迅雷创始人程浩:人工智能只做技术服务商死路一条!

简介:

雷锋网(公众号:雷锋网)按:本文作者程浩,美国杜克大学计算机系毕业,曾经在硅谷和百度工作,后创办迅雷网络,并成功在美国NASDAQ上市。他认为“人生最大的风险就是从不冒险”,现在专注于互联网领域的投资。 

这一年来我看了许多人工智能领域的创业项目,很多都是技术背景的创业者,发现两个普遍问题:

  1. 有技术但没有好的场景,“拿着锤子找钉子”非常普遍;

  2. 技术创业者如果只定位做技术提供商,而不直接面向用户/客户提供整体解决方案,未来价值会越来越小,不往上游走风险非常大,甚至是死路一条。

迅雷创始人程浩:人工智能只做技术服务商死路一条!

为什么说未来只做技术提供商价值会越来越小,甚至死路一条?原因有几点:

  • 未来很多基础技术服务都是大公司的赛道,都会免费:

以语音识别来说,除科大讯飞外,目前百度、阿里也已经杀入这个领域,腾讯肯定也在布局中。不光是语音识别,包括自然语言理解、翻译等等,未来这些占据数据优势的大公司都会提供这样的基础服务。人就没打算收费,你也就别指望靠API调用去赚钱。所以尽管这些领域现在还可赚点小钱,但很难成为一个长久的生意。

  • 依托于算法的技术壁垒会越来越低:

打个比方,苹果2007年发布第一款iPhone时,没人懂IOS编程,现在满大街都是。正如今天各大学的计算机专业,都纷纷开设机器学习课程,未来人才不缺,这会拉低整个行业的进入门槛。

同时随着谷歌TensorFlow等生态系统的成熟,很多领域都会有训练好的模型可以用来参考(出Demo会更快),创业者只要有足够的数据来训练参数就好了。所以未来算法的壁垒会越来越低,如果这个公司的核心竞争力是算法,那将非常危险。

除此之外,在一些“非关键应用”上,两个算法之间的微小差别其实对使用者感知并不明显。与此相对应的,数据壁垒却是非常明显。最近这一年中国涌现了一二十个“AI看医学影像”的公司,这个生意里面,怎么拿到海量的、准确的、标注过的数据,比谁的算法好要有价值的多。

迅雷创始人程浩:人工智能只做技术服务商死路一条!

  • 技术提供商如果不直接面向用户/客户提供整体解决方案,则非常容易被上游碾压:

对于技术提供商和算法类公司,如果你的技术壁垒不够高,上游很可能直接把你的事做了。这样的例子比比皆是。大家知道安防领域的海康和大华,他们每卖一颗摄像头都会搭载一枚海思芯片,运行编解码方案和用于脸识别、人证合一相关的算法。

这个领域的算法提供商就很危险。第一,海思作为芯片提供商,在自己的Chips上跑自己的算法是理所当然,所以很容易就会把算法提供商的事儿替代了。其次更有可能的是,未来海康和大华,会把算法提供商和海思的事情都做了。现在只是自己研发团队做的芯片和算法还不够好。一旦差不多,会立马取代。所以即使海思芯片有一定技术含量,但对海康这样近2000亿市值的公司,他们占据垄断性的市场份额,一定会做到赢家通吃上下游。

此外还有在SLAM领域,应用基于三角测距triangulation的激光雷达,专做机器人移动底盘的提供商,未来也很危险。主要是技术壁垒没那么高,其上游最主要的客户扫地机器人,只要出货量一大就会考虑自己做。因为这事儿没什么门槛,因此只做技术提供商,非常容易被上游延展到自己的业务领域。

另外即使在有一定技术门槛的行业,技术提供商的日子同样并不好过。正像被Intel收购的Movidius,专注嵌入式的视觉处理芯片。之前大疆无人机是其主要客户之一。但问题是大疆统治了消费级无人机市场,所以大疆很自然的开始做自己的芯片。按说芯片的技术壁垒并不低,但只要行业集中度高,像苹果、三星、华为还有现在的小米,都选择了自己做手机CPU。

这其实是一个产业链通用规律:如果一个产业链有很多环节,在某一个环节有一个垄断者,那么这个垄断者就有向上下游延展的机会,即使不延展也会把整个产业链的大部分利润吃掉。正如之前的PC产业链,有内存、硬盘、操作系统、整机……但Windows和Intel却赚走了绝大部分利润。 

迅雷创始人程浩:人工智能只做技术服务商死路一条!

既然做纯技术提供商没有出路,那怎么办?浩哥提出“一横一纵”理论。“一横”就是指你提供的技术服务。通常“一横”能服务很多行业,你要在其中选一个最大、最适合你的行业,深入扎进去做“全栈”,就升级为了“一纵”。在垂直外的行业,因为没有利益冲突,你仍可老老实实的做技术服务。这样的话,商业上你能吃透一个垂直行业,技术上你还能通过横向合作,不断获取对方反馈的数据来夯实你的技术。

那么对于技术创业公司,从“一横”走到“一纵”,要选哪个垂直领域,取决几个关键因素:

  • 市场空间够不够大?

做垂直领域的全栈,还是做横向的技术提供商?完全取决于市场空间哪个更大。找对垂直领域,即使只占一部分市场份额,也可能比做“一横”全归你的收益大。拿美图公司举例,人们对其印象深刻的是美图秀秀、美拍、美颜相机等APP矩阵,但研究财报后你会发现,这些都远没有垂直做美图手机赚钱。美图手机占了公司全部营收的95%。虽然美图手机去年的销量大约在38.8万台,仅仅只占国内手机市场全年销量近4亿台的0.1%。(PS:我偶然发现美图手机高端型号能卖到4000块钱,这个用户人群还挺有意思,因为几乎都是女孩,比较爱美,普遍对价格的敏感度不高) 

  • 行业集中度如何?

在做“一横”技术提供商时,上游行业集中度越高则越不利。说白了头部效应明显,如果一两家大企业把行业全吃掉,那么作为技术提供商,面对集中采购,是没有任何议价能力的。就像IDC时代,HP、DELL等卖服务器的,活的很滋润。但现在云计算来了,面对亚马逊、阿里云这样的批量采购,服务器厂商能跑个量就不错了,甭指望什么利润了。

不过话又说回来,行业集中度越高,说明行业壁垒越高,你想从技术提供商走向上游也越困难。这种情况下,通常是上游把下游的事做了,例如Google、百度当年内部使用了一些自己攒的服务器,现在大部分都是定制化需求给服务器厂商,这样的单几乎是没利润的。反过来讲,如果行业集中度很低,那么作为技术提供商还是相对“滋润”的。

  • 技术是改良还是革命?

如果你的技术创新对这个垂直领域是革命性的,就越有机会走到上游。如果只是改良性的,你就老老实实在下游赚个辛苦钱算了。

越是颠覆性的东西,越有机会往上游走。因为上游越离不开你,意味着你有机会做他的事。打个异想天开的比方,如果你能提供一个“待机一礼拜”的电池,那你就可以考虑自己做手机,你的手机只打一点: 一星期不用充电!就这一点可能就够了,因为这个技术是革命性的。相反,如果是改良性的技术,例如你的电池待机只是比以前多了20%,那你还是老老实实做电池吧。

  • 双方壁垒谁更高?

拿比较火的直播平台而言,现在都有美颜功能,例如给女孩长出个耳朵那种,这个通常都是第三方提供的技术。技术本身的壁垒并不高,很多公司都能提供,虽然效果有一些小的差异。但是直播的壁垒相当高,这事有网络效应,用户越多会吸引更多的主播,因为能赚到更多钱,主播越多,也会带来更多的用户,因此需要很多资金来买流量以及签约很NB的主播。这种情况下,虽然技术提供商只能赚个辛苦钱,但是仍然完全没有机会往上游走。 

迅雷创始人程浩:人工智能只做技术服务商死路一条!

  • 到底跟团队基因相符不相符?

能做得了技术服务,不一定能做垂直解决方案,因为团队不一定有行业经验,这是很大的问题。亚马逊的无人便利店Amazon Go出来之后,国内不少技术团队也想提供类似的技术,甚至想做2C的便利店。我劝他们再考虑一下,你的技术再好,对于用户而言,他买东西的时候,首要考虑的还是—— 哪个便利店离我更近(从这个角度上讲,无人便利店仍然是个改良型的技术),这又回到了零售的本质。所以如果团队没有零售的基因,就别考虑自己开便利店的事了。这时候,很多人可能会问“那我找个懂行业的高管不就行了么?”这事没那么简单,如果CEO不了解行业本质,其实是很难靠一个高管去弥补的。

综上所述,只做技术提供商肯定不行,一定要做整体解决方案——选个适合你的行业,把你的技术产品化、然后搞定用户/客户实现商业变现、然后获得更多的数据,这样才能再夯实你的技术。一句话讲,要做技术、产品、商业和数据的“全栈”,形成闭环!

本文作者:程浩

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
16天前
|
传感器 人工智能 自动驾驶
构建未来:利用AI技术优化城市交通系统
【4月更文挑战第27天】 随着城市化的快速发展,交通拥堵已成为全球城市的普遍问题。本文探讨了人工智能(AI)技术在缓解城市交通压力、提升交通效率方面的应用前景。通过分析智能信号控制、交通流量预测、自动驾驶车辆以及公共交通优化等关键技术的实际案例,评估了AI在现代交通系统中的潜力与挑战。本研究不仅展示了AI技术在改善城市交通中的有效性,同时也指出了实施过程中需要克服的技术和社会障碍。
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能:技术革命与未来展望
人工智能:技术革命与未来展望
|
1天前
|
存储 机器学习/深度学习 人工智能
新一代数据库技术:融合AI的智能数据管理系统
传统数据库管理系统在数据存储和查询方面已经取得了巨大的成就,但随着数据量的不断增长和应用场景的多样化,传统数据库已经难以满足日益增长的需求。本文将介绍一种新一代数据库技术,即融合了人工智能技术的智能数据管理系统。通过结合AI的强大能力,这种系统能够实现更高效的数据管理、更智能的数据分析和更精准的数据预测,为用户带来全新的数据管理体验。
|
1天前
|
机器学习/深度学习 存储 人工智能
新一代数据库技术:融合人工智能与分布式系统的未来前景
传统数据库技术在应对大规模数据处理和智能化需求方面逐渐显露出瓶颈。本文探讨了新一代数据库技术的发展趋势,重点关注了人工智能与分布式系统的融合,以及其在未来数据管理和分析中的潜在优势。通过深度学习和自动化技术,新型数据库系统能够实现更高效的数据处理和智能化决策,为企业带来更灵活、可靠的数据解决方案。
|
1天前
|
机器学习/深度学习 人工智能 算法
构建高效AI系统:深度学习优化技术解析
【5月更文挑战第12天】 随着人工智能技术的飞速发展,深度学习已成为推动创新的核心动力。本文将深入探讨在构建高效AI系统中,如何通过优化算法、调整网络结构及使用新型硬件资源等手段显著提升模型性能。我们将剖析先进的优化策略,如自适应学习率调整、梯度累积技巧以及正则化方法,并讨论其对模型训练稳定性和效率的影响。文中不仅提供理论分析,还结合实例说明如何在实际项目中应用这些优化技术。
|
3天前
|
数据采集 人工智能 自然语言处理
如何通过AI技术提升内容生产的效率和质量
利用AI提升内容生产效率涉及智能策划(数据分析、热点追踪)、自动化生成(文字、多媒体)、编辑优化(语法检查、事实核查)、个性化推荐、内容审核和合规性检查,以及数据分析反馈。AI通过减少人力成本、增强质量和吸引力,助力内容创新,预示着内容创作新时代的到来。
18 3
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术的应用和发展
【5月更文挑战第10天】AI技术的应用和发展
21 1
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
【热门话题】如何通过AI技术提升内容生产的效率与质量
本文探讨AI技术如何提升内容生产的效率与质量。通过自然语言处理(NLP)实现智能摘要、自动写作和语言风格优化;计算机视觉用于图像识别和智能设计,提升视频与图像内容生产;数据分析与预测帮助精准洞察受众需求和预测内容趋势;AI推荐系统实现个性化信息流,优化用户体验。尽管AI带来变革,但需结合人类创意与伦理监督,以促进内容产业健康发展。
17 3
|
4天前
|
人工智能 自然语言处理 算法
探讨如何通过AI技术提升内容生产的效率和质量
AI技术在内容生产中扮演重要角色,包括自动生成文章、自动审核内容、个性化推荐、数据分析以及翻译和语音识别,显著提升效率和质量。然而,使用AI时需注意信息安全、隐私和算法偏见问题,应合理结合人工与AI以实现最佳效果。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
深入理解人工智能:从基础到前沿技术
深入理解人工智能:从基础到前沿技术