數字化到資料化，傳統企業升級的門檻越來越很高；過去5年裡，幾乎所有企業都同步完成了“網際網路+”的過程，而剛剛通過網際網路升級的企業，又面領著“AI+”的升級挑戰。
實際上，並不是所有企業都具備完善的資料架構。未來商業是一場效率的戰場，低效的產業將成有可能被淘汰。
借用一句2018年阿里雲棲大會上馬雲說過的話：
圖 | 2018年阿里雲棲大會現場
複製程式碼“如今，我們正在經歷著從資訊科技時代到資料時代的轉變，未來資料將發揮更大的價值。”
人工智慧引領下的製造業時代已來。
關注今年ECCV的讀者也會發現，這場歐洲頂級計算機視覺領域學術會議，收錄了非常多的中國企業學術成果。可以看出2018年開始，ECCV將視野放大，不僅僅關注技術的創新，同時開始關注計算機視覺和深度學習技術在商業領域的落地。
ECCV會議中不斷出現中國企業的身影，讓我們感受到了這些企業迫切在AI技術競爭環境下迫切求生、發展的慾望。
IBM中國研究院院長、IBM大中華區技術長沈曉衛在9月18日的長江商學院線下講堂中也提到：“人工智慧是一個工具，給企業帶來了巨大機遇。網際網路時代是贏者通吃的時代，到了人工智慧時代，任何一家企業都有可能被顛覆，但也有可能成為行業顛覆者。”
面對代表人類智慧的產業技術，企業應結合自身優勢，適度投資核心研發團隊，為了將成果轉換成新的生產力，不但要整合技術，還要重視下游應用。
這個過程中，最重要、也是最難的也許不是我們在AI產品中的一個核心部件，而是企業家理解時代內容下的切真市場痛點：AI市場剛剛開啟，痛點是第一步，之後才能在痛點周圍蔓延生存。
一、家裡有礦，坐地起身：
複製程式碼騰訊可以說是較早一批使用人工智慧演算法掙錢的企業。兩年前微信和QQ中的朋友圈廣告，是根據上下問關鍵詞進行推薦，後來推出小程式功能，又一夜之間放大了推薦廣告演算法的功效。
優圖，騰訊設立的自己AI Labs，有一部分是因為馬化騰認識到了微信每天都在產生的資料可以用到自學習的系統中來，計算機自我博弈，使得每一項演算法都能接近最高效能，這一點是非常恐怖的。
現在騰訊執行著國內最大的，近乎壟斷性社交app--微信，未來的產品線可能會百花齊放，例如正在發展的醫療、自動駕駛，而不是停留在社交娛樂，這也是分設騰訊優圖AI Labs的幾大研究方向。
騰訊在AI領域發力，首先是將原先在社交領域不能實現的功能落地，哪怕就是新增一個精準的語音識別功能，也會增大使用者的體驗好感；騰訊現在做手遊，新增一個高質量AI和使用者進行較量也會增加很多趣味。
去年打敗人類圍棋選手的AlphaGo，可以算是人類智力遊戲的巔峰，然而有趣的是AlphaGo之父、DeepMind首席人工智慧官Demis Hassabis還發布了一款遊戲：《黑與白》。
這是一款意識超前的遊戲，玩家在遊戲中扮演上帝的角色，組建城市、發展文明。其中的寵物就有很高的智慧程度，擁有自行學習的機制。做了壞事可以被玩家懲罰，懲罰後會改變行為，如果放任自如則會加重壞行為。據稱，這款遊戲角色執行機制是基於一款遊戲ai神經網路。
騰訊有自己使用者量非常龐大的遊戲平臺。
在現有平臺上落地優質的演算法，是騰訊實現產品升級再好不過的第一步。
而下一步，是針對人才導向型純AI技術公司發起的挑戰，領域包括但不僅限於自動駕駛、醫療、公共安全領域。
如果說在社交領域騰訊屬於壟斷性的，但是捲進AI技術競爭戰場的企業都明白，未來不會有任何一家AI公司能夠做到一家獨大，因為集體智慧所帶來的新技術迭代速度非常快，個體智慧帶來的突飛猛進具有不可控的隨機性。
AI領域的研究者，不僅帶來演算法效益，還有潛在帶來新市場。
在國內，人工智慧地基礎教育已經加入到高中生課本，下一次技術型人才數量爆發至少在5~10年後，所以沒有企業敢說自己已經領先，之後還會有一場人才大戰。
AI的應用，需要幾大關鍵因素，人才只是其中之一。例如，網際網路的爆發，不僅歸功於網際網路企業，還要歸功於政府的基礎設施建設。埋設千萬公里光纖線路，架設數以萬計的訊號基站，這些鉅額投入是國內沒有一家企業能夠承擔的。現在看來，國家網際網路投資是超額回報的。
二、家裡沒礦，一點點挖
複製程式碼痛點：沒有資料 ！ 無人駕駛：沒有資料，創造資料
AI銳見看到的無人駕駛領域，則是另一番景象，目前自動駕駛技術並未應用於廣泛領域，原因只有一個：缺少資料。
我們發現單純的無人駕駛演算法公司，並未獲得足夠的關注，這裡說的演算法公司，是指面車輛在公路上的駕駛導航與決策演算法，例如Momenta，在推出眾包資料資訊平臺之前，創業處境也挺尷尬的。
和社交產生的線上使用者資料不同的是，道路資料不充足不要緊，可以一點點眾包收集。
一方面是高精地圖的繪製。另一方面是收集不同天氣、行人和交通情況下的資料，也有建築和道路施工時的資料。
Waymo，一家致力於無人計程車和無人卡車的企業，自2009年以來，通過各種平臺積累了超過800萬自駕車裡程。
2018年9月，摩根士丹利最近評估Waymo價值1750億美元，瑞士投資銀行對其估值雖然有很大差距，但也上了千億美元數量級（摘自AI銳見）。
Waymo憑藉自己的自動駕駛平臺，在實際道路上積累了海量交通資料，搶先一步於自動駕駛領域。這是公平的。任何一家擁有自動駕駛平臺的公司都可以從零開始著手收集資料。這場競爭的關鍵在於，誰家的高精地圖建立速度快。
2018年3月，百度獲得首批自動駕駛牌照，同時向各大傳統汽車製造商伸出橄欖枝--“百度Apollo計劃”。Apollo的中文名字叫：阿波龍，借喻為上個世紀的美國“阿波羅”登月計劃。
阿波龍計劃是針對傳統汽車製造商，提出“只要一天時間就可以把任何載具改裝為自動駕駛交通工具”，如果不行，就用兩天。百度這次拱手拿出了研發除錯多年的自動駕駛平臺在國內自動駕駛公司中是罕有的舉動。
不僅有自主研發的軟體，還要拿出價格不菲的鐳射雷達、毫米波雷達。
實際上，醉翁之意，唯有資料。
三、舊礦難賣，換個賣法
複製程式碼潛在痛點：佈局新零售業，心急吃不了熱豆腐
結合人工智慧的產業具有另一特徵：融合。融合之後誕生了一個新產業：新零售。融合了線上電商和供應鏈的線下零售店面。表面是無人，實際上是讓原先10個人完成管理工作變成了一臺伺服器。
新零售領域有個環節是將有人店面變成智慧無人商店，在無人店裡，顧客消費過程無需服務員。
但是，為什麼都說無人店面難做？
沒人如何實現監管？沒人看管，是不是多放幾個攝像頭就好了？
實際上並還不是安裝多個攝像頭這麼簡單。無人零售店需要一雙智慧的眼睛，一個智慧的大腦。
這雙智慧的眼睛，可以識別人臉，可以識別人的行為。而智慧的大腦，指的是覆蓋整個商業內容的顧客群體信用體系。
二者缺一不可。每一個技術在未來三年內都又可能做不成熟，更難說應用。
即便是加入了智慧的資訊系統，在多變的環境中也會發生錯誤，況且這種情境下容錯率非常低。尤其是無人監管的消費場所，一個環節出了問題，整體就有崩潰的風險。
2017年，上海楊浦區歐尚超市的停車場邊，悄悄入住了一個奇怪的“盒子”。方方正正，大小和集裝箱差不多，兩面玻璃窗，裡面整齊的擺放著零食和日用商品。這是一家無人商店，投放到繁華街頭則是新零售企業的一種嘗試，該“盒子”的所屬公司，BingoBox，是國內一家初創的新零售企業。
在這家無人商店裡，沒有人負責收銀，顧客進入需要掃描貼上在透明“盒子”正面玻璃門二維碼，付款只需要用手機掃描商品並通過支付寶付款。
然而這家新零售店面執行效果如何？ 第一天，就關門了。 空調斷電加上天氣炎熱，有些商品變質了。
兩年前，同樣是無人商店，這次是阿里巴巴推行的，同時部署在了北京和杭州商業地段，沒過多久，由於進店顧客不能實付金額，店面持續損失。
小銳認為，目前所有我們可以看到的無人店面推廣，只是在下一個能夠應用於技術成熟前的市場教育階段。整店的投入尚不能產生有效回報。心急吃不了熱豆腐。
做到無人店面，需要完成的智慧化系統整合：
1，電子支付：看起來是方便消費，實際上是拉動消費。平時做公交的朋友一定會注意到這幾年，售票員消失了，絕大部分的公交車都是無人售票：乘客上車刷卡，下車刷卡。司機有時候會留神上車乘客，有時候就不會在意你到底刷沒刷卡。實際上，刷卡是削弱乘客消費時對成本的估量。這種無人售票方式，過渡期之後逃票率不升反降。今日的手機掃碼也是一樣的原理，將金錢電子化，使得消費同等金額的商品時不會有消費現金時的“痛感”，無形中增大購買量。習慣電子化支付還可以減少假幣的流通，監管一部分交易。所以國家會特別鼓勵第三方電子支付。目前國內第三方支付掛牌企業僅有200家，註冊資本不得低於1億元人民幣。
2，電子信用：還拿坐公交為例，商品價格低，坐公交不會給老百姓帶來經濟壓力，即便你不刷卡公交公司也不會有太大的直接損失，每天都要坐公交，所以逃個票在現實中是一種挺沒有面子的行為，不需要信用證明也可以乘坐。但到了無人商店就不一樣了，有些日用商品成本還是很高的，你沒有我的信用記錄我偷竊一次就可以讓你一個月回不了本。這樣就需要無人商店的經營者設定一條界線，過了這條線，顧客守誠信交了錢和消費成本在其他普通商店一樣；不守誠信毀了規定，“消費”成本則遠遠高於任一商品成本：信用，就成了一種潛在成本。沒違約不需要考慮，違了約就要擔負。這條界線，即所有到店消費顧客的電子誠信資料庫。通過“刷臉”呼叫、記錄、取證，是無人店面的一項重點發展技術。資料庫方面，細數起來，能夠構建這條界線的企業並無幾家。
3，電子“刷臉”：在AI銳見公眾號中，關於“刷臉”（面部識別技術）我們通過另一篇文章講解，希望可以幫到讀者。簡單來說就是通過攝像頭和演算法讓系統知道“誰走進了店面”，並且“誰拿了什麼什麼商品”。機器視覺方面應用較多。顧客面部資訊和他的賬戶繫結在一起就可以不需要“結賬”，直接離開店面。
無人店面只是新零售產業中一個場景，目前最有前景的是新零售場景是將線上資料放到線下做營銷、精心做定製化產品。
四、線上開礦，線下變現
複製程式碼新零售的底層邏輯：需求拉動
新零售之戰打響之前，京東做了很多戰前準備，具體內容全部是圍繞線上客戶群體的資料。
京東之家，安裝了三個黑科技。智慧廣告牌：人臉識別，感知人體姿態，推薦商品。引客入店：人臉識別，語音交流，吸引入店。京東慧眼：根據線上地區資料規律，進行線下配貨。
我們說的新零售，實際上底層邏輯非常簡單：需求拉動。
京東的戰前準備，都是為了拉動“需求”這駕馬車。
同時，阿里智慧門店也在為“需求”假設戰局。據稱阿里的智慧門店可以為現有實體店家提供無人化解決方案，實現營銷、流量分析、收銀、導購功能統一。阿里的新零售理念即：顧客離店，營銷繼續。
五、新礦開採，險中求富
複製程式碼傳統行業在“網際網路+”之後的再次升級，時隔不到3年，應證了技術“爆發式”的升級規律。
AI銳見來講一家發生在身邊的（中關村）ai+小企業現狀。
這家公司剛剛完成了千萬級的Pre-A融資，做的是AI+教育類的產品：一款基於人工智慧的習題app。據稱這個app可以完成很多個性化的教學工作。
AI+教育，聽起來高大上，實際上是用新方法做舊的產業。
這款App就是為了取代未來的習題本。目前中學的紙質習題冊，利潤由印刷廠、出版社拿走了。學生可以在每個知識內容中得到過程完善，同時不但可以做題，還可以“AI”講題，為學生一對一剖析錯因。
然而實際盈利模式和傳統習題冊類似，大片的推廣給中學學校，讓學校老師都給學生推這個app，老師推薦的，學生接納率會高一些。
一個學校用了起來，另一個區域的中學也可能會採納。而且現在質量較高的中學都開始配備ipad，wifi上網。即便學校內不允許學生使用手機，到了家可以用。
之後這家公司還希望通過科學的方法為學生“留作業”，基於公司研發的智慧推題功能。然而智慧教育app不易做“好老師”的原因是訓練模型資料量上的睏乏。
融到資之後，公司CEO表示，一方面繼續精心打造產品app，推廣到各大中學，二是增大速度人工標記更完善的資料庫。
未來將推出“解答題”的互動教學方案，而融資之後的一段時間只有選擇題。
有人會說：“教學輔助app，很早就有應用了。”也有人會說：“當前資本市場環境下，需要人工智慧的嫁衣。”
對此，我們對這些創業者只有最好祝福。
結束語
通讀科技發展史，在每一個技術革命時期，人類總想通過某種手段替代人勞動。 本質上，人不是和機器人競爭，而是和效率競爭。
參照上個十年的網際網路發展歷程的創業模式，在AI時代已經不再適用。 網際網路思維中的“做大”是創業者一個難以克服情節，人工智慧產品的商業模式並不在遵循先前的資本規律，進入這個行業之後困難
隨之而來，每一次市場推進都會舉步維艱。這股AI創業熱潮，宛如一個世紀前的淘金熱潮。
然而，市場不再眷戀幸運兒。沉下心來摸索規律的求實者，方有可能滿載而歸。
【更多人工智慧資訊歡迎關注微信公眾號“AI銳見”（Rebuild_ai）】