一、AI是大企业的专属机会？

　　AI是过去一年科技界最火的话题。一谈到AI，就会提及大公司，比如谷歌、亚马逊、微软和百度等，这些巨头有雄厚的技术、资金、人才，还有最重要的数据优势。

　　人才方面，几乎所有顶尖的AI人才都聚集在几家巨头公司，比如百度的吴恩达，谷歌的李飞飞，Facebook的 Yann LeCun等。亚马逊攻关Echo的工程师就达到了1500名，且花费了4年时间。初创公司跟财大气粗的巨头是无法比较的。

　　数据方面，Facebook、谷歌、百度、亚马逊都有庞大的数据。这些数据可以通过标记形成可以训练的数据库。初创企业不具备这样的条件。

　　不仅如此，目前在商业中取得了初步成功的，还是巨头，比如亚马逊2016年的畅销的Echo，截止到12月，已经卖出了500万台。很难看到初创企业的身影。

　　总之，无论从算法、算力，还是庞大的数据来看，这几家巨头公司似乎都是无懈可击。这会不会让创业者感觉到彻底无路可走？AI是不是大企业专属机会?

　　二、初创企业的机会在哪里？

　　不管你信不信，蓝狐一开始真的以为留给初创企业的机会不多，但最近一段时间的发展开始产生了微妙的变化，初创企业的机会还是来了。

　　1）结构性的大机会

　　不仅AI时代，即使在互联网和移动互联网时代，真正的结构性大机会都是不多的。从2007到2016年，近十年间，新生独角兽也没有几家。比如中国大多数50亿美元估值以上的公司或多或少跟巨头都有关系。

　　结构性的大机会永远有，但只有极其少数幸运的人才能把握住。什么地方都结构性的机会？比如无人车，开奖，比如VR，AR，物联网，AI金融、AI医疗等。

　　传统领域与AI的结合，用全新的产品架构全新的AI思维模式去满足原有的需求，这是有结构性机会的。也就是说，结构性的机会是通过AI重构整个产业。比如重构汽车产品，基于机器学习的无人车是全新架构的汽车，它的核心在于数据和机器学习。而传统汽车则是把AI作为一个功能补充进来，这两个完全不同的思路，会导致结构性机会的产生。

　　比如金融行业，从一开始的互联网金融，进化到今天的金融科技，虽然本质上还是要回到风险定价。但是风险定价的思路的不同，也可能产生结构性的机会。比如基于机器学习的大数据风控，通过机器学习的方式，标记各种数据，不断训练，最终也许有的企业能够找到最好的风控方式，人可能被骗了一次两次，有新的骗法出来，还是会被骗。但机器的计算速度和计算能力都会超过人脑，当不断的输入各种数据进行训练之后，最后有可能产生真正风控超强的公司，这里是有结构性机会的。但这个战略要从一开始就Allin，不要犹豫， 不要三心两意。

　　从大企业出来的人才，比如说谷歌、Facebook、百度等都会有资金和人才效应，比如谷歌出来的人才创建Otto无人车（后被Uber收购），前百度深度学习研究院负责人余凯创建了制造深度神经网络芯片的公司。诸如此类的公司会越来越多。

　　2）AI应用的机会

　　对于普通创业者来说，还有很多普通的机会，有很多10亿美元以下的创业企业的机会。这个机会不亚于移动互联网时代的各色APP，甚至超过这个基数。

　　如果说一开始Echo 需要1500名工程师，但随着AI算法的开源，比如谷歌开源了深度学习系统TensorFlow，只要几个人的初创企业就能在这个基础上开发AI软件或者硬件应用。除了谷歌之外，为了获得更多的战略资源：数据，百度，亚马逊，微软也会走相同的道路。

　　数据的获取也开始变得灵活，一开始可以通过小规模的数据进行深度学习，随着客户的增加，数据也会增加，数据并不完全都是大企业的专利。有些公司比如Vicarious 正在试图找到方法减少训练神经网络所需的数据量。一旦成功，训练人工智能的数据量不再是AI发展的瓶颈，这也会意味着不只是拥有庞大数据的企业才能发展AI，小数据集的初创企业也有机会。

　　人才逐步成长。一开始是极其稀缺的，但更多的数学及计算机科学的毕业生加入到这个行业，开奖，随着对AI的了解，很多工程师逐步会发现AI的机会，出来创业也是必然趋势。就像移动互联网时代，从BAT出来创业的人一样，这个是必然的选择。

　　三、结语