2015年之前，在中國很多人都不知道AI。但是在過去 3 年里，AI突然變成了一個全民熱議的話題。尤其是 Google 阿爾法狗機器人打敗世界圍棋冠軍這件事，給整個社會帶來了巨大的震撼。

雖然AI技術在突飛猛進地發(fā)展，但是如何實現(xiàn)AI技術的商業(yè)化，仍然是今天全世界AI企業(yè)面臨的最大的難題。

我以前在美國讀書，博士畢業(yè)之后本來是要去搞科研的，結果反而去了谷歌美國總部做科學家，后來又回國創(chuàng)建了AI公司“出門問問”。

從一個純粹的科研人員，到一個商業(yè)化的技術研究者，這是一個很大的轉變。在創(chuàng)業(yè)的過程中，我對于AI技術如何落地和商業(yè)化的問題，有了很多的思考和想法，今天和大家一起分享。

Google AI為什么要自己做硬件產品?

AI商業(yè)化的關鍵有兩點：場景和可掌控。

如果把AI的算法比作成靈魂，那這個場景就是身體，靈魂是需要身體才有意義的。AI技術去尋找場景的過程，就是一個靈魂附體的過程。

尋找可以掌控的場景，這就是 Google AI 一定要自己去做硬件產品的原因。

Google的安卓操作系統(tǒng)非常成功，占有了全球 70%-80% 的市場份額。安卓的戰(zhàn)略是以平臺為主，爆品為輔。而現(xiàn)在Google在AI層面的戰(zhàn)略則反過來了，平臺為輔，爆品為主，把自己的產品當作一個爆品去做，而不只是追求 demo (示范)效應。

 (Google的AI硬件產品)

這其中的原因是：

第一，在 2007 年安卓剛剛起來的時候，多數(shù)硬件廠商并沒有做軟件的能力。

再加上iPhone的成功來得太快，很多手機廠商沒有反制之力，就很愿意把自己的場景讓 Google 的操作系統(tǒng)裝進去。而現(xiàn)在大部分硬件廠商都有研發(fā)軟件的能力，并不愿意把自己的場景交給你。

第二，安卓是一個系統(tǒng)級別的軟件，它是可靠的，可以預測的。而AI技術是概率性的，存在特別多的不確定性。

比如語音識別的時候，有時候能識別對，有時候識別不對;在某一個場景下可以識別對，在另一個場景下卻錯了。這就對硬件產品有更高的要求，很多硬件廠商達不到這樣的要求。

在這種情況下，Google想要以安卓的方式去推動AI的應用，就會非常困難。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發(fā)的設備里，讓AI技術有一個可控的場景。

AI商業(yè)化的路徑：建立技術、產品、商業(yè)的閉環(huán)

一個獨立的AI企業(yè)要想存活下來，就應該在算法的基礎上，盡早找到可以掌控的場景，建立技術、產品、商業(yè)的閉環(huán)，然后在更大的規(guī)模上循環(huán)、迭代。

核心技術：你會做的，別人也可以做出來

如果你是一家AI公司，想要把AI應用到某一個場景里面去，你首先得有一套非常核心的技術。而且這個核心技術必須要有一定的難度，形成一定的壁壘，這樣才能擋住 95% 的競爭者。

比如說語音交互、語音識別這樣的技術，在今天中國加起來不超過 10 家，絕大部分企業(yè)是無法進入的，因為它的技術難度非常高。

但技術的領先頂多只能保持 8-12 個月，不能構成絕對的壁壘。

深度學習在語音識別中的應用，首先是在2012年由微軟研究院的華人科學家鄧力搞出來的。但是第一個做成大規(guī)模系統(tǒng)的反而不是微軟，而是Google。

因為科研的圈子是沒有秘密的，你做出一個東西之后，很快就會有另外一批人把它做出來，甚至比你做得還好。

只有不斷迭代，持續(xù)性保持領先，才能形成真正的壁壘。也就是說，你得永遠比競爭者領先 8 個月。

你 8 個月前做的事情，可能現(xiàn)在有人已經學會了。但這時候你已經在做另外的事情，大家看到以后，又得再等 8 個月才能學會。

這是一個最好的正向循環(huán)，Google正是靠這樣正向迭代的方式，使得它永遠能夠在競爭者面前保持幾個月的領先優(yōu)勢。

產品：算法只占整個產品開發(fā)的30%

商業(yè)和科研的本質是不一樣的。很多技術創(chuàng)業(yè)者都走不出技術或者算法這個階段，他們不知道什么叫產品，什么叫解決方案，把創(chuàng)業(yè)當作科研在做，結果很快就失敗了。

光有算法是不夠的，還必須快速圍繞著算法在一個具體的場景里做出一個端到端的產品(To C)，或者一個解決方案(To B)。

比如我研發(fā)出了一個語音識別的系統(tǒng)，但是這個算法不是一個通用的算法，它可能剛好在我訓練的相對安靜的環(huán)境下可以使用，在給投資人做 demo 的時候是ok的，因為大家面對的是黑乎乎的屏幕，沒有任何用戶體驗可言。

但是如果這種算法應用在 APP 上，在環(huán)境相對嘈雜的地鐵、公交或者街道上使用的時候，用戶體驗就會非常糟糕。

所以，要做成一個產品，除了有基本的算法和系統(tǒng)之外，還必須有具體的應用場景，讓用戶有一個良好的使用體驗，并在此基礎上不斷優(yōu)化。

出門問問現(xiàn)在應用的場景有智能手表、智能音箱、智能車載等，每應用于一個新的場景、新的設備的時候，我們的算法本身就要去做很多迭代和優(yōu)化。

算法只是一個起點，它離一個真正的產品還有非常遠的距離。

當你基于語音算法做出一個產品的時候，可能這個算法本身只占你整個開發(fā)的30%都不到，另外 70% 都跟這個算法沒有什么關系。

規(guī)?；耗軌蛑巫陨硌邪l(fā)和未來競爭

做出產品或者解決方案還遠遠不夠，商業(yè)上看的，是你到底有多少用戶，以及這個用戶帶來多少營收和商業(yè)價值，能不能形成一定的規(guī)?；?。

這種規(guī)模化要能夠做到：

第一，能夠支撐自身研發(fā)的迭代;

第二，可以通過這種迭代和規(guī)模，抵抗未來的競爭。只有這樣，才能對所應用的場景有一定的控制力。

這個時候就需要深度思考。所謂深度思考，就是說你腦海里要有一個模型，能夠把一段話或者一個事情量化。比如10萬規(guī)模的時候是什么樣子，50萬的時候是什么樣子，100萬的時候是什么樣子。

以價值 1000 元的智能手表為例，如果做出了 10 萬臺的規(guī)模的話，就可以cover(覆蓋)一些材料、模具成本和基本的研發(fā)費用。

如果要想cover(覆蓋)成本的話，就需要達到 50 萬臺的規(guī)模。

而如果做到了 100 萬臺的話，那就可以形成足夠高的壁壘。尤其是面對華為、小米、三星這樣的競爭對手，你對所在的場景是有一定掌控力的。

但是如果有 BAT 或者谷歌這樣的超級巨頭想闖入這個領域的話，那么 100 萬臺的規(guī)模就沒有任何意義，原先可控的場景又變得不可控了。

因為巨頭們不靠硬件賺錢，他們可以進來之后先扔“炸彈”，把市場搞亂，把量做上去之后，再通過后面的軟件服務去變現(xiàn)。

所以，規(guī)?；某潭热Q于你處于什么樣的市場，以及你自己處于什么樣的階段。

“出門問問”的AI商業(yè)化實踐：形成商業(yè)閉環(huán)

2012年我剛回國的時候，主要精力投入算法的研發(fā)。因為我以前是做自然語言處理和機器翻譯的，對非常復雜的算法很了解，所以花了 8 個月就做到了端到端的語音交互，完成了AI技術積累。

為了盡快實現(xiàn)商業(yè)化，2013年出門問問用研發(fā)出來的語音交互算法做了微信公眾號，也做了手機上面的語音助手。但是這些東西沒有形成閉環(huán)，因為沒有用戶量，也沒有任何營收。

2015年，出門問問開始去做智能手表。我們當時沒有去做機器人或者車載，是因為在當時的人員規(guī)模和市場規(guī)模下，做機器人或者車載達不到閉環(huán)的效果。智能手表推出后，起到了良好的市場效果，銷量達到了 30 萬臺，占據了 30% 的市場份額，第一次實現(xiàn)了技術、產品、商業(yè)的閉環(huán)。

2016年，在出門問問的軟件能力、硬件能力、供應鏈的能力、商業(yè)推廣能力、營銷能力都達到一定的階段之后，我們又開始開拓更多可掌控的場景，去做車載、家居、耳機等等，因為我們需要在更大的規(guī)模上循環(huán)迭代。

 (出門問問的正向循環(huán))

到現(xiàn)在為止，出門問問實現(xiàn)了各種智能設備上的語音交互，從手機、音箱、車載、耳機，凡是你能想到的語音交互比較有用的地方，我們都做過一個應用。

小結：

在AI領域創(chuàng)業(yè)，并不會輕易死掉。因為AI公司同O2O公司不同，不需要每天花那么多錢補貼用戶，它的主要成本是人工成本。當公司盈利情況并沒有那么好的時候，只要少招點人就可以存活。

但是在我看來，如果一個創(chuàng)業(yè)公司沒有增長，跟死亡是一樣的。

如果一個公司第一年100人，第二年100人，第三年還是100人，營收也沒有任何變化。那么這種公司的價值是不大的。

對于“出門問問”來說，我們每天都在逼著自己跨越舒適區(qū)，去思考如何找到更多的機會，如何有更多可控并且規(guī)?；膽脠鼍埃绾卧诩ち业母偁幹写婊钕聛?。

只有這樣，當BAT這樣的巨頭進入的時候，我們才能夠更加從容地去面對，完成一個初創(chuàng)AI公司的成人禮。