应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

成为“稀有物种”,AI公司的赚钱要诀是什么?

2020-02-18 09:09 CV智识

导读:实业化,正是AI公司下一轮的竞争焦点。

AI公司挣钱么?

这是一个哪痛往哪戳的问题,因为大多数号称人工智能的公司还没学会挣钱,即便是在报表意义上。

在挣钱还是一个特别稀缺的瞬间满血技能时,探讨一些“稀有物种”就很有意义了。

或许,你会想象AI公司赚钱的方式会很“人工智能”。但从经营方式来看,中国AI公司赚钱的方式,还难以逃脱这片土地的地心引力。

要么铺人,要么铺钱。在越来越讲究“落地”的当下,为了迎合客户的需求,AI公司们为客户量体裁衣,做起了私人定制业务。

这无可厚非。一个招投标有不低于十个同行,在竞争如此激烈的PK现场,不管客户要的是什么,有多少人工智能,AI公司只能硬着头皮上。

用“修罗场”来形容中国的AI赛道,应该是不过分的。

AI公司被逼着进化:员工派驻客户现场,尽可能满足甲方爸爸的所有需求,这些公司似乎越来越像它们的前辈——软件公司。但如果只是一个软件公司,那和咸鱼有什么区别?

本质上来讲,AI公司服务于中国的新一轮信息化建设,一如软件公司以往的使命。

但是,经过近二十年的积淀,AI公司所拥有的人才优势,天生赋予了它们不一样的使命。

AI化是中国博士的“双创”运动。在硬科技领域拥有最高阶智商的人才,必然拥有超乎寻常的技术使命感。他们不只是想着信息化,还有产品化。

产品化,应该是现阶段指导AI公司的最高纲领。在AI公司的CEO们看来,这是盈利的不二法门。产品化意味着尽可能多的可复制模块,尽可能少的人力成本,与一站式的集成采购。

赚钱的要诀是什么?CV智识采访了三家盈利的AI公司:云从科技,2019年实现盈利;数之联,2019年净利润超过5000万,连续3年盈利;健培科技,连续2年实现盈利。同时,我们也采访了两家硬科技投资机构:普华资本与高捷资本。以下采访,凝练了他们的心法,供读者参考。

“云从的定位是一个产品型的公司”

云从科技联合创始人,姚志强

云从的定位是一个产品型的公司,所以会从产品的角度去看项目。

第一,已有的产品能否在项目里得到好的应用,并不需要一个非常大的定制化过程。第二,项目机会是否能够抽象出来一个行业模板,有树立一些产品的可能性。如果说存在这样的机会,公司也会去做。

产品化是逐渐建立起来的。云从的技术中台,负责建立适用于不同行业的通用模块。一开始中台以研究小组的形式存在,发展了一年,在18年下半年成为了一个部门。

把收入按行业划分,安防、金融行业各占40%,剩下20%是交通等创新业务。就利润率而言,公安等政府部门业务是最高的,其次是银行业务。

安防、金融两类客户,在技术认知、销售渠道等方面各有不同。

公安等政府客户,我们会提前接触,让他们试用我们的产品。在发标的时候,客户其实已经比较清楚需要什么、哪个产品好用,会在招投标中就一些技术限定供应商名单。但是,最终实施项目,我们还是通过供应商的方式,最终被集成商整合进去。因而,在政府客户上,我们会广泛利用各地集成商的经销渠道,但是在平时已有与潜在客户的单点联系。

银行项目比较复杂。银行下属一般有自己的科技公司,他们本身技术能力已经比较强,因而能够承担总包的角色。银行客户要求技术严谨、安全,他们会希望供应商直接过来回应需求。因而,公司自己的销售直接对接银行客户。

在项目的实施上,云从一般少做集成,不会主动承担总包的角色,而多是解决方案。集成多涉及很多实施开发的工作,解决方案更多是技术架构层面的工作。比方说,为了做好解决方案,我们正在从人脸识别扩展到人体识别,此外还有大数据、自然语言理解、知识图谱、语音识别等。

一个完整的产品不会只用到一个技术,而需要把多种技术融合起来。做好了解决方案,我们还需要去客户那里演示,告诉他们怎么去优化业务流程和用户体验,这样才能发挥一个产品的最大价值。

“客户不看你是AI、BI还是CI,他们更重视实力”

数之联CEO,周俊临

数之联12年成立以后,我们当时是什么都可以做。

最开始的发展模式,是成立多个行业子公司。这种模式在12~15年的时候走得很好。但是后面我们遇到一个瓶颈,子公司发展前期,最需要资本和人才。我们本来是一家创业公司,人才有限,把人都分走以后,自己就没法发展了。

子公司要作为一个独立的公司发展,不可能还被一个母公司控股。所以,我们慢慢淡出了各个子公司,公司的业务聚焦在政府与军工。

15年,因为一个偶然的契机,我们把业务拓展到了工业行业。当时,富士康、京东方等大型制造业工厂来电子科大等高校找资源,看学校老师能否帮它们解决一些业务问题。要知道那个时候,大家对工厂的认识还很不到位,做制造业客户,是需要很强的技术实力和严苛的工业级的验收标准,因此工业并不受科技公司青睐,没人愿意做这一块。

之后,公司业务就聚焦在政府、军工、工业三个主航道上,这三个行业形成了一个很好的组合。政府业务为我们提供了很好的现金流和利润,军工、工业逐渐成为新的业务增长点。这三个行业增长各自受不同的因素驱动,可以有效地对冲风险,保证我们实现比较稳妥的增长。

政府、军工、工业三个行业,都是面向大B的。做大B,不是说要花很多钱去做影响力,客户不看你是AI、BI,还是CI,他们更重视实力,在乎你现在能否解决他们的问题。所以,我们不面向全行业去做推广,而是专注于细分领域的大客户。这样,市场营销成本控制在10%以下。一般来说,只要攻下来大B,客户的粘性都很强,坏账也很少。

以工业领域为例,我们基本上都投国际标。国际标不看应标者的国籍,不在意声誉资本这种虚的东西。现在,我们在面板缺陷检测业务这一块,已经服务多家主流的面板龙头企业。面板行业的竞争很激烈,服务好了龙头,其他客户出于赶超的需要,也会马上跟上来。

所以,我认为,AI公司赚钱与否,不仅来自技术,更来自行业。别人只能检测20种面板缺陷,我们能多检测10种。而要做到比别人好,就不能只做赚钱的业务。在项目组合里面,需要有30%做战略性投入,保证公司的技术优于别人,形成差异化的竞争优势。

同时,我们在项目上需要做好取舍。

比如说,现在有一个医院信息化项目很挣钱,但我们不一定去做。首先,做这个项目偏离了主航道;其次,做这个事情可能短期盈利,但放长远来看,项目会消耗人力资源和组织架构。信息化项目跟医院业务本身结合紧密,它要求对医院的所有流程特别了解,但是跟我们的主业——数据分析,就没那么紧密了。

因而,我们会聚焦在有限的细分行业,往深去做。在面板检测业务方面,我们从市场上招聘了有资深经验的一线高级工程师,作为我们的行业顾问。这些行业专家们以前负责生产加工工艺,能够和客户高效沟通,快速挖掘客户的痛点和需求场景。在项目实施过程中,算法检测出缺陷的时候,他们也能直接告诉技术团队,到底是哪种缺陷,缺陷成因和机理特征,这样子可以更进一步促进技术的发展。

在做好了数据分析环节后,我们才在今年考虑,接下来把工业摄像机集成进来。我们的数据主要来自于摄像头,做好软硬结合,可以缩短实施周期,同时增加客单价。但是,对于进一步的硬件研发,我们是比较慎重的,因为硬件并非AI公司的强项,风险较高。

从我们的经验看,产品化是没错的。但AI公司不能一上来就说产品化,在不了解行业需求的情况下,怎么可能做出来一个覆盖行业需求的产品?

因而,产品化只能从一个、两个、三个项目开始。积攒了项目经验后,我们才能收集客户的需求,抽象出可复制的功能需求,我们才能做一个面向细分行业的产品。有了这个产品,才能做一个面向更大行业的产品。

在起步阶段,AI公司不妨放低自己的心理预期,学院派的创业者更需如此。高校出去的学者,一贯受优待,但不应该带着这种心理优势创业。竞标失败、业绩低迷、裁人…这些事情对于高校老师来说都是不小的压力。要做好一个AI公司,首先要经受市场洗礼。

“我们在杭州有一个自己的工厂”

健培科技创始人,程国华

健培是做医疗AI解决方案的。不同于大多数AI公司,我们在杭州有一个自己的工厂,用来生产阅片机器等产品。

自有工厂有三个好处。

首先,所需劳动力不多,投入不大;其次,如果拥有自己的工厂,生产工艺可以更快迭代,对市场的反应速度更快,然后形成自己的技术壁垒,能够做很多别人做不出来的东西;最后,我们自己生产的阅片机器,生产成本会比同类竞品低1/3.在报价的时候有优势。

赚钱和不赚钱的AI公司,区别在哪呢?我觉得关键在于,亏钱的可能还没产品化。

产品化怎么去定义?打个比方,如果做医疗AI,一定要对接医院的所有流程,最终把软硬件做出来。有一些公司还是demo版,你去看好像是有的,但他们没有去对接医院里的各个系统,还没形成一个产品上市版。

这个demo版就好像概念车,怎么改都可以。很多AI公司说什么都能做,其实他们就是在做一个概念车。但如果真的产品化了,要大规模生产,模块就需要基本定型,固定的版本在工程上不能随意改了,这叫产品化。

怎么做到产品化呢?健培早在2012年开始在医疗行业深耕,当时机会比较多,我们跟医院一起研发,医院给的权限比较多。经过长时间的积累,我们总结了三条产品化的经验:第一,在一线做研发;第二,IT、数学、医学等多学科融合;第三,紧抓市场渠道。

第一点有没有做到,很简单的一个评价标准:你的团队是不是经常在医院里面?你待在公司里面,研究不出医院要的东西。要做到第二点,需要公司和医院的专家团队一起,同时做学科建设和研发投入。时间长了,专家资源就积累起来了。在第三点上,健培的市场部,负责系统地培训经销商团队,在售后服务上,技术支持团队给与经销商完全的支持。

现在,大的AI公司开始进军医疗行业。我认为,医疗AI市场远大于供给,每一个细分领域都值得重新做一遍。同时,这个行业有其特殊性,原来的合作不是说一下子就会没了。很多人犯了一个错误,觉得短期内就可以做好医疗市场,但其实不是。医疗AI需要长期投入,成果需要慢慢出。

“没有料,肯定炒不了菜”

普华资本合伙人,吴晓丰

AI公司能否赚钱,主要看三点。

首先,找到了有强烈需求痛点的行业。像政府、大公司客户,付费能力和意愿都是比较强的,他们的需求也比较明确。

其次,目标行业的信息化程度要高。没有料,肯定炒不了菜。有了比较好的前置环境,AI公司才容易发挥核心优势,不必为其他工作环节所打扰。比方说,如果大部分数据打上了标签,开展AI业务就会便利很多。

因为前置环境的不同,AI公司主要还是处理新增的业务数据。以银行为例,历史数据可能是非结构化的,如果处理不慎,一不小心就把关键的库删了。这就是非常严重的“矿难”了,没把矿挖着,反而增添了新的技术问题。

最后,所在行业形成了类规模效应。

不同于自动驾驶等还需要大量研发的细分行业,视觉识别、数据分析等技术已经走向了大规模落地应用,人力成本结构里面,已经不需要那么多研究人员了。可能七八个人的核心团队掌握了核心算法,之后再招实施的人就可以。这样,成本其实是可控的。

AI公司在细分行业找到了突破点后,模型、算法的复用率越来越高。如果这个复用率能够达到80%,AI公司做业务就会比较轻松。

怎么去判断AI公司的复用率高低?我们在做客户访谈的时候,会问实施周期有多长,客单价有无提高。如果实施周期缩短,客单价提高了,那说明AI公司的产品复用率是逐渐提高的。

做完上述工作,还是不够的。按照国内的行情,客户为纯软件付费还是比较困难。AI公司不得不向下整合,把自己的算法搭载在一些硬件上。

软硬结合,不仅需要工业设计,还需要一个专门的团队和代工厂对接,以满足公司的硬件客制化需求。如果AI公司去找大厂,因为业务潜在的竞争关系,对硬件的细化定制需要和软硬件优化调试,不一定配合到位。

那么,AI公司就需要找到产能中等、但是配合度更高的工厂,与它们通力合作,对生产工艺做更多研究,这样才能逐渐把产品良率提升上来。人工智能产业链的这个变化,和智能手机行业是比较类似的,苹果等终端厂商,都需要和工厂合作。

“客户需要的是智能验布机”

高捷资本董事总经理,李俨

AI公司首先要考虑产品化的问题,要从客户的需求和使用场景出发,把技术封装成为具备完整功能的产品,而后才会形成销售。单独的技术所解决的中间态的技术问题,客户是不买单的。这就需要系统性的考虑客户需求,并设计商业模式。

举例而言,用视觉算法做布料缺陷检测,搞定了数据获取和算法模型后,是没办法把软件直接卖给客户的。客户需要的是智能验布机,而不是两个摄像头加一个工控机。因此可能需要AI公司集成其他软硬件,把具备智能验布功能、与客户生产节拍匹配的整套验布机,提供给客户。

在这个过程中,仅仅具备AI技术能力是不够的,还需要深入理解客户需求,并具备集成其他软硬件技术的能力,最后交付的可能是产品,可能是服务,也可能是整套解决方案。

在挖掘行业痛点、客户需求,并实现产品化的过程中,大致会形成三种商业化路线。

根据行业和技术特点的不同,部分具备通用化、标准化或模块化能力的PaaS或SaaS产品平台化了。对于初创公司而言,这当然是最理想的商业模式,但除非门槛很高、且有高效的推广获客手段,否则在国内激烈的竞争格局下,很难长期维持竞争优势。

因此我们看到的,更多的是深扎某个细分领域的公司,不断挖掘客户需求,为客户提供定制化的产品或服务。这就需要公司不但有AI方面的技术能力,更需要有集成和定制开发能力。而定制开发往往意味着更高的成本,需要公司不断的平衡高昂的成本,和行业竞争优势二者之间的关系。最后,AI公司需要探索、积累和沉淀通用化的技术能力,使之平台化并摊薄项目实施成本。

再有一些头部的,同时具备技术和资金优势的公司,在深扎细分领域、细分需求的同时横向拓展。通过做大集成做生态,通过为客户垫资拿单,擅长的部分自己做,不擅长的让合作伙伴做,通过规模化维持市场优势地位。

综上,AI公司需要扎到行业里,沉到客户那,从客户的需求和使用场景出发,认真考虑如何将技术封装为产品,自己有什么没有什么,如何系统性的解决用户需求。

稀有物种

新实业公司,这是中国AI公司被赋予的历史使命。

或许你很难想象,一家AI公司会有工厂,会有十几年工龄的老师傅,会为一个模组做很好的工业设计,会做织布机……这不是实业公司是什么?

艰难的市场竞争催生了这样的“稀有物种”。在中国这片复杂、瑰丽的土地上,AI公司为了生存下去,不知不觉之间,它们向中国的制造业进军,并提升了整个工业的档次。在中国跨过刘易斯拐点后,工业的AI化,是再一次提升国家竞争力的新一轮工业化浪潮。

实业化,正是AI公司下一轮的竞争焦点。

这意味着,现在AI公司比拼的重点,或许不在于算法的高低,炫技的优劣,而在于它们能否走进中国二三线城市的工厂,走进二三甲医院的每个科室,真正听懂每个工人和医生的需求,进而研发一个好用的产品,帮他们服务好十四亿人。

当然,这都是苦活、累活。但AI公司已经不能仅靠政府的财政补贴,来做出一份好看的财务报表。真正市场化的空间才是AI公司的用武之地,也是它们真正的价值所在。

AI公司的实业化本质,正在重构整个价值体系。

垂直一体化的分工方式,正在把有着资深劳作经验的蓝领工人,与有着高学历文凭的办公室白领,置于一个办公场域,或一条价值链之下。知识正在跨域流动,也必将激发更多的创新,将深陷泥淖的制造业挽救出来。

这种愈发复杂的分工方式,完全不同于过往的互联网公司。即便是O2O公司,其本质依然是脱实向虚,但AI公司不可能这样做。

这也就意味着,AI公司和传统的BAT巨头是无法相互取代的。两者很多时候生存在同一个场域下,互为需要。巨头们需要AI公司去满足实业繁复而具体的需求,AI公司需要巨头提供最具经济性的云服务和芯片。

而实业纷繁复杂的场景,与尚不能通用的人工智能,注定了AI公司之间的竞争不是赢家通吃的。每个行业都存在壁垒,每个行业都需要精耕细作,AI公司可以跨界,但不能轻易击败每一个对手。

在过去的几年,政府、投资基金们,为AI公司提供了大量资金。当巨量资金投入市场后,AI公司实际上在以自身的亏损,以倾销的方式,补贴国家的新一轮信息化建设。但是,这场补贴运动现在明显进入了尾声,那些依然找不着北的AI公司,或许会第一个被疫情淘汰。

谁才能胜出呢?毫无疑问,是那些盈利的“稀有物种”。