时间：2023-09-06 17:08:06
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能的商业模式，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：技术驱动；共同物流；云计算；人工智能；物联网
中图分类号：F252 文献标识码：A 文章编号：1003-854X（2013）06-0073-04
一、相关文献述评
商业模式是指企业为持续达到其主要目标而确立并运用相关运营机制，并对运营机制进行拓展，综合利用全部相关策略，创造顾客价值并实现企业价值的新型经营方式。刁玉柱（2010）较为系统地梳理了商业模式创新的相关研究成果，从战略分析、要素利用、价值创造及系统整合等四大视角归纳总结了商业模式创新的基本逻辑，认为战略分析与选择是商业模式创新的前提条件与逻样起点，技术、知识及组织创新是商业模式创新的主要动力，价值链的升级转换是商业模式创新的本质逻辑，企业系统间的因果联系是商业模式创新的内在机理①。
关于商业模式创新路径的研究集中在三个方面：一是基于商业模式创新动力与路径关系的研究。Yao Weifeng（2007）等人认为，商业模式创新起源于技术创新，技术创新产生了新的技术突破及市场需求，企业通过抓住技术革新和市场变迁的发展机遇，形成核心竞争力，增加新的利润来源，就可以产生新的赢利模式和商业模式，为顾客和自身创造价值。Fumio Kodama（2004）等人通过研究世界发达国家实践经验，认为网络技术、人工智能技术和模块化制造技术的变化推动了美国、欧洲国家和日本相关企业的商业模式创新，而且商业模式创新有助于企业在更大程度上获得技术变化所带来的收益③。二是商业模式创新途径方向的相关研究。代表性的成果有：Amit等人（2001）采用问卷调查分析方法，研究了美国和欧洲59家互联网企业的商业模式，认为高效率、互补性、目标一致性和新颖性是商业模式创新的方向④；Miles（2006）认为企业之间的深入合作是推动商业模式持续创新的方向。三是基于商业模式创新类型的研究。代表性的成果有：Linde和Cantrel借鉴熊彼特的创新理论将商业模式创新分为四种类型：挖掘型、调整型、扩展型、全新型，为企业引入全新的商业逻辑⑥。Mark等三位著名学者（2008）认为商业模式创新是企业利润增长的关键原因，商业模式创新涉及四个基本要素：客户价值主张、盈利模式、关键资源和关键流程，客户价值主张和盈利模式分别明确了客户价值和公司价值，关键资源和关键流程则描述了如何实现客户价值和公司价值⑦。
共同物流是一种将分散的物流资源共同利用，物流设施与设备共同运作和物流体系共同管理的新型运作模式，多个分散的物流参与方形成合作联盟，共同提高物流系统整体运行效率，显著降低资源消耗。对共同物流的研究最早起源于日本运输省和相关学者对共同配送的研究。荣朝和（2001）介绍了欧洲共同运输政策，并对我国的相关运输体制和政策问题进行了探讨⑧。黄福华、周敏（2007）等深入研究了湖南省农产品共同物流、中小企业共同物流、城市共同物流体系，以及中部地区零售企业的共同物流问题⑨。欧阳小迅、黄福华（2011）基于企业资源理论、交易费用理论提出了共同物流的两种运作模式：物流联盟和物流虚拟企业。王圣云等（2012）采用运输成本和网络分析方法，重点探究长江中游城市集群的物流一经济网络及其空间组织战略⑩。
二、技术变迁引发共同物流商业模式变革的机理
1 新一代技术变迁趋势
能够引致共同物流商业模式创新的新一代技术主要包括：云计算技术、人工智能技术、物联网技术。新一代信息技术和人工智能技术的应用，打破了传统商业模式各要素之间的平衡，建立起一种新的平衡态势，获取竞争优势。云计算（Cloud Computing）是基于互联网的相关服务的增加、使用和交付模式，通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算使得计算能力也可作为一种商品通过互联网进行流通，使共同物流各参与主体的各种复杂信息实时沟通成为可能。人工智能技术（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能技术企图解析人类智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。在新一代人工智能技术支持下，共同物流的运作过程可以实现全智能化，从而大幅度减少人工劳动比例和操作失误，明显改善共同物流合作的工作效率。物联网技术（Internet of Things）是一种通过射频识别（RFID）、红外感应器、全球定位系统（GPS）、下一代互联网IPv6技术、激光扫描器等信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通讯，以实现智能化识别、定位、追踪、监控和管理的网络技术。在物联网时代，各种复杂信息可以通过无线传感网实现共享，共同物流各参与主体都可以实时监控整个运作过程。
2 技术变迁将引导共同物流服务内容的变化
物流服务是共同物流商业模式的支撑点。是共同物流各参与主体与服务客户进行价值交换的载体，当物流服务越能满足客户需求时，共同物流各参与主体盈利能力就越强。在物联网技术支持下，客户可以实时掌握货品运动轨迹，便于企业收集客户需求；云计算技术实现了对海量技术处理的可能；加上人工智能技术的数据挖掘与智能处理，能够实时地应对客户需求的各种变化。共同物流服务体不仅通过提供物流服务满足客户需求，同时也能够提供有价信息、知识服务、产品构想等虚拟产品，形成一体化的集成解决方案，全方位满足客户潜在需求，形成新的利润增长点。
共同物流联盟利用云计算强大的数据挖掘与分析能力，深化多样化的扩展需求，最终实现数据结点越多，资源组合可行性越多，可能开发的新型服务类型越多；另一方面，基于新技术的物流服务服务边际成本不断降低。共同物流各参与企业以开发高附加值产品、开发增值产品扩大收入：通过对客户知识的运用，深度预测未来物流业务的发展趋势，开发出引导客户需求的新型服务，保持长久的竞争力。
3 技术变迁将引导共同物流合作形式的变化
在新技术变迁中。共同物流联盟的成员企业之间信息变得更加透明，信息共享成本迅速降低，能够实现共同物流各成员企业合作形式的变革。在最终客户需求的导引下，共同物流各参与企业的合作形式将从“效率优先”向“智能优先”转变。企业之间的关系从“竞争对抗”向“合作联盟”形式转变，各成员企业与上下游企业共同构成价值链的节点网络，通过满足最终用户需求，获得合作联盟收益。
4 技术变迁将引导共同物流服务的客户需求变化
在传统技术条件下，共同物流各参与主体之间的信息沟通困难，知识共享与传播的难度非常大。通过物联网技术与云计算技术，实现了共同物流各参与主体之间的知识协同，能够更好地发掘、满足客户需求，提升客户价值。在新技术支持下，共同物流各参与主体对客户需求管理进行创新，从“满足需求”向“创造需求”方向发展，新技术实现了客户与共同物流服务企业之间的信息透明化，大大降低了双方的“信息不对称性”，客户对服务的认知越来越深刻，未来将更重视个性化、多样化需求的满足，不仅要求服务的结果，并且要求服务过程的体验。基本需求满足后，在服务之上所附加的个性价值、愉悦体验和精神满足成为客户需求的终点。未来，在新技术支持下，客户能够迅速学习各种新知识，在享受服务过程中知识增长和自身价值提升有可能成为服务重点。
三、共同物流商业模式创新路径设计
当前。我国共同物流还处于初期探索阶段，缺乏成熟的商业模式。在技术快速变迁的驱动下，共同物流的商业模式要素正在发生变化，共同物流联盟所提供的服务价值将从自身价值转变为客户价值，由此将引导共同物流服务内容、合作形式、需求发生变化，在此情景下，共同物流各参与主体必须在商业模式上有所应对，积极探索符合技术变迁背景的商业模式创新路径。
1 共同物流服务内容创新路径
共同物流服务是围绕最终客户的物流需求，多个参与主体联合开展相关业务，实现客户在全供应链上的价值。在技术变迁的背景下，共同物流服务内容将从以下几个方面创新：（1）供应链一体化服务。现有的物流企业一般采用“单打独斗”的运作形式，和其他物流企业是单纯的竞争关系，由于实力单薄，加上缺乏现代技术支持，无法提供覆盖供应链全过程的一体化服务。在新技术支持下，供应链的各企业能够实现信息实时共享，从原材料开始到最终产品交付客户手中的所有物流过程都能够置于共同物流各参与主体的监控之下，从而共同物流联盟能够提供供应链一体化服务。由于合作信息更加透明，共同物流参与主体的合作伙伴型业务关系有建立的可能，促进全供应链的协调。成为无缝链接的一体化过程。（2）完善信息服务内涵与范围。共同物流服务的各参与主体由于面向多个客户服务，能够及时收集掌握大量行业内一手数据，通过对相关海量信息的全面收集、深入挖掘、科学分析和智能化处理，利用云计算技术，得出各服务行业内的相关经验数据。共同物流合作企业可以凭借其广泛的服务网络为客户收集市场需求信息、产品销售与库存信息、用户反馈信息等，为生产经营企业的决策提供服务。（3）完整的全供应链金融服务。传统的技术条件下，中小企业虽然有大的融资市场。但由于单个物流企业对物流金融业务操作的技术能力十分有限，不可能满足中小企业的融资需求。在技术变迁的背景下，共同物流服务联合多个参与主体，可以共同完成供应链的全程物流服务，对整个供应链的库存实现了全程监控，能够在更大范围内提供“物流金融”业务。此举不仅能够解决中小企业的融资难题，同时给共同物流参与企业带来新的利润源泉。（4）知识发现与知识共享服务。物流服务具备技术密集、知识密集、资本密集、劳动密集等特点，在技术变迁推动下，技术密集特点将不断增强，劳动密集特点将削弱。在新技术支撑下，共同物流服务要求有丰富的经济学知识、管理学知识、运筹学知识、计算机网络知识、物流专业知识以及信息处理技术等知识与之相配套。未来，共同物流服务的核心竞争力就体现在它能综合运用各种知识为客户提供一个专业化的最优物流解决方案上。与此同时，共同物流还将综合利用各种新技术手段，为客户提供知识发现和知识共享服务，提升客户技能，实现高层次价值满足。
通过积极引导共同物流各参与企业注重新技术的应用开发，依靠新技术实现物流效率提升，把有限市场变成无限市场。根据服务对象需求变化，沿着共同物流商业模式创新路径，在供应链一体化服务、信息服务、全供应链金融服务和知识发现与知识共享服务等方面进行创新，不断开发符合客户需要的服务内容。
2 共同物流合作方式创新路径
共同物流合作的主要推动力量来自组合价值，组合价值让渡可以有效利用共同物流各参与者之间的优势互补或正的外部性效应，提高顾客价值并改善各参与企业盈利空间。在新技术支持下，原来制约共同物流发展的合作机制将得到消除，共同物流合作方式创新路径主要是以下两个方面：一是形成链式网络合作方式。共同物流各参与主体在长期合作中，由于缺乏全程信息技术和海量数据计算分析技术，无法实现对供应链全程服务。在物联网技术、人工智能技术、云计算技术的系统集成支持下，共同物流各参与主体能够实现对供应链全程实时海量数据的掌控与利用，合作形式也将从目前的条块分割转变为链式合作。在链式网络中，共同物流参与企业与客户都是属于多条价值链中的节点，客户是指联盟共同物流服务的外部消费者。共同物流企业通过价值交换获得收益，技术变迁能够延长价值链，有效地连结终端客户。二是搭建基于云技术的合作平台。现有的共同物流合作平台基于静态网页，内容更新困难，数据实时共享难度大：未来在技术变迁推动下，有望搭建基于云技术的数据实时交互系统平台，共同物流各参与主体的合作方式也将依托云技术，步人“云时代”：通过搭建基于云技术的新型合作平台，实现数据的全程覆盖。共同物流各参与主体综合利用现代最新技术，打通各企业之间的组织壁垒和合作瓶颈，完善信息沟通模式，将合作贯通供应链全段，最终将单一企业合作模式转变为链式合作模式。
AI最先商业化的项目，应数2011年初次亮相的IBM人工智能认知系统Watson。2016年，借助商务领域的积累切入具体应用，Watson的商业模式逐渐明朗，并为IBM的第四次转型贡献了亮丽业绩。
然而还不够快。受传统业务下滑拖累，IBM 2017年一季度营收继续下滑。
拖着铅球，Watson在与未来赛跑。
百年商业帝国的第四次转型
与眼下最热的围棋AI等通用人工智能不同，IBM的“人工智能”一开始便是为解决商业问题而生，其方向是商业领域的增强人工智能（Intelligence Augmentation）。2007年8月，几个人工智能专家告诉IBM高级副总裁约翰？凯利，他们要创建世界上第一个处理非结构化数据、可与人互动的人工智能系统。2011年人工智能认知系统Watson初次亮相，就打败了美国问答游戏电视节目《危险边缘》的连胜纪录保持者和最高奖金得主。2014年，IBM专门组建Watson部门，并陆续投入数十亿美元。
2011年IBM百年之际，《经济学人》周刊曾撰文总结IBM三次重大转型：从机械制造到计算机制造、从大型机制造到包括个人电脑在内的分布式计算机系统、从计算到服务。2016年初，IBM董事长兼CEO罗睿兰宣布IBM正式进入第四次转型，目标是成为一家认知解决方案云平台公司，“未来五年，我们所作的每一个决策，无论个人或专业机构，都将受到Watson的协助。”
2017年4月，“天工开物 人机同行”2017 IBM中国论坛在北京举行，IBM展示了其作为认知解决方案和云平台公司在全球范围内的突破性进展，及与中国本地伙伴在电子、能源、教育、汽车、医药、高性能材料及相关服务等行业或领域的合作成果：
神思电子采用IBM 的Watson Explorer，在金融和医疗行业锁定“智能客服”、“实体服务机器人”和“自助设备智能升级”领域，提升服务质量与效率。与杭州认知合作，应用IBM Watson肿瘤解决方案帮助中国医生获得循证型癌症诊疗的决策支持，从而为患者提供个性化治疗方案。隆基泰和与IBM共同合作，借助Watson平台构建综合能源云平台，为工业商业企业构建完整的客户能耗视图、用能预测及能效水平的分析和洞察能力打造智慧能源服务体系。
此外，IBM为上海世外教育集团打造“儿童英语口语辨识及评价系统”帮助6-15岁学生学习英语，与禾嘉股份共同推出基于区块链的医药采购供应链金融服务平台，在精细化工行业，默克正在利用IBM IoT技术打造全新智能物流与智能工厂，而一汽大众也将采纳IBM大数据、云计算、认知计算等技术打造佛山创新中心，建立智能工厂。
除了垂直行业，IBM“商业人工智能”也在为专业人士提供增强智能，提高工作效率和业务水平。目前，Watson系统已进入法律、医疗、教育、金融，零售，服b设计等60多个职业领域示范人机协作，将专业人士从重复劳动中解放出来。论坛上，IBM大中华区董事长陈黎明表示，“我们相信，企业大规模采用人工智能技术的爆发期就在当下，并将为各行业和专业带来巨大的创新价值。”
拖着铅球赛跑
商业的残酷在于，仅凭方向正确，未必能赢得赛跑。除了亚马逊、微软、谷歌这样的外部竞争者，IBM对云计算和Watson孤注一掷，更大的压力来源于自身：新兴业务的增速能否超越传统业务下滑的速度。
4月19日，IBM2017年一季度财报，其“战略业务小组”（IBM重点发展的云计算、分析、社交、安全及移动产品）营收增长12%，至78亿美元。Watson所属的认知解决方案业务板块营收同比增长逾2%，达41亿美元；云计算业务营收增长33%至亿美元，净收入为23亿美元。
与战略业务表现亮丽形成对比的是，受传统硬件和软件业务增长停滞的拖累，IBM整体业绩依然继续在下滑：公司一季度营收同比下滑2.8%，降至181.6亿美元，低于预期的184亿美元。其公司营收连续20个季度下滑，并创下2002年一季度以来最低水平。
财报后，IBM股价下跌超过8美元，跌幅近5%。其大股东伯克希尔哈撒韦2016年报显示持有8120万股IBM，也就是说，如果巴菲特一季度没有减仓，将损失约6.5亿美元。
有趣的是，之前尽管和比尔？盖兹关系很好，巴菲特开始尝试购买科技股的时候，并没有买微软的股票，而是选择了IBM，几乎全程体验了一把IBM转型带来的缓慢复苏。
2015年，巴菲特入股IBM时正是其收入连年下滑之际，2016年初，IBM股价已跌至不足120美元。一年之后，2016年IBM财报显示，IBM云业务当年实现137亿美元营收，同比增长35%，占IBM全年总营收的17%；云业务年化营收达86亿美元，同比大幅增长63%；计入“技术支持及云平台”项目的年毛利率达41.9%；以Watson为主的IBM认知解决方案营收达182亿美元，毛利率高达81.9%。2016年，IBM股价上涨了20%。
2014-2016年，IBM犹如传统企业转型的一个缩影：借助自身在商务领域的积累，在云服务和人工智能领域大力投资，切入具体应用，商业模式逐渐明朗。
并购与合作
IBM对云服务和Watson期许甚高，Watson的十年布局也逐渐步入收获季。随着医疗、物联网、金融、零售、时尚、教育等多个行业标志性样本的出现，Watson的商业版图正在扩张。
Watson成为全球医疗健康第一人工智能系统，其秘籍是不断吸收大量非结构化数据并加以学习。为了“喂饱”Watson， IBM不断收购医疗健康领域的公司，两年间花费超40亿美元。除了加大并购，IBM为拓展商务版图同时也采用了更实际的方式：与垂直领域巨头合作，补充基础数据和垂直行业领域的专业知识。
2016年10月，IBM宣布与通用汽车合作，Watson为其新版车机系统OnStar提供技术支持；与全球教育机构培生合作，Watson为其学生提供自然语言下的学习指导。今年3月19日，IBM认知商业战略在中国正式落地一年之际，万达网络科技集团与IBM在北京签订战略合作协议。万达网络科技集团正式进军公有云业务领域，万达也将成为Watson在中国落地的重要基础设施。
从另一方面来看，万达选择IBM，很大程度上是由于IBM这部分业务的体量。IBM云业务在2016年实现137亿美元营收。亚马逊AWS 2016年营收122亿美元；微软未透露Azure云业务的实际营收，摩根大通分析师估算约26亿美元；谷歌也未披露云计算业务营收，外界估算在10亿美元左右。从总体营收规模来看，IBM云计算业务其实并不输于AWS、微软云和谷歌云。
据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。
2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。
如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。
第一部分人工智能行业发展概述
1.人工智能概念及发展
人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。
自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。
人工智能发展历程
2.人工智能产业链图谱
人工智能产业链可以分为基础设施层、应用技术层和行业应用层。
A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。
B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。
C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。
人工智能产业链
资料来源：创业邦研究中心
第二部分人工智能行业巨头布局
巨头积极寻找人工智能落地场景，B、C 端全面发力。
资料来源：券商报告、互联网公开信息，创业邦研究中心整理
第三部分机器视觉技术解读及行业分析
1.机器视觉技术概念
机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。
机器视觉的两个组成部分
资料来源：互联网公开信息，创业邦研究中心整理
2.发展关键要素：数据、算力和算法
数据、算力和算法是影响机器视觉行业发展的三要素。 人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。
深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。
3.商业模式分析
机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。
（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口
这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。
此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。
国内外基础算法应用对比
资料来源：互联网公开信息，创业邦研究中心整理
（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口
软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。
4.投资方向
（1）前端智能化，低成本的视觉解决模块或设备
从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。
机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。
（2）深度学习解决视觉算法场景的专用芯片
以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。
（3）新兴服务领域的特殊应用
前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。
（4）数据是争夺要点，应用场景是着力关键
机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。
第四部分智能语言技术解读及行业分析
1.语音识别技术
（1）语音识别技术已趋成熟，全球应用持续升温
语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。
（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流
语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。
（3）语音识别技术发展瓶颈与趋势
低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。
麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。
在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。
2.自然语言处理（NLP）发展现状
（1）多技术融合应用促进NLP技术及应用的发展
深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。
深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。
（2）NLP主要应用场景
问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。
图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。
机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。
对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。
（3）创业公司的机遇
1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。
2)应用于垂直领域的自然语言处理技术
避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。
第五部分人工智能在金融行业的应用分析
人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。
人工智能在金融行业的典型应用情况
资料来源：创业邦研究中心
第六部分人工智能在医疗行业的应用分析
1.人工智能在医疗行业的应用图谱
人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。
图 人工智能在医疗行业的应用图谱
资料来源：创业邦研究中心
2.人工智能在医疗行业的具体应用场景
医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。 人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。
药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速 、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。
虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。
第七部分智能驾驶行业分析
1.智能驾驶行业产业链
智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。
产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。
智能驾驶产业链图谱
资料来源：创业邦研究中心
2.智能驾驶市场分析
伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然 后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之 外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。
按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。
根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量 产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年 将达到 3100 亿美元。
第八部分中国人工智能企业画像分析
随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。
地域分布
全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。
行业分布
从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位， 国内与国际差距明显，中小初创企业很难进入。
从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出， 目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。
收入情况
收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。
最新估值
企业最新估值均在亿元级别，且分布较为均衡。三成企业估值超过15亿元，还有企业估值达到百亿级别，如优必
选科技、达闼科技和商汤科技等，将来或将跻身人工智能独角兽企业。(备注：分析样本量剔除一半未披露企业)
第九部分典型企业案例分析
1.Atman
企业概述
Atman由来自微软的人工智能科学家和产业经验丰富的产品团队创办，提供专业领域机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品，致力于成为医学、新闻、法律等专业领域语言智能专家，为专业领域用户赋能，推动专业领域用户进入人工智能时代，助力专业领域文字智能水平实现跨越式提升。Atman已为强生、新华社参考消息、北大法宝、君合律师事务所等世界领先药企、新闻媒体、法律服务机构开发机器翻译、机器写作、知识图谱、大数据智能采集挖掘等语言智能产品。
目前Atman在北京和苏州两地运营，能快速响应全国各地客户需求。
企业团队
创始人&CEO：马磊
清华大学计算机系毕业，曾先后在微软研究院和工程院担任研究员和架构师，机器学习专家、多次创业者、曾主导多项人工智能重大项目，和申请国际专利共计15+项。
Atman公司核心团队由来自微软、百度、法电等领域高端人才和资深技术人才组成，公司员工40人，其中硕士以上学历占比60%，技术开发人员占比70%，一半以上来自微软亚洲研究院和工程院。
核心技术与产品
技术方面，擅长机器学习（深度学习、强化学习、群体智能）在复杂问题的应用，和国际专利15项，Atman神经网络机器翻译系统于2016年9月首秀，早于谷歌的GNMT，专业领域翻译效果在公测标准和行业客户测试中均持续领先。核心产品为垂直领域机器翻译、机器写作、知识图谱抽取构建、大数据智能挖掘等语言智能产品。
Atman的机器翻译产品可自动翻译编辑专业文献、报告、音视频和网页，支持私有部署和云端混合部署，提供包括数据隐私安全以及自学习的端到端解决方案。
机器写作可对海量数据进行快速搜索、过滤、聚类，根据行业需求自动生成专业文档，适用于所有专业写作场景，可大幅减少专业报告写作过程中的繁复工作，大幅提升专业领域写作效率。
知识图谱可实现海量数据的语义检索、长链推理、意图识别、因果分析，形成一个全局知识库。大数据智能采集挖掘系统为专业领域用户提供智能数据源管理、海量专业数据获取和非结构化数据自动解析并结合知识图谱提供auto-screening、知识重构、专业决策辅助，帮助用户建立强大的以专业大数据为基础的业务辅助能力。
2.黑芝麻
企业概述
黑芝麻智能科技有限公司是一家视觉感知核心技术与应用软件开发企业，2016年分别在美国硅谷和上海成立研发中心，主攻领域为嵌入式图像、计算机视觉，公司核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知平台，为ADAS及自动驾驶提供完整的视觉感知方案。
目前公司和博世、滴滴、蔚来、上汽、上汽大通、EVCARD、中科创达、车联天下和云乐新能源等展开深入合作，提供基于视觉的感知方案；除此之外，公司还在消费电子、智能家居等领域布局为智能终端提供视觉解决方案。目前公司已经完成A+轮融资。
企业团队
团队核心成员来自于OmniVision、博世、安霸、英伟达和高通等知名企业，平均拥有超过15年以上的产业经验，毕业于清华、交大、中科大和浙大等知名高校。
创始人&CEO：单记章此前在硅谷一家全球顶尖的图像传感器公司工作近20年，离职前担任该公司的技术副总裁一职，工作内容覆盖了图像传感器研发和设计、图像处理算法研发和图像处理芯片设计。
核心技术和产品
在汽车领域，黑芝麻可提供车内监控方案（DMS），自动泊车方案（AVP），ADAS/自动驾驶感知平台方案。黑芝麻智能科技提供的解决方案包括算法和芯片两个核心部分：黑芝麻感知算法从基础的控光技术，到面向AI的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程；黑芝麻芯片平台采用独有的神经网络架构，包括独有的图像处理，视频压缩和计算机视觉模块，与黑芝麻视觉算法结合，采用16nm制程，设计功耗2.5w，每秒浮点计算达20T。
3.乂学教育
企业概述
乂学教育，成立于2014年，是一家网络教育培训机构，采用人工智能和大数据技术，为学生提供量身定制学习解决方案和个性化学习内容。核心团队来自美国Knewton、Realizeit、ALEKS等人工智能教育公司，销售团队有全国40亿toC销售额的经验。
企业自主研发了针对中国K12领域的学生智适应学习产品，其核心部分是以高级算法为核心的智适应学习引擎“松鼠AI”，该产品拥有完整自主知识产权，能够模拟真实特级教师教学。企业发表的学术论文得到了全球国际学术会议AIED、CSEDU、UMAP认可，并在纽约设计了人工智能教育实验室，与斯坦福国际研究院（SRI）在硅谷成立了人工智能联合实验室。
主要产品
学生智适应学习是以学生为中心的智能化、个性化教育，在教、学、评、测、练等教学过程中应用人工智能技术，在模拟优秀教师的基础之上，达到超越真人教学的目的。该产品性价比高，以人工智能+真人教师的模式，做到因材施教，有效解决传统教育课时费用高，名师资源少，学习效率低等问题。
智适应学习人工智能系统
智适应学习人工智能系统模拟特级教师，采用图论、概率图模型，机器学习完成知识点拆分和个人学习画像，采用神经网络、逻辑斯蒂回归和遗传算法为学生实时动态推荐最佳学习路径，实现个性化教育。
业务模式
线上与线下，2B和2C相结合。以松鼠AI智适应系统教学为主，真人教师辅助，学生通过互联网在线上学习课程。开创教育新零售模式，授权线下合作学校，已在全国100多个城市开设500多家学校。
4.云从科技
企业概述
云从科技成立于2015年4月，是一家孵化于中国科学院重庆研究院的高科技企业，专注于计算机视觉与人工智 能。云从科技是人工智能行业国家队，是中科院战略先导项目人脸识别团队唯一代表，唯一一家同时受邀制定人 脸识别国家标准、行业标准的企业。2018年，云从科技成为祖国“一带一路”战略实行路上的人工智能先锋，与 非洲南部第二大经济体津巴布韦政府完成签约。
云从科技奠定了行业领导地位： 国家肯定，国家发改委2017、2018年人工智能重大工程承建单位；顶层设计，唯一同时制定国标、部标和行标的人工智能企业；模式创新，三大平台解决方案，科学家平台、核心技术平台和行业应用平台。
企业核心团队
创始人
周曦博士，师从四院院士、计算机视觉之父—ThomasS.Huan黄煦涛教授，专注于人工智能识别领域的计算机视觉 研究。入选中科院“百人计划”，曾任中国科学院重庆研究院信息所副所长、智能多媒体技术研究中心主任。
周曦博士带领团队曾在计算机视觉识别、图像识别、音频检测等国际挑战赛中7次夺冠;在国际顶级会议、杂志 上发表60余篇文章，被引用上千次。
核心技术团队
云从科技依托美国UIUC和硅谷两个前沿实验室，中科院、上海交大两个联合实验室上海、广州、重庆、成都四 个研发中心组成的三级研发架构。目前研发团队已经超过300人，80%以上拥有硕士学历。
技术优势
全方位多维智能学习模块适应不同场景要求；模块化设计为在工业视觉、医学影像、自动驾驶AR等领域扩展打下良好基础。
云从科技具有高技术壁垒：世界智能识别挑战赛成绩斐然，在CLEAR、 ASTAR、 PASCAL VOC、 IMAGENET、FERA以及微软全球图像识别挑战赛上共计夺得7次世界冠军;在银行、公安等行业智能识别技术 PK实战中，85次获得第一；2018年，云从科技入选MIT全球十大突破性技术代表企业。
在跨镜追踪(ReID)技术上取得重大突破。Market-1501，DukeMTMC-reID，CUHK03三个数据同时集体刷 新世界记录， Market-1501上的首位命中率达到96.6%，首次达到商用水平。
正式在国内“3D结构光人脸识别技术”，可全面应用于手机、电脑、机具、设备、家电。相较以往的2D人 脸识别及以红外活体检测技术，3D结构光人脸识别技术拥有不需要用户进行任何动作配合完成活体验证的功能， 分析时间压缩到了毫秒级以及不受环境光线强弱的影响等诸多优点，受到国际巨头公司的关注。
行业应用
目前国内有能力自建系统的银行约为148家。截止2018年3月15日，已经完成招标的银行约为121家，其中云从科 技中标了88家总行平台，市场占有率约为72.7%;在安防领域推动中科院与公安部全面合作，通过公安部重大课题研发火眼人脸大数据平台等智能化系统，在民航领域，已经与中科院重庆院合作覆盖80%的枢纽机场。
5.Yi+
企业概述
北京陌上花科技是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案。致力于“发现视觉信息的价值”。
旗下品牌Yi+是世界一流的人工智能计算机视觉引擎，衣+是时尚商品搜索引擎。公司在图像视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。
目前公司和阿里巴巴、爱奇艺、优酷土豆、中国有线、CIBN、中信国安、海信、华为、360等数十家顶级机构/产品深度合作，通过提供边看边买引擎、图像视频内容分析引擎、人脸识别引擎等基于视觉识别技术的数据结构化产品服务于海量用户，同时帮助政府机构、广电系统、内容媒体、零售商、电商、视听设备等行业实现智能分析、智能互动与场景营销。目前公司已经获得B轮融资。
企业团队
团队成员来自于斯坦福、耶鲁、帝国理工、新加坡国大、南洋理工、清华、北大、中科院等名校及谷歌、微软、IBM、英特尔、阿里巴巴、腾讯、百度、华为等名企。
创始人&CEO：张默
北京大学软件工程硕士， 南洋理工大学创业创新硕士。连续创业者， 曾任华为算法工程师、微软WindowsMobile工程师、 IBM SmarterCity 架构师，北方区合作伙伴经理，主机Linux中国区负责人，中国区开源联盟负责人，年销售额数亿。 2013年创业于美国硅谷和新加坡，2014年6月在中国设立北京陌上花科技有限公司。
核心技术与产品
技术方面，在国际顶级计算机视觉竞赛ImageNet中，成绩曾超过谷歌、斯坦福等，2015-2016年2年获得十项世界第一。2018年3月，人脸识别准确率位列LFW榜首。Yi+通过遵循无限制，标记的外部数据协议。 Yi+的系统由人脸检测，人脸对齐和人脸描述符提取组成。使用多重损失和训练数据集训练CNN模型，其中包含来自多个来源的约10M个图像，其中包含150，000个人（训练数据集与LFW没有交集）。在测试时， Yi+使用原始的LFW图像并应用简单的L2norm。图像对之间的相似性用欧氏距离来测量，最终取得优异成绩。
公司的核心产品主要包括视觉搜索引擎，图像视频分析引擎以及人脸识别和分析引擎：
行业解决方案
针对营销、安防、相机和电视的不同特点，推出相应解决方案。
营销+AI。场景化广告方案中，大屏AI助理信息流推荐、神字幕、物体/人脸AR动态贴图、video-out、场景化角标与广告滤镜等形式的广告内容推荐，适用于快消、汽车、电商、IT、金融、旅游服务等多个行业。
智慧城市+AI。使用计算及视觉助力智慧城市，在智慧安防、智慧交通、智慧园区等方面提供解决方案。在智慧安防实时识别上，实时处理直播摄像头信息，算法反应敏捷，相应迅速。建立智慧园区方案模型，考虑扩展性&灵活性、数据管理、松散耦合性、安全性、实时整合性以及功能性和非功能性需求等技术方案要素，从业务和技术两方面整合解决方案实现步骤。
电视+AI。电视+AI的解决方案赋予智能电视多样播放能力和营销能力。
相机+AI。相机更具交互能力。用户通过搜索关键字标签同步展示图片，打通相册和购物一站式体验。准确识别人物属性特征，动态适应表情变化，可以在视频以及图像中对人脸实时检测，基于深度学习技术，进行人脸相似度检测，实现面部关键点定位、妆容图像渲染，试用与粉底、唇彩以及眼影等多种虚拟试装方式。实时检测摄像头中出现的物品、场景和人脸等，添加AR效果，SDK支持本地检测、识别、追踪，平均检测帧率可达到25fps。
新零售+AI。Yi+新零售解决方案是基于公司自主研发的人脸识别、商品识别和其他图像识别算法技术为核心，建立一整套基于人脸、商品的智能零售门店管理方案。Yi+新零售解决方案主要包含数据采集、算法模型说明和部署方案三部分，其中数据采集包括人脸数据采集、商品数据采集；算法模型说明包括识别算法训练、商品识别、识别输出；部署方案包括本地部署、云端部署、本地部署与云端部署结合。
6.擎创科技
企业简介
擎创科技成立于2016年，专注于将人工智能和机器学习赋予传统IT运维／企业运营管理，为企业客户提供智能运维大数据分析解决方案，从而取代和改善对高技能运维人员严重依赖的现状。2017年，擎创科技已实现全年2000万营收，迅速成为国内AIOps领域的领跑者和中流砥柱。2018年初，擎创科技完成了数千万人民币的A轮融资，由火山石投资领投，晨晖创投、元璟资本及新加坡STTelemedia跟投。
核心团队
擎创团队的核心成员主要由BMC、微软等美国企业服务上市公司的运维老兵，与新浪、饿了么等知名互联网公司的大数据、算法专家组成，核心团队成员至少拥有10年以上的行业经验。其中CEO杨辰是国内最顶级的B端销售，曾带领团队获得10倍的业绩增长；CTO葛晓波拥有长达15年的企业级软件开发和运维经验；而产品总监屈中泠则来自甲方，创业前为浦发硅谷银行企业架构师，深知甲方对企业运维产品的需求。这个曾经深耕于运维企业服务市场的团队，如今在智能运维企业服务赛道继续领跑，让擎创科技成为最懂企业的客户，最值得企业客户信赖的软件厂商。
主要产品
“夏洛克AIOps” 作为擎创自主研发的大数据智能运维主打产品，自2016年上线以来，已从1.0版本升级至1.9版本，可应用在金融、大型制造业、铁路民航、能源电力等涉及国家发展和民生问题的多种行业。在2017全球运维大会上，夏洛克AIOps获得由中国信息通信研究院与高效运维社区联合颁发的“年度最具影响力AIOps产品”奖。
“夏洛克AIOps”充分利用自研算法辅助客户实现IT运维价值，结合客户的现有情况，规划从传统ITOM至AIOps智能运维的一站式路径，助其运营落地，由此打破数据孤岛，建立统一的大数据智能分析平台，实现以人工智能为核心，驱动传统IT运维监、管、控三个层面，并将相关运维数据及业务数据实时展现。
“夏洛克AIOps”拥有多项自研算法，犹如运维界的福尔摩斯，能迅速发现并定位运维问题的根因，实现秒级排障，最大程度避免企业产生重大损失。更有价值的是，“夏洛克AIOps”还能通过长期的数据积累和机器学习，运用新型深度神经网络算法对企业的业务数据进行预测，帮助企业提前规划IT资源，高效预防各类黑天鹅事件的发生。
商业模式
目前，擎创科技已与多家金融和制造行业标杆客户形成稳定的合作关系，包括浦发银行、浦发硅谷银行、国家开发银行、上海铁路局、银联、海尔、浙江能源等。针对不同客户，采用个性化的商业模式进行服务，目前主要有私有模式和SaaS模式两种，都具有较强的可复制性。
核心优势
近日，由移动互联网领域的我答答科技联合全球云计算平台领导者阿里云共同主办的“云动力赋能-实体零售再升级”峰会在福建石狮举行，我答答、阿里云、驻云科技、旷世科技、汉明科技、达观数据六个不同领域的行业领导者围绕中国实体零售再升级的话题，从云平台-云计算-O2O交互-人工智能-数据采集-数据预测，向与会企业分享了各自领域的解决方案。
“互联网+”助推传统行业转型升级。“互联网+”正深刻改变着传统的生产方式、消费方式、商业模式和管理模式。石狮市科技局局长陈增坛表示：新形势下，植入“互联网+”思维，推进“O2O线上线下共建共融”的落地执行，是本地传统企业转型升级的大势所趋。积极推进实施“互联网+”行动计划，发展分享经济，实施大数据战略，让传统企业在新常态下具有更强的竞争力。
云计算，大数据助力在公共云上构建企业服务。本次会议上阿里云互联网事业部总经理金戈提出：大数据时代，云计算成为经济社会发展的基础设施。阿里云通过完善的产品体系、丰富的解决方案及生态体系顶级的数据中心和优良的带宽资源，赋能企业向云化、数据化和智能化企业转型。
化云为雨，助力传统零售行业拥抱互联网+。如何让云计算化云为雨，真正帮助企业有效的使用云计算和大数据，驱动和帮助中国企业向互联网+发展？驻云科技杭州分公司总经理陈峰在会上分享：零售业与混合云、零售业与大数据分析、零售业与CRM、零售业与移动支付、零售业与视频直播与点播、零售业与 ERP等方面的解决方案及相关的成功案例，对现场的零售企业家有很大的借鉴意义。
020助力实体零售门店再升级。互联网+概念兴起后，延伸出各种O2O模式，我答答华东东北区总经理卢晓江通过我答答服务几十家上市企业与上千家零售企业的O2O落地经验，并从货品流通、云店活动、人员激励、会员粉丝、资金流转、线上客服、门店营销等多个维度，让在座的各个企业家对“零售O2O”的未来有了更深层次的理解。
人工智能视觉技术助力打造智能零售商业场景。020的根本在于门店，在于更精准的消费数据分析，通过识别技术来实现的精准营销时代即将到来。旷世科技智能商业产品线商务总监宋晨带着现场零售行业的企业家们进入了人工智能场景，领略Face++人工智能视觉技术在智能零售商业场景，从相同产品、相同服务给到所有人，向相同产品、不同服务给到特定人群的转变。
智能WLAN打造商业自循环系统。汉明科技华南区销售总监骆海昌带来的WLAN技术可以进行品牌宣传、微信营销吸粉、下载专属移动APP应用、大数据的挖掘与收集、无线盘点、吸引客户入店？？功能相互服务与支撑直接形成了一个商业闭环。
大数据推动企业智能化营销。大数据已广泛渗透并深入应用于各领域，成为促进生产方式、生活方式和社会管理方式创新变革的重要驱动力。达观数据CEO、创始人陈运文针对传统企业的大数据服务进行了详细讲解，围绕用户的深度挖掘、商品的数据预测与内容的有效传递，以智能化系统整合大数据技术，最大化发挥大数据信息对于企业的推动作用。
网友提问：连日来，世界冠军李世石与“阿狗”力战3局，战况可谓空前激烈、惊心动魄，最终李世石以0：3不敌“阿狗”。此一战，人类遭遇完败，我们该如何看待这场人类智能与人工智能的巅峰对决？
刘慈欣：1997年IBM的超级计算机“深蓝”战胜了国际象棋冠军弗加里・卡斯帕罗夫；2015年10月“阿狗”以5：0战胜欧洲围棋冠军樊麾；这次“围棋人机大战”中“阿狗”再度力克世界冠军李世石。实际上，前两次的比赛就已经能够证明计算机在棋类方面超越人类，结果属于意料之中。虽然围棋在复杂程度和组成数量上远超国际象棋，它最多有3361种局面，这个数字大概是10170，比已观测到的宇宙中的原子数量还多。但不管怎样，计算机下棋的思维方式没有发生根本变化，可以说本质上是一样的。
计算机在很多方面超越人类已经是不争的事实，这点毋庸置疑。相较于前两次人类与计算机的对决，这次比赛的进步之处在于计算机的处理速度、数据库容量、检索和分类速度都有巨大提高。但总体来看，仍属于量变，而不是质变。对于人工智能技术而言，想要实现计算机模拟人的意识、思维以及信息判断，还需要计算机技术从本质上发生变化。举个例子，人工智能技术中包括模式识别功能，当前计算机能够识别出人的面孔，但是还不能理解表情，更无法通过人的肢体动作获取人类内心的想法。
网友提问：据谷歌公司介绍，“阿狗”已经拥有了极强的学习能力。“围棋人机大战”中，面对李世石“奇招”，“阿狗”从容应对，似乎看出它除了有超强的计算能力之外，还具备了一定的学习能力。如果它具备了这种能力，那成熟的人工智能技术离我们还远吗？ 李世石（中）
刘慈欣：从“阿狗”的表现来看，它主要展示出的能力还是计算机基本逻辑推理能力，至于谷歌所说的学习能力还没有得到完全验证。从人工智能的角度来讲，计算机最需要向人类学习的能力是基于有限信息基础上所产生的想象力和判断力，当计算机的逻辑推理能力和这些能力实现完美结合时，才意味着人工智能进入成熟阶段。
当前距离实现成熟的人工智能技术还很遥远，甚至可以说，未来能不能实现还是个谜。因为有两个重要的技术屏障无法突破，一是当前冯・诺依曼型计算机还不具备模拟人脑的强大能力；二是脑科学的发展速度仍然缓慢，人类对于自身大脑详细的深层结构和运作方式知之甚少。如果脑科学无法实现重大突破，那产生真正意义上的人工智能就是天方夜谭。
如《三体》中所说，当半人马座α星人发现地球存在生命体后，派出智子将人类的基础科学锁死，因为只要基础科学不能实现重大突破，那么应用型科学的发展是有瓶颈的。同样，人工智能技术的发展也遵循这个道理，在人工智能技术之下还有更为基础的计算机科学、脑科学等领域，只有这些科学技术取得重大突破后，人工智能技术才能迎刃而解。
另外，有些网友对人工智能心怀恐惧，这是大可不必的。假如有朝一日成熟的人工智能技术真的诞生了，人类还是有很多办法可以对它进行约束的。 李世石专心参赛
网友提问：作为人工智能程序的“阿狗”还需要进一步提升、完善，谷歌公司的负责人也表示，希望通过“围棋人机大战”找出它的弱点。不过经此一战，人类已经见识到了人工智能技术的强大能量，那么未来当这种技术成熟后，人类生活会发生哪些变化呢？
刘慈欣：这个现在还无法进行预测，不过可以肯定的是，人工智能的出现，意味着人类所做的很多事情都可以完全被计算机、机器人所替代。而且可以断定，计算机、机器人能凭借它们强大的能力帮助人类做出更多出色的成绩。到那时，机器人会走入家庭，像朋友一样与人类相处，甚至还可能为成为人类家庭中的一员。
将思路拉回现实，“围棋人机大战”再次让科技成为舆论热点，并引发公众对基础科学的高度关注，对于科学推广与普及有着积极的意义，会让越来越多的人真实感受到科学技术的魅力，从而产生浓厚的兴趣。同时，对于国家一直以来倡导的科技创新理念也有助推意义，相信人工智能技术会因此受到各方面的关注，吸引更多国家、企业与个人投入力量进行研究。
延伸阅读：
AlphaGo赢了之后 人工智能的必然
20年前，IBM的计算机“深蓝”打败了国际象棋世界冠军卡斯帕罗夫，当时引起不少讨论与关注。而被视为“智力巅峰”的围棋，却是计算机所遇到的一个壁垒，一直无法攻破。如今历史终于被打破，当学习了人类职业棋手和顶尖棋手上万份的棋谱，并且进行了上千万场次自我博弈的AlphaGo出现时，不得不说这是一次质的飞跃。《自然》杂志总结了AlphaGo具备的四套重要算法，如走棋网络、快速走子、估值网络、蒙特卡罗树搜索等，已然具备了高水平的智能决策。
有人质疑AlphaGo没有情感，没有创造力，那么试想如果在比赛前不告诉人类，他对战的是AlphaGo，人类多半会肯定对方棋手的创造力。因为此前，机器的创造力一直不被人类认可，它们看上去死板而且麻烦。但是随着技术的发展，它们变得越来越简易而又快速，甚至成了必不可缺的“助手”。在大量工作中，按照固定流程处理的步骤正在变得完全自动化，而且这些自动化的流程还会像AlphaGo那样，在多种算法与自我博弈中寻求最佳优化。虽然不是每一个公司都像世界级棋手那样高超得屈指可数，但还是有大量公司对人工智能带来的智能水平优化趋之若鹜。
说到这里，不得不提一下，人类对于人工智能的恐惧也是有道理的。技术不一定带来大面积的失业，但是却会带来大量工作转移。大量的白领工作正在被人工智能优化，大量的机械生产管理有了全新的智能流程，大量的市场调查与分析具备新的智能水平，这是一种必然。
与此同时，诸如人工智能（AI）、虚拟现实（VR）、区块链等方兴未艾的技术创新，正在渗透和影响着整个金融行业的面貌和商业模式。
4月29日，作为GMIC 2016全球移动互联网大会重头戏之一，全球金融创新峰会在北京国家会议中心召开，《中国经济周刊》作为特邀媒体全程报道。中信银行软件开发技术中心平台开发处处长陈海、芝麻信用副总经理邓一鸣、汇百川信用首席技术官丁磊正分享了他们对于科技改变金融行业的看法。
当人工智能遇上金融：
“刷脸火了”
今年3月，随着人机围棋大战最终以Alpha Go 4：1完胜李世石的战绩收官，Alpha Go所代表的人工智能概念开始蹿红。而从2015年开始，中国互联网公司也掀起了布局人工智能的热潮，扩展人工智能团队。在金融界，人工智能领域的科技创新技术正逐渐受到青睐。
“人脸是非常自然的生物特征，首先它便于携带，不容易遗忘，也不需要人去主动配合，是非配合式、非侵入式、用户体验非常好的生物验证手段，它也有官方可靠的数据源满足银行风险控制和身份验证要求。”旷视科技（Face++）云产品副总裁吴文昊表示，人脸识别技术进入金融行业并非偶然现象。
中信银行软件开发技术中心平台开发处处长陈海表示，对于传统商业银行而言，合规经营是其工作底线，为客户服务则是其最大价值。商业银行为客户提供服务有两个本质需求，一是客户在银行做交易的时候完成安全可靠的认证，传统方式是使用密码。二是银行网点能够识别这个客户。“只有好的安全认证手段才能为客户带来一种安全感，同时能够识别出客户身份才能给客户提供更好的服务。”陈海称，银行里面存在许多场景，例如跨境汇款、大额存款、贷款授信等环节，能够识别客户，进而提供差异化的服务是银行的需求。
据陈海介绍，2015年，中信银行与旷视科技合作，引入了人脸识别技术，首先在柜面和客户交易的时候引入了相关流程，未来会在智能柜台，客户到网点以后使用设备自助服务场景也会使用刷脸场景。下一步，中信外拓人员开展信用卡、存贷款业务时也将成为人脸识别的应用场景。未来，该技术有望运用到移动互联网上，“在移动互联网上体验刷脸的感觉”。
不过，人脸识别的实现并非易事，吴文昊表示，人脸识别是人工智能中机器视觉技术，背后需要强大的深度学习算法作为支撑。
“近几年我们感觉科技改变潮流愈发明显了，包括5G技术的应用，可穿戴设备的发展以及智能分析能力的提升，传统的金融行业已经感觉到了这种压力。”陈海表示，随着竞争者的增多，传统金融行业需要在技术储备和思想层面都提前布局。
“互联网+”改造征信体系
互联网征信在2015年可谓是风头“一时无两”。包括腾讯征信有限公司、芝麻信用管理有限公司在内的8家机构成为首批获得个人征信牌照的机构，被获准进入大数据征信业务。而数据和技术正在成为互联网征信的关键门槛。
在全球金融创新峰会上，芝麻信用副总经理邓一鸣表示，整个普惠金融的升级所带来的需求，技术发展、数据的应用以及信用体系的完善，为芝麻信用的发展带来了良好的机遇。
“芝麻信用专注征信行业，解决两个问题，一是真实性的问题；二是靠谱度问题。”邓一鸣表示，“互联网+信用”后，在用户授权后通过采集方方面面的数据，通过云计算、机器学习等，让没有信贷历史的人也享受到了信用带来的普惠金融便利。
邓一鸣称，作为蚂蚁金服旗下独立的第三方征信机构，目前芝麻信用接入的外部数据源在八成以上，包括政府的数据，而阿里的数据源只占约10%。目前，通过与芝麻信用的合作，包括拍拍贷、广发银行在内的金融机构发放贷款约280亿元。
在他看来，“互联网+信用”并没有改变征信行业的本质，即对经济信用的评价和违约概率的预测。移动互联对征信带来的改变有三：第一，最大的改变是数据采集宽度与实时性得到了提升；第二，新技术的应用令信用评价更加准确；第三，用信过程变得更加便捷，应用、服务场景更丰富、用户体验更便捷。
“区块链技术让互联网金融梦想照进现实”
随着虚拟电子货币“比特币”风靡全球，区块链作为其底层技术也逐渐受到了银行与金融业的关注。
作为对区块链技术探索较早的公司，火币网技术副总裁张健表示，区块链正在成为互联网的基础协议之一。“从应用角度来讲，或者从金融角度来讲，我认为区块链技术可以让互联网金融梦想照进现实，它从本质上解决了如何在互联网上传递价值的问题。” 张健称，“针对区块链的研究还处于基础设施构建阶段，我们现在主要是做基础设施的研究和构建方面工作。”
“区块链技术可以用一句话概括，就是一个分布式的可信任的数据基础设施。”汇百川信用 CTO 丁磊表示，区块链技术有两个关键点，一是分布式，不是集中式架构，分布在全网各个节点上。二是可信任，任何在区块链上写下的数据都没办法篡改。“这两点特性，为我们挖掘区块链在金融领域，包括其他非金融领域的应用提供了空间。”丁磊说。
【关键词】大数据 人工智能 行为干预
近年来随着大数据和人工智能技术的发展，越来越多的领域应用这些技术来提高自身的专业水平。保险作为基于大数法则进行风险管理的一种方式，对数据的处理和应用要求更高。目前大数据技术在保险业的应用主要是精准营销、保险产品开发和理赔服务等，但在保险中的防灾防损方面的应用还不够。如果能够深入挖掘大数据在被保险人行为方面的研究，再结合人工智能进行智能干预，则可以对被保险人实现有效的风险管理，提高被保险人的身体健康状况，从而极大程度的提升客户效用，提高社会整体福利水平。
一、被保险人行为干预简介
行为干预是通过对环境进行控制从而使个体产生特定行为的方式，目前主要在教育，医疗等方面发挥作用。但在被保险人管理方面，行为干预应用很少。现行的对被保险人的管理主要集中在投保审核的过程中，而在投保后提供的服务和干预很少，一般也就是提供健康体检等服务，而对被保险人投保后的日常生活行为方式，健康隐患则基本处于放任自流的状况。而被保险人行为干预则是通过对被保险人日常生活行为，饮食习惯等进行实时数据收集和分析，然后制定干预方式进行针对化管理的模式。
二、利用大数据和人工智能进行被保险人行为干预的优点
实现精准、良好的对被保险人的行为干预，需要利用大数据和人工智能技术。大数据相比传统数据具有海量、高速、多样等特点，它实现了对信息的全量分析而不是以前的抽样分析。在被保险人行为干预模式中，需要对每一个个体的日常生活作息，行为，饮食，身体健康指标的进行实时数据采集，然后进行分析，这用传统的数据统计方法是难以做到的。利用大数据技术进行分析能从海量信息中获取被保险人的风险状况，从而为精准干预提供基础。简单的干预难以实现特定的干预结果，而人工智能则让干预显得更加自然，让被保险人更加易于接受，从而很大程度上提高了干预效果。
三、如何利用大数据和人工智能进行被保险人行为干预
利用大数据和人工智能进行被保险人的行为干预主要有以下步骤：
首先利用人工智能设备进行被保险人数据收集，除了目前的手机APP，网络等软件和设备上的数据能够被收集外，未来人工智能家居能提供更多的被保险人信息。例如提供体重、坐姿等数据的椅子，提供饮食时间和品种的筷子，提供身体运动和健康数据的智能穿戴式设备等等。数据收集后，需要利用大数据技术对海量数据进行清洗，去噪等技术处理，然后对数据进行分析。第三步是根据数据分析结果，制定具体的行为干预方案。最后一步是根据制定的方法，利用人工智能进行干预，如智能椅子调整坐姿，智能厨具减少含油量，针对性的健康食谱推荐，锻炼提醒，智能家居辅助锻炼等等。与此同时，新一轮的数据收集又开始了，整个过程是连续进行，不断循环的。
四、利用大数据和人工智能进行被保险人行为干预的预期成果
对被保险人来说，这种干预方式能有效的进行健康管理。未来的健康保险将成为个人真正的健康管家，从日常生活行为，到身体机能都能提供很好的干预，并且让良好生活方式的养成更加容易，从而提高自身的健康状况，达到更好的生活状况。但另一方面，全面数据化，智能化的方式可能会带来很大的数据泄露风险，所以如果保护客户私密数据是另一个值得研究的问题。另外，对于投保前健康状况较差的客户，或者是对行为干预较为抵制，干预效果较差的客户，可能需要承担更多的保费。当然对于优质客户和乐于提升和改变的客户则可以享受到更加优惠的费率。也就是说在大数据和人工智能技术下，客户进行了进步一步细分。
对保险人来说，行为干预能够降低被保险人的风险，很多疾病能实现防范于未然，降低赔偿程度。另外，借助大数据和人工智能，保险人还能根据分析结果，被保险人对干预的反应等进行客户的进一步分类，从而实现区块化管理。但这对保险公司也提出了更高的技术要求，尤其在前期，可能会带来加大的成本。
五、保险公司推进被保险人行为干预的建议
对于保险公司来说，目前的一些人工智能技术还未能实现，或者成本高昂，难以普及。所以现阶段对保险公司来说首先是提高大数据能力。
具体来说，首先是利用大数据对公司已有客户信息进行数据挖掘，包括承保数据，理赔数据等，从而一定程度挖掘出客户的特征，并提供服务。如根据挖掘出的性别差异，地区差异，年龄差异等，提供不同的生活建议。
如果公司已经充分进行了自身客户已有数据的挖掘，则可以利用目前的手机APP，佩戴设备进行数据的进一步收集。例如，利用薄荷、饮食助手、微信运动、春雨掌上医生、血糖记录、小米手环等数据进行用户数据收集。同时可以针对被保险人开发专门的手机APP，集数据收集和服务于一身。
更进一步，保险公司可以尝试与其他高科技企业合作，开发一些智能穿戴式设备，智能家居等，逐步实现对被保险人的行为干预。
参考文献
[1]彼得・迪亚曼迪斯.将会被人工智能和大数据重塑的三个行业[J].中国青年，2015，23：41.
[2]王和，鞠松霖.基于大数据的保险商业模式[J].中国金融，2014，15：28-30.
乌镇世界互联大会已经进入到第三届，本次大会除人工智能与物联网成为热门话题外，可以看到2B互联网，也就是企业和产业互联网正越来越成为一个重要的热点方向。
从1988年到现在，用友在企业信息化领域已经服务企业28年，在此过程之中，见证了信息技术一次又一次的浪潮，更见证了信息技术的发展对企业发展的推进作用越来越大。因此，从企业信息化的历程来看，第一个阶段的企业信息化从部门开始，主要目的是通过电算化提高办公效率；第二个阶段进入到企业的流程优化阶段，代表产物为信息化管理软件，通过优化流程提高效率；企业的信息化从部门应用的阶段走到企业应用的阶段；现在，企业信息化的发展进入到第三个阶段：以社会级的商业服务平台为代表的企业互联网化。如果说前两个阶段是以办公自动化和流程优化为主要价值，新阶段则是以商业创新为核心价值。
互联网技术已在重塑企业的商业思维和场景，正在革命性地改变企业边界、资源、经营要素、资产等。所以，在产品与业务发展上，要突破既有的思维和范式， 走出企业围墙，从企业级到社会级，包括：从企业的部门内、部门之间到企业之间，实现连接、协同和共享（B2B，生态经济）；从销售商到最终消费者，将最终消费者纳入到企业服务系统中，也正因为智能手机和移动互联网普及，使得任何企业连接最终消费者变得极其便利（C2B，粉丝经济）；从部分人员使用到覆盖全员应用（社群经济），帮助客户建立社会化的新商业。
企业互联网化是全球企业进步发展的重要历史进程，是中国企业转型升级的重要路径。几年前，曾经预言“所有的企业都会成为互联网企业”、“所有的企业都将成为金融企业”，现在这个趋势已经逐步成为现实；几年前，很多企业从开始热烈谈论企业互联网化，近两年企业已经都在积极实施过程中。在企业推进互联网化实践过程中，已经有一批企业取得成功，但是更多的企业还在探索。根据用友的实践与服务企业互联网化的体会，企业互联网化需要一种全局思维，不能只从技术的角度或者部署模式的角度看待它，而是应该看到企业信息化焦点的应用领域在哪里以及带给企业的价值是什么，包括企业要实现的目标价值是什么。
互联网化作为当代企业的商业创新，是企业通过深度应用新一代信息技术实现的商业模式与管理方式的巨大变革，包括：生产经营从厂商导向 （B2C）到客户导向（C2B），真正建立起以客户为中心的商业模式和流程；企业组织从传统的从上到下 （M2E）模式到员工能动 （E2M），成为员工的赋能平台；企业的经营与管理从流程驱动 （PDE）到数据驱动（DDE），数据超越流程成为新的核心；企业运行从延时运营（DTE）状态到实时运营（RTE），“实时企业”的梦想得以真正实现。
在商业创新的基础上，企业实现互联网化的最终目标和价值仍然是：增长收入、降低成本、提高效率、控制风险。所以，以移动互联网包括物联网、云计算、大数据、人工智能为关键技术支撑，采用公有云包括专属云、混合云或私有云方式的部署，通过在数字营销与客服、社交与协同、智能制造、共享服务四个焦点领域的应用，实现走向C2B、E2M、DDE和RTE的商业创新，并在此基础上实现企业增收入、减成本、提效率和控风险的商业目标，才是企业互联网化全景图。
在企业互联网化的市场方向上，有五个焦点领域加速了产品创新和应用推广，包括数字营销、社交协同、智能制造、财务/人力共享以及互联网金融。
第一，数字营销。也就是以客户为中心的营销，这是今天众多企业推进信息化的第一焦点需求，因为它能够带来收入的增长，能够更好的满足客户的个性化需求。
第二，社交协同。今天的企业要提高整体效率，不仅在企业内部，更在于企业之间、外部组织之间进行高效的沟通与协作。社交协同的互联网平台，实现了企业内部的及时沟通和企业间的高效沟通。
第三，智能制造。主要体现在生产制造、产品设计和管理方面；更广义的智能制造同时也包括数字营销。
第四，共享服务。主要以财务和人力资源等的共享服务为主。在企业中的财务、人力、法务这样一些公共的应用部门、支撑运营部门以及一些企业，通过私有云或者公有云的方式，把原来的人力资源/财务等工作，建立一个共享中心来服务企业，效率更高，成本更低。
2015年12月，微软亚洲研究院首席研究员刘铁岩博士去蒙特利尔参加了NIPS年会(Annual Conference on Neural Information Processing Systems)，这是人工智能领域的顶级学术会议。但与会期间，他印象最深的不是同行的专业进展，而是一位科学家告诉台下的与会者，早些年，他的博士生根本找不到工作，今年却被一抢而空。
这也是中国正在发生的故事。从硅谷到北京，人工智能都是热浪滚滚。这个在上世纪50年代和80年代掀起过两次的技术，现在似乎真的到了产业化的临界点。互联网时代的思想家和预言家凯文·凯利宣称，人工智能是下一个20年里颠覆人类社会的技术，它的力量堪比电与互联网。
人工智能(Artificial Intelligence)，缩写为AI。它是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。
人工智能快速进入大众视野，源于今年3月谷歌围棋人工智能程序AlphaGo战胜世界冠军李世石。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。BBC预测，2020年全球人工智能市场规模将达1190亿元人民币。
目前看，这一数据远比不上2015年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。
离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、IBM、谷歌、Facebook、BAT在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。
已布局人工智能的IT和互联网巨头们，最有资格成为这一轮革命的获益者。但这终究是一个漫长的耐力游戏，除了技术布局，产业布局和战略视野也是决定成败的关键因素，短视者将随时出局。
BAT保守布局
中国的所有行业中，以BAT为代表的互联网行业在人工智能研究和商业化探索方面走得最早，也看得最远。其中，技术起家的百度走在最前端。
2012年10月，百度董事长兼首席执行官李彦宏参加了内部的一个基于深度学习的语音识别产品研究会。当时该产品的主导者余凯回忆，那是李彦宏第一次知道深度学习，他非常吃惊，并给全公司写信，让所有产品经理都要了解人工智能技术的发展。
当年12月，李彦宏开始和余凯讨论成立深度学习研究院的可行性。次年7月，这个研究院成立，李彦宏任院长，余凯为常务副院长。这是中国公司里的第一个人工智能研究院。
李彦宏很快将相关技术投入到搜索的核心业务中。2014年的百度内部统计数据显示，深度学习技术的应用，让百度和竞争对手的Diff(different，内部叫Diff)指标提升了若干倍。
但人工智能的科研，尤其是基础科学研究，是一个冗长寂寞的过程。此后，迫于财务数据和竞争压力，百度的决策者们更加注重眼前的布局和资源。
“到了后期，太长远项目，或是比较创新的项目，百度总部确实不太支持了。百度i站的项目、百度快搜这样的项目没了。”一位不愿具名的前百度人工智能研究岗位人士评价。一位现任百度相关人士对《财经》记者表示，百度前些年确实剔除了不少经过验证没有商业化前景的分支项目，但最近两三年，百度明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。
6月8日，在2016百度联盟峰会上，李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。他现场播放了百度无人车路测的实况录像，百度无人车已经可以像正常车辆一样加速、并线、超车，他同时表示，三五年之内，无人驾驶一定可以成为现实。
从整体来看，百度仍是BAT三家中首先完成有关人工智能技术体系整合的公司。目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。
IBM研究院一位人工智能专家告诉《财经》记者，百度是被他们列入竞争列表的唯一中国公司。
硅谷尤其关心“百度大脑”的进展。百度大脑是百度在人工智能领域的核心。百度此前的诸多人工智能产品，如无人驾驶、智能搜索等，都是基于百度大脑的能力。
百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面，百度有万亿级的网页、移动和行为数据可供分析。在深度学习方面，百度的万亿参数排在世界第一。
2015年，百度的研发投入超过100亿元。占百度2015年总营收663.82亿元的15%。
百度正在计划将百度大脑在金融、汽车、医疗等领域商业化。李彦宏称，人工智能的“井喷式”创新，将推动互联网进入第三幕，并将重构传统产业。比如“人工智能+金融”，可以快速地实现征信升级，实现“秒放”贷款。
阿里巴巴和腾讯的布局则更加克制。或者说，它们更代表中国公司的普遍做法，从业务驱动开始，逐渐加大档位。
阿里从2011年开始布局互联网医疗，投资收购和战略合作的公司数以百计。围绕医院、医保、医药做了大量布局。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划，覆盖全国90%省份。阿里云人工智能首席科学家闵万里博士告诉《财经》记者，阿里在健康医疗领域的布局快慢，取决于阿里在人工智能领域的技术突破。
阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。这种诊疗，依赖的就是基于阿里云的人工智能医疗系统。随着学习数据的不断增加，机器会变得越来越聪明，最终成为一个“永不退休的医学专家”。
多位接受《财经》记者采访的专家评价，阿里这个技术并不复杂，医疗诊断是基于经验的专家型劳动，是机器擅长的经验学习，三年内该技术便可成熟。
闵万里告诉《财经》记者，要实现这个目标，除了技术平台，还需要整个医疗体系的打通，需要政府和社会共同推动设备和资源的开放。一旦打通，聚合在一个人工智能服务平台之上，就将衍生出更多的应用服务场景，从而实现“商业和技术互为驱动”。
阿里是目前中国所有公司里，数据生态最完善、最健全的公司。iPIN创始人兼CEO杨洋认为，阿里的MaxComputer数据通道，是非常健康的数据大动脉，可以将阿里的所有数据资源非常高效地结合在一起。
此外，阿里云也是目前世界上最接近AWS(亚马逊云服务)的云计算平台。数据生态体系是做人工智能的重要基础。因此，在这场有关未来的布局中，阿里云的主导地位清晰。
阿里的人工智能研究分散在其各个业务分支之中，有待整合。闵万里说，阿里希望在算法能力上有所突破，这需要一个集中的技术机构来整合阿里的所有相关技术资源。
腾讯和阿里的情况类似。腾讯在人工智能上的布局，以IM和SNS业务为基础。例如语音识别主要是在微信部门、图片识别主要是在QQ，支付和金融业务方面植入了人脸识别，搜索部门则关注自然语言识别。
其中一些技术已在腾讯内部实现产品化。SNG(社交网络事业群)的优图团队聚焦图象识别领域，推出了黄图识别功能，并为腾讯内部产品如图片优化工具“天天P图”提供技术支持。WXG(微信事业群)则人机互动领域的拓展，也对图像和语音识别进行了原发。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。对于未来，工程师希望“小微”成为一种“连接器”——与微信支付串联起来，接入微信公众号以及钱包内的各种生活服务，打造完整的微信内O2O闭环生态体系。
腾讯高级副总裁姚星在接受《财经》记者采访时表示，腾讯越来越重视在人工智能领域的技术开发，这包括两个路径：一是整合腾讯自身的技术资源，形成体系和重点;二是加快对优秀公司的收购和合作步伐。
腾讯参与了多个人工智能项目的早期投资。腾讯投资并购部一直在为公司寻找需要的标的，服务于腾讯的整体战略。腾讯日前与硅谷风投机构Felicis Ventures领头了人工智能创业公司Diffbot 1000万美元的A轮。这家公司通过人工智能技术，让“机器”抓取网页关键内容，并输出软件可以直接识别的结构化数据。
BAT的人工智能技术研发从第一天开始就是商业需求驱动的，他们从业务入手，收购甚至模仿别人的东西，这种做法避免了漫无目的研究和不必要的失败，但也无法保证在下一轮的人工智能平台大战中胜出。
今年，阿里和腾讯均有组建人工智能研究院的想法。姚星对《财经》记者说，很快，腾讯人工智能研究院就会成立。
国际巨头深入无人区
如果说BAT的人工智能布局处于对标和追赶的状态，那么以IBM、微软、谷歌、Facebook为代表的美国巨头公司已经开始深入科技无人区。
这些公司技术和业务各有所长，面向的用户也不同，但它们的目标一致：把人工智能机器做大、做强、再做没。
IBM和微软可能没有谷歌、Facebook看起来那么酷，但在人工智能领域有深厚的技术底蕴，IBM甚至已经开始用人工智能赚钱。
IBM人工智能研究可以追溯到1997年“深蓝”战胜当时的国际象棋世界冠军卡斯帕罗夫。2011年，代表着IBM在认知计算领域最先进技术的Watson在一个电视节目中一战成名，被认为是人工智能历史上的一个里程碑。
今天可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE(超大规模神经突触计算机芯片)。
Watson是一台超级计算机，最初由90台IBM的Power 7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“DeepQA”技术开发。2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用和增强“Watson”及其他认知技术，此外还投入10亿美元用于其他相关项目。
Watson已经开始为IBM赚钱了。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。
另一个代表性产品是IBM在2014年的人脑模拟芯片SyNAPSE。该芯片能够模仿人脑的运作模式、低功耗，在认知计算方面要远胜传统计算架构。和其他芯片公司的纸上规划不同，这款芯片已达到量产要求。
IBM将其技术和商业实力总结为“认知计算体系”。IBM大中华区副总裁、战略部总经理郭继军向《财经》记者表示，IBM推动认知计算体系，目标是把IBM在人工智能、大数据、深度学习、模式识别等所有领域里所做的积累应用到各个行业中去，帮助各行各业客户提升效率，解决他们所面临的现实挑战。
微软人工智能技术的研究已超25年。1991年微软成立研究院，最早的五个研究组，研究方向分别是人机交互、自然语言处理和机器学习、语音识别和语音合成、计算机视觉。这些恰恰是今天人工智能的几个最重要的分支。
微软的人工智能研究方向要宽泛很多，微软研究院拥有超过1000位科学家，在包括深度学习的多个领域的技术布局处于世界顶端。
微软最新的深度学习系统在2015年ImageNet计算机视觉识别挑战赛中，将计算机视觉系统错误率降低至3.57%，相比于人眼辨识的5.1%，这是人工智能首次在识别图像的错误率上超越人类水平。这些机器由微软的Azure云服务提供支持。
微软不仅将人工智能技术应用于如Windows、Azure等核心业务中，还构建开放的平台，将多年的技术积累开放给产业界，它的目标是打造一个人工智能生态圈。
它在无人区走得最远，在现实商业世界中隐蔽得最深。
和前辈相比，年轻的谷歌在人工智能领域做的事情更让外界看得懂，也更兴奋。谷歌一方面不知疲倦地做底层人工智能技术的积累，研发更加高级的深度学习算法，增强图形识别和语音识别能力。另一方面亲力亲为布局了包括智能家居、自动驾驶、机器人(2013年收购了8家机器人公司)等领域，前者为后者带来基础技术支撑，后者为前者提供数据和反馈。
值得一提的是，谷歌在无人驾驶汽车领域的技术积累，已经远远超过传统汽车厂商和其他互联网公司。
更加年轻的Facebook，将人工智能视为未来的三大方向之一。Facebook天然拥有全球范围内的海量社交数据，但在基础科学的研究上依然不遗余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋称，FAIR的研究方向自由宽松，研究所需的计算资源(如GPU)相对丰富，同时也没有近期的产品压力，可以着眼长远做困难和本质的研究。他称，这样的学术氛围在各大公司是极其少见的。
如果说前述几大巨头都是从人工智能技术出发，结合云计算赋予技术更多势能，那么亚马逊的路径正好相反。亚马逊是全球第一大云服务提供商，它的云服务收入超过微软、IBM、谷歌、Salesforce等所有对手的总和。但亚马逊目前的人工智能技术，多数集中在提升购物体验的深度学习领域。
人工智能技术有两大要素：核心技术平台和数据循环。只拥有技术是不够的，需要业务和数据结合，才能打造好的技术。对循环数据的获取，巨头们也都不遗余力。
以最热衷开源的微软为例，去年，微软了“牛津计划”(现更名为“微软认知服务”)，这是一个基于微软云平台的智能API(应用程序编程接口)，涵盖了五大方向的人工智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。去年夏天火爆的How-Old.net，就是借助该平台快速开发出来的一款应用，一共只有20多行代码。
类似的工具包微软还有很多，例如深度学习工具包(CNTK)和微软亚洲研究院主导的微软分布式机器学习工具包(DMTK)等。
这些对于创业公司和中小企业来说相当实用。他们不用从底层技术一点点学，在小集群上或者是云服务上就可以直接调用。
对于巨头来说，算法已经不再是竞争的障碍，数据和用户习惯才是山头。大量的初创企业会采用开源做很多垂直领域的业务，其中包括海量试错和验证，最终也会反馈回开源，而这正是巨头们所期望的。
做B2B生意的IBM对数据的专业度要求更高，无法仅依赖搜索引擎和大量应用的交互来训练Watson系统，因此通过深度合作和并购来获取专业数据。
以医疗领域为例，IBM和多家世界级顶尖医院合作，向医院部署Watson的智能系统，通过分析这些医院的病历、专家的治疗经验、现有的学术研究等，帮助它们制定、观察和调整癌症患者的治疗方案。在这一过程中，Watson也就有了这一领域的数据积累。
2015年4月，IBM收购了Explorys，它是一家可以查看5000万份美国患者病历的分析公司。类似的收购IBM还有不少，并且出手相当大方。
Watson已经可支持针对乳癌、肺癌和结肠直肠癌、皮肤癌等癌症的初期诊断。在皮肤癌领域，在一项对3000幅皮肤镜检查图像的研究中，Watson识别皮肤癌的准确率高达95%以上。而人类识别皮肤癌的准确率只有84%。
国内的一位人工智能业者调侃，国际巨头在人工智能领域真正有价值的是它们的那些你看不见的、没开源的、国际会议上含含糊糊一笔带过的技术。“那些才是可以颠覆未来的弹药。”
填补断层
人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合;技术层是算法、模型和技术开发;基础层则是计算能力和数据资源。
BAT擅长第一层。BAT手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。
多位接受《财经》记者采访的中外业者认为，BAT的优势在于海量数据，和国际巨头的核心差距在技术。
腾讯高级副总裁姚星告诉《财经》记者，今年初，他和腾讯的投资并购部达成了一个共识，开始大量考察美国的机器学习平台类创业公司。一则中国这类技术公司不多;二则收购这种公司可以快速补足腾讯在算法领域的不足。
姚星向《财经》记者分析，同样提供10万个样本给机器，优秀的算法平台可能只需要几个小时，速度慢的可能需要几天时间。
对于海外收购，搜狗公司CEO王小川则更加直白：“国内适合收购的标的公司很少，因为根是断的，(技术和基础研究)源头在国外，要到国外看。”
在快速迭代的互联网世界里，即便是互联网巨头，单打独斗练独门秘籍也会错失良机。最佳方式，就是拥有数据和拥有技术的公司，通过各种结盟方式形成优势互补，快速抢占市场。
2014年11月，蚂蚁金服宣布和旷视科技战略合作，利用后者的人脸识别技术Face++软件去确认开立在线银行账号的用户身份，即“人脸支付”。
Face++在人脸检测的多项指标评测中接连拿下世界第一。2013年，在极难识别的互联网新闻图片上，获得了97.27%的准确率，这个指标高于Facebook团队。三年后，这一准确率已提高至99.5%。
进行面部识别，需要处理大量来自面部的数据信息，包括结构、五官以及肌肉等方面的数据分析。阿里云为这个合作注入自身的数据和分析能力。
“凡是花钱解决的问题都不是问题，阿里可以自己完成这些事情，但时间成本是相当昂贵的。”闵万里对《财经》记者说，“阿里有1000件同级别的事情要做，能做好的只有其中几件，剩下的用投资+合作，这是时间和资本效率最高的做法。”
技术和数据的结盟并不限于BAT，更多的公司希望通过结盟方式获得未来，新的巨头或许从中诞生。
搜狗CEO王小川的思路是社交化，做更多连接，通过建设社群关系，把人大脑里的智慧表达出来，从而解决目前搜索技术存在的内容不够精准和实用性较差的问题。2013年腾讯入股搜狗后，先后向搜狗开放了微信公众号数据和QQ兴趣部落，为搜狗输入数据资源。除此之外，搜狗还在去年11月战略投资知乎1200万美元，全面接入知乎内容。
王小川想让搜狗的人工智能机器不断学习社群数据，他对《财经》记者说，“人工智能下一个五年不在于人工智能本身，而是让机器找到人。”
李彦宏称，人工智能拥有广泛的商业用途，人工智能的“井喷式”创新将重构传统产业。
今天，技术和数据的天然开放性让各公司之间的竞争变得“我中有你、你中有我”，最终的赢家是可以将技术和数据平衡利用，达到平台效益最大化的公司。
微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，国外更加注重基础研究和技术研发，国内企业可以将国外的研发工具化、商业化;从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。
“只要不太急于求成，持之以恒地投入，中国的人工智能产业相当值得期待。”芮勇说。
挤出泡沫
马云在一次内部讲话中强调：“全球都在讲人工智能，到了风口浪尖，在创新面前，没有第二只有第一，创新落伍了，你就输了。”
焦虑的不仅是BAT，华为公司创始人任正非5月30日在全国科技创新大会上发言提到，“未来二三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。如果不能坚持创新，迟早会被颠覆。”
开放趋势之下，人工智能也注定不是一场巨头间的战争。
市场调研机构CB Insights的统计数据显示，2014年风险资本对人工智能的投资增长302%，达到3.09亿美元。
中国人工智能领域已有近百家创业公司，65家获得投资，共计29.1亿元人民币，其中旷视科技、优必选、云知声、SenseTime四家公司登上艾瑞独角兽榜单。
更多初创公司只是打上了人工智能的标签。它们本质上是用国际开源的平台，用数据训练一两个模型，甚至照搬国际模型，这其实潜含危险，最大的风险是产品严重同质化，尤其在人脸识别、语音识别等成熟领域，这些公司的产品没有突破性创新，根本没有继续走下去或被收购的价值。
姚星常常为投资人鉴定真伪人工智能公司。他说，辨识伪人工智能公司有两个关键点：一是这家公司所采用的技术是否是最新、最前沿的技术，如果不是，则是用人工智能概念包装的伪人工智能。
其二，这家公司的技术和业务是否具备可扩展性?若否，则是采用部分机器学习算法或浅层人工智能技术的商业公司，而非真正的人工智能公司。
iPIN是一家拥有文本认知智能技术的公司，从去年开始，iPIN收到了不少投资机构的投资意向，该公司创始人兼CEO杨洋告诉《财经》记者，到目前为止，他还没有遇到真正有能力鉴别人工智能技术水平的投资机构。
“这对于做伪人工智能的公司绝对是一个好消息。”杨洋调侃说。
危险在于，就算是一些初创时期确实手握人工智能独特技术和商业模式的公司，也在资本的胁迫下慢慢走形。
在资本的压力之下，一些人工智能创业公司开始过早商业化，研发投入逐步降低，人员结构也发生变化，销售开始主导公司，最终技术公司变成营销公司，失去了被并购的价值。
投资人工智能公司，需要专业技术知识和长线投资眼光。根据Gartner的“智能机器炒作周期图”，由人工智能驱动的应用中，语音识别产业化最高，自动驾驶汽车和智能顾问处于炒作最高点，智能机器人、自然语言处理/生成和虚拟个人助手则处于爬坡期。这些都属于5年-10年内能广泛普及的颠覆性技术。而神经形态硬件(如神经元芯片等)属于10年以后才能普及的技术，但该技术可能还没研发成熟就被淘汰了。
需要在这一轮变革中保持耐心和恒心的还有政府和高校。人工智能涉及计算机科学、生物学、社会学、哲学、材料学、工程学等多个学科，中国高校基础学科的研究能力无法被充分利用，体制内缺乏一套产学研流畅对接的机制。这导致中国高校在这次产业变革中严重缺位。从美国的经验来看，正是其从法律、机制上保证了产学研的平滑转换，才令美国在这一轮的人工智能研究中占据上风。
一些乐观的投资人认为，技术发展本身就是驱逐泡沫的手段，“不用很长，一年或一年半的时间，很多真实情况就会暴露出来，泡沫也将逐渐散去”。
掌上通的SP时代
2000年年底，中国移动推出“移动梦网”品牌，开启SP业务的火热时代。SP业务是服务提供商的缩写，是通过移动通信网和定位技术获取移动终端（手机）的位置信息（经纬度坐标数据），开展一系列应用服务的新型移动数据业务。迈着SP时代的步伐，北京掌上通网络技术股份有限公司（以下简称“掌上通”）应运而生，是中国最早的移动互联网公司。
掌上通从成立之初就风生水起，在野蛮生长的互联网初期，SP服务接近完美。“掌上通从成立开始便和整个互联网业都有合作，向他们提供SP服务。因为公司创始人作为最早期的投资者出身，并且曾投资过‘8848’和‘连邦软件’这两个当时中国最著名的公司，所以在融资上也没有多大困难。”掌上通首席产品官李科说道。SP业务作为中国互联网在流量经济上的最早应用，掌上通与中国移动等运营商合作取得号段，成为变现流量的主要通道，成为全球最早实现短信支付的SP。15年来，掌上通一直努力让用户在手机上指掌间通天下，获得他想要的任何产品和服务。直到现在，掌上通的初心从未更改，这也是公司取名“掌上通”的由来，创立9588生活助理也是要延续同样的梦想。李科说：“SP业务虽然已经开始衰落，但9588生活助理会比SP更便捷更贴心的为我们用户提供服务。”
最懂用户心理的生活助理
早在2011年，掌上通便成功上市。虽然掌上通经历门户、电商、O2O等互联网大时代，是见证者更是参与者，但是在日息万变的今天，SP时代的风光早已消失殆尽。基于营利状况不是很好，掌上通不得不再次寻找企业自身发展的契机。李科向《融资中国》记者解释说：“转型的第一个原因是因为公司的SP业务在走下坡路，目前整个新三板市场都知道掌上通在转型。其二是生活服务市场的迅速崛起，已知日常服务市场便达26万亿，像滴滴或是美团等，都是在生活服务领域崛起的公司。”因此，2015年，掌上通重新出发，提倡一种生活态度，打造一种生活方式，构建一个开放生态，与合作伙伴一起，成为最懂用户心理的生活助理――“9588”。
9588生活助理源于美国的magic模式，这是一种全新的模式。在各种O2O高频、低频服务满天飞的今天，大量服务质量参差不齐的APP充斥着市场，困扰着众多用户。基于这些因素，美国产生一种新的商业模式，即magic模式。magic模式主要基于大数据、AI智能、人工客服，为用户提取需求，包括提前预测推荐需求，然后将标类、非标类的服务通过匹配度分析，将需求分发给指定的服务提供商，满足用户的需要。9588生活助理正是基于这种模式，以微信公众号9588为入口，为用户提供全品类生活服务。在用户关注9588公众号后，可以在对话框中输入自己需求，便于助理为用户提供服务。比如说：买东西，订餐，送货，送礼物，办事，提醒，喊外卖，订酒店，订机票等等，有关生活的任何合理需求都可以提出来。李科强调，9588希望每个人都可以有一个万能的生活助理，有什么需求随便说说话，就有个人专门去解决。而在现实生活中，一般人是不需要助理的，一方面成本比较高，另一方面可能自己也没有那么忙。但是人们都是“懒”的，通过互联网的方式为每个人配个助理是并不是不可能，因为9588的助理谁都可以用。
诚然，人工沟通的方式虽然在应对个性化需求上更加人性化，但随着客户数量的增加，客服人员团队会急剧膨胀，运营成本和管理压力等将会越来越大，在这样的情况下，怎么保持高效的服务呢？李科告诉记者，9588的价值观是“助人为乐”。未来，掌上通的9588生活助理将采用是人工+人工智能的方式，即该助理服务通过9588微信公众号连接用户，人工智能会引导获取用户相关具体需求，一些相对简单、常规的场景由人工智能来提供服务，而一些复杂的需求场景则由人工客服完成下单和执行。
那么，9588生活助理为什么选择人工+人工智能的方式呢？这还得归咎于掌上通在客服和人工智能这两个领域都具有商业基因。例如，掌上通旗下9588旅行网拥有一个庞大的客服团队，支撑着来自114的大量订机票、订酒店业务；同时，掌上通还拥有TQ平台，这是一个在线客服平台，大概有10万家商户日常使用TQ平台为自己的用户提供咨询服务；此外，掌上通旗下还有一家名为萝卜丝的人工智能公司，这将协助9588来完成人工智能程序。
转型中国服务市场
反馈差是整个服务市场的本质。譬如，你敢随便叫修家电的人去你家吗？为什么现在敢打专车，而以前的黑车不敢打？因为有了数据平台，虽然风险仍然存在，但平台的监管方式很透明，都由消费者监管，差评就是最好的证据。9588生活助理将其提供监管和平台，保护用户权益。此外，通过投资生活服务市场和自建平成整个产业的布局也是掌上通的策略之一。虽然9588生活助理市场的定义是万能助理，但是当不断往下开展时，实际上会面临很多交付能力的问题，一些奇形怪状的服务将会凸显。因此，掌上通为解决这些问题，早在先前就做好了战略部署。
2014年年底，掌上通投资一千两百万元设立重庆啄木鸟网络科技有限公司，占注册资本的48%。目前，投资啄木鸟修家电O2O项目已成为国内最大直属直营家电保外服务提供商，并在全国新设立14个子公司，服务范围覆盖52个城市，拥有1800余名师傅，维修品类达300多种，日均订单从年初的1000单增至3000单，预计全年服务家庭将达到100万家。啄木鸟修家电围绕家电产业链进行布局，采用移动互联网思维改造传统行业，实现互联网+，解决传统服务问题及痛点，打造专业服务品牌。“我们通过投资来构建9588的服务能力，如果用户在9588生活助理上下单修家电，我们能够在52个城市快速到达。”李科说。此外，掌上通投资的云通讯服务商TQ（北京商之讯软件有限公司）是中国唯一集成“WEB 即时通讯、语音呼叫中心、CRM以及工作流信息系统”的连锁门店分布式一体化客户联络中心软件提供商。在房产经纪连锁、教育连锁、旅游连锁、医疗服务、证券金融等领域拥有广泛的客户群体。截止至2015年上半年，累计用户数已超过10万，其中分布式坐席量突破1万，同比增长100%。
在本文中，我们将重点关注在市场上取得良好发展的技术趋势，一起讨论2018年下半年的重大技术突破。
1.人工智能将重塑市场战略
人工智能为业务运营带来大改变，利用先进技术与软件的力量重塑整个行业。一些公司现在特别赞赏他们的业务实施人工智能战略的价值，并且AI的重大技术飞跃也正在进行中。拥有超过100，000名员工的巨头公司更希望实施人工智能战略，但对他们来说，该过程更具挑战性与价值。 2018年将成为领先企业将人工智能应用纳入其战略和组织发展的一年。此外，算法市场也有潜力，工程师或公司创建的最佳解决方案可以共享，购买和部署，供组织个人使用。
过去很难相信的想法正在变得真实，机器学习与人工智能技术使每个企业都变成数据驱动，每个行业都变得更加智能化。
经过多年的原型和创意背景研究，新的解决方案将令人叹为观止。为患病的人们提供虚拟援助，计算药理药药以及遗传学研究让人们看到了医学中更令人惊奇的案例。不同行业的自动化，机器人化和数据管理给行业带来重大变化。医疗保健、建筑、银行、金融、制造业等等，每个现有之行业都将被重塑。
2.区块链将为行业提供新机遇
现在每个人都在谈论区块链，这是一种革命性的分布式技术，可以存储和交换加密货币的数据块。区块链是一个分布式数据库，其中包含交易和智能合约的数字存储器。区块链存储一个不断增长的有序记录序列，这称为块，每个记录包含一个时间戳和前一个块的哈希链接。区块链在数字交易领域具有令人无限想像的空间，这一切将在2018年开辟新的商业机会。
该项技术打开了在其它领域中的各种应用，更多新的可能性。由于社会责任和安全性在互联网上的需求日益增强，区块链技术变得越来越重要。在使用区块链的系统中，几乎不可能伪造任何数字交易，所以这种系统的可信度肯定最高的。这种方法可以成为企业和初创公司中颠覆性数字业务的基础，以前在线下运营的公司将能把流程完全转化为数字化环境。（来源微信号数字化企业）
业务需要考虑区块链风险和机会，并分析该技术如何影响用户（客户）之行为。
随着在金融服务行业中区块链的炒作将放缓，我们将看到更多政府机构，医疗保健，制造业和其它行业的潜在实例出现。例如，区块链对知识产权管理有着巨大的影响，在防止版权侵权方面开辟了新的见解。 Blockai，Pixsy，Mediachain和Exof of Existence等网站平台打算将区块链技术应用于到该领域。
3.隐私安全的新方法即将来临
“道高一尺，魔高一丈”。技术发展提升了数据的重要性，因此黑客技术也变得越来越先进。连接到互联网的设备数量的增加，这会产生更多的数据，使其更容易受到攻击的机率更多。物联网中的小工具越来越受欢迎并被广泛使用，但它们在数据隐私方面仍然不是很安全。任何大型企业都经常受到黑客攻击的威胁，就像Uber和Verizon在2017年发生的那种问题。
幸运的是，这些解决方案是可以达成的，今年我们将看到数据保护服务的巨大改进。机器学习将确保数据安全，概率性预测方法是下一步的安全趋势。实施行为分析等技术可以检测和阻止能够绕过保护系统的攻击。 另外，区块链将我们的注意力引向一个名为Zero Knowledge Proof的新技术，此技术将在2018年进一步发展，它使用数学技术确保用户隐私的交易。另一种新的安全方法称为CARTA（持续适应风险和信任评估），它基于对潜在风险和信任程度的持续评估，以适应各种情况。该方法适用于所有业务参与者：从公司的开发人员到合作伙伴。
虽然我们的安全性仍比较脆弱，但有很多有前景的解决方案可以为我们的生活带来更好的隐私保护。
4.物联网将更加智能
智能物品将成为日常设备普及，它与人、环境进行更智能的互动。这些东西在不受控制的现实条件下半自动或自主地运行，而无需人为干预。
很多年来，智能产品一直备受关注，并且不断扩展和增强，它们将影响另一个全球趋势，这就是物联网。
未来将有一个协作智能网络，其中多个智能设备将协同工作，充分发挥物联网的潜力。通过有线和无线通信渠道连接到全球互联网，物联网设备将变成一个大型集成系统，推动人机交互的重大转变。人工智能与物联网的融合带来了创造智能家居和智慧城市的全新技术。
5.深度学习将更快，大数据收集更好
如今，深度学习面临着大数据收集和计算复杂性相关的技术挑战。目前业界正在开发硬件创新技术以加速深度学习实验，例如具有更多内核和不同架构形式的新GPU。根据GE研究院的高级信息科学家Marc Edgar的说法，深度培训将在未来 3到5年内将软件解决方案的开发时间从几个月缩短到几天，这将改善功能特性，提高生产率并有效降低产品成本。
目前，大多数大公司都意识到大数据收集的重要性及其对业务有效性的价值影响。在未来一年内，更多公司将开始使用更多数据，这取决于结合不同数据的能力。（来源微信号数字化企业）
2018年，更多公司将通过CRM，任务系统，BMP和DMP以及全渠道平台收集客户数据，像LIDAR这样的专用传感器上收集数据的普及也在增加。将现有系统与所有类型的客户数据集成到一个信息池中肯定会有趋势。初创公司将继续创建收集和使用数据的新方法，从而进一步降低成本。
6. AI模型能自动构建与优化
自Google去年推出AutoML以来，使用人工智能工具加速构建和调整模型的过程正在迅速普及。这种人工智能开发的新方法允许自动化机器学习模型的设计，并且无需人工输入即可构建模型，从而让其中一个AI成为另一个AI的架构师。
2018年下半年，预计商业AutoML软件包的普及和AutoML集成到大型机器学习平台将进一步增长。
在AutoML之后，有一个名为NASNet的计算机视觉算法，用于实时识别视频流中的对象。使用AutoML实现的NASNet上的“强化学习”可以训练模型，与需要人工输入的算法相比，人类显示更好的结果变得无关紧要。
这些技术发展，明显拓宽了机器学习的视野，并将在未来几年完全重塑模型建设的方法。
7. CDO职位持续走高
首席数据官（CDO）和其它专业人员越来越多地参与公司高层管理，从而改变他们的数据管理方法。 CDO将是创新和差异化的驱动力：会彻底改变现有的商业模式，改善与目标受众与企业沟通，并探寻改善业务绩效的新机会。虽然这个角色很新，但不论在国内外它已向主流迈进。据Gartner公司调查称，到2019年，CDO职位将出现在90％的大型组织中，因为是新角色，也许只有一半的人会成功。这需要强大的个人品质，对责任的深度理解和突破潜在障碍，这才是取得成功的关键。还有一个重要的步骤来释放CDO的全部潜力：企业可以考虑将IT部门分别划分为“I”和“T”两部分，CDO应该在负责信息管理的团队中起带头作用。（来源微信号数字化企业）
8.AI道德争论会爆发
随着人工智能行业在日常生活中执行各种任务和行动方面取得重大进展，人们就道德，责任和人际交流提出了问题。如果人工智能使用了非法行为，谁将受到指责？AI机器人是否需要遵守法律规定？它们要接管所有人类工作吗？
前两个问题中，假设有一天机器人被法律承认为人类，可以承担责任或因其行为而受到惩罚，这种观点还需要几年的时间，但关于AI道德的争论已经在升温，考虑到不同的可能性，科学家们正试图找到关于机器人权利与责任的妥协方案。
大可放心，机器人占领所有工作场所的可能性接近于零。当然，人工智能行业的发展速度非常快，但是它仍然处于起步阶段。
2018年下半年，围绕这个问题的讨论还会持续。当我们深入讨论这个主题，了解如何与人工智能互动，并忠于这个事实，关于机器人接管地球的神话相信会被驱散。
9.没有具体的命令：增长的NLP
在客户服务中使用聊天机器人即将到来，这是2018年的主要趋势之一。在2018年下半年，机器将需要能够识别用户访问的细微差别，用户希望通过提问和以自然语言发出命令来获得聊天软件的响应，而无需考虑“正确”的询问方式。 NLP的发展与计算机程序的整合将是2018年最激动人心的挑战之一，我们对此抱有很高的期望。
对于习惯于理解特定命令语言的计算机来说，对于人类来说，理解语音语调，情感色彩和多重含义的语言似乎是一项艰巨的任务。这些复杂的算法需要许多预测模型和计算步骤，所有步骤都在一秒钟内完成，这些计算都发生在云中。
在NLP的帮助下，人们提出更多问题，都会快速获得机器返回合适的答案，甚至比人的回答有更好的见解。
10.没有人类数据，AI自学更加自信
当人工智能第一次发明以来，该领域的发展速度超出了人们的预期。专家们曾经预测，到2027年人工智能将在围棋游戏中击败人类，但是它提前发生了10年 - 2017年。算法AlphaGo Zero只用了40天就成为人类历史上最好的围棋玩家，它在没有任何人类数据输入的情况下进行自我学习，并且制定了人类玩家无法实现的策略。
2019年，一个更发达的，自学成才的人工智能与人类的竞赛会继续展开。我们期待AI在解决许多人类问题方面取得更多突破，如决策，业务开发和科学模型，识别对象，情感与演讲，以及重新塑造客户体验。
此外，我们更希望AI能够比人们做得更好，更快，成本更低地应对这些任务。算法之自学能力能将AI应用到人类生活的更多领域。（来源微信号数字化企业）
总体上讲，2018年在技术创新方面会取得重大进展。开发者将见证更快，更精确的机器学习和AI应用程序，包括一些新的令人兴奋的发展。
离开谷歌，回国创业
EW：一开始你是怎么接触到人工智能的？
LZF：2005年，我在美国约翰霍普金斯大学读计算机博士。我所在的实验室是全世界最好的实验室之一，我当时做的就是语音识别、自然语言处理以及机器翻译。
毕业后，IBM、微软、谷歌、雅虎、Facebook的offer我基本上都拿到了。最后选择去谷歌是因为谷歌的机器翻译团队是全球最好的。当时谷歌的产品影响力也更大，再加上我自己对创业文化比较有兴趣，所以想去硅谷看看。
EW：在谷歌工作的经历对你的最大影响是什么？
LZF：主要是两方面。一是基本理念。在学校，我做的是学术，在谷歌，需要把学术的东西产品化、工程化。对我来说，在将技术转化成产品上，自己的能力有了一个非常大的提升。二是谷歌的工作机制和文化。因为我自己一直也想创业，除了做好本职工作，我一直在琢磨，谷歌这样的公司，它为什么能够这么厉害。
比如谷歌的TGIF（Thank God It’s Friday）大，就是每周五下午举行的文化活动，我觉得这就挺有意思的。谷歌到今天，应该还是比较扁平化的公司。它不像其他大公司是金字塔架构，从上往下一层一层，像军队一样把命令严密往下推。
TGIF的作用是，它能够让员工把公司创始人的战略跟自己的工作联系起来。这是至关重要的。因为众所周知，谷歌有一大批极其聪明的人，但聪明的人最麻烦的是，如果他们的目标不一致，大家不是非常清楚地知道为什么要做这件事的话，每个人都会有自己强烈的想法，这样反而可能会以天天吵架收场。通过TGIF活动，创始人可以经常地向员工解释，公司做这个产品的初衷是什么，我们怎么评估对手的竞争，公司接下来的规划是什么等。
EW：出门问问也在参考这种做法吗？
LZF：是的。我们平时也都是每周五下午举行。
EW：创办出门问问4年半，你觉得自己有哪些决策做得特别正确，又有哪些失误？
LZF：很多东西很难说正确还是错误，我只不过是没有什么后悔的。比如，我们当时决定做智能手表，这是一个很大的决定，因为我们的经验不在硬件上。但这是一个我认为很正确的决定，因为有了智能手表操作系统，我们才能去跟谷歌达成合作。另一件事情是我们去年做车载硬件，也是同样的道理，因为做了车载，我们可以去跟大众汽车集团有较大的战略合作。
人工智能这种技术行业，是相对长线的，它不像O2O，时间窗口就那么两个月，过了你就没机会了。技术创业并不是这样的。我觉得我们没有失去这种巨大无比的机会，是因为我们有足够的时间去琢磨产品。可能没有特别大的失误吧，即使有，我们也还不知道。
EW：目前出门问问团队有多少人？你的性格对公司和产品的影响有多大？
LZF：我们现在有接近350人，占大头的还是研发，包括硬件、软件、算法，这部分占了三分之二。
我觉得一家创业公司的文化也好，对内的做事方式也好，一定是跟创始人有特别大的关联的。我觉得自己的性格还是比较偏工程师特质的，比如，我非常推崇效率至上，我最不喜欢干的事情就是花冤枉钱，像O2O这种资金使用效率很低的创业项目，即使做成功了，我也不会有很多喜悦感。
工程师都希望用一个新技术去优化资源，最后让产品有不错的效果。这也就决定了我们公司，如果要去做特别偏运营主导的事情，我们肯定做不好。在那种竞争模式下，如果不烧钱去拼，你可能真就赢不了。
EW：这是否意味着出门问问在市场推广方面存在短板？
LZF：是的，尤其在公司发展早期，在资源和能力都非常有限的时候。我觉得，目前的出门问问，如果跟一家稍微成熟的公司对比，我们的研发费用在总支出中的占比是过高的。因为我们每天都在想着如何创新，如何在市场上做一个有竞争力的产品。但确实，由于我本身不是销售出身，这可能就会导致我们在销售、市场营销的规划和投入上都存在滞后。任何一家创业公司，一定是从自己最擅长的领域出发的，比如你让我带领50名工程师开展工作，我会非常擅长这项管理。应该说，这是一个我们必然会遇到的问题，只是看后面我们如何解决吧。
EW：目前你们研发投入最高的是哪一款产品？
LZF：智能手表Ticwatch和智能车载后视镜Ticmirror的每一款产品，我们都花了不少钱，预算都是数千万元。我们这种模式的性价比可能是比较低的，其实我们完全可以调用免费API，能外包的都外包，而且大家普遍觉得，后者才是目前绝大部分做智能硬件产品企业的模式。但是我们不这样认为，研发这一块，我们全部是独立投入，目前光人工智能算法，我们就有七八十人在做。
EW：回溯这几年，你觉得哪几个节点对于出门问问至关重要？
LZF：主要是两个吧。第一个关键节点就是我们最初开始做硬件，谷歌投钱的，钱还是蛮重要的。第二个是我们真正把Ticwatch第一代做出来并量产，这件事培养了我们公司软硬结合的能力。
围绕语音交互做布局
EW：出门问问4年前曾做过虚拟语音助手，近期你们又了一个虚拟语音助理，在这一产品上，你们经历了一个怎样的迭代过程？
LZF：我觉得我们早期做的语音助手，更像是一个搜索引擎，问一句话，给一个答案，没有上下文对话，也没有远场语音交互。但是，通过这4年的折腾，今天再看语音助手需要的东西，我们发现，我们当时做的是不对的。比如，在车载或家居的场景下，你没有一个基本上下文对话，这种语音交互给用户带来的价值就非常小。
我们现在做的东西，已经不是纯粹的语音交互了，而是一个虚拟的个人助理。它除了能跟你说话交流以外，更重要是他能够懂你，包括你的习惯、常用地址、常去的地方等，能够向你做很多个性化的推荐，甚至有角色帮你去做事。
这是我们4年前完全没想到的。比如，你只要跟虚拟助理说，要订去上海的机票，就不用每次都说我喜欢坐国航的飞机，它是懂你的。这种东西可能慢慢跟语音交互没什么关系了。包括我们讲的跨场景联动，4年半前，我们连一个硬件都没有，有什么能力去思考跨场景联动呢。今天，我这儿有设备，我都可以控制，跟以前完全不同了。
整个大环境也不一样了，现在像媒体、大公司甚至传统行业，都在讨论人工智能。有人讨论，总会有人尝试，这可以认为是一个螺旋式的上升。做的东西或者描述的东西，可能跟之前比较类似，其实是不一样的，我觉得现在是一个新的起点。
EW：出门问问推出的系列产品有着怎样的关系，你们的布局逻辑是怎样的？另外，智能手表、车载后视镜、智能音箱等硬件产品，辐射范围确实挺大，但是对公司来说，会不会有用力太分散的问题？
LZF：肯定有。我同意你说的，会有精力分散的问题。但是我想说，它们其实是有关联的，最重要的是，我们想打造一个跨场景的虚拟个人助理，这背后的核心技术是语音交互。首先，我从来没有做充电器或电风扇，因为这跟语音交互没什么关系。我们希望这个语音虚拟个人助理，无论是在你跑步时、在家里还是在开车时，它都能跟你在一起，无处不在。
这样的话，我们的语音虚拟个人助理，能够让用户熟悉交互习惯，哪些东西能做，哪些东西不能做，这很重要。今天很大的问题是用户对虚拟助理的认知不对，以为它啥都能做，其实不是。但是，你要知道，在手机上能做的事情，在手表上、车里，它也能够做到。我们希望，虚拟个人助理能够对用户的生活轨迹、个人兴趣爱好有更深刻的理解，这样我们才能提供最贴心的服务。
我们希望通过多场景交互，更深刻地去了解语音交互到底应该怎么去做。举个例子，当我们做车里的语音交互时，我们发现，它跟在手机或手表上的语音交互是非常不一样的：在车里，我最希望的是，我不需要用手，不需要用眼睛，也就是所谓的无手无屏交互方式――在车里，你不能问一个问题，再去点一下屏幕，因为你在开车，这样很危险。按照手机的交互模式，你在车里放一首音乐，中间想换一首歌或者换成导航，你得先按一个按钮，把音乐关掉，把地图打开，再用语音说我导航去国贸之类，这会很傻。
家里又是另一个场景，家里对远场语音交互要求更高。手机、手表可能是50厘米内，车载在1米以内范围，但在家里，可能是2～4米的交互范围，我觉得这对技术是个挑战。
EW：亚马逊有Echo音箱，谷歌有Home音箱，百度也在酝酿推出智能音箱，这些巨头似乎都想以家庭智能硬件作为人工智能的切入点。家庭智能硬件这件事，国内已做了好几年，目前看仍是雷声大雨点小，但人工智能公司却非常看好这个市场，你觉得这是为什么？
LZF：因为没别的可做。在这一领域，其实不管是媒体还是创业者，都在关注To C的市场。但我问你，你觉得现在有什么别的石破天惊的新硬件形态出来吗？去年爆红的VR，事实上它也还没有那么快地实现普及。我觉得智能音箱特别重要。
EW：为什么偏偏是音箱，而不是其他家居产品？
LZF：音箱小、便捷。比如电视，现在很多年轻人都不看电视了。第一，我觉得智能音箱是比较好的产品形态，本身需求还是挺大的。第二，电视要成为一个智能家居的中心还是比较难，你要使用电视，必须把屏幕打开才可以用，这样很不智能。但智能音箱是个比较轻量的产品，永远都在那儿，跟智能家居连接起来是比较自然的形态，而且它的额外成本没那么高，价钱相对便宜。
亚马逊Echo音箱在国外卖得比较成功。中国跟美国在智能家居的接受度上还是有差距的。在美国，人们对智能音箱这种概念，认知度可能有60%～70%，而国内可能只有10%～20%的人了解，这本来就存在认知差距。另外是使用场景，美国本来就有听音乐和买音箱的习惯，客厅较大，厨房也是开放式的，这些都是造成中美之间差异的原因。但我认为，使用智能音箱是大的趋势，以后两国都会趋同的。
仍在探寻爆发点
EW：在你看来，目前出门问问发展上的最大烦恼是什么？
LZF：商业化。其实在目前的人工智能公司里面，我们在产品性能、营收上都是最顶级的。我们是2015年6月智能手表Ticwatch及其操作系统的，而真正大规模卖，是同年10月。在早期，我们基本都是做线上，今年才开始建立线下团队。
也有人问过我说，你为什么不先养活自己，先做To B，再去做To C。我的答案是，我们创业从来不是为了活着，只为活着有什么意义。我从来没有生存的危机，我们要活着太容易了。我们真的是希望能够推动一个行业，或者促成一个更大的创新，这才是我们要做的事情。
我希望人工智能技术能够真正用起来，最后产生商业价值。我一直说谷歌，它真是在全世界层面非常成功的一家科技技术型公司，这个没人否认。我觉得谷歌能做到今天，就是因为它把技术用到了可以商业化的地方，然后产生了非常好的商业模式，而这又支撑着它能够不停地进行技术创新。
人工智能走C端市场，本身就是很难的事情。我从来不认为我们成功了，我认为我们是走了一条非常独特的路。如果我们再把销售、市场营销的能力增强一下，说不定我们真的就能够做出一家自负盈亏、能够正向循环的公司。
EW：现在完全没有B端业务？
LZF：我们没有传统意义上的B端业务，但像我们的语音开发平台等是面向B端的。我其实没有那么排斥说一定要做To B或To C，对我来说，我想看到的是，人工智能技术真正能够应用起来，解决一些问题，这是最核心的东西。
我们真的不是为了活着而活着。To B的公司有它的好处，养活自己容易，但要做成规模化非常非常难。今天你要到美元上市，你至少营收得有1.5亿美金，靠To B我觉得真的蛮难的。但你要是卖设备，To C，如果你把产品做好，把渠道打开，其实没有那么难。我觉得To C的天花板很高，To B的天花板比较低一点。
EW：出门问问一开始就获得了真格基金、红杉资本、SIG海纳亚洲的投资，之后是谷歌投资，最近是大众汽车集团独家投了D轮。作为公司创始人，你觉得出门问问为什么能够获得这些知名投资方的垂青？
LZF：我觉得这是要分早期和后期的，不一样。无论是早期的红杉、真格还是SIG，这些机构，说白了是投资我的个人背景以及我的团队，还有我们在技术上做出的一些demo。
其实今天也是一样。我属于较早一批在美国谷歌本部工作，然后要回国创业的科学家之一。这种背景的人，在当时是非常稀缺的，甚至称得上独一无二。
真正懂语音交互、自然语言处理的PH.D，对红杉或真格这些早期投资基金而言，你能够在美国一家最顶尖的学校拿到博士学位，在一家最顶尖的工业实验室做科学家，这本身就是一个很大的背书，而人工智能创业这件事，本身又是技术驱动的，所以对他们来说，当时可能也没有别的更好的选择。所以我说，早期真的基本上是靠我个人、我的团队以及一些基本的技术拿到投资的。
如果说我再重新做一次出门问问的创业，我觉得早期的投资对我来说很简单，只是后面的东西，今天我要再重新做一遍，还真不一定能成功。到后面，我们中间还有别的战略投资者，无论是谷歌还是大众汽车，我觉得我们能拿到这些投资还是有独一无二的价值在里面。
EW：你所谓独一无二的价值，具体是指什么？
LZF：比如2015年，谷歌要把它的智能手表操作系统带进中国，但是它的语音助手Google Now在中国是不能用的。这时候，谷歌要在国内找合作伙伴。出门问问之所以独一无二，是因为我们当时的智能手表已经是一个端到端的产品了。谷歌一看我们的产品，放上去基本上跟在美国是一样的，无论是体验还是配套服务，都已经非常完备了。
当时国内智能手表产品的端到端，就是语音搜索、语义识别、垂直搜索、内容的对接，到最后，整个服务包括圆形屏幕这种手表的展现方式，市场上除了我们之外，真的没别的公司，现在大家可能觉得不可能。如果不找我们，可能谷歌语音用讯飞，语义用另一家公司，搜索内容、UI界面再找另一个团队。那时候我们真的是谷歌唯一的选择。
大众汽车也一样，因为他们不是一个VC的投资，他们希望通过跟我们合作，能够在汽车方面产生一个非常快的协同效应。比如我们的问问魔镜（即Ticmirror），大众汽车觉得，无论从硬件、软件、算法，还是从内容以及语音的交互上看，这都是他们过去想了很多年都没有实现过的东西。这时候，大众汽车如果想在智能化方面快速行动，想建立一个比较扎实的启动点，想在未来提供一个什么样的体验的话，那我不认为在中国除了我们，还有别的公司有这种能力。
EW：D轮这1.8亿美元打算怎么用？
LZF：重点会投入到母公司出门问问以及跟大众汽车合资开设的子公司身上。母公司仍然专注做人工智能，各种算法、迭代，另一块是人工智能的产品化和商业化，我们已经做了可穿戴手表和家居智能音箱，未来可能还有其他商业化产品，我们会去扩充业务方向。子公司就是做汽车的智能化。到目前来说，怎么在汽车不联网，连4G、摄像头都没有，屏幕也很差的情况下，先把汽车的智能化做起来，这是我们正致力解决的问题，也是双方合作的目标。
EW：国内有你比较欣赏的创业公司吗？不一定是人工智能行业的。
LZF：我不能f欣赏，我比较羡慕像今日头条那样的公司。它还是有一些核心技术的，然后用这个技术，快速做出了一家具有海量用户且有很高用户黏性，最后实现了商业变现的公司。它的模式还是比较清晰的。我想，这其实是很多技术创业者梦寐以求但不一定能达到的。
