如果只是做技术咨询和工具性的一些服务，其实还不如在大公司里做一个中坚力量的位置，性价比要高得多，没必要出来创业。所以你得要考虑你的服务和产品在累积什么样的资源，可以做时间的朋友，赚钱。

　　第二点，不重复造轮子。

　　AI创业公司资源有限，你怎么去跟巨头PK？

　　比如我们看到微软成立了6000人的AI研发集团，我们以前的沈向洋院长现在带领着最好的科学家们和产品研发团队，几乎无尽的数据和硬件资源做AI。一个AI创业者必须要考虑的是：你能做什么事情，你的优势到底在什么地方？如果是拿风险投资的钱做研究院的事情，或者自己闭门造车，那是非常危险的。

　　其实创业公司的机会有它的灵活性，现在这个时代，轮子别人已经给你做好了，怎么去用好这个轮子，是小公司非常好的机会。更加贴近市场和客户，它的独立性的和中立性，某种程度上很多大公司是不会去做、不屑于去做或者不能去做的，却是小公司可以产生跨领域和场景产生价值的机会。很多人会问谷歌微软阿里腾讯要做你做的事情怎么办？那要看你要做的事情是什么。很多人说自己要做一套更好的平台，更牛的算法，那是实在对大公司的实力太不了解了；但是一个独立的创业公司可能比阿里更容易与一个大的金融机构合作，因为没有潜在业务竞争关系。

　　第三点，不要做Nice-to-have的东西。AI创业资源非常有限，一定要专注在最能产生价值的地方，用户最痛的那一点。做Nice-to-have的事情获得的回报也非常有限，你很难通过锦上添花的东西去做突破。

　　AI创业时间要合适，要有刚性的需求。因为AI创业有它的独特性——它需要大量的数据——所以要事先判断你能不能获得你所需要的有价值数据，是否有合适的团队、足够的技术能力，真正理解客户的需求和痛点。其次，变现的场景一定要清楚。创业前要考虑好它能解决什么问题、产生什么价值、最后怎么挣钱。

　　回到我们当时决定用之前机器学习的能力来做金融这件事情，按这个方法论来推理，首先金融有大量的数据，且需要技术来提升效率，但是从哪一点开始单点突破呢？其次，它的商业模式到底是不是成立？尤其在中国，数据还在比较原始的阶段，业务环境现在机器发挥的价值有限。如果只是做一些Nice-to-have的东西，可能未必能熬到未来有价值的时候。

　　像外行一样思考，像专家一样实践

　　所以氪信的切入点，是用AI的技术来解决风险决策的问题。现在互联网消费金融发展的很快，整个金融市场的环境也进一步普惠化，大家对金融信贷效率的要求也越来越高。

　　如果三五年前我来做这件事情，可能并不是一个很好的时间点。因为那时的市场环境还是偏向于传统金融，更聚焦于做好优质的客户。那时候用AI做风险决策就是一个Nice-to-have的事情，一定不会获得单点突破的爆发式发展。

　　而在普惠金融的大环境下，金融机构提供的是崭新的金融服务，面对的是崭新的客户人群，每天面对的都是急需解决的风控挑战。而对于氪信来说，就是要拿AI来解决这个行业里做风控最大的两个痛点：

　　一个是数据太少。因为放贷的每一笔不良记录，都是金融机构用自己的钱买出来的，每一笔坏账都是血淋淋的教训，样本都非常宝贵。尤其对于新兴的金融业务来说，没有过往的样本积累。这跟做图像识别还不一样，因为一旦决策错误，就是一笔大的损失。这里要解决的问题是，怎么能够补充足够的数据。

　　另一个是数据太多。我们做风控的时候要考虑，哪些数据对我们的业务场景有价值？不仅仅是征信相关的数据，事实上更广范围的诸如消费、社交、运营商等数据都在新金融风控中显现出了重要的作用。对传统行业的人来说，面对这些大量的、非结构化的、并非直接和人的金融属性挂钩的数据，相当于让他们在贫矿里面淘金，而这个也是我们能够解决问题和提供的价值的地方。