查看原文
其他

AI 商业模式的脱靶、崩塌、救赎

余快 雷锋网 2021-08-31


SDK走天下梦已碎、高度定制化赛道易搁浅、海外高分作业抄不来,AI商业化落地出路何在?


作者 | 余快

编辑 | 王亚峰

人工智能的商业模式应该是什么样?

每次谈到这个问题,答案分两个极端:

要么同质、无趣、世俗。

要么天马行空,外行高呼震撼,内行斥其没有常识。

在雷锋网《AI冰与火之歌·五问》第一篇文章《依图医疗「变卖」内幕:出走、截胡与派系整合》中,我们谈到,依图医疗成为弃子,其实是多数AI公司商业战略摇摆不定的缩影。

无人能预知命运会陷入如此险境。短短几年,AI市场的低气压不知何时开始盘旋成型。

商业化变现困境剥落了AI的优越,让AI企业直面最粗糙的生死。

“AI做不了颠覆式创新,还是要走产业+AI的路。”

这句话虽是业内共识,但走这路的方法论其实是过时的,毕竟,这与十几年前的信息化和IT软件商业路径,并无本质差异:以外包的姿态,啃项目,搭集成,做交付,任劳任怨,不怕吃苦。

纪北嘉(化名)笑着说,姿态低不低现在不是我们主要考虑的,赚钱嘛,不寒碜。

这些AI企业践行了一个最糙也最为实在的真理:先活下去,再考虑怎么活好。

真理背后,则是盘旋在所有AI从业者头上的四个问题:

  • AI标准化、通用化的美梦是如何破灭的?

  • 高度定制化解决方案为什么走不通?

  • 海外高利润解决方案我们为何借鉴不来?

  • AI企业跳出低毛利死胡同的三种激进模式是什么?

我们一个个聊聊。

1


标准化、通用化的黄粱美梦


在全球权威的人脸识别算法测试中,XX企业获得XX赛道冠军。

XX在国际权威机构ACM MM主办的大赛中,行为识别再夺一冠。

识别率提升、精度突破、榜单排行,是早期AI界的主旋律。

这段时期,中国的AI公司上演一场疯狂的刷榜竞赛,让算法识别俨然间成了一项竞技体育。

为什么热衷刷榜?

在早期AI公司的蓝图里,他们只需研发出标准化的模块,然后被集成在所有公司的各个解决方案里,如此,哪怕一个开发包(SDK)只卖几万、几十万,薄利多销,一年的利润也非常可观,而且作为被集成的软件,所得几乎均为净利润,说躺平赚钱也不为过。

这一意识形成后,很多公司将比拼算法精度作为头等大事,甚至一度认为,不需要招销售,客户自然会闻讯榜单而来。

一级市场用挥金如土表达了乐观的情绪,AI企业在宣传上毫不掩饰科技标签的高贵,似乎一套SDK扫天下的时代就在眼前。

但很快,在算法刷屏约两年后,他们察觉不对劲,怎么投入不见少,铜子儿却没见着?

2017年是觉醒的一年,尝试落地的他们发现,在赛事中频频拔得头筹的算法,一旦走出实验室或特定的场景进入实战,根本玩不转。

而且,作为最先落地的两大行业,无论是公安还是银行,客户需要的不是单个模块或开发包,也不具备集成SDK的能力,他们要的,是一套定制化的解决方案。

结果就是,在算法领域的神仙打架,在业务落地成了菜鸡互啄。

SDK走天下梦碎后,他们的解决方案从轻变重,跟传统IT企业一样,走高度定制化解决方案的路子。

2


高度定制化解决方案的利润困局

To B行业有什么特点?个性化定制;获客周期长(决策流程较长);产品有实施成本;成长较为线性;价值敏感。

而一旦进入高度定制化赛道,就意味着AI企业成为一家集成商,而非高大上的产品型科技公司。

陈冀(化名)表示,重型解决方案模式的最大弊病是,你能做的,别人也能做,这导致门槛大大降低,业务利润大大降低,最后大多需要靠关系驱动。

他们吭哧吭哧地进入的重型解决方案行业,一不留神就走进利润死胡同。

有人问,安防行业也定制化,为什么海康走得通?

简单来说,就是把“成本三低”做到了极致:

  • 平均人力成本低

  • 运营成本和销售成本低

  • 产量扩大后的边际成本低

海康威视总裁胡扬忠曾告诉雷锋网,他对科技公司做安防持审慎态度。

“以通讯行业为例,其运营和销售成本比安防高很多,所以用高成本的人力去跑安防,就像拿步枪打苍蝇一样,投入与产出是非常不匹配的。”

这句话背后,也许是对高成本的科技公司走碎片化定制解决方案路径的怀疑,甚至是否定。

大型IT公司之所以能在定制化赛道里存活,很大部分原因在于人效的极致追求,说得不好听,就是的成本,去省出更多的利润空间。

海康威视总裁胡扬忠也曾发表对此的看法,他说:

这个行业场景碎片化,用户需求差异化和定制化需求明显,而且这个行业的平均回报并不高,每个项目贡献度都不大。所以如果人力成本过高,会是个很关键的问题,会导致人均产出/费用比不划算。

“从公开资料看,AI企业年度人均营收约50万,人均费用也约50万,即使毛利率能到50%,依然会有明显的亏损。”陈冀坦言,“而且,他们很难达到50%的毛利率,想做大人均,很难。”

这也正是当初华为大张旗鼓地进入安防时,胡扬忠表示:华为是一家做大生意的公司,捡豆子、捡芝麻的生意不适合他,华为很快会认识到这一点。

“海康威视的人均人力成本只有华为的三分之一,任正非历来不提倡华为在低维市场的泥潭里死缠乱耗,华为如果以海康的方式做安防,被集团叫停只是时间问题。”业内人告诉雷锋网。

华为安防后续转换战略,主推平台,也侧面证实这一点。

在人效优势+规模化效应的前提下,海康做了20年,也才做到约600亿元的营收。

与互联网动辄千亿战果相比,这盘实在算不上大肉,与动辄估值几百亿、亏损几十亿的AI企业相比,这不像是经得起折腾的赛道。

这里提一句,彭易(化名)告诉雷锋网,在他看来,云从之所以能够上市,除了国家队属性,也在于他们的亏损率控制。

而亏损率不高,与人效或者说重庆人力成本低有关。同时,与其他几位小龙喜欢重金聘请AI大牛和博士相比,云从则显得低调得多,鲜少有盛名在外的科学家。

云从科技提交的IPO招股书显示,2019年高管总薪酬仅890.47万元,要知道,在不少企业,一个AI大牛的薪资就高达千万。

千人级别员工规模下的高薪酬,一年的人力成本就可高达几亿到十几亿。

而且,AI企业虽技术优势傍身,但作为不单纯靠高科技能打下市场的行业,难以通过单点突破快速占领市场。

大多数AI企业逃不开“三高”病(高投入、高亏损、高人才),同时又不具备规模化效应,让他们在高度定制化且毛利低的市场,转不开磨盘、吃不饱。

AI企业放得下高大上的科技标签,吃得了长苦,但就是赚不到钱。

所以无论是安防也好,金融、医疗、工业也罢,都面临这个问题,无论是走平台模式还是定制化模式,都难逃利润的死胡同。

3


欧美的高分作业,国内企业抄不来

1.重型解决方案的困局:国内企业难做出高毛利的核心产品

有人说,海外走通此模式的大有人在,中国为什么玩不转?

比如IBM,它就是在重型解决方案领域走出康庄大道的典型代表。

郭士纳时期开始,IBM转型成为一家高定制化的解决方案公司,但IBM却并未受困于此,反而一直有着超高的利润率。

雷锋网在这先感叹一句,真正的高人,往往能通过深入浅出的话语,道出核心本质,毛泽东是一个,郭士纳是另一个。

他当初对IBM转型解决方案公司的定位是:如果客户需要马桶,那IBM也卖。

这句话背后的本质是,以客户为核心,牢牢把握住客户,而这,正是一家解决方案公司的立身之本。

当然,IBM转型成功,除了抓住了这一根本,也离不开IBM的核心产品、服务和并购。

这里重点谈下IBM的核心产品。核心产品,是那些通用化的、高毛利的产品。

IBM的解决方案,集成了众多生态伙伴的产品,但方案中有些重要的组件和中间件,由IBM自研把控,比如服务器、存储。

这些技术门槛高、占据核心地位且通用的基础系统硬件,也带来了高利润。

IBM看似在高度定制化解决方案里又苦又累,帮其他公司牵线搭桥,实则拿捏住了最核心的中间件,以至于一个项目可以拿到近五成的营收以及高毛利。

“以前银行IT系统里最要命的中间件都是IBM在控制,成本不高,但服务费非常贵。十几年前那批服务银行业务的IBM销售,真是躺着赚钱。”IBM 前员工告诉雷锋网。

所以,即使他们做重解决方案,依然可以通过核心产品获得高毛利。

同样,SAP有ECC,甲骨文有数据库。

数据库是基础软件皇冠上的明珠,几十年来与操作系统齐名,是每一家公司业务系统的核心,以刚需“收割”企业利润。

这些都是解决方案里的利润来源、客户不得不买的核心产品。

那么为什么中国的解决方案公司缺少这类高毛利的核心产品?在雷锋网看来,原因有四:

第一,复杂的系统性工程能力有限。吃透一个复杂业务系统,需要强大的工程能力,庞大的知识体系和深厚的经验积累,中国在系统性工程能力上一直较为欠缺。

第二,浮躁,倾向于赚快钱。(其实这也是工程能力弱的原因)

这类核心产品,属性重、壁垒高,需要极大的时间、资金、精力和研发投入,但中国发达的互联网产业让大多数企业习惯于短期获利,在海量的客户、海量的营收规模、高营收增长率、高利润率的面前,难以沉下心来做各项要求极高,且不一定能成功的产品。

第三,对资金投入、战略坚持要求极高。

以数据库为例,在云计算的光芒下,这两年中国数据库领域进展迅速,阿里、腾讯、华为都初尝甜头。

在这背后,他们投入了巨大的人力、物力、财力,即便如此,因中国To B市场环境问题,在相当长一段时期内,这类产品的工作推进得尤为艰难。

在那些前路星光暗淡的日子里,能坚持至今,实属不易,这离不开企业在战略上坚定地支持。

第四,企业对有效专利的保护远远不够,在法律手段上不够狠,市场惩罚力度有限,导致抄袭成本低。仿制品多了,自然会进入打价格战的恶性循环,没有利润。

这个问题过去20年没有解决,可能未来10年也很难解决。

早期,AI公司以为AI技术就是类似ECC、Oracle的“中间件”,但是AI本身并不是一个产品,且门槛逐渐降低,同质化严重。

而IT软件领域,中国至今也没有一个保持高毛利率的软件企业。以金蝶、用友为例,这些具有二、三十年历史的公司,利润一直在低位徘徊。

眼下的中国AI公司,大多缺钱、缺精力、缺战略底气去支持一款核心产品的开发。

2.轻量标准化产品模式:盘子是大,收费模式扭曲

做重不行,那就来轻的,比如SaaS模式。

的确,SaaS也是目前各大互联网巨头最为重视的产品形态之一。

它模式轻,无需定制,一套SaaS产品可以复用;收入可持续,不是一锤子买卖;高毛利,SaaS收入的毛利至少能达到70%。

它打通To B,通用化、标准化,是个突破困局的好苗子。

此模式也得到欧美市场认可,单2020年,美股的SaaS公司就有不少突破了百亿甚至千亿美金估值。

甚至有一种说法:美股过去十年属于FAANG(互联网),下一个十年属于SaaS(软件即服务),未来软件定义世界。

理论上可行,但要明白,美国的企业服务程度远在中国之上,且美国人口红利弱势下,长期以来注重人效比。

其次,中国环境较为尴尬,中国的付费意识有所提升,但依然不容乐观,尤其在软件领域。而有了免费的钉钉、企业微信、飞书后,更是加剧了国内小公司的软件“白嫖”意识,愿意付出可观费用的企业数量非常少。

其实,这间接导致SaaS也逐步进化成定制化项目。

其次,仔细想想,淘宝在以另一种SaaS的形态存在于市场,以羊毛出在猪身上的方式,赚走了多数小微企业的钱。

3.企业知识产权保护:不够快、不够狠、不够全

当然,高毛利的困局,除了战略坚持、工程能力,更在于当前知识产权保护环境的不成熟。

首先,中国企业一个重大认知误区,就是“谁掌握的技术多,谁最需要加强知识产权保护”。

知识产权其实具备技术与法律的双重属性,本质上是运用于商业。

但中国大多数企业没有意识到它不是一个法律问题,而是一个资产管理问题,知识产权长期得不到足够的重视。

这一点上,硅谷地区尤为优秀。

《烧掉舰船》一书中,就鲜活地展示了知识产权的力量。

马歇尔•菲尔普斯在任职IBM公司副总裁期间,利用知识产权武器,在IBM命悬一线之时,通过一系列组织架构及专利许可的改革,成功使得IBM公司摆脱经营困境:

当年,IBM的利润收入总额中有25%来自于知识产权的与授权的项目。

如果说在IBM马歇尔只是利用知识产权拯救IBM公司脱离水火困局,那么后来在微软马歇尔则利用知识产权所做的变革,让知识产权成为微软的战略核心,并支撑巨轮前行。

而另一个依靠知识产权的运营为企业带来盈利的典型案例,非甲骨文莫属。

甲骨文的法务团队是全公司最强势的部门,有人调侃,它应该是一家大型律所,而不是一家软件科技巨头。

注:图片来源于网络

其法务团队,已经形成一条完整的产业链,有负责起草滴水不漏的授权许可合同/格式合同的律师;有负责探索并调查市场上侵权公司,进行许可授权谈判的律师;有负责诉讼的律师,开启漫长的司法程序,并申请配套的诉讼保全或禁止令等,捆住目标公司的手脚。

这些法务团队出现在董事会、在风控会、在谈判现场、在危机处理等等场景,只要与公司业务相关,他们似乎无处不在。

一家一流公司,不仅需要能创造IP,更需要运营IP。

作为一个软件系统公司,甲骨文前期需要为产品投入巨大的成本,此举本意是为保护自身不受侵害,后来,这种架构融入企业生命,成为一种生产力。

只要他们开发出一款好的数据库产品或组件,即举整个公司之力保护权益,甚至经常通过一场官司就可赢得数亿美金,以至于网上出现不少诸如此类的段子:

黑客:你好,在吗?
受害企业:?
黑客:我在你公司网络里安装了几个oracle数据库,给我2-btc我就告诉具体安装位置,要不我就告到oracle法务部。
受害企业:......大哥,有话好商量

这套机制在保护他们的核心产品的同时,也让其在一段时间内形成市场垄断。

公司业务上无处不在的法务团队,其实是法务成熟的体现。显然,国内仍不够成熟:知识产权保护体系不健全,企业也缺乏相关的意识。

比如知识产权保护到位,是建立在一系列前提之上,大多数企业并没有完备的团队:

是合适利用知识产权保护还是适合商业秘密保护
是否做了全面的或针对性的知识产权布局
是否有团队在监控和维护知识产权

比如实际执法问题多,处罚力度有限。不仅存在认知力度水平不一、地方保护主义等等问题,且目前知识产权界的不少重大侵权案件中的赔偿金额也较为有限。

“真正的惩罚是市场禁入,真正的奖励是国家允许的市场垄断。”某法律从业者对雷锋网表示。

中国的知识产权,大多数仍处于低端的专利代理和诉讼工作,很难去真正认识到知识产权保护这种无形资产对一个企业价值体。

整个知识产权结构的不成熟,让拿来主义盛行。当企业呕心沥血开发的产品一转手成为他人获利的工具,得不到保护的创新,就是市场恶性竞争的开始。

4


不在死局中消耗,就在

“三大激进商业模式”上九死一生

难道没有其他出路吗?

未必,短道被挡,还有长道。在雷锋网看来,AI未来的转机,也许在以下三种路径里。

路径一:重定制集成项目实施→ 数字化咨询 → 咨询业务反哺重定制实施 → 与大型客户建立高粘性和系统不可替代性

眼下,整个To B行业,一边被传统体系与落后的生产方式相互拉扯,一边在纷繁复杂的新兴技术洪流中被左右推搡。

在技术迭代的窗口,要么向上冲锋,跃进下一个时代,要么混同扑面而来的泥沙,跌入时代的谷底。

转型是不是找死不知道,但不转型一定是等死。

身处其中的传统企业们怎能不明白这个道理,但是AI时代,如何提升企业生产与管理效率?如何重构线上与线下的关系?换句话说,往哪里转?怎么转?

这些问题,单靠企业本身,难以全面回答,而咨询机构可以。

德鲁克说过:动荡时代最大的危险不是动荡本身,而是仍然用过去的逻辑做事。

数字化咨询最大的价值不是解决细节的技术问题,而是通过对商业流程的把握,通过整个体系的重塑实现更高的企业运营效率。最终目的,是让企业花费最小的金钱、时间等成本,实现企业数字化转型。

为什么说AI公司,在当前适合开辟数字化咨询业务?

先说说必要性。

首先以往的AI公司完全不需要做咨询业务,因为它们只是给客户提供单点技术服务,如人脸识别、语音交互、机器学习决策等等,远没到战略咨询、IT咨询阶段。

但现阶段的AI企业,随着业务不断下沉,逐渐做重,本质上成了数字化企业。

数字化,用什么技术不重要,重要的是做好顶层设计、组织管理规划、数据沉淀、数据流通、数据决策,最终实现智能化。

这个时候,做咨询,势在必行。

咨询行业本身是高智力的工作,难以产生高规模营收、高利润,但咨询不是目的,盈利也不是。

如今的数字化转型解决方案,不再是单纯的软硬件实施,而是对人、组织、流程、IT的整体改造。

AI企业可以设立“咨询子公司”,自上而下摸清楚各种场景、客户、领导的需求,拉通供应链关系,一来,以自身的方式经营客群关系,并帮助母公司去直接获客,承接项目实施。二来,在更深入了解客户需求后,反哺主公司的整体解决方案。

坦白讲,咨询只是引子,打通客户决策层之际为自己的项目实施业务拉客。更通过这个引子,吃透行业,了解更多客户需求,让解决方案更为健全、通用

好比一家装修实施公司,额外经营了一家家装设计子公司,设计公司先给业主做出设计规划,提供装修的用料、实施商的选型参考,同时推荐自家的实施母公司,来做最终落地。

再说说可能性。

模式轻,市值高。

咨询是轻模式,资金压力小,AI企业入局风险较小。

其实IT数字化领域,走通此模式的咨询企业不在少数。以埃森哲为例,其以IT咨询起家,在咨询领域站稳脚跟后做,逐步扩展到解决方案的实施和部署,目前年营收500亿美元,市值达2000亿美元。

即使不以巨头参照,咨询本身最大的成本是人力,项目人效高,利润与重型解决方案相比,也较为可观。

咨询行业市场大。

未来智库数据显示,2018年全球咨询行业达 2770 亿美元,复合增长 4.3%。在增长方面,亚太地区是行业的最前沿。亚太地区 2018 年的市场规模为 470 亿美元,约占全球管理咨询业的 17%,其中中国市场是增长龙头,年复合增速超过 10%,是全球市场的两倍。

AI企业可根据自身基础,选择不同的模式组合:轻咨询+重实施;重咨询+轻实施;重咨询+没有实施。

其实目前不少AI企业已经在往咨询领域发力,比如金融风控领域的头部企业同盾就孵化了咨询子品牌。

在定制化场景摸爬滚打的海康也暗戳戳地有动作。

2018年12月,海康进行了组织架构调整,成立了全新的三大BG事业部(PBG、EBG、SMBG)。其中,EBG已经成为海康新的动力引擎之一,承担了海康推进企业数字化转型业务重任,海康委以重任的EBG负责人徐习明, 就是IT咨询出身,曾是IBM咨询部门的副总裁。

最鼎盛时期的IBM,是解决方案的集大成者,更是一只“高毛利的通用服务器、中间件产品 + 高定制化实施团队 + IT咨询服务部”三轮驱动的巨型航母。

路径二:重定制集成项目实施 → 进入非标市场的标准市场(自动驾驶、芯片) → 形成标准化产品 → 低成本规模化复制

AI公司为何都在赔?

核心在于:AI未能标准化,项目需求又无穷多,也就有了做得越多亏得越多。

业务特性上,以项目制为主,产品和服务门槛高,生产流程复杂、定制化高;

行业特性上,周期长、反馈慢,不具备高增长性,投资回报率低。

竞争格局上,传统巨头林立,扩展业务边界;互联网大厂跨界,财大气粗广撒网,搭建生态。

说白了,非标市场,容不下AI企业浩瀚的AI梦。

那就去标准化市场?有人说。

标准化市场可以一夜之间把价格做到无穷低,高额运营支出会逼着他们重回定制化市场。

上不得,下不去,还不能不做,毕竟日子还得过?怎么办?

在非标准化市场找到标准化赛道,这才是AI公司的路子。

没找到之前,一定不赚钱,一定亏下去,一定成不了巨头,一定被质疑。

所以不管他们现阶段是否依赖于非标领域获得营收,要在未来立足,必须瞄准更大的赛道,如此,才能支撑他们“昂贵的未来”。

这个“更大的赛道”在哪里呢?

场景上,自动驾驶、芯片都是明显的非标市场中的标准市场。

技术上,软件定义、人机协同一旦成型,可以一招吃遍天下鲜。

这些赛道长线、资本看好(热钱关注)、短期无法盈利,能讲出不一样的故事。

正如《依图医疗「变卖」内幕:出走、截胡与派系整合》中,前依图员工的一句话点破了AI公司对标准化市场壮士断腕般的执着:

安防和医疗都不是依图未来的主业,安防只是规模比医疗大,哪一天无人车或者芯片做起来,安防也能像医疗一样卖掉。现在分管安防的高管Steve,背景是企业级产品研发,想做个类似数据库的产品,什么行业都可以用。因此,对行业领域没有太多的感知或者感情。”

路径三:开源深度学习框架,占位国产化高地。

至今,主流的开源深度学习框架一直由国外科技巨头主导,其中Google的TensorFlow以强大的工业部署能力深受工业界喜爱,Facebook的PyTorch以灵活性横扫学术千军,两者占据了90%的市场份额。

在AI界,两大开源框架的地位等同于IOS和安卓系统,算得上开源框架的双煞。

既然巨头成就在前,框架开源不受限,为什么要重复造轮子,胜算又在哪里?

1. 深度学习框架,一场潜在的制高点之争。

如果把炒菜比作场景,优质的食材(大数据)、高超的方法(算法)、上等的锅(框架),加上恰当的火力(算力),才能炒出一盘好菜。

作为底层语言和算法模型的骨架,深度学习框架省去了开发者从0到1地搭建地基的成本,提高开发效率。

开发人员可以像搭积木一般,根据自身行业的特点和场景需要,选择框架中的模型,进行组装或训练自己的模型,导入数据并得到模型,最终实现部署。

深度学习框架其实将数据、算力、算法三者相连接,向下对接芯片(算力),向上支撑应用。

如果说芯片是算力平台,那么深度学习框架就是编程生产力平台,两者已经成为AI基础设施基座。

成为一家平台型公司,建立以自身为主导的庞大的AI生态,是大多数科技巨头的愿景,在“得开发者得天下”的影响下,开源深度学习框架将是企业跻身“平台型AI”的关键。

开源本身,是将自家的独门绝技分解成一招一式,慷慨对外,既是开诚布公的交流,也是明枪暗箭的较量。

深度学习框架话语权的争夺,暗藏着对未来AI行业标准制定主话人的争夺。

百度CTO、深度学习技术及应用国家工程实验室主任王海峰也曾表示,深度学习框架是“智能时代的操作系统”。

深度学习框架的竞争,已经成为未来人工智能场上竞赛的制高点。

Google有TensorFlow、Facebook有PyTorch,百度有Paddle Paddle、微软有CNTK、亚马逊的AWS则有MXNet。

你看,这一制高点,早已有无数巨头争相竞夺。

2. 技术没有终点,企业没有永胜将军。

当年TensorFlow横贯世界,谁能想到PyTorch愣是冲破铁幕,上演了后来居上的故事呢?

按理说如今TensorFlow和PyTorch牢牢把控市场,然而TensorFlow性能高、部署方式高效,但调试性不足,而PyTorch灵活易上手,但命令式编程运行效率低。

说白了,开发端的需求动态化、多元化,没有哪一个框架能完全满足市场需求。

这意味着,任何一个框架都不会有决定性的胜利。没有永恒的强者,只有永恒的挑战者——新的框架出现具有历史必然性。

华为徐直军曾对此表示:“我们现在还没有看到哪一个框架能够真正做到支撑全场景,而华为 MindSpore 的目标就是成为这样一个框架”。

也因此,不断有挑战霸主地位的冲锋者。比如2016年AWS的MXNet,优化云端分布式部署,利好AWS生态参与者;比如微软的CNTK,简单易配置,操作易上手,打出傻瓜式的招牌。虽未能成功,但后来者势头不减。

开源深度学习框架的代表性崛起出现在2012年-2015年间,历史并不悠久,也许追着追着,就赶上了呢?

3. 局势动荡,国产替代势头大。

中国超九成的开发者使用的AI开源软件包来自美国。

很显然,中国的人工智能严重依赖美国的开源框架,往严重了说,中国人工智能产业,有相当一部分是建立在美国智能框架之上。

在中美关系缓解的前提下,尚且影响不大,但如果这个前提生变呢?

轻则影响工程进度,重则步中国芯片产业被美制裁的后尘。

中兴、华为事件的爆发、美国至今仍在更新的实体清单,无不在提醒着中国企业,作为编程生产力平台的深度学习框架,不是没有成为下一目标的可能。

一旦中国AI企业成为制裁对象,关上了深度学习框架的大门,将是对中国开发人员甚至AI产业的致命一击。

退一步讲,目前在国家数据安全越加敏感的背景下,即使没有中美科技战,数据向国内迁移也将成为趋势。

要知道,AI的训练全部基于开源框架,这意味着海量的真实食材(数据)都将在美国企业的大锅(开源框架)里烹饪,一旦上升到国家,数据安全将成重要隐患。

所以我们看到,百度开源了,华为开源了,阿里开源了,腾讯开源了,旷视开源了,清华也开源了......

从这个角度看,也许2020年国产深度学习框架开源集中爆发不是巧合。

而在这之中有个信号——少见的AI企业的身影。

2020年3月,旷视开源核心深度学习框架旷视天元(MegEngine),成为全球首个将底层框架开源的人工智能企业。

MegEngine开源发布会上,除了有图灵奖得主姚期智、高文院士、怀进鹏院士坐镇,还有前微软人工智能领航人物沈向洋捧场,单从嘉宾阵容,可一窥旷视对其开源框架的重视。

旷视的出现,让这场竞争不再是科技巨头玩得起的游戏。

首先,前文提到目前AI公司的困境在于,AI并非核心技术,重型定制化解决方案容易进入死胡同,轻量的标准化产品模式收费潜力有限,可谈得上“价值”的人才难以量化。

AI企业一直在寻找一个站得住、走得长的“价值”,基于上述分析,开源可以是那个“价值”。

站在旷视的角度,当初商汤以平台型为目标,旷视若无亮眼标签傍身,未来很可能与二线AI企业无异。

一知名投资人向雷锋网透露,他们投资人看企业,更多看的是想象空间,不是看现在能赚多少钱,如果比赚钱,何不去投资集成商?

“当今的AI行业,除了极个别企业外,我们实在看不到任何大的想象空间。旷视的想象空间,我认为是深度学习开源框架,如果能把它做好,这就是他们的最大增量之一。”

再来谈谈现实,开源框架的商业价值。

TensorFlow和PyTorch其实都存在百亿美元的营收潜力,Google和Facebook之所以不以此盈利,是因为开源承载的更多是战略意义,是防止被对手吞噬的防御性措施。

安卓的免费开源,从战略意义上讲,是为了防止被iOS和Window卡脖子。

设想下,如果Google没有自己的安卓阵营,几十个应用全部架设在苹果和微软的操作系统之上,一旦发生巨头之间的卡脖子事件,Google的处境会有多么艰难。

巨头不缺钱,可以不在乎盈利,但AI企业在乎。他们需要钱,且理论上可操作。

方式一,可先提供一个基础版本,针对高级版本收服务费;方式二,开源一段时期后闭源,按需使用收费;方式三,与使用框架的公司合作,开发新产品。

当然,这是一条可行的路,但并不是一条容易的路。

TensorFlow和PyTorch,背靠科技巨头,框架性能强大、工具链成熟、社区生态庞大,它们汇聚了全球的工程师、顶尖的代码和产品,仍然位居开源领域顶峰。

这个赛道里,创业公司极少,侧面意味着高壁垒、周期长、生意慢,需要得到开发者认可,需要巨大的生态支持,才能变成大生意。

而且,这一路径的成立必要前提,是科技制裁加剧、外国主流框架使用受限、中国相关政策支持,且成立后,仅有中国人使用,其生态环境无法与前两者比拟,这是此模式天然的局限性。

5


时代万象,成王败寇

距离那场让各界激动不已的人机大战,已经五年了,也才短短五年。

有人赶不上热点,抓不紧核心,在队伍末端吊坠。

有人挑最重的担子,啃最硬的骨头,无惧下沉。

有人交枪、抢跑、狂奔,全力以赴想抢先初达拐点。

有人羞羞答答,不知该破釜还是坚守,两只手相互拉扯,左右为难。

无论以何种姿态闪亮登场,未能寻得一片安身之地的企业,都将被大浪冲散。商战残酷,无人怜惜蔷薇横卧,唯有在历史的缝隙里,辗转腾挪,活到下一时代。

但市场铁律会摧毁秩序,也会重建规则,催生新的万象。

数字化浪潮正引发新一轮社会进化,所有人将通过商业路径选择,完成一场公平竞跑。

这既是一个AI企业赌命的关键节点,也是AI企业在新时代开篇建制的绝佳时机。最先适应的人,将收到时代馈赠的红利。

AI商业化落地的镜像里,谁能称王,谁是败寇?

新故事已然开始。让我们拿起望远镜,随着时代的曲线开始一场大变革浪潮的奇幻漂流吧。


--

《AI冰与火之歌· 五问》第三篇预告

人都说技术前进无终局,但AI基础研究似乎逐渐进入了停滞期。

中国工程院院士、中科院计算所首席科学家李国杰近日提到,目前我国大学和企业的人工智能实验室大多遇到顶天顶不了、立地又落不下去的困境。

他认为,不少科研项目要么是增量式的技术改进,要么是几十年难以突破的理想型目标。

AI公司商业模式落寞背后,当然也离不开底层研究的支撑。

8月24日(下周二),我们将发布深度报道《锁死AI基础研究的「智子」是什么?》,从技术和人文角度,讲述基础研究难突破的深层原因,并探索未来AI研究的新方向。





: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存