前微软小冰PM: 工作 5 年，我经历过的AI商业化

本文整理自「业务负责人的认知进化营」系列沙龙第 34 场直播，嘉宾是前微软小冰 PM 徐志远。

前微软小冰 PM 徐志远

---

大家好，我是徐志远，之前是微软小冰商业化部门的 PM，今天由我来给大家分享一下 AI 产品的商业化实践。

AI 产品的商业化趋势

首先给大家分享一下 AI 产品的商业化趋势。

其实在生活中大家可能都已经体验到一些不同的 AI 产品了。很多年前我们开始用 siri，然后我们有了智能音箱，这些都和大家的生活息息相关。

但大家感知到的产品是不是现在的 AI 技术真正在商业化上布局的产品呢？

资本市场看什么，大厂看什么，AI 创业公司看什么，其实有些数据是很有趣的。

那么，在谈 AI 商业化之前，我们先看看国内一些 AI 公司，他们做了什么？

1. AI 产品的现状与趋势

上面这张图是国内从 0.5 亿到 40 亿规模的 AI 创业公司。我们可以看看他们所属的行业和商业化布局。

在这 100 多家公司里，有三十几家做企业服务，二十几多家做行业解决方案，有 10 家金融，9 家安防，7 家大健康。

中间也有跟大家的生活比较贴近的场景。

第一是教育；

第二是汽车；

第三就是智能家居。

那么大公司的投资和布局分别又是什么样呢？

从上图我们可以看出 C 端应用有爱奇艺、滴滴、海尔等，它们把字节跳动的一些基于 AI 想法进行分发和推荐，通过 C 端业务做间接输出；

B 端也有一系列在基础硬件上对应的公司。

可以看到 C 端和 B 端应用以及基础硬件这部分，背后还有很大空间做基础设施建设，特别是语音服务对应的建设。

以上是目前一些成熟互联网公司在 AI 布局领域的特征，下面我们会一起分析这些相关特征。

从上面这几张图我们可以看出，可能 90% 以上的 AI 创业公司以及做 AI 的大厂，他们都要面临一个问题，就是 to B or not to B？要不要做B端。

目前国内市场来看，大部分公司在做 AI 营收的时候，要么是在做 B 端，要么是在往做 B 端路上走。

综合这几张大图，如果我们现在认真观察中国的 AI 互联网市场，会发现以上几个规律。

第一，AI 商业化在未来一段时间内，依旧约等于 AI to B 的商业化；

第二，C 端 AI 独立产品技术形态成熟之前，AI 是 C 端商业产品的附加产品属性。

第三，AI 技术同质化，AI 赢家通吃的局面难以形成，赢家会有两个：一个是深耕行业和产业的玩家，一个是挂 AI 卖云计算的玩家，后者赢得更快，前者赢得更久。

下面，我们从 B 端的 AI 商业化看看商业化实践的相关案例。

我给大家分享一个我之前做过的案例。

在这一块会给大家介绍三个模块，我们是如何把一个小项目做成了一个真正的产品，又如何把这个产品做成一种商业模式。

# 做公告摘要

炒股的同学关注股票的话会用对应的客户端看公告。

最早来做这个项目的时候，它的形态非常简单。就是帮助万德这家公司做自动化公告摘要。通过语义抽取交流生成，用算法模型解决这种在人工撰写中需要耗费大量人力的工作。

后面我们就想，既然我们能对摘要这一种文体做非结构化的处理和分析，并且给投资者提供更加快捷的服务，有没有可能大家在投资中参考的消息，也用 AI 技术提供对应的解析呢？

# 把小项目做成产品

把摘要衍生一个产品。

然后我们把它变成了一个界面，它不再是一种接口输出，不再是一家合作伙伴利用我们的接口得到他想的项目输出，而是我们把它构建成一个小产品。

对于这样的产品来说，它在原有的摘要上又新增了很多的功能。包括研报是否可以解析，上市公司的财报是否可以解析，上市公司历年投资的记录，违规的记录等是不是都可以解析？

是否能够通过快速解析给用户提供高效的信息输出。

这个场景其实是非常火的，它是 RPA（机器流程自动化），通过模拟过去研究员的分析解析能力来完成自动化。

一开始大家觉得它是一个小项目，后面大家会发现绝大部分的 AI B端产品在最初的时候，都是在一个又一个的项目中得到实践。

# 将产品商业化

现在我们创造出来的公告摘要已经被很多平台转发和分发了。

我们相当于提供了一个分发的出口和工具，以调用收费的模式跟各家的分发商进行合作。

也就是说任何一个人都可以在我的平台上调用我刚才处理的能力。

在产品这层，我们把一个项目中间的重要功能，通过泛化和衍生，把它变成一个可以产品化，快速复制和实施的一个产品。

我们从一个简单的商业化实践项目，到一个产品级的功能到平台级的分发，一个对应的过程的案例，它的过程是什么样的？

。）

AI 商业化实践路径分析

在 AI 产品的商业化中，我总结了有一条相对清晰的时间的路径。有五个关键词。

第一个是本质，第二个是边界，第三个是资源，第四个是目标，第五个是路径。

在我个人看来，这五个点是并行结构，它贯穿了整个商业化产品的始终。

这五个定到底分别是什么？

首先要认定本质，

第二是划定边界，

第三要标定资源，

第四要锚定目标，

第五要确定路径。

1. 认定本质

首先是如何认定本质。

基于我个人的思考，关于 AI 项目的本质，核心是商业模式和商业价值。

# 商业模式

我过去了解的一些 C 端商业化模式，发现 C 端商业模式和商业价值非常多元，它有很多变现方式。

但 B 端商业模式，核心要么卖人，要么卖软件，要么卖服务，要么卖资源。商业模式有直接变现和间接变现两种。商业模式决定了你是坐飞机前进还是坐汽车前进。

直接变现包括 PaaS 服务、SaaS 服务、定制开发服务和ISV服务。

间接变现包括硬件集成、云计算、渠道分发、数据服务等。

# 商业价值

商业价值分为企业价值和行业价值。

对于商业价值来说，你需要思考你能帮助企业带来什么？是降本增效还是赋能，还是优化还是创新形态。

以及你去给哪个行业做。

国外的 Salesforce 整个市值的增长和收入增长非常快。他们就是在确定商业价值的同时，也为商业模式提供了清晰的对应路径。

他们采取的策略有两个：第一，我给你提供成熟的服务，第二我也愿意把我的服务集成给你去做。

对于 AI 公司在做商业化的时候，一定要想好自己的终局，确定好自己能服务的领域。

2. 划定边界

认定好本质后，就要开始实践了。

实践过程中，你需要划定边界。

AI 的技术能力是非常原子化的，它并不能直接输出给客户能量价值。

举个例子，今天做一个 AI 智能摘要，你一定要跟银行的内容系统、分发系统去做结合。做一个智能客服，一定要跟原先的客服系统、外呼系统做对应的结合。

而划定边界能让你更清楚你的核心产品竞争力往哪个方向提升，把你的核心产品能力跑的更快，走的更远。

3. 标定资源

当划定边界之后，你要标定资源。对于 AI 项目来说，很多资源并不全都是你的内部资源，你还要依赖外部资源。

AI 产品商业化难点在于标准化程度低，端到端难度大，客户差异性明显，正确的外部资源和内部资源配置会大大降低产研团队节奏紊乱的概率。

我们需要把每一个资源都当做驱动技术成长、产品进化、案例积累、二次销售的助推剂。 

）

4. 锚定目标

还有一个很重要的点就是我们要锚定一个目标。

作为 AI 商业化的负责人，我觉得收入是一种最终的表现形式。

好的商业化目标一定是多维的，收入是一种最终表现形式，但并非直接目标。

在 AI 商业化的实践中，除了销售收入，训练数据，模型优劣，渠道集成，业务知识，开发者生态，场景，运营等目标，需要围绕最终表现形式，依据权重的不同进行锚定。 

5. 确定路径

最后一点就是确定路径，我们应该先做什么再做什么。各个阶段的指标应该怎么实现。

我们认为 AI 的商业化和产品化节奏是一个协同上升的节奏，我自己把它总结为是一个 DNA 双螺旋结构。

大家可以看上面这张图，它是从一个业务场景的验证到完整上线的链路。

这个的链路有四个阶段。

第一是你的业务验证阶段和项目化交付阶段。

第二是项目如何衍生一个平台化产品。你要考虑你的产品如何进行标准化沉淀，降低交付成本，更好地完成售卖。

在这个过程中，你要积累各种不同领域的业务知识和模型。

第三是进入平台化阶段。你要找到产品的商业输出模式，你是PaaS输出还是 SaaS 输出等。这时候你还需要同时构建你的分发渠道以及分销体系设计。

第四个阶段是你已经做得比较大了，你需要开源一些组件，需要有圈子。

AI 商业化实践策略分析

下面我给大家分享一些我在 AI 商业化实践的一些思考和总结。

我个人认为不管是 AI 商业化，还是 B 端商业化，甚至 C 端的商业化，它的本质就是怎么做生意。

关于怎么做生意这件事情，我把它总结成四个阶段。

第一阶段摆摊，第二阶段吆喝，第三个阶段算账，第四个阶段赚钱。

第一，摆摊就是产品和定位。

第二吆喝就是你要想清楚应该怎么宣传以及你的市场策略是什么。

第三是算账，今天输出一个 AI 产品，你的成本是多少，你怎么生存？

第四就是变现、扩张这种，如何去完成我们的扩张和变现？

这四个策略逐个分析一下。

1. 定位

# 产品定位

第一类就是你的产品定位。

你的核心功能满足了什么场景的某一个需求，核心性能满足了什么规模客户的某一个指标，核心的交付模式如何交付？

不管做任何产品，都要思考你的功能满足什么场景，什么客户的需求。

对于 AI 产品来说，性能是很重要的一个对应指标。

因为驱动你的核心竞争力并不是产品或工程上的某一个功能，而是你的算法优势以及算法架构工程和整个系统一起产生的价值。

最后是交付模式。你如何交付？愿不愿意把自己的项目部署到客户那里？这些都是你要思考的问题。

# 市场定位

接下来是市场定位，你的产品在市场上是什么样的位置，是一个领导者、挑战者、竞争者，还是一个创新者？

• 跟你一样的产品，它的规模，增长速度以及它的定价模式是什么样的？

• 跟你同样的玩家，他的数量，趋势以及他的规模，甚至他的历史是什么样子？

这些市场定位在 AI 里尤其重要，因为这个行业同质化很严重。你要么通过产品形态的创新，要么通过极限的数据打磨，才能得到一席之地。

# 客户定位

最后就是客户定位。

如果你是在一个大厂里沉淀你的客户，沉淀你的定位，一定要考虑的一个点，就是你现有的存量客户有没有办法转换。他们能否帮助你快速启动。

第二点考虑你的增量客户的标杆是谁，画像是什么。

你做一个标杆出来，这个行业里有些公司的客户可能都不因为你的功能有多好，而是因为那家公司做了，所以他也要做。

过去我们曾经给一个银行做过一个客户画像分析项目，做完之后，其他银行也来找我们做。理由很简单，对方有，我也要有。

2. 宣传

目前 AI 领域的市场宣传战略，我用三个名词帮大家覆盖。

一个叫开论坛，第二个叫刷论文，第三个叫替代人。

• 你今天看任何一个关于 AI 的产品宣传，要么是一堆科学家在上海、北京开了一个论坛，讲一下 AI 技术怎么样了，发布一些对应的东西。

• 要么是某公司的科学家发了论文，超出了人类的认知水平；

• 要么是看很多媒体文章在宣传的时候，说 AI 又替代人了。

我觉得现在的「吆喝」基本上离不开这三个策略。

3. 算账

第三个，我觉得大家都去思考，如果我们做营销产品，你作为一个团队负责人来说，要不要算账？

在我从业的经验里，我觉得一定要把账算清。

历史告诉我们，你的项目要么死在算账上，要么死在去算账的路上。

对于负责人来说，我会看两个指标。第一个指标是开发成本，第二个指标是资源成本。我们要算的是产品的账，而不是公司的账。

你要知道每个产品的开发成本是多少，还要判断你的资源成本是什么，虚拟机是什么，运维成本有多少，外部资源成本有多少。

了解这两点能让你清楚地知道这个项目的投入和你预期收入之间的 gap 有多少。

因为你投入的增长节奏跟收入的增长节奏可能不是同频的。

4. 赚钱

国内优秀的 B 端商业化策略，前期需要思考如何「赚钱」，中后期需要思考如何「给钱」，换言之，是如何让别人赚钱，与此同时本身也能获得收入。

AI To B 的规模化扩张往往来自于集成商、渠道商、分发商的规模化，大量的边际成本被链路上的下游角色稀释，产品的毛利率将逐步上升。

下面给大家介绍几个赚钱思路。

# 草船借箭

给大家几个思路，第一个叫草船借箭。

路径：借助公司其他产品或服务实现收入。

案例：产品绑定云计算，让云计算的销售帮自己 卖产品，比如知识图谱定制化绑定 ComsosDB 图数据库。

# 暗度陈仓

接下来是暗度陈仓。

路径：封装成组件化产品，授权给ISV集成商，收取核心授权费用，由ISV分发和销售。 

案例：培养行业内的ISV，将能力集成至ISV的产品矩阵中，约定分成比例，由ISV分包，与 ISV分账。

AI 商业化是一件路远且长的事情，希望能与大家共勉。

---

扫描下方二维码，添加客服小姐姐，即可得到职人社会员专享，根据真格基金合伙人戴雨森、京东数科广告GM胡侨鑫、携程运营总监胡争妍等沙龙整理成的 8 份精华思维导图哦！

△添加客服小姐姐领取专享资料

↓↓扫码加入会员↓↓

↑↑扫码加入会员↑↑

成为职人社 · 会员，免费观看包括本场在内的 50+ 场沙龙（含录播），结识行业 3 年以上互联网业务骨干和负责人，得到 100+ 公司内推帮助等。

点一下“在看”，推荐给朋友