語音開放平台出門問問創辦人李誌飛在創業的過程中，思考 AI 技術如何落地和商業化的問題，透過他的個人經驗分析，分享 AI 新創該如何面對未來的挑戰與機會。
2015 年之前，在中國很多人都不知道 AI。但是在過去 3 年裡，AI 突然變成了一個全民熱議的話題。尤其是 Google AlphaGo 機器人打敗世界圍棋冠軍這件事，給整個社會帶來了巨大的震撼。
雖然 AI 技術在突飛猛進地發展，但是如何實現 AI 技術的商業化，仍然是今天全世界 AI 企業面臨的最大難題。
我以前在美國讀書，博士畢業之後本來是要做科研的，結果反而去了 Google 美國總部做科學家，後來又回中國創立了 AI 公司「出門問問」。從一個純粹的科研人員，到一個商業化的技術研究者，這是一個很大的轉變。在創業的過程中，我對於 AI 技術如何落地和商業化的問題，有了很多的思考和想法，今天和大家一起分享。
Google AI 為什麼要自己做硬體產品？
AI 商業化的關鍵有兩點：場景和可掌控。
如果把 AI 的算法比作成靈魂，那這個場景就是身體，靈魂是需要身體才有意義的。AI 技術去尋找場景的過程 ，就是一個靈魂附體的過程。尋找可以掌控的場景，這就是 Google AI 一定要自己去做硬體產品的原因。
Google 的 Android 操作系統非常成功，佔有了全球 70%-80% 的市場佔比。Android 的戰略是以平台為主，爆紅的商品為輔。而現在 Google 在 AI 層面的戰略則反過來了，平台為輔，爆紅的商品為主，把自己的產品當作一個爆紅的商品去做，而不只是追求 demo （示範） 效應。
這其中的原因是：
第一，在 2007 年 Android 剛剛起來的時候，多數硬體廠商並沒有做軟體的能力。再加上 iPhone 的成功來得太快，很多手機廠商沒有反制之力，就很願意把自己的場景讓 Google 的操作系統裝進去。而現在大部分硬體廠商都有研發軟體的能力，並不願意把自己的場景交給你。
第二， Android 是一個系統級別的軟體，它是可靠的，可以預測的。 而 AI 技術是概率性的，存在特別多的不確定性。比如語音識別的時候，有時候能識別對，有時候識別不對；在某一個場景下可以識別對，在另一個場景下卻錯了。這就對硬體產品有更高的要求，很多硬體廠商達不到這樣的要求。在這種情況下，Google 想要以 Android 的方式去推動 AI 的應用，就會非常困難。 Google 做硬體的主要目的，就是要使自己的很多高科技、黑科技直接放到自己研發的設備裡，讓 AI 技術有一個可控的場景。
AI 商業化的路徑：建立技術、產品、商業的閉環
一個獨立的 AI 企業要想存活下來，就應該在算法的基礎上，盡早找到可以掌控的場景，建立技術、產品、商業的閉環，然後在更大的規模上循環、疊代。
核心技術： 你會做的，別人也可以做出來
如果你是一家 AI 公司，想要把 AI 應用到某一個場景裡面去，你首先得有一套非常核心的技術。而且這個核心技術必須要有一定的難度，形成一定的壁壘，這樣才能擋住 95% 的競爭者。比如說語音互動、語音識別這樣的技術，在今天中國加起來不超過 10 家，絕大部分企業是無法進入的，因為它的技術難度非常高。但技術的領先頂多只能保持 8-12 個月，不能構成絕對的壁壘。
深度學習在語音識別中的應用，首先是在 2012 年由微軟研究院的華人科學家鄧力做出來的。但是第一個做成大規模系統的反而不是微軟，而是 Google。因為科研的圈子是沒有秘密的，你做出一個東西之後，很快就會有另外一批人把它做出來，甚至比你做得還好。
只有不斷疊代，持續性保持領先，才能形成真正的壁壘。 也就是說，你得永遠比競爭者領先 8 個月。你 8 個月前做的事情，可能現在有人已經學會了。但這時候你已經在做另外的事情，大家看到以後，又得再等 8 個月才能學會。這是一個最好的正向循環，Google 正是靠這樣正向疊代的方式，使得它永遠能夠在競爭者面前保持幾個月的領先優勢。
產品：算法只佔整個產品開發的30%
商業和科研的本質是不一樣的。很多技術創業者都走不出技術或者算法這個階段，他們不知道什麼叫產品，什麼叫解決方案， 把創業當作科研在做，結果很快就失敗了。 光有算法是不夠的，還必須快速圍繞著算法在一個具體的場景裡做出一個端到端的產品 （To C），或者一個解決方案 （To B）。
比如我研發出了一個語音識別的系統，但是這個演算法不是一個通用的演算法，它可能剛好在我訓練的相對安靜的環境下可以使用，在給投資人做 demo 的時候是 ok 的，因為大家面對的是黑乎乎的銀幕，沒有任何用戶體驗可言。
但是如果這種算法應用在 APP 上，在環境相對吵雜的地鐵、公車或者街道上使用的時候，用戶體驗就會非常糟糕。所以，要做成一個產品，除了有基本的算法和系統之外，還必須有具體的應用場景，讓用戶有一個良好的使用體驗，並在此基礎上不斷進步。
出門問問現在應用的場景有智慧手錶、智慧音箱、智慧車載等，每應用於一個新的場景、新的設備的時候，我們的演算法本身就要去做很多疊代和改善。算法只是一個起點，它離一個真正的產品還有非常遠的距離。當你基於語音算法做出一個產品的時候，可能這個演算法本身只佔你整個開發的 30% 都不到，另外 70% 都跟這個演算法沒有什麼關係。
規模化：能夠支撐自身研發和未來競爭
做出產品或者解決方案還遠遠不夠，商業上看的，是你到底有多少用戶，以及這個用戶帶來多少營收和商業價值，能不能形成一定的規模化 。這種規模化要能夠做到：
第一，能夠支撐自身研發的疊代。
第二，可以透過這種疊代和規模，抵抗未來的競爭。只有這樣，才能對所應用的場景有一定的控制力。
這個時候就需要深度思考。所謂深度思考，就是說你腦海裡要有一個模型，能夠把一段話或者一個事情量化。比如 10 萬規模的時候是什麼樣子，50 萬的時候是什麼樣子，100 萬的時候是什麼樣子。以價值 1000 元的智慧手錶為例，如果做出了 10 萬台的規模的話，就可以 cover （覆蓋） 一些材料、模具成本和基本的研發費用。如果要想cover（覆蓋）成本的話，就需要達到 50 萬台的規模。而如果做到了 100 萬台的話，那就可以形成足夠高的壁壘。尤其是面對華為、小米、三星這樣的競爭對手，你對所在的場景是有一定掌控力的。
但是如果有 BAT 或者 Google 這樣的超級巨頭想闖入這個領域的話，那麼 100 萬台的規模就沒有任何意義，原先可控的場景又變得不可控了。因為巨頭們不靠硬體賺錢，他們可以進來之後先扔「炸彈」，把市場搞亂，把量做上去之後，再透過後面的軟體服務去變現。
所以，規模化的程度取決於你處於什麼樣的市場，以及你自己處於什麼樣的階段。
了解更多關於創業小聚的資訊，歡迎透過以下服務
粉絲交流｜每月小聚｜Line@互動｜訂電子報｜新創影音｜發表專欄及新創資料庫
本文授權自《創業邦》，作者：混沌大學
