本文来自迅雷创始人程浩的分享，对于机器人创业者来说，他认为如果项目想要快速落地，起步一定要从 To B 开始；不能说算法很厉害，有很牛的科学家团队就是一切了，在未来的竞争环境下还差得很远。

朋友们大家好，我是程浩，迅雷创始人，现在专注互联网领域的投资。这一年来我看了很多人工智能及机器人相关的项目，有些观点和大家做一些分享。

目前国内人工智能创业非常火爆，主要是供求关系不平衡，投资方资金多，而国内人工智能领域，有比较好的技术背景的人又比较稀缺。导致创业团队只要技术背景好，不管找没找到刚需痛点，有没有商业模式，资本就蜂拥而至，显然这并不健康。

现在国内的人工智能创业属于明显的技术红利期，估值普遍偏高。但从投资者的长远视角来看，未来随着基础计算平台和开源平台的丰富成熟，技术方面的壁垒会越来越不明显，整个人工智能的技术准入门槛会越降越低。就像 2008 年你想找个 IOS 开发者，很难，现在却很普通一样，所有技术的演进都遵循这一规律。

所以我不建议大家凑这样的技术红利热闹。因为长期来看，人工智能创业和任何其他领域的创业一样，一定是综合实力的比拼，懂不懂行业、有没有找到刚需痛点、产品化和工程化能力怎么样、营销能力怎么样，产品做完了能不能卖出去等等。

涉及到具体的行业，简单讲，我认为人工智能和机器人方向的创业本质上有 mission-critical 和 non-mission-critical 之分。为了方便大家理解，我们姑且称为关键性应用和非关键性应用。

Mission-critical 的应用，就是一丁点儿错都不能犯的人工智能领域。比如自动驾驶，哪怕已经做到了 99.9%，但仍然是千分之一的事故率。想想每天驾车上路的人有多少，这千分之一的故障率会导致多少致命事故。所以自动驾驶，必须要做到 99.%后面有多个 9 才能上路。

还有将人工智能用在医疗行业，像手术机器人做到精度 99.9%，千分之一的出错率同样是极其可怕的后果，医疗事故关乎人命。要是在美国，这千分之一事故导致的巨额赔偿，恐怕就已让企业完蛋了。

总之在关键性应用的领域，必须做到 99.9%小数点后面有多个9，做不到就没法商业化。其背后的核心竞争力是算法和科学家。这类项目往往需要有 top 的科学家来坐镇背书。所以项目通常很贵（因为周期长，需要的钱自然多，同时这类人才又很贵），要投入大量的研发资源来消灭万分之一、十万分之一的出错率。

大家都明白研发的边际效益逐减，做到 90% 很容易，做到 99% 要投入不止 10 倍的资源，因为要消灭各种 corner case，更别说 99.9% 和 99.99% 了，所以这类项目时间周期会很长（类似于 Google 的无人车，从 2009 年到现在已经 7 年了；Mobileye 从 1999 年做汽车辅助驾驶，2007 年才商业化；达芬奇手术机器人项目更是起源于 1980 年代末的一项非营利性研究，直到 2000 年才拿到了美国食品药品管理局 FDA 的首个手术认证）。但一旦做成，这类项目优势就非常明显，因为竞争对手同样也要花这些时间。

这样的项目门槛高，不适合一般的创业者，所以通常比较贵，商业变现的时间周期比较长，资本也需要更多的耐心。

还好，实际上大多数 AI/机器人的创业属于第二类，也就是非关键性应用（none-mission-critical）。这类项目不追求 99% 后面的很多个9，而且很多都有更简单实用的解决方案，或者有人机混合的方案。总之就是不追求高大上，简单、实用、性价比高更重要，这样的项目通常能够更快落地。

不追求很多个9。例如基于人脸扫描的门禁或者迎宾机器人系统，99% 和 98% 没有本质的区别，实在不行不还有前台么。

更简单实用的解决方案。例如封闭路段（例如工业园区、机场码头）的自动驾驶，激光雷达又贵又复杂，我直接用磁条导航，而且算法上追求简单，让速不让路，只要前面有人，车就停下来。因为是封闭路段，所以场景被极大简化了。

人机混合模式。面向企业的人工智能/机器人很多都能够通过人机混合模式降低技术难度，可以更快的面向市场提供服务。拿外卖机器人举个例子，你的算法好，你的送达成功率 99%，我是 98%。100 次里面不成功的那两次，我可以用人通过后台去操控机器人，慢慢提高这个比例就好了。即使这样，我还是能极大的降低人力，还是有很大的价值。

实际上，国内人工智能和机器人方向的创业，大部分领域都是非关键性应用。在这些领域，算法当然也重要，你送外卖不能总送不到，但偶尔的问题可以容忍（关键性应用则不能容忍）。除此以外，能落地就变得非常重要了。如何落地？那就要比拼综合实力了。包括：

对行业的理解，要深刻洞悉行业痛点在哪儿；

产品化和工程化，有没有好的产品和工程师团队？光在实验室里搞没用！

做出来的产品还得便宜！

批量生产的话，你的供应链能力怎么样？

产品出来了，你得把东西卖出去！所以你的营销/销售能力怎么样？

所以，这样的人工智能项目并不需要技术大牛，反而是创业者最深悉这个行业，知道什么方案能解决行业痛点，甚至有上下游的能力去推广销售掉解决方案或产品。

人工智能也好，机器人也好，大家大多讲的是人工智能+。像人脸识别、语音识别这些基础服务，已经有人做了，领域并不大。更多的机会还是在于人工智能对各行各业的改造，去研发专门的机器人替代人工，当然是行业重度参与者最能发现机会和痛点。

比如机房巡检机器人、电力网巡线机器人、果园作业机器人人工智能几乎会深度影响我们的各行各业。对于这样的项目，能够成功的核心，一定是提升了效率，降低了人工成本。正如白宫最近发表的《人工智能、自动化及经济》报告也指出，未来 10 年至 20 年间，时薪低的工种受到人工智能技术的冲击最大。有美国科学家甚至预言，时薪低于 20 美元的工作有 83% 的可能性会被人工智能取代。

其实我们可以就此得出一个信息，那就是短期内，机器人创业的机会主要还是在B端。

为什么这么说呢？因为现在技术和行业都不成熟，只有利益驱动，节省了人工成本，才会让企业率先接受机器人。

首先我们来看价格，拿机器人举例，整个供应链体系没那么成熟，市场需求还未验证，每一个生产出来的机器人成本都不低。To B 端，也就是企业对成本承受能力显然比 To C 强很多。特别考虑中国人力成本继续往上飙升。只要企业考虑机器人会大幅提升效率、比人工成本合适，他们就有行动起来的动力。

直白说B端买机器人的目的是为了省钱，是以替代人力为目的，但C端确是在额外花钱，所以需求有明显的差别。To B 都是单任务的，机器人只要做好一件事就行了。而 To C 消费端，恨不得什么都能干，又能唱歌、又能跳舞、又能聊天、又能清洁。但现在根本不现实，技术成熟度还不够。

还有 To B 端的机器人应用更容易一些，因为很多都是以"人机混合"模式在作业。也就是以前需要 5 个人干活，现在可能 1 个机器人加 2 个人工。也就是机器人替代了 3 个人工，能把一些常规任务给干了，但在一些特别复杂的工艺流程位置，还得仰仗工人来做。这是一种易推行的混搭模式。但 To C 机器人可没有"人机混合"模式可言。

最后对国内机器人领域的创业者想说：

I. 如果项目想要快速落地，起步一定要从 To B 开始，To C 仍是很长远的事情，发展没那么快；

II. 大多数机器人都是非关键性（non-mission-critical）应用。不能说算法很厉害，有很牛的科学家团队就是一切了，在未来的竞争环境下还差得很远。项目一定要接地气，一定不能阳春白雪。要把供应链做好，把产品低成本做出来，还要能推广出去。

这是场综合实力的比拼。

文章首发于公众号浩哥说，欲了解更多对机器人、技术创业的精彩见解，请关注浩哥说(ID: haogetalks）。

济宁IT新闻