“2C产品上，消费者不会为算法和技术买单，技术必须转化为产品，用于改善产品体验或者提升效率”，声智科技合伙人&副总裁李智勇在采访中表示。

　　一个产品落地，内部的链条很长，除了技术和研发，剩下70%的人可能是做产品、销售、生产、渠道。如果是硬件，需要考虑硬件以年计的开发周期。如果是面向企业的解决方案，还需要考虑不同企业和客户的繁琐需求。

　　（谷歌为其人工智能机器人研制的芯片）

　　人工智能领域很多科学家创业，拥有很好的技术背景，“这个领域的确很适合科学家创业，但技术往往只是必要不充分条件。”孟醒在采访中表示。

　　科学家创业也往往面临一个问题，学术能力强的科学家往往发的最好的Paper,而最好的Paper往往都是研究最通用的问题。

　　正如我们之前讲的，做一个通用的东西，未必能立马应用于工业实践，即使有用，这往往也是大公司要做的。

　　不过拥有技术优势这个起点是对的，得把这个滚动起来。技术突破，产品落地，技术再突破，越卷越大，像滚雪球似的一步一步地发展壮大起来。

　　“这个滚雪球的过程是非常必要的，因为纯粹的机器学习算法优势并不会持续多久，最多一年，甚至三个月”，李智勇强调。

　　即使是在人工智能领域，技术在很多场合也不是最重要的东西，一方面是大家的技术都差不多，没有显著差异，另一方面是有众多其他的因素影响用户体验和购买选择。

　　第三个坑：摸不清谁会为你的产品买单

　　人工智能创业者一定要谨慎痛点低的伪需求，满足谁的需求是一定要思考好的问题，在人工智能领域，要么是2B（面向企业），要么2C（面向消费者）的方向，各有利弊。

　　2C 的优势在于可以打造自主品牌，而且用户购买决策是在相对市场化的竞争环境中，一但成功容易形成规模效应，成长为巨头。2C 的劣势在于可能需要更长时间的积累，需要更庞大的团队，而且竞争更激烈，因为要消费者掏出真金白银。

　　2C也可以分为两大类，一类是新硬件新产品，第二类是既有产品的改造。

　　（Amazon Alexa语音助手系列产品）

　　新硬件新产品可能是一片蓝海，也可能是一个伪需求，我们需要关心的是市场能有多大，量有多大，如何教育消费者，如何获取用户，需要关注周期有多长，能否撑到爆发的那天。

　　既有产品的改造我们要正面和传统产品对抗。需要思考好我们产品效率的提升或者用户体验的改善是否足够让用户放弃已有的成熟产品。我们是注重于存量市场还是增量市场，团队是否能够抗衡传统公司几年甚至数十年积累的市场、品牌和渠道。

　　2B 的优势在于相对容易变现，因为从企业用户更容易收费，此外团队也更专注在某些问题，这些点上更适合创业团队；2B 的劣势在于规模效应不一定明显，2B的周期也可能很长，此外2B弊端是某些领域采购决策市场化程度可能很低，需要拼企业资源或者政府资源。此外，2B的切入点也非常重要，找不好切入点就非常容易碰壁。

　　（针对企业的人工智能服务，图片来自Raconteur）

　　2B还是2C这是一个问题，目前来看大多数垂直领域的应用都是2B。现在的人工智能领域创业者找到一个合适的行业，充分了解这个行业的需求，看准这个行业在某个时间点产生变革，变革是什么，然后提供2B的服务，可能会比突击2C的机会要更快或者更容易。

　　的确，在2B领域找到一个方向，帮助企业或商家提升效率或者省钱或者创收，都是一个很好的方向，“这是一个经济问题”，用孟醒的话说。

　　无论做2B还是2C,都要想好壁垒在哪里，优势在哪里。比如如果优势是行业资源，如何找到合适方向切入。如果壁垒在于数据，第一波数据从哪里来，如何把数据优势滚动起来，都是要思考的问题。

　　第四个坑：人员结构不合理

　　把握好研发团队和产品工程团队的比例，也是在人工智能初创公司里不断涌现的一个问题。