如何理解中国的人工智能商业化红利？|腾讯产业加速器
经过几年热潮后，AI创业和投资逐渐回归理性。AI企业从最初的单纯比拼算法，到如今进入技术落地争霸赛阶段，资本市场评估企业的角度也从技术转向商业，越来越看重现金流、解决问题能力以及商业模式是否成立等。
在腾讯产业加速器-AI加速器三期闭门辅导中，AI创业老兵李轶受邀为学员带来“新阶段下AI行业机会探讨”主题分享，重点讲述AI领域华人在美创业的经历以及其对中美AI差异化的思考，并结合国际环境，分享当前阶段下AI创业的机会。
大卫·帕特森RISC-V国际开源实验室助理主任、Orbeus创始人兼CEO李轶于2012年在美国创立图像识别公司Orbeus，产品吸引多家巨头伸出橄榄枝，她带领团队最终选择亚马逊，积累下丰富的海外AI创业经验。
从创业到并购：华人团队在美AI经历
Orbeus创立于硅谷，主要提供两款产品：基于云端的API和手机终端上的App。其中，基于云端的API主要做人脸相关的识别和检测，也包括物体和场景创新性的识别和检测，所有的核心算法均为自主研发。在这一基础之上，热爱旅游拍照的团队提出了一个新的设想：是不是可以通过加标签的方式来实现海量照片的搜索以及后期制作？于是，Orbeus开发出手机终端App Phototime，上线一周之内突破百万下载量，一度导致服务器瘫痪。
Phototime蹿红之后，市场在悄然变化。谷歌图片、苹果iPhotos推出类似产品，图像识别应用成为行业风口，Orbeus也陆续收到来自苹果、雅虎、亚马逊等的并购offer。衡量之后，团队抱着用技术改变产业的想法，希望产品触达万千企业和开发者，最终选择了加入亚马逊。
技术创业公司加入大公司之后是一种怎样的体验？李轶表示，团队目标清晰、成员年轻且规模小无冗余，加之亚马逊的文化也相对开放，融合总体而言是比较顺利。
2015年底，Orbeus被并购入亚马逊，仅仅花了不到三天的时间，整个团队从硅谷搬到西雅图，随后就开始上班。
2016年，团队完成了人脸识别、图像检索功能在应用层面的功能，也向亚马逊证明了自身的后台和技术能力。之后在亚马逊 AI大战略下，整个团队被归到AWS，成为独立的一个组，组名沿用原来的Recognition，负责图像和视频识别能力。2016年11月， AWS CEO在re:Invent大会上向全球发布了他们基于云端API的产品Recognition平台。
李轶认为，创业公司有三种状态：一种是被并购；第二种是自我盈利，营收乐观，能够支撑团队壮大，自我长线发展；第三种是通过资本运作取得更大的成功，比如IPO。
Orbeus当时有云端的API和手机端的App两款产品，尤其是API已经有比较大的客户。但是，他们慢慢发现，这是一个非常有核心竞争力的公司，但不是一个成熟的商业模式。AI可以给一些客户赋能，但却不提供最核心商业价值。
李轶相信，即使到今天，一家初创公司如果只做AI技术，它会面临非常大的商业和盈利问题。哪怕是在亚马逊这样的巨头，像Recognition，以及所有的语音、视频、语义理解的底层服务，都不能在财报上体现很大的商业价值，这些技术更多的是战略性需要。因为亚马逊是把企业圈养到AWS生态里，向企业提供所有他们需要的，AI是其中一个方面。
AWS的AI战略：“两张披萨”团队规模、包容失败、做平台
亚马逊的AI应用大体分为三大类：
第一类是能够看得见摸得着的产品，比如大家熟知的Alexa，无人商店Amazon Go，无人机Prime Air。
第二类是藏在后台的AI技术，比如传统的推荐引擎，仓库机器人Kiva，最后一公里配送等等。
第三类是企业级应用，主要是在AWS平台上，亚马逊把后台技术以工具和服务的形式提供给第三方企业，让企业专注开发应用。
相比边界清晰的AI应用，亚马逊的AI创新环环相扣，彼此关联。比如Alexa，它发端于2004年成立的Lab 126，成立后一直进行智能家居的秘密项目，项目本身以失败告终，但是却剥离出一些很成功的产品，比如Fire TV，比如Alexa。亚马逊文化对前沿探索非常有包容性，对失败容忍度高，这也导致现在很多产品正是来自之前的失败中。
在组织机制方面，亚马逊主张小的团队规模，很多人听过亚马逊的“两张披萨”团队说法，就是团队规模上限在两个披萨能够吃饱。一个个小的团队有明确分工，当然可能也会有一到两个团队同时做相近的事，最后看结果。
Alexa代表了亚马逊的战略层面偏好，做平台。李轶透露，Alexa从创立以来从没有靠硬件赚钱的明确计划，它更多是希望以硬件作为切入口，把自身的技术和能力开源出去，把第三方的产品集成进来。亚马逊也会把其中的语音唤醒、语音识别、语义理解等单独出来，变成AWS服务，让它们再以平台的形式服务更多客户。
中国人工智能商业化迎来政策红利 ，政府推动AI产业规模化落地
这两年AI趋于冷静，创业公司的比拼已经从算法领域转向技术落地。投资方看创业公司，也从技术转向商业：越来越看重现金流，解决的问题，发展方向，商业落地路径，如何提升营收，商业模式是否成立…
李轶观察到，AI技术落地方面国内外的差别很大，国内领先的更多是安防相关，包括智慧城市的To B或者To G业务。同类型的商业模式在美国创业公司中就没有这么成功，美国只有亚马逊、谷歌这样的大公司才能承接智慧城市改造工程，小公司要面对很多合规性困难、数据保护方面困难。在AI赛道，中国其实已经远远超过美国，中国数据量大，场景多，算法训练结果更好。
同时，中国的大公司在底层通用AI技术方面做了很多工作，腾讯和阿里巴巴的AI基础设施都已经非常成熟。这里面衍生出很多机会，比如传统行业的企业，在自己的垂直领域积累很深，那么就可以考虑AI如何在所在的产业链、所处的行业、自身产品方面落地。
在政策方面，国家的新基建，以及产业化、规模化，政府资金都在支持AI落地，为AI创业创造了利好的政策环境。
最后，在大家熟知的实际落地的商业模式之外，李轶也分享了一些国际较为看好的AI方向。
1. Deepfaces技术在娱乐业、零售业的商业化
2. 利用AutoML完成初步商业化部署，提供更多自主性
4. 通过联合学习打通相互孤立的数据，保护数据隐私。
往期精选
欢迎加入我们的云启读者交流群公众号后台回复“入群”，获取入群方式