1.5　战略规划：企业如何入局人工智能

人工智能运用算法构建了动态计算环境，已经成为经济发展的新引擎。在此背景下，企业应抓住人工智能带来的发展机遇，把握好准备、决策、成长、稳定这四个阶段，获取自身发展的强大动能。

1.5.1　准备阶段：低风险开启创业之路

创业者若想低风险开启创业之路，就需要具备敏锐的洞察力，在遵守人工智能行业发展规律的基础上找到发展的突破口，并借鉴成功企业的经验，实现成功起步。无论是哪个领域的创业者，都需要顺应时代的发展，能否找准时代风口、做好充分准备，是能否创业成功的关键。

身处人工智能时代，有四大创业前提值得创业者关注，如图1-7所示。

1．人工智能领域的高精尖人才

当前，人工智能相关产业的发展有许多关键性技术需要突破，这就意味着对高精尖人才仍然存在较高的依赖性。特别是对于处于起步阶段的人工智能创业企业来说，高水平的人工智能科学家是它们急需的核心人才。

初创企业需要重视高精尖人才在团队中发挥的作用，只有高精尖人才才能够深入探索技术发展的路径，突破技术发展的壁垒。可以说，高精尖人才是企业能否在行业中突围的关键。初创企业可以通过高薪聘请、股权激励等措施吸引并留住高精尖人才，开拓出自身的创业之路。

2．高质量的数据资源

数据是人工智能领域发展的重要资源，高质量的数据资源是优化人工智能算法、模型等的基础。高质量主要是指数据除了要真实、有效、可靠，还要形成闭环、能够自动标注。

例如，互联网平台中的广告系统能够根据用户点击情况以及后续操作情况自动收集相关数据，为人工智能系统进一步学习与优化奠定基础。从应用运行过程中收集一手数据，再用数据训练AI模型，使应用的性能得到提升，这种闭环式的发展模式十分高效。

百度、谷歌等行业巨头的搜索引擎业务内部就能够形成一个较为完整的闭环系统，能够自动完成收集数据、标注数据、模型训练与反馈全流程。这使其拥有强大的人工智能发展潜力。

3．超强计算能力

深度学习的模型训练对计算机的算力有着极高的要求。如今，一个深度学习的典型任务往往需要在一台或多台装有4块到8块高性能GPU芯片的计算机上运行。而涉及视频、图像等较为复杂的深度学习任务，甚至需要在上百块、上千块GPU芯片组成的计算集群上才能运行。因此，为了在人工智能领域获得更好的发展，初创企业需要在计算能力上做好充分准备。

4．明确的领域界限

人工智能领域的创业技术含量较高，明确的领域界限是高效、成功创业的关键。初创企业需要明确自身瞄准的领域，并明确自身想要推出的产品需要什么技术。

例如，设计一款扫地机器人，初创企业可以引入视觉传感器技术，以规划清洁路线、提升清洁效率。若不能明确领域界限，一味地追求在产品中引入先进技术，而不考虑技术是否适配、是否实用，产品就有可能脱离现实，难以投入使用。

总之，想要在人工智能领域成功创业，创业者需要在各个方面都做好充足的准备，最大限度地降低创业风险。

1.5.2　决策阶段：选好核心发展要素

初创企业做好充分准备之后，便进入创业的决策阶段。在这个阶段，企业需要选定自身发展的核心要素，并且一定要坚定自身发展道路，不可中途易辙，否则很难取得成功。

1．关键性应用vs非关键性应用

在人工智能创新方面，有关键性应用与非关键性应用之分。关键性应用指的是对技术要求非常高、容错率极低的产品。例如，在自动驾驶领域，安全性达到99%的自动驾驶汽车是不能上路的，必须追求小数点后无限个9，使得发生事故的概率无限趋近于0，这样才能放心地将其投入实践。

与此同理的还有医疗领域，手术机器人的可靠度为98.9%，就意味着1000次手术将会出现1次医疗事故，而医疗行业必须将可能出现事故的概率降低到无限接近于0。

因此，关键性应用就是那些在实际应用场景中几乎没有容错率的人工智能产品。通常来说，关键性应用的研发都需要有科技水平极高的行业专家坐镇，且研发周期较长，前期资金投入较大。

与之相对，非关键性应用指的是在实际应用中容错率相对较高、简单实用且性价比更高的产品。例如，现在许多门禁系统有人脸识别这一功能，通常也配有指纹识别功能，因为人脸识别并不是每一次都能及时响应。人脸识别就是一种非关键性应用。

对于一些规模较小的初创企业来说，入局非关键性应用显然是更为明智之举。这样的项目更好切入，与人们日常生活的联系较为密切，市场更广阔。

2．技术提供商vs全栈服务商

许多人工智能创业团队都有较为深厚的技术背景，在创业初期选择成为技术提供商。那么技术提供商这条路很好走吗？答案是否定的。

通用型技术是巨头企业业务布局的重点，随着技术的发展与成熟，巨头企业极有可能面向大众免费提供人工智能的基础性功能。而且，不同企业之间的技术壁垒也会逐渐消弭，整个人工智能行业的技术准入门槛将不断降低。因此，成为技术提供商不是想要长期发展的初创企业的最佳选择。

对于初创企业来说，健康的商业模式是成为数据、技术、产品、商业四位一体的全栈服务商。这不仅有利于初创企业在创业初期避开与巨头企业正面竞争，还为初创企业后期的存续与发展提供了保障。

3． To C vs To B

To C与To B的区别是：To C面向个人消费者，To B面向企业。当前，人工智能领域的To C市场还未发展成熟。

由于To C领域的很多企业尚未形成完善的产业链，因此产品的生产成本以及新产品的研发成本居高不下。这导致To C市场上的人工智能产品种类有限，大部分是扫地机器人、无人机、智能助手等同质化程度较高的产品。

在To B领域，企业客户往往以降本增效为主要目标引入人工智能技术，它们的资金支付能力强，对高成本、高售价的智能机器人的接受程度更高。企业客户应用人工智能的场景更为丰富，人工智能产品在To C端可能是锦上添花，但在To B端便是雪中送炭。

但这不意味着初创企业要将全部资金投入To B端产品研发，To C与To B各有利弊。虽然个人消费者支付能力较弱，但是市场更为广阔，产品研发前期投入成本较低。而To B端的企业客户虽然支付能力更强，但是产品更新换代速度慢，客户资源也较难积累。

初创企业要结合自身具体情况，根据对自身优势与劣势的分析选择适合自身的发展赛道，不断积累发展经验，提升自身的综合实力。

1.5.3　成长阶段：抓住人工智能红利

随着人工智能技术给社会生活以及商业带来的变革不断加深，所有行业都将发生颠覆，不能顺应时代发展趋势的企业必将被淘汰。那么，在发展浪潮中，企业应如何抓住人工智能红利、成功转型呢？

首先，要重视数据资产。在人工智能时代，数据已经成为企业的核心资产。谷歌、脸书等巨头企业的市场价值高达数千亿美元，这不仅是因为它们具有市场垄断地位与独具特色的商业模式，还因为它们拥有的亿万名用户及其产生的海量数据蕴藏着巨大价值。

以谷歌为例，它能够通过提供邮件、搜索等应用范围广阔的网络服务，迅速扩大用户群体，获取大量的用户数据。加上谷歌浏览器自动抓取的网页数据，谷歌积累了大量数据资产。

利用这些数据，谷歌涉足了媒体、终端、IT解决方案、基础电信等业务，而广告营销业务能够为谷歌提供源源不断的现金流。这表明数据资产能给企业带来巨大经济效益。

其次，需要有核心战略的支撑。人工智能领域的竞争最终会落脚到数据的竞争，企业拥有丰富的数据资源后，还需要有一个高质量的数据战略。数据战略的关键就在于数据治理。

数据治理总共有四个层次：一是重视数据治理并将其提升到业务战略的高度；二是建立符合企业自身情况的数据战略与数据安全原则；三是构建具体的数据治理框架与治理方法；四是从技术角度与组织管理方面保障数据治理的落实。

业务需求与外部市场环境不断变化，企业要积极调整数据战略的具体实施方案，保障自身数据安全。

对于企业来说，人工智能行业的“大踏步”发展，既是机遇，也是挑战。企业要及时抓住人工智能的红利，赶上这趟技术进步带动经济发展的“高速列车”。

1.5.4　稳定阶段：人工智能落地“四步走”

经过准备、决策、成长阶段的发展，企业最终的目标是推动人工智能产品落地，将技术与产品转化为利润。人工智能落地的四个步骤分别是：明确行动路线图、小范围内验证商业模式、进行规模化部署以及复盘与升级。坚持“四步走”战略，能够使初创企业的人工智能产业发展得更加顺利。

1．第一步：明确行动路线图

每个初创企业在发展人工智能业务时，都应该设立具有独特性、差异化的发展目标。这样，在人工智能技术落地过程中，企业才能够明晰自身技术水平能够带来的效益，同时能够明晰人工智能能够实现什么、不能实现什么，始终明确自身的发展路线。

一般来说，初创企业的行动路线图分为三种，即短期路线、中期路线、长期路线。不同的路线图侧重的业务重点各不相同，能够为企业有条不紊地推进产品开发与后期销售提供保障。

2．第二步：在小范围内验证商业模式

每个企业都有自身的独特性，成功企业的创业经验值得初创企业参考，但绝对不能照搬照抄。没有哪个企业能够通过完全复制他人的成功经验而获得长久的成功。

人工智能领域竞争的关键在于，企业能否通过特有的数据与算法，以更高效率解决特定场景中的特殊问题。对于企业来说，能否找到与自身特有数据与算法相匹配的场景与问题，以及能否根据不同的应用场景与问题挖掘更多数据、改进自身的算法，是其产品能否成功商业化落地的重要影响因素。

这就需要企业坚持尝试，在小范围内反复验证，通过探索不断提高自身技术水平，寻找最适配自身发展情况的商业模式。

3．第三步：进行规模化部署

在小范围内反复验证后，企业的人工智能产品就进入大规模落地环节，即将产品大规模推向市场的环节。在这一环节，企业要做好规模化部署工作，提前进行充分的市场调研，在技术、客户、平台、数据等方面打好基础，为产品的落地做好充分准备。

在规模化部署阶段，产品与市场产生连接，智能技术实现大范围的落地应用，市场中的影响因素更加复杂多样，给企业的产品与技术带来更大的考验。因此，企业要始终保持高度敏感与敏捷，提升自己的市场应变能力，紧跟技术发展潮流，掌握最新智能技术，以便根据市场的变化及时对自身产品与销售模式等做出调整。

4．第四步：复盘与升级

人工智能落地的第四步，便是复盘与升级。即使落地前产品与技术往往经过反复验证，但现实的应用场景复杂多样，产品落地后，在实际应用中难以避免出现一些问题。而解决这些问题的经验，会成为企业宝贵的财富。

在发展过程中，企业应安排特定的部门或工作人员，时刻监督市场反馈情况，收集相关数据与信息，并及时与技术研发、产品设计等部门进行对接，使其能够根据消费者的真实反馈改进产品与技术，不断进步。

在复盘的同时大规模推广人工智能产品，可以满足、发现更多消费者需求，从而进一步升级产品与服务，优化消费者体验。