AI+场景化,该如何落地?干货满满!
正文共: 2570字 15图
预计阅读时间: 7分钟
热气腾腾的干货来了~以下不单纯是演讲笔记,更多是我个人关注的重点,以及结合我多年的互联网行业的经历,分析出来的观点,所以请理性阅读。
3h分享,4位嘉宾,1位线性资本的投资人,和他投的3家公司的CEO;
线性资本-郑灿 执行董事:AI落地的3个标准
阿法金融-任凯 CEO:金融行业的自动化和智能化
宏景智驾-刘飞龙 博士 CEO:理想与现实的差距-人工智能在自动驾驶应用落地之路
特赞-范凌 CEO:企业级创意资源的数字基础设施
先大致总结下,今天主要讨论AI落地,实则讨论:需求的把控,执行的标准,最后变现的方式
需求:千人千面(协同过滤),拓展人类看图能力(计算机视觉),替代批量重复性劳动
执行:如何在准确度和性能之间平衡?
-
变现:如何撬动大企业预算?
01
选大容量市场:先说反面例子,市场20万家基金公司,每家公司花5k买我们的软件,这就是一个2个亿的市场,但实际上有这个需求的也就1000家基金公司,所以就是5千万的市场。但很多传统行业就了不得,通过AI节约10%的产能,意味着4千亿的市场。
洞察真实需求:x光片通过AI能诊断肺结核,但医生看x光片还会同时看看还有没有其他问题,如果AI只能识别一种病,就没有很好的满足需求,这时候多合一的AI才是解决方案。
难点和能力的匹配:*项目重BD,AI公司想要很好的生存,就必须重视这些非技术的能力;19年中国有6家入选全球AI 100强,其中3家都是主做*生意的。
02
讲的非常实在,但创新的内容不多,也没有太多的行业案例和数据
金融行业,投融资行情健康发展,并没有所谓的资本寒冬
Fintech发展趋势,全面化,决策化,多元化,千人千面,智能合规
Data Lake,在互联网行业叫DMP更多(Data Management Platform),其实就是个数据池,把用户相关的数据都汇总到一起,然后根据行为数据去提供销售意见
03
对于自动驾驶的门外汉,是一个非常好的入门介绍,因为看完后你会觉得这是个很严苛的行业,毕竟人命关天。
现状:10个对象,27个类别的交通标识的识别,最快90ms的响应
效率:把float 32降低到int8,是否还能保持准确度
可靠性:冗余法和正交性,就是有后备方案来确保万无一失,还有严格的开发标准
低功耗:汽车能源有限,不能一大半都消耗在自动驾驶上
低成本:普通5k,加L4雷达就要50k,32线雷达要200k
L3到L4级别的自动驾驶,可以做到停车场自动停车,低速自动驾驶;L4到L5级别的,可以做到RoboTaxi方向。
04
大学老师经商,转型很成功,一开始讲的挺抽象的,讲述企业发展路径,如何选择方向,之后的商业案例让人眼前一亮。
企业方向选择:数字化营销行业,媒介领域已经非常成熟,再优化就是95到99的优化,利润太薄,所以专注创意(广告行业词汇),通过ROI衡量效果,要比单纯的优化媒介更有说服力
供给侧数字化改革:快速并发,个性化,指数级,跨平台体验;创意供给平台→数据资源管理→创意人工智能→创意的跨平台连接
案例1:清扬海报,resizing,上传一张海报,自动生成各种布局,节省了无数美工的重复性工作
-
案例2:赋能小商家,大牌设计师设计的素材,街边小摊10元就能享受专属定制的海报;杠杆效应
05
Panel 圆桌会议
-
AI落地最大的挑战是什么?
凭什么是你做,而不是阿里自己做?跨平台,头部定制化服务
自动驾驶难度被低估
你这东西准吗?只是提供选择意见,不存在准不准,而是一种高效率的差异化服务,深度的数据挖掘
-
好的惊喜,坏的惊喜?
AI训练一个核心门槛在标记数据,碧桂园能提供比BAT更多的标记数据,因为有转型热情
*对AI项目有超乎寻常的热情,因为响应国家号召,这就是政绩
都愿意尝试,但少有付费意愿,特殊国情
-
行业发展趋势
上半场,消费/attention(KPI:日活);下半场,生产力(KPI:ROI);Gan的出现,让AI具备了创造力,典型案例:Deepfake,老照片修复
缺少懂行业又懂AI的人,产业机会很多,比如:给Prada供皮革的公司,难以避免皮革上的误点,会造成巨大损失。但我搜了下已经有家苏州公司(SUALAB)在做了:http://www.sualabchina.com/3_2_c.php
跨界时代,高PS(市销率 Price-to-Sales Ratio=总市值/营收)并购低PS,所以无人驾驶公司并购传统汽车公司,Uber市值700亿,通用市值540亿,可以期待一下~
-
AI大众应用为什么很少?
收益难量化,付费难
AI利用人性弱点,让人上瘾,容易陷入舆论危机
为刚需买单,民用车的自动驾驶,就没有干线物流卡车的需求强烈,因为一般2个人,省一个人用AI辅助,每年可节省上百万的费用
-
B端如何收费?
创业型公司没大咨询公司收钱,比如博世,因为形象好,专业性强,售后周到,但创业公司可以从先进性上突破,做最前沿的技术,大公司想要部署动作会很慢
-
挖预算支出的痛点,从创新部门切入,好拿钱,他们缺少花钱的理由,第一年名头可以是服务预算,第二年效果好就有理由转成IT系统费用了,大公司就是这样的运作机制,也是需要慢慢教育的
06
总结下,看完这些是否对AI落地有了清晰的认识呢?我觉得还是挺散乱的,毕竟只是几个小时的分享,但是里面有很多线索,可以围绕着需求、执行、变现,去了解更细分的方法。
这次活动还验证了我的几个想法:
目前的AI大多为工业企业服务,*扶持是红利
无人驾驶产业很严苛,需要平衡
需要深入到一个行业,才能洞察到最本质的需求
向企业收费需要技巧,像做需求分析一样
以上是这次线下活动的全部思考,想了解AI行业现状,以及AI内部代码的运作机制,可以看我的系列文章。
相关阅读
产品经理也能动手实践的AI(五)- IMDB电影评论语义识别,协同过滤
如果你喜欢思考,别忘记关注+置顶公众号哦!
我是Hawk,8年产品经理,目前专注AI机器学习。
好看的人都点了在看