这个想法之所以不管用，是因为知道机器学习在干什么的人只是在使用开源代码，而不知道的人怎么都做不到，即使使用 API。许多聪明的朋友都陷入了这种困境。一些人被大公司所获得来增强机器学习团队（IBM 的 Alchemy API、英特尔的 Saffron 、Salesforce 的 Metamind 等）。然而，建立 API 功能背后的机器学习模型所带来的热钱仍然吸引着大批开发者。

亚马逊、谷歌和微软都试图通过出售 MLaaS 层作为他们云战略的一个组成部分。我还没有看到创业公司或大公司使用这些 API，但我看到了很多的人工智能应用，所以不太可能是因为我观察到的样本量太小的缘故。

来自大型云服务提供商的服务，其结局会和创业公司的情况一样，因为今年他们的情况摇摆不定。

云服务提供商会留下这些服务项目，但是不会再在这上面挣大钱，MLaaS 创业公司会在今年开始迎接末日，因为增长情况的摇摆不懂，也没有胃口再翻番了。

这里有一个 Lvery 实践问题； MLaaS 解决方案没有客户细分——他们既为有能力（机器学习能力）的客户细分服务，也为没有机器学习能力的客户细分服务。

就匹配的细分来说：你需要机器学习人员帮忙打造真的产品机器学习模型，因为很好地训练和调试这些东西很难，而且，这也需要综合地了解理论和实践。这些机器学习人员趋于使用由 MLaaS 服务商提供的相同的开源工具。因此，这就淘汰了有机器学习能力的客户细分了。

没机器学习能力的客户细分：没有机器学习能力的细分客户不会通过使用 API 让机器学习运行。他们购买应用，解决更高层面的问题。机器学习不过是如何解决问题的一部分。在公司内部做机器学习的技术能力很难提上来，j2直播，而且找到「数据产品」人才帮你找到问题并做出机器学习解决方案更难。没机器学习能力的客户细分包括科技公司之外，需要建立强大的机器学习与数据产品团队的任何公司。是的，这意味着全球所有的产业，是相当大的一个细分。如果你认同「software is eating the world」理论，那也就意味着全球所有的公司或多或少都会是科技公司。同样，也是数据公司。在顶级的科技公司与顶级的非科技公司之间已经有了很大的差距。在数据竞争力时代，这个差距会更大。

全栈式垂直人工智能创业公司有发展

在人工智能上，我已经干了 20 多年，其中有近 10 年是在硅谷创建人工智能初创公司。我是 DCVC（注重风险投资的人工智能与数据公司）的联合创始人，我的经历使我对全栈式垂直人工智能应用既激动又冷静的看待。

我激动是因为我认为每个产业都会被人工智能转变，冷静是因为低层的基于任务的人工智能能更快的商品化。我认为如果你并未解决足够高级的全栈式问题，你就会陷入低级人工智能服务的商品世界，最终由于缺乏动力而被收购或慢性死亡。

垂直人工智能创业解决全栈式产业问题需要与主题相关的专业知识、独特的数据和使用人工智能传递其核心价值的产品。虽然大部分机器学习人才为消费型互联网巨头以及相关的科技公司工作，但大多数的问题都潜伏在科技产业外的主要产业中。如果你认同「software is eating the world」的假设，那每个产业中的每家公司都要变成科技公司了。

专注于垂直领域，你可以发现与人工智能非常吻合的高层级的消费需求，或者没有人工智能无法得到的新需求。这些都是极好的商业机遇，但需要极大的商业悟性和专业知识。一般而言，大部分人工智能创业者要么没有，要么意识不到，要么不够谦逊，把商业与专业知识的需求带入全栈之中（mov up the stack 或 go full stack)。

新的全栈垂直人工智能创业公司突然出现在了金融服务、生命科学、医疗、能源、交通、重工、农业、材料等领域。在拥有的数据、机器学习模型的支持下，这些创业公司将会解决高级别的领域内问题。2017 年至 2018 间，其中一些公司的会计收益率将达到 1 千万美元。这些全栈式人工智能创业公司可能会成为「清洁科技」领域的特斯拉和 Solar City。

　　原文链接：

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]