本文来自迅雷创始人程浩的分享,对于机器人创业者来说,他认为—— 如果项目想要快速落地,起步一定要从 To B 开始;不能说算法很厉害,有很牛的科学家团队就是一切了,在未来的竞争环境下还差得很远。
朋友们大家好,我是程浩,迅雷创始人,现在专注互联网领域的投资。这一年来我看了很多人工智能及机器人相关的项目,有些观点和大家做一些分享。
目前国内人工智能创业非常火爆,主要是供求关系不平衡,投资方资金多,而国内人工智能领域,有比较好的技术背景的人又比较稀缺。导致创业团队只要技术背景好,不管找没找到刚需痛点,有没有商业模式,资本就蜂拥而至,显然这并不健康。
现在国内的人工智能创业属于明显的技术红利期,估值普遍偏高。但从投资者的长远视角来看,未来随着基础计算平台和开源平台的丰富成熟,技术方面的壁垒会越来越不明显,整个人工智能的技术准入门槛会越降越低。就像 2008 年你想找个 IOS 开发者,很难,现在却很普通一样,所有技术的演进都遵循这一规律。
所以我不建议大家凑这样的技术红利热闹。因为长期来看,人工智能创业和任何其他领域的创业一样,一定是综合实力的比拼,懂不懂行业、有没有找到刚需痛点、产品化和工程化能力怎么样、营销能力怎么样,产品做完了能不能卖出去等等。
涉及到具体的行业,简单讲,我认为人工智能和机器人方向的创业本质上有 mission-critical 和 non-mission-critical 之分。为了方便大家理解,我们姑且称为“关键性应用”和“非关键性应用”。
Mission-critical 的应用,就是一丁点儿错都不能犯的人工智能领域。比如自动驾驶,哪怕已经做到了 99.9%,但仍然是千分之一的事故率。想想每天驾车上路的人有多少,这千分之一的故障率会导致多少致命事故。所以自动驾驶,必须要做到 99.…%后面有多个 9 才能上路。
还有将人工智能用在医疗行业,像手术机器人做到精度 99.9%,千分之一的出错率同样是极其可怕的后果,医疗事故关乎人命。要是在美国,这千分之一事故导致的巨额赔偿,恐怕就已让企业完蛋了。
总之在“关键性应用”的领域,必须做到 99.9…%小数点后面有多个9,做不到就没法商业化。其背后的核心竞争力是算法和科学家。这类项目往往需要有 top 的科学家来坐镇背书。所以项目通常很贵(因为周期长,需要的钱自然多,同时这类人才又很贵),要投入大量的研发资源来消灭万分之一、十万分之一的出错率。
大家都明白研发的边际效益逐减,做到 90% 很容易,做到 99% 要投入不止 10 倍的资源,因为要消灭各种 corner case,更别说 99.9% 和 99.99% 了,所以这类项目时间周期会很长(类似于 Google 的无人车,从 2009 年到现在已经 7 年了;Mobileye 从 1999 年做汽车辅助驾驶,2007 年才商业化;达芬奇手术机器人项目更是起源于 1980 年代末的一项非营利性研究,直到 2000 年才拿到了美国食品药品管理局 FDA 的首个手术认证)。但一旦做成,这类项目优势就非常明显,因为竞争对手同样也要花这些时间。
这样的项目门槛高,不适合一般的创业者,所以通常比较贵,商业变现的时间周期比较长,资本也需要更多的耐心。
还好,实际上大多数 AI/机器人的创业属于第二类,也就是“非关键性应用(none-mission-critical)”。这类项目不追求 99% 后面的很多个9,而且很多都有更简单实用的解决方案,或者有“人机混合”的方案。总之就是不追求高大上,简单、实用、性价比高更重要,这样的项目通常能够更快落地。
不追求很多个9。例如基于人脸扫描的门禁或者迎宾机器人系统,99% 和 98% 没有本质的区别,实在不行不还有前台么。
更简单实用的解决方案。例如封闭路段(例如工业园区、机场码头)的自动驾驶,激光雷达又贵又复杂,我直接用磁条导航,而且算法上追求简单,“让速不让路”,只要前面有人,车就停下来。因为是封闭路段,所以场景被极大简化了。
“人机混合”模式。面向企业的人工智能/机器人很多都能够通过“人机混合模式”降低技术难度,可以更快的面向市场提供服务。拿外卖机器人举个例子,你的算法好,你的送达成功率 99%,我是 98%。100 次里面不成功的那两次,我可以用人通过后台去操控机器人,慢慢提高这个比例就好了。即使这样,我还是能极大的降低人力,还是有很大的价值。
实际上,国内人工智能和机器人方向的创业,大部分领域都是“非关键性应用”。在这些领域,算法当然也重要,你送外卖不能总送不到,但偶尔的问题可以容忍(“关键性”应用则不能容忍)。除此以外,“能落地”就变得非常重要了。如何落地?那就要比拼综合实力了。包括:
对行业的理解,要深刻洞悉行业痛点在哪儿;
产品化和工程化,有没有好的产品和工程师团队?光在实验室里搞没用!
做出来的产品还得便宜!
批量生产的话,你的供应链能力怎么样?
产品出来了,你得把东西卖出去!所以你的营销/销售能力怎么样?
所以,这样的人工智能项目并不需要技术大牛,反而是创业者最深悉这个行业,知道什么方案能解决行业痛点,甚至有上下游的能力去推广销售掉解决方案或产品。
人工智能也好,机器人也好,大家大多讲的是人工智能 。像人脸识别、语音识别这些基础服务,已经有人做了,领域并不大。更多的机会还是在于人工智能对各行各业的改造,去研发专门的机器人替代人工,当然是行业重度参与者最能发现机会和痛点。
比如机房巡检机器人、电力网巡线机器人、果园作业机器人……人工智能几乎会深度影响我们的各行各业。对于这样的项目,能够成功的核心,一定是提升了效率,降低了人工成本。正如白宫最近发表的《人工智能、自动化及经济》报告也指出,未来 10 年至 20 年间,时薪低的工种受到人工智能技术的冲击最大。有美国科学家甚至预言,时薪低于 20 美元的工作有 83% 的可能性会被人工智能取代。
其实我们可以就此得出一个信息,那就是短期内,机器人创业的机会主要还是在B端。
为什么这么说呢?因为现在技术和行业都不成熟,只有利益驱动,节省了人工成本,才会让企业率先接受机器人。
首先我们来看价格,拿机器人举例,整个供应链体系没那么成熟,市场需求还未验证,每一个生产出来的机器人成本都不低。To B 端,也就是企业对成本承受能力显然比 To C 强很多。特别考虑中国人力成本继续往上飙升。只要企业考虑机器人会大幅提升效率、比人工成本合适,他们就有行动起来的动力。
直白说B端买机器人的目的是为了省钱,是以替代人力为目的,但C端确是在额外花钱,所以需求有明显的差别。To B 都是单任务的,机器人只要做好一件事就行了。而 To C 消费端,恨不得什么都能干,又能唱歌、又能跳舞、又能聊天、又能清洁。但现在根本不现实,技术成熟度还不够。
还有 To B 端的机器人应用更容易一些,因为很多都是以"人机混合"模式在作业。也就是以前需要 5 个人干活,现在可能 1 个机器人加 2 个人工。也就是机器人替代了 3 个人工,能把一些常规任务给干了,但在一些特别复杂的工艺流程位置,还得仰仗工人来做。这是一种易推行的混搭模式。但 To C 机器人可没有"人机混合"模式可言。
最后对国内机器人领域的创业者想说:
I. 如果项目想要快速落地,起步一定要从 To B 开始,To C 仍是很长远的事情,发展没那么快;
II. 大多数机器人都是“非关键性(non-mission-critical)”应用。不能说算法很厉害,有很牛的科学家团队就是一切了,在未来的竞争环境下还差得很远。项目一定要接地气,一定不能阳春白雪。要把供应链做好,把产品低成本做出来,还要能推广出去。
这是场综合实力的比拼。
文章首发于公众号“浩哥说”,欲了解更多对机器人、技术创业的精彩见解,请关注浩哥说(ID: haogetalks)。