AI創(chuàng)業(yè)：始于外包，終于何？
前段時間，我與某AI創(chuàng)業(yè)公司聯(lián)合創(chuàng)始人S君聊天，他給我講了一個聽起來很肉疼的真實故事。
S君所在的公司主攻深度學習技術，他們和某銀行客戶合作一個零售客戶成交預測項目。
洽談初期，銀行方面告訴他們：自身已積累了上千萬客戶歷史行為的多維度的清潔數(shù)據(jù)，包括全方位客戶畫像、行內交易流水、行外采購數(shù)據(jù)等。
接下來，S君團隊一邊著手設計方案，一邊進行數(shù)據(jù)對接。設計方案這條線進行得有條不紊；但數(shù)據(jù)對接方面卻一再卡殼。
經(jīng)過層層關卡，在項目開始一個半月后，S君的團隊終于拿到銀行口中“上千萬且多維度的清潔數(shù)據(jù)”，結果卻令人崩潰——“千萬用戶”中，大部分用戶數(shù)據(jù)嚴重不符合要求，滿足“多維度清潔數(shù)據(jù)”條件的只有數(shù)千人。
已經(jīng)開始一個半月的原方案幾乎打水漂。
團隊傻眼，客戶攤手，只得從頭來過。
“不是傻天真地去相信。客戶說有，如果你不信那就別做了唄。”我問S君是不是傻，他不屑又無奈。
“這是由多方面原因造成的：其一，銀行數(shù)據(jù)保密度高，需要層層審批；其二，體制內工作效率低下；其三，銀行不同部門之間的數(shù)據(jù)隔離會阻礙數(shù)據(jù)調用。往更深層次說，這會牽扯到銀行內部領導的政治關系。”S君說，這些因素均不可控，但這就是現(xiàn)實。
對于一個像S君所在的才二十來號人的小規(guī)模創(chuàng)業(yè)公司來說，這無疑是人力、時間成本的慘重損失：幾十個日夜的心血付諸東流，難免會挫傷團隊積極性；而再進一步，這每日每夜燒的都是投資人的錢和耐心，還有創(chuàng)業(yè)公司的剩余壽命。
可這樣的故事，每天都在上演。
困于“外包”
S君的故事于我，就像看了一張撕倒刺的圖片——深深地肉疼。 而對于身處于AI行業(yè)的一線從業(yè)者來講，每個故事背后都是“肉包子打狗”式的時間、心血以及熱情。
一個做深度學習產(chǎn)品經(jīng)理的老友告訴我：他們公司有40%的項目都無疾而終；另一個原阿里云的朋友則表示：阿里云很多項目做了3、4個月以后，才發(fā)現(xiàn)這并不是靠機器學習能解決的問題，“無疾而終率”高達50%。
還處于baby階段的AI創(chuàng)業(yè)公司雖集萬千資本寵愛于一身，但高高在上的“無疾而終率”不得不讓人懷疑這個市場的健康性。投資者的錢是否能夠“燒得其所”？
帶著這個問題尋找答案，一圈采訪下來，我的結論是：
目前絕大部分to B的AI初創(chuàng)公司的商業(yè)模式本質是“外包”，而實際性價比卻遠不如一般行業(yè)的外包。
這個觀點也許不討喜，甚至得罪人。“外包”二字在技術圈的地位向來偏低，因為從傳統(tǒng)概念上來講，外包屬于勞動密集型工種，在知乎關于“外包”的問題下，甚至有一部分網(wǎng)友明確表示“看不起干外包的”。
然而，縱觀to B的AI企業(yè)現(xiàn)狀，除安防領域以外，幾乎沒有公司能將技術以規(guī)模化、產(chǎn)品化的方式輸出。比較大部分to B的AI初創(chuàng)公司業(yè)務模式和一般行業(yè)的外包者，相似性擺在眼前：
從工作流程上來看，兩者共同點在于——***步，溝通需求和可行性；第二步，工作量評估、報價、進度安排；第三步，簽署項目合同；第四步，設計、研發(fā)、測試、上線；第五步，交付相關文檔與源碼，技術輸出；第六步，提供維護、迭代等服務。
從合作方式及定價上來看，兩者共同點在于——case by case；沒有一套適用于所有客戶的標準化定價指標；客單利潤偏低；定價分歧時有發(fā)生。
從公司結構、商業(yè)模式上來看，兩者共同點在于——想掙得多只能多接活兒，多接活兒只能多招人，技術被需求牽著鼻子走。
從發(fā)展空間上來看，兩者共同點在于——只能N倍增長，無法實現(xiàn)N方增長，想象力和發(fā)展空間均被局限。
但為何說AI行業(yè)實際性價比還遠不如一般行業(yè)的外包？
***，外包的前提，是時間和成本的可預估。但就目前大多AI公司實際業(yè)務情況來看：時間、成本均不可預估，項目進行兩三個月后才發(fā)現(xiàn)“此路不通”的情況比比皆是。
其二，人力成本是決定外包公司存活質量的重要因素。而AI行業(yè)中，成本高昂的人才爭奪戰(zhàn)從未停止，用外包收入去養(yǎng)天價人才，其邏輯不攻自破，后果難以估量。
由此，AI與一般行業(yè)的外包相比，共性之余，相形見絀。
行業(yè)困于外包模式，直接導致造血能力低下、已有技術無法輸出、技術研發(fā)得不到支持。如果說外包只是AI生存的***階段，如今，投資人看指標的時節(jié)正在步步逼近——正如非洲大草原旱季來臨之時，只有生命力最頑強的動物得以幸存。
原因何在？
目前AI困于外包模式，究其原因，可分為客觀規(guī)律、內因、外因三方面。
首先，客觀規(guī)律：
馭勢科技聯(lián)合創(chuàng)始人兼項目部負責人彭進展告訴我，每個新技術問世所帶來的產(chǎn)業(yè)發(fā)展都將經(jīng)歷“遞進三階段”： ***階段是技術驅動，發(fā)現(xiàn)技術，持續(xù)鉆研，早期主要以科學家、工程師、研發(fā)人員帶動；第二階段是應用驅動，技術得到認可后，通過產(chǎn)品化逐步落地，并應用于不同的垂直領域中，此階段由開發(fā)工程師主要推動；第三階段是商業(yè)模式驅動，此時，產(chǎn)品、技術和應用已進入成熟期，有效的商業(yè)模式創(chuàng)新能帶來爆發(fā)式增長。
與三個階段所對應的還有三個驗證關卡：技術驗證、產(chǎn)品驗證、量產(chǎn)驗證——目前的AI行業(yè)卡在了第二階段。
其次，內因：
AI技術具有典型的“落地口徑窄，需求不穩(wěn)定”特征，這使得其行業(yè)商業(yè)化探索階段會更加漫長。圖靈機器人人才戰(zhàn)略官黃釗在他知名的200多頁PPT《人工智能產(chǎn)品經(jīng)理的新起點》中闡述到：AI時代有兩大重要特質——高維+突變。他告訴我：“正是由于這兩大特質，AI領域需求的特點是：機會多、難度大、變化又快又大。”
***，外因：
在目前AI行業(yè)中，客戶的期望控制與管理是難以繞開的大坑。
客戶期望由三方面所影響：對AI技術的認知、對自身條件的認知、對自身需求的認知。然而不幸的是，就目前市場現(xiàn)狀來看，大部分客戶三方面的認知都不健全。
最常見的情況是，代表客戶和AI公司對接的工作人員由于以上三方面認知不健全，提供錯誤信息，直接導致方案在設計環(huán)節(jié)中出現(xiàn)偏差，嚴重降低工作效率。
王漢洋生于1994年，是泛化智能的CEO。在這個坑上，他很有發(fā)言權。
他本科就讀于加拿大滑鐵盧大學數(shù)學專業(yè)，主修計算機。剛念完大二，他便選擇休學，回國創(chuàng)業(yè)。其公司專注于機器學習與計算機視覺，并在電力、機場、無人機控制等方向完成行業(yè)頗有競爭力的技術積累。
因為泛化智能的客戶大多來自體制內的傳統(tǒng)行業(yè)，所以對此感受深刻。“我目前沒碰到任何一個客戶清楚理解深度學習是什么，關于機器學習都是聽羅振宇講的。”
為此他們專門制作了一套“文風指南”，作用是在見客戶的時候幫助他們正確的理解AI，消除認知偏差。“***條，不要寫任何術語。比如‘子集’，很多客戶不知道什么是子集，你應該說它包括了什么東西。”
除了客戶認知問題外，數(shù)據(jù)也是外因中至關重要的點。前不久，吳恩達在舊金山發(fā)表名為“AI Is the new electricity”的主題演講，反復強調數(shù)據(jù)對于AI的重要性。他認為，普及數(shù)據(jù)統(tǒng)一存儲是AI技術大規(guī)模使用的前提。
客戶有沒有數(shù)據(jù)、給不給數(shù)據(jù)、數(shù)據(jù)是否有效——將直接影響到項目或產(chǎn)品的效率提升。
從何突圍？
致力于打造通用型人工智能平臺的第四范式互聯(lián)網(wǎng)業(yè)務負責人周開拓這樣認為：“縱橫兩條線一起推進。一方面，開發(fā)低耦合、通用型的產(chǎn)品，解決基礎需求；另一方面，選定特定的垂直行業(yè)深扎，積累了足夠深刻的認識和經(jīng)驗后，會發(fā)現(xiàn)問題變得越來越簡單，方向也逐漸清晰起來，也能與競爭對手拉開距離。”
但至于縱、橫兩方面該如何平衡、哪些行業(yè)值得深扎，則需要根據(jù)不同企業(yè)自身的條件和戰(zhàn)略去考量。
泛化智能王漢洋的思路則更為特別。
“我們現(xiàn)在就是外包模式。遇到聊得不錯的投資人我會直接跟他這樣講，他要不認同這事兒，他就是不客觀。”王漢洋認為，目前市場現(xiàn)狀就是這樣，擺正“外包心態(tài)”來做事是脫離外包模式的前提。
他認為，外包本身是一件非常有價值的事情——其一，用新技術幫用戶解決問題是對技術的認可；其二，外包是掙錢的，“能讓AI行業(yè)避免沾上共享經(jīng)濟那種荒誕燒錢的屬性”；其三，外包模式下，協(xié)調多變的需求、維護客戶關系這種臟活累活，正好讓現(xiàn)在AI行業(yè)高談闊論卻不愿意踏踏實實做實事的風氣有所改觀。
王漢洋向我介紹了其公司目前的業(yè)務情況：“像電網(wǎng)這樣的大行業(yè)客戶初期客單價很低，一單在十幾萬元左右；如果是一次性合作的小公司，一單則從幾十萬到上百萬不等。”
王漢洋的公司目前只有十來人，成本不高，但能同時接四個項目。“每個月只要有一單我就能盈虧平衡了，再多一單我就掙了。”公司大部分客戶前期溝通時間長，而實際服務周期不到一個月，但也不乏有長達三四個月的大單子。“大單子不一樣，基本來自于‘大行業(yè)、真需求’，一邊賺錢一邊學習實踐，非常值！”
王漢洋感到的“值”和線性資本創(chuàng)始合伙人王淮的看法不謀而合。王淮認為，面對“真客戶”，賺不賺錢不是最重要的。
“舉個例子，假如你是一家做Fintech的公司，你和‘宇宙***大行’工商銀行合作，并且拿到他們核心的放貸業(yè)務，那這個客戶就是‘真客戶’。”王淮說，如果有這種經(jīng)歷，就像是把新兵放到真實戰(zhàn)場中去操練一樣，出來之后不管是能力、眼界還是信用度都會得到極大的提升，“哪怕賠錢也一定要做的！”
至于具體該如何脫離外包模式，王漢洋也沒有十足把握。“得深入到產(chǎn)業(yè)中去，先做，做得多了才有機會突破。這個探索的過程就像是尋找樹葉上的脈絡一樣，找到這些脈絡，才能勾勒出產(chǎn)品的形態(tài)。”
“我用Siri好多年，到現(xiàn)在還經(jīng)常被人當***。但我是做AI的，要我自己都不相信它，我為啥還做這行？當年智能手機剛出時，大家還覺得拿手機上網(wǎng)奇怪呢。”王漢洋覺得無論是Siri還是自己的“外包公司”，隨著技術的發(fā)展和自身努力，都會變得越來越好。
“不是我精神分裂了，而是我不希望AI一直都這么像外包，或者滿足于這個現(xiàn)狀。”王漢洋說，主動去感知這些痛，是因為不想粉飾太平，而他相信，這些痛終將成為過程。
始于外包，終于何？
“假如把AI創(chuàng)業(yè)公司的競爭看做足球世界杯，現(xiàn)在是小組預選賽剛開始，大部分公司在讓世人知道之前就會死掉。”明勢資本合伙人黃明明說。
“馬太效應”、“二八定律”幾乎作用于所有和人相關的領域，“到投資人看指標時，死一大片公司是很正常的事情。”王淮和黃明明持同樣的觀點。
對于“外包”，王淮話語犀利： “是不是外包模式是一回事，心里承不承認又是另一回事。就好像以前的gcd地下黨一樣，雖然你身在gmd陣營，但你內心要清楚自己的目標和陣營。要是心里面就承認了自己就是gmd，那就沒得玩了。”他說，人內心的力量是很強大的，強大到足以影響到自身的行為，但承認并不是改變的必要前提。
對于經(jīng)常把“這個業(yè)務不賺錢，我們要生存下去”掛在嘴邊的公司，王淮基本不會再深入了解，“這樣的團隊其實內心已經(jīng)屈服了，讓他們安心的做一個外包公司不挺好？”
既然“拿著錘子找釘子”是目前AI商業(yè)化落地進程中***的邏輯問題，王淮相信，根據(jù)各家自身的不同特點，將手中“錘子”的能力***化，才是提高生存概率的解決之道。
作為曾經(jīng)的Facebook最早的技術人員，王淮對此有深刻的思考。他認為，最終只有三種商業(yè)模式的AI公司能夠發(fā)展壯大，成為行業(yè)頭部公司：
其一，“工具箱化”。在向客戶提供“錘子”的同時，還要配套提供“鉗子”、“鋸子”、“螺絲刀”。例如，Stanley Black&Decker是美國一家生產(chǎn)并銷售工業(yè)工具及安全方案的公司，如今市值已經(jīng)超過200億美金。這是一種偏傳統(tǒng)的思路，比得是“比同行活得更久”，對團隊的技術能力要求非常高，也是最難成功的一種。
其二，“自成一體化”。和“工具箱化”不同，“自成一體化”需把提供“錘子”的能力服務于客戶的思路轉變?yōu)椋瑢⒆陨?ldquo;錘子”的技術用于打磨自身業(yè)務，而不是向外界輸出。相當于自己開一家“五金店”，典型的成功案例如“快手”“今日頭條”。
其三，“經(jīng)驗共享化”。將自身變?yōu)橐粋€“工程隊”，在運用“錘子”技術解決客戶問題的同時積累更多的“技能點”。典型例子是AI反欺詐領域公司同盾科技，他們早期向客戶提供征信黑名單的前提，需要客戶把自己的黑名單給到他們，這種形式的優(yōu)點在于提供技術的同時構建起自身網(wǎng)絡化、共享化的能力。
科幻小說巨匠阿西莫夫提出過一個理論：電梯效應。大意是講，如果給一個1850年的科幻作家看二十世紀曼哈頓摩天大樓的照片，當他看到一幢幢超過20層甚至100層的建筑物會怎么想？
也許你用***的想象力卻只能得出這樣的結論：因為“上下樓”很難，所以每個樓都會發(fā)展出獨立的經(jīng)濟體系；摩天大樓里也會有文明人生活的必須設施，比如餐廳，理發(fā)廳，健身房等；因為大多數(shù)人不會爬太多層，所以這些設施過幾層就會循環(huán)出現(xiàn)；底層因為出來容易，房價要比頂層高……作家越想越細，越來越多——但當“電梯”出現(xiàn)時，這些假設全部變得毫無意義。
縱觀過去幾十年計算機歷史，蘋果、英特爾、微軟、谷歌……所有偉大或者曾經(jīng)偉大過的技術公司都因創(chuàng)造出了能服務于整個社會的產(chǎn)品。做外包不是不行，但畢竟歷史上沒有人因外包而偉大。而古往今來，真正的革命性技術會從底層來重塑人與人，人與社會的關系。
