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

1. 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。

2. 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。

3. 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

1. 金融行业，投融资行情健康发展，并没有所谓的资本寒冬

2. Fintech发展趋势，全面化，决策化，多元化，千人千面，智能合规

3. 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。

1. 现状：10个对象，27个类别的交通标识的识别，最快90ms的响应

2. 效率：把float 32降低到int8，是否还能保持准确度

3. 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

4. 低功耗：汽车能源有限，不能一大半都消耗在自动驾驶上

5. 低成本：普通5k，加L4雷达就要50k，32线雷达要200k

6. 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。 

1. 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

2. 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

3. 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

4. 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

1. AI落地最大的挑战是什么？

   1. 凭什么是你做，而不是阿里自己做？跨平台，头部定制化服务

   2. 自动驾驶难度被低估

   3. 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

2. 好的惊喜，坏的惊喜？

   1. 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

   2. *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

   3. 都愿意尝试，但少有付费意愿，特殊国情

3. 行业发展趋势

   1. 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

   2. 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

   3. 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~

4. AI大众应用为什么很少？

   1. 收益难量化，付费难

   2. AI利用人性弱点，让人上瘾，容易陷入舆论危机

   3. 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

5. B端如何收费？

   1. 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

   2. 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：

1. 目前的AI大多为工业企业服务，*扶持是红利

2. 无人驾驶产业很严苛，需要平衡

3. 需要深入到一个行业，才能洞察到最本质的需求

4. 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

产品经理也能动手实践的AI（四）- 多标签识别，图像分割

产品经理也能动手实践的AI（三）- 深入图像识别，在线辨猫

产品经理也能动手实践的AI（二）- 做个识别宠物的AI

产品经理也能动手实践的AI（一）- FastAI介绍

人人都能搞懂的AI（四）- AI对社会的影响

人人都能搞懂的AI（三）- 企业中搭建AI

人人都能搞懂的AI（二）- AI项目

人人都能搞懂的AI（一）

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