這一年來我看了許多人工智慧領域的創業專案，很多都是技術背景的創業者，發現兩個普遍問題：
有技術但沒有好的場景，「拿著錘子找釘子」非常普遍；
技術創業者如果只定位做技術提供商，而不直接面向使用者/客戶提供整體解決方案，未來價值會越來越小，不往上游走風險非常大，甚至是死路一條。
為什麼說未來只做技術提供商價值會越來越小，甚至死路一條？原因有幾點：
打個比方，蘋果2023年發布第一款iphone時，沒人懂ios程式設計，現在滿大街都是。正如今天各大學的計算機專業，都紛紛開設機器學習課程，未來人才不缺，這會拉低整個行業的進入門檻。
同時隨著谷歌tensorflow等生態系統的成熟，很多領域都會有訓練好的模型可以用來參考（出demo會更快），創業者只要有足夠的資料來訓練引數就好了。所以未來演算法的壁壘會越來越低，如果這個公司的核心競爭力是演算法，那將非常危險。
除此之外，在一些「非關鍵應用」上，兩個演算法之間的微小差別其實對使用者感知並不明顯。與此相對應的，資料壁壘卻是非常明顯。最近這一年中國湧現了一二十個「ai看醫學影像」的公司，這個生意裡面，怎麼拿到海量的、準確的、標註過的資料，比誰的演算法好要有價值的多。
對於技術提供商和演算法類公司，如果你的技術壁壘不夠高，上游很可能直接把你的事做了。這樣的例子比比皆是。大家知道安防領域的海康和大華，他們每賣一顆攝像頭都會搭載一枚海思晶元，執行編譯碼方案和用於臉識別、人證合一相關的演算法。
這個領域的演算法提供商就很危險。第一，海思作為晶元提供商，在自己的chips上跑自己的演算法是理所當然，所以很容易就會把演算法提供商的事兒替代了。其次更有可能的是，未來海康和大華，會把演算法提供商和海思的事情都做了。現在只是自己研發團隊做的晶元和演算法還不夠好。一旦差不多，會立馬取代。所以即使海思晶元有一定技術含量，但對海康這樣近2000億市值的公司，他們佔據壟斷性的市場份額，一定會做到贏家通吃上下游。
此外還有在slam領域，應用基於三角測距triangulation的雷射雷達，專做機械人移動底盤的提供商，未來也很危險。主要是技術壁壘沒那麼高，其上游最主要的客戶掃地機械人，只要出貨量一大就會考慮自己做。因為這事兒沒什麼門檻，因此只做技術提供商，非常容易被上游延展到自己的業務領域。
另外即使在有一定技術門檻的行業，技術提供商的日子同樣並不好過。正像被intel收購的movidius，專注嵌入式的視覺處理晶元。之前大疆無人機是其主要客戶之一。但問題是大疆統治了消費級無人機市場，所以大疆很自然的開始做自己的晶元。按說晶元的技術壁壘並不低，但只要行業集中度高，像蘋果、三星、華為還有現在的小公尺，都選擇了自己做手機cpu。
這其實是乙個產業鏈通用規律：如果乙個產業鏈有很多環節，在某乙個環節有乙個壟斷者，那麼這個壟斷者就有向上下游延展的機會，即使不延展也會把整個產業鏈的大部分利潤吃掉。正如之前的pc產業鏈，有記憶體、硬碟、作業系統、整機……但windows和intel卻賺走了絕大部分利潤。
既然做純技術提供商沒有出路，那怎麼辦？浩哥提出「一橫一縱」理論。「一橫」就是指你提供的技術服務。通常「一橫」能服務很多行業，你要在其中選乙個最大、最適合你的行業，深入扎進去做「全棧」，就公升級為了「一縱」。在垂直外的行業，因為沒有利益衝突，你仍可老老實實的做技術服務。這樣的話，商業上你能吃透乙個垂直行業，技術上你還能通過橫向合作，不斷獲取對方反饋的資料來夯實你的技術。
那麼對於技術創業公司，從「一橫」走到「一縱」，要選哪個垂直領域，取決幾個關鍵因素：
在做「一橫」技術提供商時，上游行業集中度越高則越不利。說白了頭部效應明顯，如果一兩家大企業把行業全吃掉，那麼作為技術提供商，面對集中採購，是沒有任何議價能力的。就像idc時代，hp、dell等賣伺服器的，活的很滋潤。但現在雲計算來了，面對亞馬遜、阿里雲這樣的批量採購，伺服器廠商能跑個量就不錯了，甭指望什麼利潤了。
如果你的技術創新對這個垂直領域是革命性的，就越有機會走到上游。如果只是改良性的，你就老老實實在下游賺個辛苦錢算了。
越是顛覆性的東西，越有機會往上游走。因為上游越離不開你，意味著你有機會做他的事。打個異想天開的比方，如果你能提供乙個「待機一禮拜」的電池，那你就可以考慮自己做手機，你的手機只打一點： 一星期不用充電！就這一點可能就夠了，因為這個技術是革命性的。相反，如果是改良性的技術，例如你的電池待機只是比以前多了20%，那你還是老老實實做電池吧。
拿比較火的直播平台而言，現在都有美顏功能，例如給女孩長出個耳朵那種，這個通常都是第三方提供的技術。技術本身的壁壘並不高，很多公司都能提供，雖然效果有一些小的差異。但是直播的壁壘相當高，這事有網路效應，使用者越多會吸引更多的主播，因為能賺到更多錢，主播越多，也會帶來更多的使用者，因此需要很多資金來買流量以及簽約很nb的主播。這種情況下，雖然技術提供商只能賺個辛苦錢，但是仍然完全沒有機會往上游走。
能做得了技術服務，不一定能做垂直解決方案，因為團隊不一定有行業經驗，這是很大的問題。亞馬遜的無人便利店amazon go出來之後，國內不少技術團隊也想提供類似的技術，甚至想做2c的便利店。我勸他們再考慮一下，你的技術再好，對於使用者而言，他買東西的時候，首要考慮的還是—— 哪個便利店離我更近（從這個角度上講，無人便利店仍然是個改良型的技術），這又回到了零售的本質。所以如果團隊沒有零售的基因，就別考慮自己開便利店的事了。這時候，很多人可能會問「那我找個懂行業的高管不就行了麼？」這事沒那麼簡單，如果ceo不了解行業本質，其實是很難靠乙個高管去彌補的。
綜上所述，只做技術提供商肯定不行，一定要做整體解決方案——選個適合你的行業，把你的技術產品化、然後搞定使用者/客戶實現商業變現、然後獲得更多的資料，這樣才能再夯實你的技術。一句話講，要做技術、產品、商業和資料的「全棧」，形成閉環！
聽講座 小公尺聯合創始人黃江吉 人工智慧的硬體發展
講的部分感覺收穫不是很大，知道了小公尺在人工智慧這塊做的一些事情吧，不過問答環節收穫非常多，看來以後問答環節也要多聽一聽了 黃江吉上來表示，希望從產品和如何落地的角度講人工智慧如果在硬體裡應用的。人工智慧三大前提 產品 大資料 機器學習 先有產品，才會有資料，有了資料才能用學習演算法去學習 小公尺手...
1 人工智慧（AI）概述
學習筆記。楊正洪 郭良越 劉瑋.人工智慧與大資料技術導論 清華大學出版社.kindle版本.人工智慧是一門利用計算機模擬人類智慧型行為科學的統稱，它涵蓋了訓練計算機使其能夠完成自主學習 判斷 決策等人類行為的範疇。ai是人工智慧的英文artificialintelligence的首字母的組合，它是當...
智慧型機械人 迪姆人工 人工智慧與機械人
談及人工智慧與機械人，不懂這個概念的人會把人工智慧和機械人混為一談。其實不然，格物斯坦小坦克來說說兩者之間的關係。人工智慧是一門研究 開發用於模擬 延伸和擴充套件人的智慧型的理論 方法 技術及應用系統的技術學科，試圖了解智慧型的實質，生產類似於人甚至是超越人的智慧型的系統。其領域十分廣泛，涉及計算機...