字体:  增大          减小       

13-1 创业指导(1)

13-1-1 团队人力资源

1 标注员 

1-1 临时标注人员* 

1-2 专业标注员 

2 数据维护员 

2-1 数据清理员

2-2 数据平台维护员

3 工程师 

3-1 前台开发工程师 

3-2 中台(专用api)开发工程师 

3-3 后台开发工程师 

3-4 数据采集系统开发工程师 

3-5 数据处理系统开发工程师* 

3-6 营销系统开发工程师* 

3-7 售后支持工程师 

3-8 产品营销宣讲工程师* 

4 数据模型算法师 

4-1 初级算法师 

4-2 中级算法师 

4-3 高级算法师 

5 管理者

5-1 架构师

5-2 数据科学家

5-3 项目经理

5-4 开发组组长* 

5-5 数据分析组组长* 

5-6 产品经理* 

5-7 技术副总(CFO)* 

6 决策者

6-1 首席数据科学家

6-2 总经理(CEO)

6-3 董事会董事

6-4 董事长*

7 支持人员*

7-1 软件测试类人员

7-2 各类支持系统维护员

7-3 客服人员

7-4 公司级支持人员:财务,人事,后勤等

7-5 技术外包团队

7-6 营销外包团队

注:如果项目较小或特殊领域*不是必要条件不


13-1-2 创业的主要问题

许多人工智能领域的创业项目,很多都是技术背景的创业者,发现两个普遍问题:

1、有技术但没有好的场景,“拿着锤子找钉子”非常普遍;

2、技术创业者如果只定位做技术提供商,而不直接面向用户/客户提供整体解决方案,未来价值会越来越小,不往上游走风险非常大,甚至是死路一条;

为什么说未来只做技术提供商价值会越来越小,甚至死路一条?原因有几点:

■ 未来很多基础技术服务都是大公司的赛道,都会免费:

以语音识别来说,除科大讯飞外,目前百度、阿里也已经杀入这个领域,腾讯肯定也在布局中。不光是语音识别,包括自然语言理解、翻译等等,未来这些占据数据优势的大公司都会提供这样的基础服务。人就没打算收费,你也就别指望靠API调用去赚钱。所以尽管这些领域现在还可赚点小钱,但很难成为一个长久的生意。

■ 依托于算法的技术壁垒会越来越低:

打个比方,苹果2007年发布第一款iPhone时,没人懂IOS编程,现在满大街都是。正如今天各大学的计算机专业,都纷纷开设机器学习课程,未来人才不缺,这会拉低整个行业的进入门槛。

同时随着谷歌TensorFlow等生态系统的成熟,很多领域都会有训练好的模型可以用来参考(出Demo会更快),创业者只要有足够的数据来训练参数就好了。所以未来算法的壁垒会越来越低,如果这个公司的核心竞争力是算法,那将非常危险。

除此之外,在一些“非关键应用”上,两个算法之间的微小差别其实对使用者感知并不明显。与此相对应的,数据壁垒却是非常明显。最近这一年中国涌现了一二十个“AI看医学影像”的公司,这个生意里面,怎么拿到海量的、准确的、标注过的数据,比谁的算法好要有价值的多。

■ 技术提供商如果不直接面向用户/客户提供整体解决方案,则非常容易被上游碾压:

对于技术提供商和算法类公司,如果你的技术壁垒不够高,上游很可能直接把你的事做了。这样的例子比比皆是。大家知道安防领域的海康和大华,他们每卖一颗摄像头都会搭载一枚海思芯片,运行编解码方案和用于脸识别、人证合一相关的算法。

这个领域的算法提供商就很危险。第一,海思作为芯片提供商,在自己的Chips上跑自己的算法是理所当然,所以很容易就会把算法提供商的事儿替代了。其次更有可能的是,未来海康和大华,会把算法提供商和海思的事情都做了。现在只是自己研发团队做的芯片和算法还不够好。一旦差不多,会立马取代。所以即使海思芯片有一定技术含量,但对海康这样近2000亿市值的公司,他们占据垄断性的市场份额,一定会做到赢家通吃上下游。

此外还有在SLAM领域,应用基于三角测距triangulation的激光雷达,专做机器人移动底盘的提供商,未来也很危险。主要是技术壁垒没那么高,其上游最主要的客户扫地机器人,只要出货量一大就会考虑自己做。因为这事儿没什么门槛,因此只做技术提供商,非常容易被上游延展到自己的业务领域。

另外即使在有一定技术门槛的行业,技术提供商的日子同样并不好过。正像被Intel收购的Movidius,专注嵌入式的视觉处理芯片。之前大疆无人机是其主要客户之一。但问题是大疆统治了消费级无人机市场,所以大疆很自然的开始做自己的芯片。按说芯片的技术壁垒并不低,但只要行业集中度高,像苹果、三星、华为还有现在的小米,都选择了自己做手机CPU。

这其实是一个产业链通用规律:如果一个产业链有很多环节,在某一个环节有一个垄断者,那么这个垄断者就有向上下游延展的机会,即使不延展也会把整个产业链的大部分利润吃掉。正如之前的PC产业链,有内存、硬盘、操作系统、整机……但Windows和Intel却赚走了绝大部分利润。

既然做纯技术提供商没有出路,那怎么办?浩哥提出“一横一纵”理论。“一横”就是指你提供的技术服务。通常“一横”能服务很多行业,你要在其中选一个最大、最适合你的行业,深入扎进去做“全栈”,就升级为了“一纵”。在垂直外的行业,因为没有利益冲突,你仍可老老实实的做技术服务。这样的话,商业上你能吃透一个垂直行业,技术上你还能通过横向合作,不断获取对方反馈的数据来夯实你的技术。

那么对于技术创业公司,从“一横”走到“一纵”,要选哪个垂直领域,取决几个关键因素:

■ 市场空间够不够大?

做垂直领域的全栈,还是做横向的技术提供商?完全取决于市场空间哪个更大。找对垂直领域,即使只占一部分市场份额,也可能比做“一横”全归你的收益大。拿美图公司举例,人们对其印象深刻的是美图秀秀、美拍、美颜相机等APP矩阵,但研究财报后你会发现,这些都远没有垂直做美图手机赚钱。美图手机占了公司全部营收的95%。虽然美图手机去年的销量大约在38.8万台,仅仅只占国内手机市场全年销量近4亿台的0.1%。(PS:我偶然发现美图手机高端型号能卖到4000块钱,这个用户人群还挺有意思,因为几乎都是女孩,比较爱美,普遍对价格的敏感度不高)

■ 行业集中度如何?

在做“一横”技术提供商时,上游行业集中度越高则越不利。说白了头部效应明显,如果一两家大企业把行业全吃掉,那么作为技术提供商,面对集中采购,是没有任何议价能力的。就像IDC时代,HP、DELL等卖服务器的,活的很滋润。但现在云计算来了,面对亚马逊、阿里云这样的批量采购,服务器厂商能跑个量就不错了,甭指望什么利润了。

不过话又说回来,行业集中度越高,说明行业壁垒越高,你想从技术提供商走向上游也越困难。这种情况下,通常是上游把下游的事做了,例如Google、百度当年内部使用了一些自己攒的服务器,现在大部分都是定制化需求给服务器厂商,这样的单几乎是没利润的。反过来讲,如果行业集中度很低,那么作为技术提供商还是相对“滋润”的。

■ 技术是改良还是革命?

如果你的技术创新对这个垂直领域是革命性的,就越有机会走到上游。如果只是改良性的,你就老老实实在下游赚个辛苦钱算了。

越是颠覆性的东西,越有机会往上游走。因为上游越离不开你,意味着你有机会做他的事。打个异想天开的比方,如果你能提供一个“待机一礼拜”的电池,那你就可以考虑自己做手机,你的手机只打一点: 一星期不用充电!就这一点可能就够了,因为这个技术是革命性的。相反,如果是改良性的技术,例如你的电池待机只是比以前多了20%,那你还是老老实实做电池吧。

■ 双方壁垒谁更高?

拿比较火的直播平台而言,现在都有美颜功能,例如给女孩长出个耳朵那种,这个通常都是第三方提供的技术。技术本身的壁垒并不高,很多公司都能提供,虽然效果有一些小的差异。但是直播的壁垒相当高,这事有网络效应,用户越多会吸引更多的主播,因为能赚到更多钱,主播越多,也会带来更多的用户,因此需要很多资金来买流量以及签约很NB的主播。这种情况下,虽然技术提供商只能赚个辛苦钱,但是仍然完全没有机会往上游走。

■ 到底跟团队基因相符不相符?

能做得了技术服务,不一定能做垂直解决方案,因为团队不一定有行业经验,这是很大的问题。亚马逊的无人便利店Amazon Go出来之后,国内不少技术团队也想提供类似的技术,甚至想做2C的便利店。我劝他们再考虑一下,你的技术再好,对于用户而言,他买东西的时候,首要考虑的还是—— 哪个便利店离我更近(从这个角度上讲,无人便利店仍然是个改良型的技术),这又回到了零售的本质。所以如果团队没有零售的基因,就别考虑自己开便利店的事了。这时候,很多人可能会问“那我找个懂行业的高管不就行了么?”这事没那么简单,如果CEO不了解行业本质,其实是很难靠一个高管去弥补的。

综上所述,只做技术提供商肯定不行,一定要做整体解决方案——选个适合你的行业,把你的技术产品化、然后搞定用户/客户实现商业变现、然后获得更多的数据,这样才能再夯实你的技术。一句话讲,要做技术、产品、商业和数据的“全栈”,形成闭环!

13-1-3 创业的战略规划

 

但是,人工智能是什么?人工智能需一个完整的系统软件和一整套硬件结合后,才会真正成为产品,是一个大工程。当然,在BAT们看来,这个不是问题,技术和资金的底蕴摆在那里。所以,关你什么事?作为创业者,或许你只能站成吃瓜群众,操心但不用担心他们的相爱相杀。

真正要担心的,是自己眼前的事。不是所有的创业者都能实现小目标。先清醒的评估一下自己的真实面目,选取自己能够驾驭的领域和项目才是正道。在“开疆辟土”之前,一定要全方面多方位的思考,概括起来,以下四点不能忽视。

一、 借势借力,方可事半功倍

古有诸葛亮草船借箭案例,今有雷布斯风口之猪理论。总之,借势借力,顺应大趋势才是智者所为。小米的创业之路,抓住了盛极一时的“粉丝经济”,在米粉的疯狂支持下,所以成就了雷布斯。

 

二、 审时度势,看准时机再出手

近几年,自媒体的兴起造就了无数网红,网红经济成为追捧点。资本毫不意外的开始追逐咪蒙女王、同道大叔们。在以自媒体为营销输出的今天,咪蒙公号头条软文广告报价达68万元,广告收入动辄以千万元计,传统广告主们根本无法企及的,也是曾经的创业者们想都不敢想的营销和盈利模式。

 

如果咪蒙没有选择自媒体,或许,她现在还是一个苦逼的编辑。

所以,选择比努力更重要,在一定的条件下,还是值得玩味。

三、抢占先机,掌握主导地位

每一个创业风口都是稍纵即逝。谁抢占了先机,谁就有机会成为大咖。所以,世界上80%的财富掌握在20%的人手中。

马云首创淘宝,所以后来者只能望其项背;马化腾在中国先做了QQ,所以社交领域再无对手.....跟在市场后面的创业者,其实已经不能称之为创业了。风口都被抢占了怎么办?做细分垂直呗。有句话好像是这么说的,在5mm的洞口深挖100米。就是这个意思。

四、联合作战,尊重优化组合

孤军奋战的结果往往是全军覆没。要出海,不一定要造船。现在的时代是资源共享的时代吗,这也是互联网时代的最大特点。要想有所成就,合理利用他人的资源,优化组合,才是实现共赢的王道。有人说,创业的能力,其实就是整合资源的能力。此言得之。

13-1-4 创业基础条件分析

 

人工智能(AI)创业的外部条件比较有利,但是时机合适不合适还是要看自身。大公司解决人类的大问题,中小公司负责行业内的纵深。用户有需求的地方,就是AI落地的方向。

toC还是toB并非艰难的选择

“它可能是历史上最好的事情,也可能是历史上最坏的事情。”剑桥大学应用数学及理论物理学系教授,当代最重要的广义相对论和宇宙论家史蒂芬·霍金在剑桥大学新莱弗尔梅未来智能中心里这样评价AI。

这并非霍金第一次在AI问题上表态,但这一次霍金肯定了AI的积极影响。“人们可以通过创造智能来进入一个有积极效应同时未知的世界。我们或许可以通过新技术改革的工具来消弭工业化对自然世界的伤害。人类最终需要达到的目的是消除疾病和贫穷。”

与科学家的审慎不一样,产业界盛产的是“野心家”、“冒险者”、技术派的初创团队迅速行动。从全球创新中心的美国硅谷来看,自2011年以来,开发与AI相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资,而科技巨头更是投资数十亿美元收购那些AI初创公司。在有着一流人才的中国,AI的创业大潮也大规模启动。

“公司的正式运营是从2014年8月开始的,当时投资人和创始人团队都认可智能语音是下一个风口。”极限元联合创始人马骥说,语音是极限元起步时做的第一个方向。一方面,深度学习技术的突破引发了语音技术的新变革,尤其是识别率和合成效果得到了大幅提升,行业中也出现了一些新增需求;另一方面,极限元的创始团队中也有来自中科院以及清华大学的语音技术人才。

人工智能领域,技术创业者如果只定位做技术提供商,而不直接面向用户/客户提供整体解决方案,未来价值会越来越小,不往上游走风险非常大,甚至是死路一条。这是前段时间,迅雷创始人程浩振聋发聩的总结。

和程浩持有相似观点,马骥所在的这家公司创业之初就定位在以需求为导向,虽然在大AI领域并不高调,但是三年来稳打稳扎,成为AI创业公司中明显具备商业化能力的代表。

一开始他们就确立了toB的方向,公司在确定语音前期的产品化和工程化工作大概用了半年时间,2015年下半年,极限元开始交付一些语音技术项目,和语文出版社的合作是最具代表性的一例。

众所周知,在语音智能的领域,前有科大讯飞等“老”公司,也有BAT、搜狗等的抢位,类似极限元这类还有机会吗?“大公司解决人类的大问题。”马骥说,AI的生意在于toB的领域,大公司面向toC的免费模式,和AI领域的创业不一样,虽然深入行业的量不大,但是足以承载这些小公司的业务。

这个观点和创新工场创始人、CEO李开复的说法很像,“人工智能是toB的生意,AI时代工程师和toB的一个协作,不可能快速带来千万的量,所以希望业内不要将人工智能的估值炒得过高。”

以toB的需求为导向,是极限元对自身的定位。这样的定位也决定了极限元能用两年多时间,将语音和视觉等一系列技术应用于教育、电信、电力、娱乐、视频、驾驶等众多领域。

初创公司的数据门槛如何跨越

AI并不是一个新的概念和领域,但是重新火起来,是因为出现了一系列复兴AI研究进程的要素,尤其是GPU、大数据、云计算和算法。

大数据是AI发展的助推剂,这是因为有些AI技术使用统计模型来进行数据的概率推算,比如图像、文本或者语音,通过把这些模型暴露在数据的海洋中,使它们得到不断优化,或者称之为“训练”。无论是吴恩达曾经选择加盟百度还是李飞飞进入Google,一大原因都是要到“数据最大的地方去”。

而从技术发展的角度来看,随着GoogleTensorFlow等生态系统的成熟,很多领域都会有训练好的模型可以用来参考,创业者只要有足够的数据来训练参数就好了。所以数据的壁垒,似乎成了AI创业中难以迈过的槛。

数据壁垒有两个方面,一个是量,一个是质。马骥说,在数据量上面,BAT大公司天然有一些行业优势,对于创业团队来说,在量上面也是局限所在,而在质上面需要有效性。极限元在这方面设立数据岗位,去获取需要的数据,另外与数据供应商合作,互换有无。“最重要的一点是我们以toB垂直行业的用户定制化需求为主,行业用户本身会为我们提供大量数据。”

BAT的优势在于通用数据,但是在深入的垂直行业中,数据的优势可以掌握在方案提供商手中。

方案提供商其实是有别于单一技术服务的,刚刚开始创业时极限元也跟国内其他一些智能语音公司类似,把语音合成和语音识别技术以SaaS服务的方式部署在云平台上,借此吸引一些移动应用、智能硬件的开发者和创业团队,从而发掘潜在的优质客户。但实际情况并不如预期的顺利,不仅无法获得现金流支持,也不能真正接触到优质客户。

因为有切实需求的客户要的是完整的解决方案,而单一技术只能满足客户局部的技术需求。理清思路后极限元迅速在直播领域找到了突破方向,通俗的说就是“鉴黄”。这套互联网音、视频有害信息监测系统是针对互联网直播平台的涉黄监测技术方案,通过AI图像识别技术发现视频直播中的涉黄信息并给予平台警告,监测系统除图像识别外还加入音频监测技术用以监测语言类直播内容,音、视频双通道监测方案已经在国家网络监管部门成功应用。在这样的方案下,极限元也积累到了真正的行业大数据。

挖掘最有价值的垂直细分行业

对于语音智能、图像识别这样的技术服务来说,基本能服务所有行业,那么如何在其中选一个行业,深入扎进去做产业链的挖掘呢?极限元的想法是,会仔细分析客户所在的行业是否存在同样的技术需求,以及行业内是否有一些普遍存在的行业性难题亟待解决,有针对性的为整个行业用户提供技术解决方案,由点到面,从服务单一客户过渡到服务于整个行业。

这就意味着不仅要完成一个客户的需求,还要发掘行业中类似需求的共性,把成熟方案复制到同行业的其他客户需求上,把自己研发投入的回报率做到最大化。一旦找到了这样的可复制方案的行业,就不仅能在商业上吃透这个行业,还能在技术上通过横向合作不断获取行业数据来夯实技术。

行业解决方案一方面可以不断提升服务品质,保障技术服务能力,另一方面不断将产品线服务的对象延伸到产业上游。马骥说,谁越靠近上游的消费者,谁越接近终端消费者,谁的话语权就越高,“我从华为出来,华为都是只领先半步,不领先一步,因为领先半步是先进,领先一步是先烈。”

深入行业的解决方案也意味着靠近这个行业的用户,从直播行业出发,如何靠近用户?极限元想到了“服务”主播,不仅提供了便于互动的“音视频互动系统”,最大限度地还原人与人面对的场景;为了解决该问题,极限元推出了集美颜、动画特效、水印、人脸道具等视觉特效增强功能。

真正的需求都是来自对行业的深入了解,极限元除了直播领域,还试水了疲劳驾驶检测仪。这是针对交通行业的疲劳驾驶检测智能硬件产品,它可以检测用户在开车时是否存在危险驾驶行为,并进行语音提醒。

但疲劳驾驶检测仪虽然是智能硬件产品,但并非面向C端,而是toB的产品。极限元将产品提供给一些客运、货运、危险品运输公司、保险公司以及交通监管部门,在语音提醒司机正在危险驾驶的同时,还会将图像、GPS、时间、车况、路况等信息传输给大数据平台,为用户提供数据分析服务。

从行业到数据再到用户,这样的闭环,对于AI创业公司,是一个良性的模式。而这一切的出发点,是对真实需求的挖掘。“现在人工智能面临的问题是闭门造车,然后去市场上找对应的客户,这样是不对的。”作为AI领域的从业者、创业者,马骥再次提醒着新入场者,“AI创业的外部条件比较有利,但是时机合适不合适还是看自身,有没有针对行业的解决方案,能不能快速拿出可以真正落地的技术。”


          下一章

相关内容     首 页