭部效應極其明顯，僅阿裡雲一家占了50%以上份額。
如果你是一個技術提供商，在跟這麼壟斷的行業去談判，你會發現沒有任何籌碼。
是以現在就很悲催，假設我是阿裡雲，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，你當然有意願也往上遊走。
但帶來的問題是什麼？
如果上遊集中度高，說明這事的壁壘很高，你作為技術提供商想往上走，同樣很困難；如果這個上遊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遊走，因為這個市場本來就很零散，你即使殺進去，可能隻有1%的市場佔有率，而且使得99%的人都變成你的競争對手了。
這是個悖論。
3. 技術是改良還是革命？
如果你的技術創新對這個垂直領域是革命性的，就越有機會走到上遊。如果隻是改良性的，你就老老實實在下遊賺個辛苦錢算了。
越是颠覆性的東西，越有機會往上遊走——因為上遊越離不開你，意味着你有機會做他的事。
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，你的手機隻打一點：一星期不用充電，而且是全球唯一！就這一點可能就夠了，因為這個技術是革命性的。
相反，如果是改良性的技術，例如你的電池待機隻是比以前多了10~20%，那你還是老老實實賣電池吧。
4. 雙方壁壘誰更高？
技術提供商的壁壘和上遊客戶的壁壘哪個更高，也決定做“一縱”的成敗。
拿比較火的直播平台而言，現在都有美顔功能，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。
技術本身的壁壘并不高，很多公司都能提供——雖然效果有一些小的差異，但你沒有明顯優勢。
可是直播的壁壘相當高，這事有網絡效應，使用者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，也會帶來更多的使用者；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；是以這個事壁壘很高。
你做技術提供商壁壘不高。這種情況下，雖然技術提供商隻能賺個辛苦錢，但是仍然完全沒有機會往上遊走。
5. 到底跟團隊基因相符不相符？
能做得了技術服務，不代表能做垂直解決方案，做全棧，因為團隊不一定有行業經驗，這是很大的問題。
亞馬遜的無人便利店Amazon Go出來之後，國内不少技術團隊也想提供類似的技術，甚至想做2C的便利店。
與他們聊完後，我都會勸他們再考慮一下，你的技術再好，對于使用者而言，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。是以如果團隊沒有零售的基因，沒有懂零售的人，就别考慮自己開便利店的事。
這時候，很多人可能會問“那我找個懂行業的高管不就行了麼？”
這事沒那麼簡單，如果CEO不了解行業本質，其實是很難靠一個高管去彌補的。
我特别相信基因決定論，如果任何一個新的商業，BAT找個懂行業的高管就能搞定了，那中國網際網路的生意就全是BAT的了，就沒創業公司什麼事了。
BAT，一個做搜尋，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，最後都不成功。
是以大家能做什麼，不能做什麼，跟這個公司的基因是高度相關的。
最後一個問題，簡單說一下：科技成熟都需要一定的時間。因為從任何技術普及演進的角度，幾乎都延續了先是從軍工（航天）、到政府、到企業、到B2B2C、再到2C這個規律。
不成熟的2C市場
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，出貨量大的機器人隻有4類産品：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。
為什麼2C市場早期的普及有一定的困難，簡單講幾個原因：
1. 産業鍊不成熟
我做一個創新的東西，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，每個部件都沒有規模效應，這就導緻每個部件都很貴，那你最後做出成品一定很貴。
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端的使用者因為自掏腰包、額外花錢，是以對價格通常比較敏感，産品很貴就是一個很大的門檻。
3. 2C産品的使用者期待度高
使用者買了這麼貴的東西，自然對産品的期待度會更高很多。
大家覺得我買一個機器人回來，恨不得什麼都能幹：又能唱歌、又能跳舞、又能聊天、又能清潔、又能講英語。
但這是不現實的，現在的技術成熟度離此還有些遠。
2B機會更多
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，但企業問題不大，企業對成本承受能力高。
2. 2B的核心目的是降成本
舉例工業機器人，10萬塊錢一個，聽起來很貴；但一個工業機器人替代你2個崗位，這2個崗位一年也得10萬塊錢，還不算四險一金。然後這機器人能工作4年，這一下成本隻有你原來的25%，甚至不到。那麼企業一算賬，覺得還是很便宜。
3. 2B可以采取人機混合模式
還有2B端的機器人應用更簡單一些。一方面大多是單任務，機器人隻要做好一件事就行了，實作起來簡單。
另外，很多都是以”人機混合”模式在作業——也就是以前需要10個人幹活，現在我用機器人替代一半人。
簡單重複的工作用機器人替代，複雜的用剩下的5個人，這就是”人機混合”模式。
舉個例子，現在國内外已有很多安保機器人，按固定路線去巡邏。你可以了解為移動的攝像頭，當然算法上肯定加入了一些識别的東西。
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，如果發現有老太太摔倒了，讓機器人扶起來，這個目前還做不到。
但這不重要，你們背景不還有5個人麼？讓他們過來就好了。
是以人機混合是2B比較主流的模式，這個大幅降低了機器人普及的難度。
目前大多數AI創業公司都是技術專家主導，這很容易了解——因為現在技術還有壁壘，技術專家主導起碼保證産品能做出來。
不過未來随着技術門檻的降低，特别在“非關鍵應用”領域裡，團隊的核心主導，會慢慢過渡到産品經理和行業專家為主，因為他們離使用者需求最近。
“非關鍵應用”領域，懂需求比技術實作更重要。長期來看，人工智能創業和任何其他領域的創業一樣，一定是綜合實力的比拼！
以上就是演講的内容。