雷锋网按：本文作者为声智科技创始人兼CEO陈孝良，中科院声学所博士。
国务院刚刚发布了《新一代人工智能发展规划》，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设，在此背景下，中国科学院大学率先成立了人工智能学院，按此发展，人工智能成为一级学科也将是大概率事件。
苹果也刚刚召开了发布会，全面屏的iPhone X采用了Face ID技术，这让CV领域的创业者兴奋不已。但是，此人脸识别非彼人脸识别，苹果的Face ID并没有采用普通摄像头的方式，而是采用红外主动识别的技术，这样就可以做到三维立体识别，增强了安全系数。尽管这项技术仍然存在易受光线干扰的缺点，但苹果却总能引起产业界的技术变革。
这些都是非常令人兴奋的消息，但是也有些负面新闻，比如斯坦福大学几个研究人员发了篇论文，通过深度学习判断一张照片上人物是否有同性恋倾向，甚至这些研究人员还希望通过照片判断人的智商和政治倾向。公平来说，这就是把人工智能奉为圭皋的表现，这和我们古代的看面相算命又有什么差别？何况深度学习也根本做不到这一点。
另外，还有几则或许已经忘却的消息：2017年初，微软收购了主要从事NLP的人工智能创业公司Maluuba；3月，Google收购了Kaggle；5月，从移动应用搜索转型人工智能助手的Quixey正式关闭，另外，苹果以2亿美元收购了Lattice；6月，新思科技（Synaptics）宣布收购 Conexant Systems （科胜讯系统公司）和 Marvell Technology Group 的多媒体业务，共支付 3.95 亿美元现金和 726,666 只 Conexant 的普通股；7月，Google收购了印度人工智能公司Halli Labs，百度收购了硅谷初创公司KITT.AI。
AI创业好像一片热闹，但是若深入思考，这却是一个非常可怕的现象，因为AI创业公司但凡有点成绩，基本都已被巨头收入囊中。被收购或者倒闭，似乎成了AI创业公司无法逃脱的宿命。那么坚持独立发展的道路又能怎样？这可以从语音识别领域的国内外两大巨头的处境来分析。首先我们来看国内的语音识别龙头科大讯飞，最近也与长江商学院薛教授互相指责，稳定的盈利可能是科大讯飞当前最大的尴尬。其次再看国外语音识别的老牌企业Nuance，下图是这家公司的全球网页，几乎令人怀疑这家公司还在做语音识别吗？转型的压力一度让Nuance陷入困境，其股价始终低位徘徊。
2017年，似乎也是资本市场比较蛰伏的一年，虽然关注很热闹，但是真正落地投资的案例却不是很多，这显然不如2016年的热闹。很多VC企业也开始思考，当第一波技术公司获得投资以后，这些企业如何才能落地？资本这个市场就是很奇怪，当投资人很冷静思考的时候，说明这个市场确实出现了一些隐忧。
现实就是这么骨感，倒闭、被收购、独立发展，似乎各有痛处，这个时候中间路线就是最佳的选择，所以很多知名的人工智能创业公司选择了出售公司，包括鼎鼎大名的Deepmind。即便坚持独立发展的公司，比如Nuance，其实也是在难以出售情形下的唯一选择。
那么，有没有第四条路可走？
算法和数据不是关键问题
有一点要非常清晰，第四条路的关键应该不是当前人工智能企业的核心价值：算法和数据。
承认这点比较痛苦，因为科技型创业公司经常会有一个误区，即仅以技术论价值，当然还有很多公司也强调数据，但是这也不是绝对的门槛。技术永远在迭代更新，当技术不能呈现颠覆性的时候，技术的核心价值就会折扣。当然绝不是否认技术的价值，这里只是从企业某个阶段的发展方面探讨。事实上，技术才是唯一可以打破现有商业平衡的绝对力量。
那么再看数据，大数据其实是蛮纠结的一个领域，更多的数据意味着更大的投入，但是只有相对量的数据才能产生价值，那就意味着可能更大的浪费。有价值的数据对于企业来说绝对是极其有帮助的，对技术提升来说也是至关重要，但是这就意味着关键吗？好像困境中的一些巨头企业也不缺乏数据，这个问题也很难解释。
那第四条路的核心又是什么？不如先回归下商业的本质，GE的总裁杰克•韦尔奇还曾经写过一本《商业的本质》，关于这个问题可以聊很多，不如通俗的简单化理解：赚钱。谈到赚钱就有必要先分析下历史和当前企业的主要赚钱模式。
第一种模式可以归结为产品，也就是卖货模式，这是最原始和直接的商业模式，通过公司劳动创造的产品直接销售给客户变现。这其中又可以划分为B端和C端两种产品模式，B端产品一般面向行业，比较依赖于关系营销，C端产品一般面向大众消费，比较依赖于渠道营销，包括线上和线下。这类模式的核心就是产品要有量能，其弊端就是容易积压，曾经很多管理学课程都是研究库存问题。事实上，大部分公司都是这种模式，包括一些巨头比如Intel、苹果、华为、联想和小米等等，联想比较典型，其核心收入就是销售PC及相关产品。
第二种模式就是授权模式，这种模式并不提供实体（光盘可以不算），而仅是以复制数量作为计费依据。最具典型的就是微软这类软件企业，通过销售Windows和Office赚取利润。这类模式的优点就是随着用户规模的扩大，其研发或者产品成本可以摊薄，这对企业的利润贡献极大，比如微软的营业额其实并不显著，但是其影响力非同凡响，也造就了比尔盖茨的首富地位。但是这种模式的缺点也很明显，若不能形成垄断地位，事实上这种模式很难赚钱，因为这种模式的回款麻烦很大。比如杜比，这也是一家典型的授权公司，但是其核心并不是技术，而是好莱坞长期绑定的品牌，即便如此，杜比也要依赖于芯片公司的绑定才能确认其授权数量。互联网时代这种商业模式稍好一些，但是仍然存在回款太难的尴尬。
第三种模式可以说是广告模式，这很好理解，所有电视广播里面都要插播广告，这是电视台和电台的主要营收渠道。互联网企业对于广告的依赖更是严重，比如互联网门户新浪、搜狐等，甚至百度、Google、Facebook主要也依赖广告收入。事实上广告模式渗透到各个行业，很多传统公司也是依赖于广告生存。广告也是产品公司很大一部分的投入。但是这个模式的弊端就是一定要有流量，CCTV的广告就会经常拍出天价，头部效应非常显著。互联网当前核心争夺的流量，其实背后很大价值就是广告，所以互联网企业不敢错过任何互联网入口，这意味着未来流量的昂贵。
第四种模式就是服务模式，服务的概念外延很大，基本上不在前三种模式的都可以归为这一类，比如保姆是一种服务，运营商的话费算一种服务，共享自行车这类分时租赁也算一种服务。广义来说，苹果的商店、百度的搜索、阿里的交易、腾讯的社交，都可以说是一种服务，但是服务未必直接就能变现，互联网企业更喜欢免费服务的模式，然后通过广告或者分发来变现，典型的“羊毛出在狗身上，猪买单”的逻辑。游戏行业应该特殊一些，端游以前主要靠授权模式，网游和手游基本都是服务模式，然后变现依赖卖等级、卖道具等方式。互联网最成功的就是把服务迁移到线上，大幅降低了服务的成本，实现了从1到100的快速扩张，并且规避了过程中的成本问题。
但是，以技术和数据起家的人工智能又该怎样变现？
AI企业直接做产品销售吗？这比较困难，因为技术公司一般比较缺乏营销理念和渠道优势，而这也是由一家公司基因决定的，相反的，产品公司一般也很难转型到技术公司。但这不意味着技术和产品公司之间的转型不可逾越，苹果和华为就是典型的例子，技术和营销同等的厉害。从很多案例来看，技术公司最容易选择的方向就是延伸到产品公司。有些公司依靠售卖数据来赚钱，但是这毕竟是短期的营收模式，当竞争的时候，这种模式实际上很难维持合理的利润。
当然AI企业最直接的商业模式就是授权，所以技术类企业一开始都会选择这种模式。但是前面也提到了，这种模式的难点就是回款，当碰到竞争的时候价格战就会伤害这种模式，这将严重阻碍公司规模的扩大。
那么广告呢？显然也很难，人工智能与传统科技最大的区别就是人工智能非常强调实时和交互，这对于广告模式来说就很致命，比如秀场直播，做个植入广告还可以，若插播一段无关的广告，估计就容易产生问题，影响正面逻辑。所以直播平台更倾向于平台抽成的模式，这实际上是一种服务的变现。
服务变现似乎是人工智能落地的最佳商业模式，当没有新新人类琢磨出第五种模式之前，估计很多巨头企业也都会压宝在这条道路上。服务变现也是互联网企业理解最为透彻的模式，这些企业甚至将这种模式从线上走到了线下。但是人工智能怎么才能依靠服务变现呢？
人工智能企业都坚信当有了流量以后，变现就会是自然而然的事情。但是令人担扰的是，从PC时代到移动时代，也曾经有巨头衰落了，也曾经有巨头倒下了，当前来看我们认为一切商业模式都是清晰自然的，但是回退到10年前、20年前呢？不能以现在的眼光评判历史的决策，局限才是大部分决策的本质。
人工智能这波浪潮，不是第一波，估计也不会是最后一波，人工智能企业最怕的就是好不容易熬到了黎明，或许碰上的还是个阴天。新技术的驱动必然会打破现有商业格局的平衡，这就不仅仅是技术的更新换代，很可能还是商业模式的变迁，或许核心属性没有改变，但是外延肯定会有所变化的。
这样来看，人工智能创业若不深入思考做出快速调整，很可能就会在兴奋中失落。技术和数据只是一家公司起步的突破口，有了船票未必能登上诺亚方舟，登船之路可能更加荆棘密布，决定一家公司高度的永远是公司的最短板。创业不是一件头脑发热简单的事情，国家的支持与媒体的关注带动的是一片产业，不是某家公司，而认知自身的缺陷本身就是一件极其困难的事情，何况还需要创业者及时的去调整适应。
比如，大部分人工智能创业公司都是技术出身，从理念和架构上，很容易不重视营销团队，认为营销是件比较简单的事情。更有很多创业者，利用众筹销售一部分产品后，在天猫和京东铺下货就认为自己是营销高手。事实上，这没有看到营销的本质，真正的营销，和管理一样，也是一门科学。公司的架构里面，技术、营销、管理永远是并列的三架马车，营销整合了供应链、产品链、客户链和媒体链，是公司变现最直接的渠道。
即便在技术领域也有很多误解，很多投资人和媒体都觉得深度学习是人工智能企业的核心所在，但真正落地的时候，未必就是这样。公司毕竟不是国家的研究机构和高校，特别是创业公司，承担不起科研的任务，更多的则是技术的产品化，这就需要大量的工程人员配合。实际上，让机器有多少智能，就意味着公司有多少人力和资金的投入。一家伟大的公司，从来不能依靠独行侠。
但是，创业往往也是冲动的，这是比投资还要冒险和疯狂的事情，过于理想的保守主义很难突破创业的层层障碍。冷静与兴奋，事实上是创业者最难把控的两个极端。创业不可能有终点，创业之路也是创业者的自我修炼之路。当然，创业者都是令人尊敬的，即便失败了，也为社会的进步积累了经验，为下一波创业者探索了道路。
创业之路更多的是坎坷和荆棘，创业之心更多的是无奈和无助，鲜花和掌声的时候，其实更多的是泪水和挫折。于是，这种焦虑自然传导到了最为关注人工智能的投资人领域，2017年以来，随着各种资金的关注，投资领域的竞争也日趋激烈。创业的各种困境，投资人也逐渐看的更加明白，而政府和银行基金的加入也让小型VC更加痛苦。事实上，具有战略眼光的VC已经提前完成投资布局，纠结犹豫的VC或许错过了人工智能技术红利的投资窗口。但是等到产品或者平台的时候，才发现在这两个领域占据绝对优势的所有巨头都已经布局把控，创业公司的生存空间被挤压的非常厉害。当然，技术的颠覆往往超过了预期，比如苹果iPhone X采用了红外作为Face ID的主要技术，这本来是个令人鼓舞的消息，但是几家欢喜几家忧，反而让基于普通摄像头的CV创业很尴尬，这让激进的投资人焦虑和不安。毕竟，投资人更加关注的还是IRR的数值。
焦虑的气氛弥漫在创业和投资的天空，Thomas L. Friedman认为世界是平的，但是真的这样吗？
正在生成分享图...
我在思考中