前言
技術(shù)不是一家公司的長期、唯一的壁壘，技術(shù)只是我們撬動這個行業(yè)的起點。
立夏之后5月24日，啟明創(chuàng)投在北京舉辦了第一屆“智啟社”春季沙龍。
這是一場極具啟明創(chuàng)投特色的沙龍，從組織者和主持人（啟明創(chuàng)投負責(zé)科技創(chuàng)新投資的周志峰）到與會者（絕大多數(shù)與會者都是啟明創(chuàng)投的被投企業(yè)的CEO或CTO），都和啟明創(chuàng)投有莫大的關(guān)系。
此外，主辦方還延請了諸位人工智能業(yè)內(nèi)的領(lǐng)頭人，比如微軟首席語音科學(xué)家黃學(xué)東、前金山軟件CEO張宏江、京東集團負責(zé)AI平臺和研究部的副總裁周伯文、騰訊AI實驗室視覺首席科學(xué)家劉威、今日頭條AI實驗室負責(zé)人李航、平安科技的首席醫(yī)療科學(xué)家謝國彤等參加了本次春季沙龍。
（沙龍現(xiàn)場圖）
這場春季沙龍的核心目的之一，是“志同道合的AI從業(yè)者們，一起交流和討論，啟迪心智，共同提高”。啟明創(chuàng)投創(chuàng)始主管合伙人鄺子平在開場致辭時，回顧了啟明從2012年開始系統(tǒng)布局AI的歷程，分享了收獲與遺憾。他希望多聽聽大家的發(fā)言，“希望本次沙龍既沒有特殊的演講者，也沒有聽眾，大家都參與”。
鄺子平的目的達到了。本次沙龍，歷時4個多小時，討論涉及AI底層技術(shù)最新趨勢和其應(yīng)用場景等方面的內(nèi)容。本文只摘錄了AI創(chuàng)業(yè)的商業(yè)模式及其如何突圍的相關(guān)內(nèi)容。京東副總裁周伯文、曠視科技Face++的CEO印奇、云知聲的CEO黃偉、啟明創(chuàng)投合伙人葉冠泰、優(yōu)必選機器人的CTO熊友軍等參與了這一小環(huán)節(jié)的討論。他們無保留地分享了如何構(gòu)建護城河的思考。
（周伯文）
這是本次沙龍討論的小高潮之一，由周伯文而起。他問了云知聲一個問題：一個單向、有深度的技術(shù)創(chuàng)業(yè)公司能否繼續(xù)走下去，能走多遠？所有的人工智能公司都要變成全能型的企業(yè)嗎？（注：云知聲，在發(fā)展過程中，業(yè)務(wù)逐漸多元，技術(shù)能力也從語音拓展到語義，從語義拓展到對話，從對話拓展到針對具體場景的服務(wù)）。以下是討論的主要內(nèi)容（略有刪減）：
黃偉：創(chuàng)業(yè)公司到底是單點突破還是越做越多？這是一個非常深刻的問題，也是每個CEO應(yīng)該仔細思考的問題。2012年，我們曾經(jīng)很天真地認為只要我們把語音識別做好就可以了。很多人也跟我講，你們就專注去做語音識別，把語音識別做到業(yè)界No.1。如果當(dāng)時我聽了這個建議，云知聲現(xiàn)在已經(jīng)掛了。
（黃偉）
為什么呢？第一，語音和語義是不分家的。語音信號包含在信息里面；第二，無論是用語音識別還是用圖像識別，用戶用的是整個的交互鏈條。比如我說一句話，怎么把噪音處理掉，怎么識別語音，怎么聽到，怎么去理解，怎么去聽懂，聽懂之后怎么把你想要的東西做聚合，這是一個完整的閉環(huán)。如果只做一點，這意味著其他環(huán)節(jié)需要別人來幫你做。誰來幫你做呢？沒人幫你做。
技術(shù)點，并不是孤立的。一個公司去做麥克風(fēng)處理技術(shù)，信號處理完后，需要考慮的是怎么跟另外一家語音識別公司進行匹配呢？彼此都是黑盒子，是沒法打通的，不能保證效果的。一個比較理想的情況是，有一個公司或者一兩家公司能夠合作，把整個閉環(huán)的端到端打通。一開始，我們只做語音識別，后來發(fā)現(xiàn)不行，我們還得做語義理解，做完語義理解還不行，我們還得去做知識圖譜，甚至還要去溝通版權(quán)、做內(nèi)容聚合。對我們來說，任何一個環(huán)節(jié)不做，結(jié)果就是nothing。因為用戶要的不只是語音百分之百的精準(zhǔn)識別，他們要的是能解決具體問題的服務(wù)，我們必須把整個服務(wù)鏈條做好。
這是一個痛苦的選擇。能力拓展，意味著你要投入資源。這個市場上又沒有那么多優(yōu)秀的人才加入創(chuàng)業(yè)公司，對創(chuàng)業(yè)公司來說，如何突破是一個非常艱難但又不得不做的選擇。我個人認為在市場里，創(chuàng)業(yè)公司要么占一個垂直領(lǐng)域，要么在技術(shù)鏈條上下苦工。前者，或許你的技術(shù)寬度不夠?qū)?，但是在場景里面扎得足夠深，你可以活。后者，十八般武藝你都會，你可能活得更久一點。
葉冠泰：我想跟進一個問題，我們跟創(chuàng)業(yè)公司聊的時候，經(jīng)常說大家要專注，要做得深，您現(xiàn)在說做得廣非常重要，不然就掛掉了。優(yōu)必選做機器人，終極目標(biāo)是做走進千家萬戶的智能人形機器人。你覺得優(yōu)必選是什么東西都要自己做嗎？
（葉冠泰）
黃偉：我覺得專注是一個相對的詞，比如在PC互聯(lián)網(wǎng)時代，你只要專注做好一個網(wǎng)站就夠了。在移動互聯(lián)網(wǎng)時代，一個創(chuàng)業(yè)公司做的事情比PC互聯(lián)網(wǎng)時期要做的多得多。IOT時代，你會做得更多。面向IOT時代，我覺得云知聲和曠視科技今天所做的遠遠不夠，因為未來的場景足夠大、足夠復(fù)雜。
像優(yōu)必選，他們做的是人形機器人，不見得所有的東西都得自己做，云知聲也不見得做完所有的東西，但是關(guān)鍵點是需要自己做的。因為你要確保整個服務(wù)鏈條是能夠跑通的。優(yōu)必選做機器人，可能會把一些聽覺、視覺的技術(shù)外包，但是它不會把機器人拆成18個零件，每一塊都交給一個合作方。所以，我覺得專注是相對的概念，多跟少也是相對的。
葉冠泰：優(yōu)必選對專注是怎么想的？
熊友軍：創(chuàng)業(yè)公司怎么去建自己的護城河，在這一塊，優(yōu)必選走過很多彎路。早期，我們活得非常辛苦。2008年，我們開始準(zhǔn)備做機器人。那時候我們的特長是在運動控制方面。當(dāng)時，我們做機器人，不用自己做元器件，我們?nèi)ベI供應(yīng)商的，從韓國、日本、德國進口了伺服，再結(jié)合著我們擅長的運動控制系統(tǒng)，把樣機做了出來，效果還不錯。但是，等到我們?nèi)ヒ?guī)?；a(chǎn)的時候，發(fā)現(xiàn)成本太高了，一個伺服成本差不多要7、8百元，一臺機器人需要24個伺服，成本約近2萬元。成本太高了，根本沒法產(chǎn)業(yè)化。機器人要進入普通家庭，成本超過三千元是比較困難的。
（熊友軍）
于是，我們開始專注做伺服、做舵機，2008年到2012年，我們用了4年時間做舵機，2012年，才把它做得比較穩(wěn)定、可靠，而且價格遠低于韓國、日本，性能還比他們要好。
關(guān)于構(gòu)建護城河的問題，首先我們要找到“城”在哪里。運動控制是優(yōu)必選成立之初的核心優(yōu)勢，但實際上僅憑這一點，根本沒有辦法把公司撐下去。深入到機器人這個領(lǐng)域后，我們才知道這個行業(yè)現(xiàn)在缺的不是運動控制的算法，直到我們找到了真正的核心技術(shù)難題，解決了伺服系統(tǒng)之后，才在2012年注冊成立優(yōu)必選公司，并推出了我們的第一款產(chǎn)品。
第一款產(chǎn)品推出之后，市場反響平平，包括我們自己使用也覺得差強人意。問題出在了機器人跟人的交互上。為了解決這個問題，我們就去找了很多做語音語義的公司，包括云知聲和科大訊飛等。我們跟科大訊飛合作，把它們的語音交互系統(tǒng)跟機器人結(jié)合起來，推出了第二代語音交互機器人。問題又出現(xiàn)了，我們發(fā)現(xiàn)用戶在跟機器人交互的時候，機器人需要識別情緒和情感、及人的身份，還需要觸摸和避障，需要各種各樣的知識。我們發(fā)現(xiàn)太多的東西需要被拓展。
一步一步走過來，我們發(fā)現(xiàn)只有真正深入到行業(yè)，真正去做用戶場景，了解客戶的需求，才能找到自己的核心，才能知道如何搭建自己的護城河。如果脫離行業(yè)、脫離產(chǎn)品、脫離客戶需求談護城河，我覺得這是不現(xiàn)實的，甚至是錯的。
周志峰：請問一下印奇，在機器視覺領(lǐng)域，國內(nèi)幾家領(lǐng)先的人工智能公司，以人臉識別算法為例，在LFW等類似的計算機視覺比賽中都取得99.xx%的識別精度。每家公司相差不過0.1% - 0.2%，這是不是意味著在圖像識別這一塊，我們可以認為AI算法已經(jīng)趨同了。在這種情況下，如何構(gòu)建自己的競爭力呢？
（周志峰）
印奇：周總的問題應(yīng)該放在最后，問完了，我就可以走了。剛才的討論很精彩，我覺得我們跟云知聲是兩個挺有意思的AI技術(shù)主賽道。我們有很多類似之處，一開始，講的都是技術(shù)平臺的故事。我們講的是視覺技術(shù)平臺，他們講的是語音技術(shù)平臺。越走越覺得自己走不通。在不斷的進化當(dāng)中，我認為優(yōu)必選實踐出了很好一條路徑。大家不要再覺得我們估值高，優(yōu)必選的估值更高，還有在場的今日頭條，大家可以多向他們請教融資策略。
優(yōu)必選估值高是有理由的，剛才熊總講的最核心的點是“城”在哪里的問題。所有技術(shù)驅(qū)動的AI創(chuàng)業(yè)公司，單點技術(shù)一定不是城。之前去日本，我看了一圈日本的機器人公司，很多技術(shù)在國外很成熟，這都不是城。優(yōu)必選為什么值幾十億億美金？本質(zhì)上，它已經(jīng)走完了一個閉環(huán)。優(yōu)必選的核心是在機器人整體產(chǎn)品的能力，以及品牌、市場、銷售整體運作能力。對于企業(yè)來說，我覺得有兩類的選擇，一種是小城，另一種是大城。如果我們想做一個小而美的公司，像在場的長亭科技，在網(wǎng)絡(luò)安全這個細分領(lǐng)域里，是可以選擇在早期走小而美路徑的。我們曠視科技在巨頭參與的主賽道（機器視覺賽道）里，是沒有選擇的，要么掛掉，要么在一個固定的時間窗口中做大。沒有其他選擇。我們所解的這個命題是在一個固定時間段里怎么做大的問題，起點在哪并不重要。我認為，技術(shù)不是一家公司的長期、唯一的壁壘，技術(shù)只是我們撬動這個行業(yè)的起點。
回到城的話題，在C端，城一定是產(chǎn)品。沒有用戶，其他都不是城。在B端，現(xiàn)在，我們在做B2B2B，甚至B2B2C，我認為只有在某個細分行業(yè)中體現(xiàn)出你的終極價值，才能夠說這是我的城。我覺得，所有的AI公司應(yīng)該不斷往前沖，拿到你的用戶價值，提供各種閉環(huán)的解決方案。
（印奇）
另一方面，技術(shù)為什么是很重要的？技術(shù)是你去攻城略地時，你能比別人稍微跑得快那么一點點的核心區(qū)別。我們不斷請最優(yōu)秀的人提高我們的系統(tǒng)，并獲得更多的數(shù)據(jù)，這是在階段性獲得技術(shù)的差異化的能力。我認為我們的核心差異還是體現(xiàn)在選行業(yè)和場景上。
回到黃偉說的邏輯，公司是應(yīng)該專注的。我們中間有一個階段是不專注的。因為我們要融資，需要告訴別人Face++是一個平臺公司，因此我們進入了很多的行業(yè)。今年，我們更加自信一點，要做減法，從原來的四五個行業(yè)減到三個行業(yè)，明年或許還會更少。我們本質(zhì)上是從從一個行業(yè)切入進去市場，要么從終端的硬件核心元器件切入，要么從上層業(yè)務(wù)和應(yīng)用場景切入。大部分AI公司，基本上是從中間技術(shù)層切入的，切入之后，你要迅速選擇一個方向，我覺得一定要盡快跑到一個端上，要么接地，要么上天。
我們這個行業(yè)競爭很激烈。跟同類型的公司相比，我們發(fā)現(xiàn)大家選的路徑是不太一樣的，我們在做“少”，其他公司在做“多”。當(dāng)我們做少的時候，作為技術(shù)背景的團隊，我們會變得更安心一些。我們無論是選擇現(xiàn)在的三個場景，還是明年的兩個場景，如果銷售額能夠乘以10，這代表你真正構(gòu)建了屬于你的壁壘。但，這是一條非常艱辛的路。
