迅雷創始人程浩談國內機器人創業：算法并不決定一切

本文來自迅雷創始人程浩的分享，對于機器人創業者來說，他認為—— 如果項目想要快速落地，起步一定要從 To B 開始；不能說算法很厲害，有很牛的科學家團隊就是一切了，在未來的競爭環境下還差得很遠。

朋友們大家好，我是程浩，迅雷創始人，現在專注互聯網領域的投資。這一年來我看了很多人工智能及機器人相關的項目，有些觀點和大家做一些分享。 

目前國內人工智能創業非常火爆，主要是供求關系不平衡，投資方資金多，而國內人工智能領域，有比較好的技術背景的人又比較稀缺。導致創業團隊只要技術背景好，不管找沒找到剛需痛點，有沒有商業模式，資本就蜂擁而至，顯然這并不健康。

現在國內的人工智能創業屬于明顯的技術紅利期，估值普遍偏高。但從投資者的長遠視角來看，未來隨著基礎計算平臺和開源平臺的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。就像 2008 年你想找個 IOS 開發者，很難，現在卻很普通一樣，所有技術的演進都遵循這一規律。

所以我不建議大家湊這樣的技術紅利熱鬧。因為長期來看，人工智能創業和任何其他領域的創業一樣，一定是綜合實力的比拼，懂不懂行業、有沒有找到剛需痛點、產品化和工程化能力怎么樣、營銷能力怎么樣，產品做完了能不能賣出去等等。

涉及到具體的行業，簡單講，我認為人工智能和機器人方向的創業本質上有 mission-critical 和 non-mission-critical 之分。為了方便大家理解，我們姑且稱為“關鍵性應用”和“非關鍵性應用”。

Mission-critical 的應用，就是一丁點兒錯都不能犯的人工智能領域。比如自動駕駛，哪怕已經做到了 99.9%，但仍然是千分之一的事故率。想想每天駕車上路的人有多少，這千分之一的故障率會導致多少致命事故。所以自動駕駛，必須要做到 99.…%后面有多個 9 才能上路。

還有將人工智能用在醫療行業，像手術機器人做到精度 99.9%，千分之一的出錯率同樣是極其可怕的后果，醫療事故關乎人命。要是在美國，這千分之一事故導致的巨額賠償，恐怕就已讓企業完蛋了。

總之在“關鍵性應用”的領域，必須做到 99.9…%小數點后面有多個9，做不到就沒法商業化。其背后的核心競爭力是算法和科學家。這類項目往往需要有 top 的科學家來坐鎮背書。所以項目通常很貴（因為周期長，需要的錢自然多，同時這類人才又很貴），要投入大量的研發資源來消滅萬分之一、十萬分之一的出錯率。

大家都明白研發的邊際效益逐減，做到 90% 很容易，做到 99% 要投入不止 10 倍的資源，因為要消滅各種 corner case，更別說 99.9% 和 99.99% 了，所以這類項目時間周期會很長（類似于 Google 的無人車，從 2009 年到現在已經 7 年了；Mobileye 從 1999 年做汽車輔助駕駛，2007 年才商業化；達芬奇手術機器人項目更是起源于 1980 年代末的一項非營利性研究，直到 2000 年才拿到了美國食品藥品管理局 FDA 的首個手術認證）。但一旦做成，這類項目優勢就非常明顯，因為競爭對手同樣也要花這些時間。

這樣的項目門檻高，不適合一般的創業者，所以通常比較貴，商業變現的時間周期比較長，資本也需要更多的耐心。

還好，實際上大多數 AI/機器人的創業屬于第二類，也就是“非關鍵性應用（none-mission-critical）”。這類項目不追求 99% 后面的很多個9，而且很多都有更簡單實用的解決方案，或者有“人機混合”的方案。總之就是不追求高大上，簡單、實用、性價比高更重要，這樣的項目通常能夠更快落地。

不追求很多個9。例如基于人臉掃描的門禁或者迎賓機器人系統，99% 和 98% 沒有本質的區別，實在不行不還有前臺么。

更簡單實用的解決方案。例如封閉路段（例如工業園區、機場碼頭）的自動駕駛，激光雷達又貴又復雜，我直接用磁條導航，而且算法上追求簡單，“讓速不讓路”，只要前面有人，車就停下來。因為是封閉路段，所以場景被極大簡化了。

“人機混合”模式。面向企業的人工智能/機器人很多都能夠通過“人機混合模式”降低技術難度，可以更快的面向市場提供服務。拿外賣機器人舉個例子，你的算法好，你的送達成功率 99%，我是 98%。100 次里面不成功的那兩次，我可以用人通過后臺去操控機器人，慢慢提高這個比例就好了。即使這樣，我還是能極大的降低人力，還是有很大的價值。

實際上，國內人工智能和機器人方向的創業，大部分領域都是“非關鍵性應用”。在這些領域，算法當然也重要，你送外賣不能總送不到，但偶爾的問題可以容忍（“關鍵性”應用則不能容忍）。除此以外，“能落地”就變得非常重要了。如何落地？那就要比拼綜合實力了。包括：

1. 對行業的理解，要深刻洞悉行業痛點在哪兒；

2. 產品化和工程化，有沒有好的產品和工程師團隊？光在實驗室里搞沒用！

3. 做出來的產品還得便宜！

4. 批量生產的話，你的供應鏈能力怎么樣？

5. 產品出來了，你得把東西賣出去！所以你的營銷/銷售能力怎么樣？

所以，這樣的人工智能項目并不需要技術大牛，反而是創業者最深悉這個行業，知道什么方案能解決行業痛點，甚至有上下游的能力去推廣銷售掉解決方案或產品。

人工智能也好，機器人也好，大家大多講的是人工智能+。像人臉識別、語音識別這些基礎服務，已經有人做了，領域并不大。更多的機會還是在于人工智能對各行各業的改造，去研發專門的機器人替代人工，當然是行業重度參與者最能發現機會和痛點。

比如機房巡檢機器人、電力網巡線機器人、果園作業機器人……人工智能幾乎會深度影響我們的各行各業。對于這樣的項目，能夠成功的核心，一定是提升了效率，降低了人工成本。正如白宮最近發表的《人工智能、自動化及經濟》報告也指出，未來 10 年至 20 年間，時薪低的工種受到人工智能技術的沖擊最大。有美國科學家甚至預言，時薪低于 20 美元的工作有 83% 的可能性會被人工智能取代。

其實我們可以就此得出一個信息，那就是短期內，機器人創業的機會主要還是在B端。

為什么這么說呢？因為現在技術和行業都不成熟，只有利益驅動，節省了人工成本，才會讓企業率先接受機器人。

首先我們來看價格，拿機器人舉例，整個供應鏈體系沒那么成熟，市場需求還未驗證，每一個生產出來的機器人成本都不低。To B 端，也就是企業對成本承受能力顯然比 To C 強很多。特別考慮中國人力成本繼續往上飆升。只要企業考慮機器人會大幅提升效率、比人工成本合適，他們就有行動起來的動力。

直白說B端買機器人的目的是為了省錢，是以替代人力為目的，但C端確是在額外花錢，所以需求有明顯的差別。To B 都是單任務的，機器人只要做好一件事就行了。而 To C 消費端，恨不得什么都能干，又能唱歌、又能跳舞、又能聊天、又能清潔。但現在根本不現實，技術成熟度還不夠。

還有 To B 端的機器人應用更容易一些，因為很多都是以"人機混合"模式在作業。也就是以前需要 5 個人干活，現在可能 1 個機器人加 2 個人工。也就是機器人替代了 3 個人工，能把一些常規任務給干了，但在一些特別復雜的工藝流程位置，還得仰仗工人來做。這是一種易推行的混搭模式。但 To C 機器人可沒有"人機混合"模式可言。

最后對國內機器人領域的創業者想說：

I. 如果項目想要快速落地，起步一定要從 To B 開始，To C 仍是很長遠的事情，發展沒那么快；

II. 大多數機器人都是“非關鍵性（non-mission-critical）”應用。不能說算法很厲害，有很牛的科學家團隊就是一切了，在未來的競爭環境下還差得很遠。項目一定要接地氣，一定不能陽春白雪。要把供應鏈做好，把產品低成本做出來，還要能推廣出去。

這是場綜合實力的比拼。

 

來自: 雷鋒網