未來的人工智能有哪些商業模式？

最近一直在思考一個問題，即人工智能時代，商業應該如何創新，才能既得以獲得人工智能增強人類的紅利，又能讓這種紅利普惠人類商業和經濟，而不是加大兩級貧富分化。

在人工智能平臺化的趨勢下，未來人工智能將呈現若干主導平臺加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式，未來的商業模式有哪些呢？人工智能行業未來的投資機會如何把握呢？

在人工智能時代，從 AI 技術到商業轉化，創造下一個萬億級產業，已經形成了一張包含八大要素的全新價值地圖。企業家、創業者、投資人的成功與否，從某種程度上來說，與是否能深刻理解其中的8個關鍵價值創造節點有關。畢竟，這是 AI 驅動的新商業時代，有 AI 特定的創新、創業、創投的邏輯和機會。

從技術源頭創新，到整合技術平臺，再到商業解決方案，以及用戶和客戶的場景應用，這張價值地圖上的任何一個節點，都是個人和企業創業、創新、投資、轉型、升級的巨大機會。

1、開源技術平臺

今天，大多數的技術進步都不是封閉的創新發明，技術的跨界、聚合，以及技術的指數級增長，都受益與底層核心的共創共享。因此，很多 AI 技術其實就是開源技術催生出來的新干線。

例如，Linux 是開源軟件的鼻祖，之后很多世界著名的軟件，如安卓以及今天的很多 AI 軟件，都有它的基因。再比如 Hodoop，也是一個開源的軟件平臺，它是全球最大客戶管理公司 Salesforce 用來開發 AI 客戶的做大數據管理的基石。這個價值模塊的價值創造者，大多是科技極客和 NGO（非政府組織）機構，比如 Hadoop 就是由 Apache 公益基金來支持的。

2、核心技術創造

人工智能的核心技術有四大類，包括：

（1）、軟件，如語音、圖像等感官識別技術、自然語言處理，以及它們的合成、高級算法、數據訓練等；

（2）、硬件，包括深度學習的專用芯片、傳感器、ICT、IOT等；大數據，如數據匯集、存儲、計算、可視化等；

（3）、云計算，云本身是網絡、互聯網的一種比喻，云計算是指一種新的機遇互聯網及相關服務和交付方式，可以實現每秒 10 萬億次的運算。每一項技術都有其非常深的技術根系和深淺等級，比如，算法。世界上最簡單最初級的算法可能就是1+1=2，幾歲的小孩都知道。而世界上最復雜的算法也分為不同級別和流派。

在業界，算法從簡單到復雜還有不同的方法論。例如，符號主義與數據建模、專家系統有關，經驗主義與統計建模有關；連接主義與神經網絡有關。未來，也許創新者還會在某一種方法論上繼續突破。

這個價值模塊的價值創造者，包含了長期扎根技術研發的商業巨頭、大學和研究機構。例如，谷歌的 AI 深度學習產品、英偉達、高通、英特爾等公司的 AI 芯片，微軟、蘋果、科大訊飛等公司的語音 AI ，華為 5G（第五代移動通信技術）下一代 ICT，斯坦福、伯克利、多倫多等大學的基礎研究等。

3、開放技術平臺

開放技術平臺就是核心技術創新者，向第三方公開自己軟件或硬件的 API 或者函數，第三方開發者可以在上面直接開發各種商業應用，而無須從 0 研發，有效地實現了技術的快速商業化。特別是在互聯網時代，開放技術平臺促進了互聯網技術和電商的爆發式增長。

今天，AI開放平臺也將成為技術商業化的重要創新環節。 例如，IBM 的開放沃森分析平臺，可以為第三方提供大數據分析功能；臉譜網的wit.ai 開放平臺，可以為第三方提供大數據分析功能；科大訊飛的 AIUI 開放平臺，為創業者提供了基于 AI 語音功能，可服務于機器人、兒童玩具、電視質控，以及智慧教育的商業應用。這個價值 模塊的價值創造者，大多是由實力的 AI 核心技術公司，也有由它們組成的公益組織，如由硅谷幾個企業領袖啟動的 Open AI 。

4、技術操作系統

自從人類發明了計算機，開始用技術解決問題，改變世界，技術操作系統就變得至關重要。它通常涉及信息的微處理、存儲、文檔與進程管理等方面。PC時代的技術操作系統Windows、Linux，移動互聯網時代有安卓、ios。

今天，谷歌的 TensorFlow （騰三幅）開放平臺，被稱為 AI 的安卓系統，谷歌自己和第三方都可以在上面開發各種基于 AI 的 APP。人工智能時代，AI 技術操作系統包括連接、交互、存儲、云端一體化等要素。換言之，是指以物聯網為基礎的萬物互聯，代替了原有的互聯網和移動互聯網連接；以語音、圖像為主的自然交互，代替了鼠標、鍵盤、觸摸等本地存儲；強大的并行計算，代替了執行順序的技術。

因此，除了手機、PC 等多屏端口的操作系統外，還新誕生了基于云計算的操作系統，涉及存儲、計算、調度（彈性技術、DOCKER）、安全（區塊鏈，確保安全真實）等。 這個價值模塊的價值創造者，大多是那些在互聯網時代積累了客戶界面端和大數據資產的企業，例如，谷歌、亞馬遜、阿里巴巴、臉譜網、蘋果、華為，以及生產核心硬件如GPU（圖形處理器）的英偉達等，誰會真正主宰未來？

AI 世界的技術操作系統競爭的大幕才剛剛拉開。

5、應用解決方案

這是技術能否實現商業化的關鍵環節。通常，任何一個有價值的新技術，都有多個應用。早期電的發明，從點燈照明的應用，到今天成為人類生活和工作無處不在的能源。互聯網技術也是從簡單的信息鏈接開始，滲透所有行業，如吃、住、行、醫、教、娛等領域，為無處不在的問題提供新思想、新方法、新能量。

今天，AI 要想解決人類尚未解決的難題，就必須先準備好無數種從技術到商業的解決方案。例如，在 B2B 領域，如何用 AI 對癌癥做出精準預判和治療；在 B2C 領域，如何用 AI 助力個人發展。同時，應用解決方案要既有功能性的，也有入口平臺型的，如蘋果的 Siri 、今日頭條等。

這個價值模塊的價值創造者，大多是商業解決方案的引領企業，它們往往率先采用新技術，解決商業問題。例如，GE 用 AI 解決能源效率問題，阿里巴巴用 AI 解決城市交通擁堵問題，亞馬遜用 AI 解決高效零售配對問題，IBM 用 AI 解決醫療問題，科大訊飛用 AI 解決教育問題，谷歌和百度用 AI 解決無人駕駛問題等。

6、商業運營系統

商業運營系統是建立在技術操作系統之上的商業生態模式。用技術解決問題，只是商業的第一步，而企業如何用技術解決問題，持續解決問題，并創造競爭優勢，就形成了一個閉環的商業運營系統。這是技術商業化最本質和最關鍵的創新環節，大多數技術商業化的不成功和掉進兩個“死亡谷”的悲慘命運，就是因為沒有科學地設計“商業運營系統”。

過去，這個系統就是商學院教的“標準商業模式”，但是，自從有了互聯網和人工智能，組成商業模式的要素發生了根本的變化，因為新技術顛覆了原來的商業邏輯和市場邏輯。例如，過去，對客戶進行細分是商業模式中的要素，但是，有了 AI，它就可以在大數據中自動識別和管理客戶。因此，商業運營系統的智能化，就成了 AI 商業非常核心的驅動力和關鍵要素，也就是新 BOT 驅動的解決客戶痛點、運營痛點和生態痛點的商業運營系統。

這個價值模塊的創造者是所有參與技術商業化過程的創新者。因為，通常創業者或企業家都需要對“如何解決問題、如何實現收益”設計一個商業運營方案，已獲得持續發展和增強競爭優勢的閉環模式。

7、用戶場景應用

這是人工智能時代市場的新形態。過去，一部手機只要能賣出去，不需要講究諸如“在什么地方使用”、“如何使用”都能夠問題，因為，手機的功能就是通話。但是，今天，手機需要用來在國外看新聞、在演講中做翻譯，因此就必須能夠在一定的環境和場景下，解決更細微的問題。

例如，當使用者身在國外時，就會獲得 AI 關于寬帶使用或吃、住、行等方面的幫助，在翻譯時，手機就不只是一個簡單的通話硬件，而是一個交流的伴侶。同樣，亞馬遜的 Alexa 音箱、科大訊飛的聽見或靈犀，不但是一個家庭的智能管家（幫助節能環保），還可以充當購物向導（讓你更高效地消費）的角色，或生活助理（更方便瀟灑地實現吃、住、性）的角色。因此，用戶場景是設計“商業運營系統”功能和界面的必備要素。

這個價值模塊的價值創造者非常特殊，他們不但是企業的創新者，而且還是消費者、供應者等生態成員的參與。因為 AI 的爆發，共享經濟將更深刻地滲透和影響每一個人的生活和事業。可以說，沒有用戶場景的解決方案，很難完全解決用戶和客戶的痛點問題。

8、用戶動態數據循環

這是 AI 動態價值地圖最顯著的特點：從用戶場景獲得的用戶動態數據，將成為“喂養“機器學習、”生長“ AI 智慧不可或缺的營養成分。這就好像 AI 的存活需要呼吸氧氣一樣，一旦沒有了動態數據，AI 將無法學習，并將失去生命：相反，如果有了動態數據的無限循環，就能形成 AI ”越用越富“的養分原料，并成為以上七大要素源源不斷提高可持續創新能力的重要原料。這個閉環的無線循環，能賦予 AI技術和 AI 商業強大的生命力。

上面總結了八個關鍵的技術點，簡單來說，現在的的AI行業有三種模型：

1. 人工智能創業公司(AI Specialized Startups)

這一類創業公司主打的是專精(Specialization)，即在某個小領域有了突破或者有核心技術。人工智能和其他創業方向不同，創業技術門檻是非常高的，這也保證了創業公司有機會在特定領域分一杯羹。

舉幾個這兩年做的很好的公司，比如做法律智能的Ross Intelligence和用深度學習解讀基因相關數據的Deep Genomics。這一類AI創業公司基本都是由教授+學生，或者是從學術界出來的人在某個領域用人工智能手段進行改革。所以這一類公司走的是“傳統的創業公司的商業模型”，在能獲得市場關注和盈利前，基本都還是靠投資人的錢。而拉投資一般也靠創始人的聲譽背書，短時間內收入模型和盈利模式一般比較模糊。

怎樣才能獲得足夠的市場份額？這不僅要重造輪子，還要開發出直擊某個痛點的模型來改變現在的市場。如果在特定領域能夠做大做強，可以通過市場分割向特定群體收費，比如Ross Intelligence現在和某律師事務所有合作并拿著他們的投資，未來就可能向需要法律咨詢的個人用戶收費。

但退一步說，這一類的創業公司在獲得一定的市場份額后就會被大公司收購，因此不一定會走到需要成熟的商業模型那個階段。

題外話，從學術界孵化的創業公司一般都是一個教授+兩至三個PhD學生作為創始團隊比較多。比較典型的例子有Hinton的DNNResearch啊，Andrew Ng的Deeplearning.ai(某種意義上的startup)等。從市場角度來看，因為較高的技術門檻，這個領域有機會出現百花齊放的現象，很難存在壟斷但也不會出現充分競爭。

2. 人工智能平臺(AI Platforms)

科技巨頭一般布局都在基礎平臺服務上，比如說以前的云計算平臺，專精(specialization)不再是核心訴求。現在越來越多的巨頭也把資源投入到了AI領域，比如微軟就有成熟的AI平臺，主要由幾個組件構成，相信很多讀者一眼就可以認出下面這個圖。

圖片來源: Data Science Association, Currently hosting Dallas Data Science Conference 2017

1、微軟:

Microsoft Azure Cognitive Services: 微軟認知服務集合了多種智能服務API，比如機器視覺API，比如情感分析API等。使用微軟認知服務，你可以調用API來完成很多人工智能任務而不需要自己去編寫代碼。

Microsoft Machine Learning Studio: “微軟機器學習工作室”是一個集成了多種機器學習算法的在線平臺，你可以很輕松使用它做很多機器學習相關的任務，完全不需要任何代碼。不僅如此，你還可以將模型嵌入到其他Azure上面的程序中，也可以開放模型API供其他用戶直接使用。

2、谷歌:

Google Cloud Platform(谷歌云平臺GCP)是一個和微軟產品比較相似的產品，也提供類似的服務和產品。用法也非常相似，用戶只需要調用API即可完成語言情感分析(Sentiment Analysis)等人工智能任務。

3、亞馬遜:

作為云平臺巨頭的亞馬遜也有對標的產品，叫做 Amazon Machine Learning(AWS-ML)。無須贅述，和微軟谷歌相似，AWS的產品功能也非常相似。但因為亞馬遜云的成熟，似的使用亞馬遜的機器學習API相對方便一些。

所以不難看出，科技巨頭的主要精力都花在了布局基礎設施上。從成熟度上來說 微軟>=亞馬遜>=谷歌，但其實使用起來的感受基本相似。從商業模型的角度來說，這幾家巨頭的人工智能平臺主要都是靠API來賺錢，你調用的API次數越多，收費當然越高。

而且在調用這些API的同時，我們往往還需要其他服務，比如服務器、虛擬機、數據庫等，這一條龍的服務和收入就是這些科技巨頭在AI方面的收入模型。 在現階段還有很多公司進入了廝殺的戰場，小一些的還有DataRobot，也是提供一條龍的機器學習服務。

當然，人工智能領域內容很多，比如在線機器人(Bot)，微軟有提供平臺叫做Microsoft Bot Framework，亞馬遜依托Echo Bot也有Alexa Service對標，這些同樣也是依靠平臺優勢來賺錢。

其實不難看出，大公司投入基礎建設的原因是這個方向準入門檻高，前期的固定投資要求大，可以排除很多中小競爭者。在一段時間的競爭后，應該會形成(多)寡頭壟斷市場格局，或許現在其實已經是這個局面了。

3. 人工智能咨詢與定制服務(AI Consulting and Customized Service)

根據我自己的觀察和分析，AI咨詢和定制服務是未來很有潛力的模型。簡單來說，就是根據企業/客戶的需求進行定制化的人工智能解決方案。在現階段，人工智能方案對于大部分企業來說還是“奢侈品”，甚至有些超前。但在不久的未來隨著技術進一步成熟以及概念得到普及，價格和門檻也會下降，越來越多的中小型企業也可以負擔并愿意進行人工智能升級。

和創業公司不同，這個商業模型不要求高精尖技術或是在某個領域的突破，但通用的AI平臺也無法完成客戶定制的需求。這就是為什么這樣的商業服務可能有前景 - 它和前兩種商業模型有交集但并不重疊。

這樣的商業模型主要給客戶提供兩種服務：

1、成熟的專利AI應用。舉例，我們為A銀行安裝了一個我們開發并擁有專利的人工智能風控模型，在進行數據替換后還可以賣給B、C、D銀行或者相似行業。銀行可以使用我們的微調后的模型，但我們可以將原始模型進行無限次轉賣。

2、客戶定制化服務。舉例，A客戶要求我們為它們獨家定制服務，服務的歸屬權歸客戶所有，我們無權轉賣，僅為客戶進行維護升級。當然，這種服務的價格肯定較高。

同時提供兩種收費模式：

1、 一次性收費/升級費用(one-time purchase)。和其他軟件產品一樣，客戶可以一次性買斷服務的使用權。但并不建議這個模式，因為AI產品有較大的不穩定性，隨著數據的變化模型可能失效。

2、 訂閱服務(subion based)。正因為AI產品需要常常升級，機器學習模型也需要重新訓練，訂閱服務更適合AI類產品。客戶可以按月付費，得到相應的維護和升級服務。

這樣的商業模型還可以搭配主動式的營銷手段。因為AI產品的本質是通過數據解決問題，據我所知很多企業現在已經和客戶簽署了“數據保留協議”，即AI產品供應商可以在特定范圍內使用客戶的數據進行其他活動。這樣的協議有兩個好處:

1、 精準營銷(Customized Recommendation)。因為我們有權使用客戶A的數據，根據分析其數據，我們可以個性化推薦適合客戶A的其他產品。甚至我們可以使用客戶A的數據為其免費定制一個概念產品。免費其實是一種營銷手段，德勤的數據分析部門給客戶50小時的免費時長來感受它們的產品。

2、數據整合(Data Integration & Enrichment)。假設客戶A、B、C和D都允許我們保留并使用其數據，那么我們可以進行整合并獲得行業級別的數據，從而開發出更加智能的產品。

在這個數據為王的時代，擁有客戶的數據并提供定制化服務有非常強的客戶黏性。總結一下，銷售成熟的AI產品+適量的定制，留住客戶的數據，并提供后續的維護和支持就是我覺得很有潛力的新型AI領域商業模型。

從市場競爭角度來說，這個商業模型既不需要高精技術，也不大需要基礎平臺或者高額的固定投資，甚至還可以使用文中介紹的創業公司和科技巨頭的服務。但根據經濟學原理，低門檻，充分競爭的市場代表從長期來看不會有暴利存在。

但如果能在早期擁有足夠多的行業數據，數據優勢將會使你的企業走在其他人之前。或許，是時候入場了...