微信号:hundun-university

介绍:咨询服务

创业公司没有增长,就跟死亡没有区别

2018-05-12 10:26 李志飞

✦ 如果一个创业公司没有增长,跟死亡是一样的。如果一个公司第一年100人,第二年100人,第三年还是100人,营收也没有任何变化。那么这种公司的价值是不大的。

—— 李志飞



授课老师|李志飞
出门问问创始人、CEO


2015年之前,在中国很多人都不知道AI。但是在过去 3 年里,AI突然变成了一个全民热议的话题。尤其是 Google 阿尔法狗机器人打败世界围棋冠军这件事,给整个社会带来了巨大的震撼。


虽然AI技术在突飞猛进地发展,但是如何实现AI技术的商业化,仍然是今天全世界AI企业面临的最大的难题。


我以前在美国读书,博士毕业之后本来是要去搞科研的,结果反而去了谷歌美国总部做科学家,后来又回国创建了AI公司“出门问问”。


从一个纯粹的科研人员,到一个商业化的技术研究者,这是一个很大的转变。在创业的过程中,我对于AI技术如何落地和商业化的问题,有了很多的思考和想法,今天和大家一起分享。


Google AI为什么要自己做硬件产品?


AI商业化的关键有两点:场景和可掌控。


如果把AI的算法比作成灵魂,那这个场景就是身体,灵魂是需要身体才有意义的。AI技术去寻找场景的过程,就是一个灵魂附体的过程。


寻找可以掌控的场景,这就是 Google AI 一定要自己去做硬件产品的原因。


Google的安卓操作系统非常成功,占有了全球 70%-80% 的市场份额。安卓的战略是以平台为主,爆品为辅。而现在Google在AI层面的战略则反过来了,平台为辅,爆品为主,把自己的产品当作一个爆品去做,而不只是追求 demo (示范)效应。


(Google的AI硬件产品)


这其中的原因是:


第一,在 2007 年安卓刚刚起来的时候,多数硬件厂商并没有做软件的能力。


再加上iPhone的成功来得太快,很多手机厂商没有反制之力,就很愿意把自己的场景让 Google 的操作系统装进去。而现在大部分硬件厂商都有研发软件的能力,并不愿意把自己的场景交给你。


第二,安卓是一个系统级别的软件,它是可靠的,可以预测的。而AI技术是概率性的,存在特别多的不确定性。


比如语音识别的时候,有时候能识别对,有时候识别不对;在某一个场景下可以识别对,在另一个场景下却错了。这就对硬件产品有更高的要求,很多硬件厂商达不到这样的要求。


在这种情况下,Google想要以安卓的方式去推动AI的应用,就会非常困难。谷歌做硬件的主要目的,就是要使自己的很多高科技、黑科技直接放到自己研发的设备里,让AI技术有一个可控的场景。


AI商业化的路径:

建立技术、产品、商业的闭环


一个独立的AI企业要想存活下来,就应该在算法的基础上,尽早找到可以掌控的场景,建立技术、产品、商业的闭环,然后在更大的规模上循环、迭代。


核心技术:
你会做的,别人也可以做出来


如果你是一家AI公司,想要把AI应用到某一个场景里面去,你首先得有一套非常核心的技术。而且这个核心技术必须要有一定的难度,形成一定的壁垒,这样才能挡住 95% 的竞争者。


比如说语音交互、语音识别这样的技术,在今天中国加起来不超过 10 家,绝大部分企业是无法进入的,因为它的技术难度非常高。


但技术的领先顶多只能保持 8-12 个月,不能构成绝对的壁垒。


深度学习在语音识别中的应用,首先是在2012年由微软研究院的华人科学家邓力搞出来的。但是第一个做成大规模系统的反而不是微软,而是Google。


因为科研的圈子是没有秘密的,你做出一个东西之后,很快就会有另外一批人把它做出来,甚至比你做得还好。


只有不断迭代,持续性保持领先,才能形成真正的壁垒。也就是说,你得永远比竞争者领先 8 个月。


你 8 个月前做的事情,可能现在有人已经学会了。但这时候你已经在做另外的事情,大家看到以后,又得再等 8 个月才能学会。


这是一个最好的正向循环,Google正是靠这样正向迭代的方式,使得它永远能够在竞争者面前保持几个月的领先优势。


产品:

算法只占整个产品开发的30%


商业和科研的本质是不一样的。很多技术创业者都走不出技术或者算法这个阶段,他们不知道什么叫产品,什么叫解决方案,把创业当作科研在做,结果很快就失败了。


光有算法是不够的,还必须快速围绕着算法在一个具体的场景里做出一个端到端的产品(To C),或者一个解决方案(To B)


比如我研发出了一个语音识别的系统,但是这个算法不是一个通用的算法,它可能刚好在我训练的相对安静的环境下可以使用,在给投资人做 demo 的时候是ok的,因为大家面对的是黑乎乎的屏幕,没有任何用户体验可言。


但是如果这种算法应用在 APP 上,在环境相对嘈杂的地铁、公交或者街道上使用的时候,用户体验就会非常糟糕。


所以,要做成一个产品,除了有基本的算法和系统之外,还必须有具体的应用场景,让用户有一个良好的使用体验,并在此基础上不断优化。


出门问问现在应用的场景有智能手表、智能音箱、智能车载等,每应用于一个新的场景、新的设备的时候,我们的算法本身就要去做很多迭代和优化。


算法只是一个起点,它离一个真正的产品还有非常远的距离。


当你基于语音算法做出一个产品的时候,可能这个算法本身只占你整个开发的30%都不到,另外 70% 都跟这个算法没有什么关系。


规模化:

能够支撑自身研发和未来竞争


做出产品或者解决方案还远远不够,商业上看的,是你到底有多少用户,以及这个用户带来多少营收和商业价值,能不能形成一定的规模化。


这种规模化要能够做到:


第一,能够支撑自身研发的迭代;


第二,可以通过这种迭代和规模,抵抗未来的竞争。只有这样,才能对所应用的场景有一定的控制力。


这个时候就需要深度思考。所谓深度思考,就是说你脑海里要有一个模型,能够把一段话或者一个事情量化。比如10万规模的时候是什么样子,50万的时候是什么样子,100万的时候是什么样子。


以价值 1000 元的智能手表为例,如果做出了 10 万台的规模的话,就可以cover(覆盖)一些材料、模具成本和基本的研发费用。


如果要想cover(覆盖)成本的话,就需要达到 50 万台的规模。


而如果做到了 100 万台的话,那就可以形成足够高的壁垒。尤其是面对华为、小米、三星这样的竞争对手,你对所在的场景是有一定掌控力的。


但是如果有 BAT 或者谷歌这样的超级巨头想闯入这个领域的话,那么 100 万台的规模就没有任何意义,原先可控的场景又变得不可控了。


因为巨头们不靠硬件赚钱,他们可以进来之后先扔“炸弹”,把市场搞乱,把量做上去之后,再通过后面的软件服务去变现。


所以,规模化的程度取决于你处于什么样的市场,以及你自己处于什么样的阶段。


“出门问问”的AI商业化实践:

形成商业闭环


2012年我刚回国的时候,主要精力投入算法的研发。因为我以前是做自然语言处理和机器翻译的,对非常复杂的算法很了解,所以花了 8 个月就做到了端到端的语音交互,完成了AI技术积累。


为了尽快实现商业化,2013年出门问问用研发出来的语音交互算法做了微信公众号,也做了手机上面的语音助手。但是这些东西没有形成闭环,因为没有用户量,也没有任何营收。


2015年,出门问问开始去做智能手表。我们当时没有去做机器人或者车载,是因为在当时的人员规模和市场规模下,做机器人或者车载达不到闭环的效果。智能手表推出后,起到了良好的市场效果,销量达到了 30 万台,占据了 30% 的市场份额,第一次实现了技术、产品、商业的闭环。


2016年,在出门问问的软件能力、硬件能力、供应链的能力、商业推广能力、营销能力都达到一定的阶段之后,我们又开始开拓更多可掌控的场景,去做车载、家居、耳机等等,因为我们需要在更大的规模上循环迭代。


(出门问问的正向循环)


到现在为止,出门问问实现了各种智能设备上的语音交互,从手机、音箱、车载、耳机,凡是你能想到的语音交互比较有用的地方,我们都做过一个应用。


小结:


在AI领域创业,并不会轻易死掉。因为AI公司同O2O公司不同,不需要每天花那么多钱补贴用户,它的主要成本是人工成本。当公司盈利情况并没有那么好的时候,只要少招点人就可以存活。


但是在我看来,如果一个创业公司没有增长,跟死亡是一样的。


如果一个公司第一年100人,第二年100人,第三年还是100人,营收也没有任何变化。那么这种公司的价值是不大的。


对于“出门问问”来说,我们每天都在逼着自己跨越舒适区,去思考如何找到更多的机会,如何有更多可控并且规模化的应用场景,如何在激烈的竞争中存活下来。


只有这样,当BAT这样的巨头进入的时候,我们才能够更加从容地去面对,完成一个初创AI公司的成人礼。(完)


「混沌学霸说」

戳视频 ☟ 看什么是AI商业化的关键



✦ 思考题

未来的AI技术,会不会让人类彻底失业?

欢迎留言分享,扶你上墙。


*本文根据5月12日李志飞老师在混沌大学的课程整理而成,内容仅为全部课程的1/10。



本文编辑:王琪

联系我们或投稿

可发送邮件至:tougao@hundun.cn


点击下方“阅读原文”免费领取听课资格

 
混沌大学 更多文章 艺术家王小慧:跨界是我们时代的创新源泉 想在微信玩电商?请先真正搞懂流量 真正决定一个人价值的,是那些艰难时刻的选择 | 11位CEO自述 爱奇艺龚宇:从奇葩说到有嘻哈,爆款制造机如何炼成? 一张图理解中国货币之矛:房地产行业
猜您喜欢 为了你的QQ、微信红包雨,这些年轻人春节值守9天 第一篇 河马在线 | 第十期:那些我们被泄露的信息(2017.12.11) OSharp3.0框架解说系列(6.2):操作日志与数据日志 【第126期】工作前 VS 工作后的区别