实际上，大多数人工智能的创业都属于第二类，也就是「非关键性应用」。这类项目不追求99%后面的很多个9，而且很多都有更简单实用的解决方案，或者有「人机混合」的方案。总之就是不追求高大上，简单、实用、性价比高更重要，这样的项目通常能够更快落地。这样的项目有以下几个特征：

不追求很多个「9」。例如基于人脸扫描的门禁或者迎宾机器人系统，99%和98%没有本质的区别，实在不行还有前台。

更简单实用的解决方案。例如封闭路段（例如工业园区、机场码头）的自动驾驶，激光雷达又贵又复杂，我直接用磁条导航，而且算法上追求简单，让速不让路，只要前面有人，车就停下来。因为是封闭路段，所以场景被极大简化了。

人机混合模式。面向企业的人工智能很多都能通过人机混合模式降低技术难度，可以更快地面向市场提供服务。拿外卖机器人举个例子，你的算法好，送达成功率有99%，我是98%。100次里面不成功的那两次，我可以用人通过后台去操控机器人，慢慢提高这个比例就好了。即使这样，我还是能极大地降低人力，所以价值还是非常大的。

在「非关键性应用」领域创业，算法固然重要，你送外卖不能总送不到，偶尔出现问题可以容忍（「关键性应用」则不能容忍）。除此以外，能落地就变得非常重要了。如何落地？那就要比拼综合实力了。包括：

a.对行业的理解，要深刻洞悉行业痛点在哪儿；

b.产品化和工程化，有没有好的产品和工程师团队？光在实验室里搞是没用的；

c.做出来的产品还得便宜；

d.批量生产的话，你的供应链能力怎么样？

e.产品出来了，你得把东西卖出去，你的营销/销售能力怎么样？

所以这样的人工智能项目并不需要技术大牛，反而是创业者最好深悉这个行业，知道什么方案能解决行业痛点，甚至有上下游的能力去推广销售掉解决方案或产品。

*图片来源：网络

二

只做技术提供商行不通

我以前写过一篇文章，在人工智能领域创业，只做技术提供商我认为是死路一条，为什么这样讲？

第一，技术提供商很多是大公司的赛道。包括人脸识别、声音识别、机器翻译，很多是大公司做的，它不需要靠这个赚钱，所以这当中很多都是大公司的赛道。基于API（应用程序编程接口）的商业模式也没有扩展性，因为百度不收费，腾讯也不会收费，再加上你本来就需要开放接口换取更多用户数据，所以你只做API没有任何收入。

第二，数据在很多情况下比算法重要得多。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「非关键性应用」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得多。

第三，极易被上下游挤压，只做算法生存空间是非常小的。我们在投资当中会很看重公司的防御性，很多公司做比较低成本的雷达给扫地机器人用，但随着扫地机器人的发展，最后做扫地机器人的公司要么把你买掉，要么自己就做。美国有一个芯片公司就是做视觉嵌入式计算的，以前最大的客户就是大疆，但是大疆把2C的商业垄断之后，大疆做的第一件事就是自己做芯片。

第四，如果只是做技术提供商很容易被上下游替代。活得不滋润的是研发公司，最早的苹果是自己研发芯片，三星、华为、小米也都是自己研发芯片。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，j2直播，那么这个垄断者就有向上下游延展的机会，哪怕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。