***刚刚发布了《新一代人工智能发展方案》，鼓励高校、科研院所与企业等机构互助开展人工智能学科培植，在此背景下，中国科学院大学率先成立了人工智能学院，按此发展，人工智能成为一级学科也将是大概率事宜。

苹果也刚刚召开了发布会，全面屏的iPhone X采取了Face ID技能，这让CV领域的创业者愉快不已。
但是，此人脸识别非彼人脸识别，苹果的Face ID并没有采取普通摄像头的办法，而是采取红外主动识别的技能，这样就可以做到三维立体识别，增强了安全系数。
只管这项技能仍旧存在易受光芒滋扰的缺陷，但苹果却总能引发迹当界的技能变革。

这些都是非常令人愉快的，但是也有些负面***，比如斯坦福大学几个研究职员发了篇论文，通过深度学习判断一张照片上人物是否有同性恋方向，乃至这些研究职员还希望通过照片段定人的智商和政治方向。
公正来说，这便是把人工智能奉为圭皋的表现，这和我们古代的看面相算命又有什么差别？何况深度学习也根本做不到这一点。

其余，还有几则或许已经忘怀的：2017年初，微软收购了紧张从事NLP的人工智能创业公司Maluuba；3月，Google收购了Kaggle；5月，从移动运用搜索转型人工智能助手的Quixey正式关闭，其余，苹果以2亿美元收购了Lattice；6月，新思科技（Synaptics）宣告收购 Conexant Systems （科胜讯系统公司）和 Marvell Technology Group 的多媒体业务，共支付 3.95 亿美元现金和 726,666 只 Conexant 的普通股；7月，Google收购了印度人工智能公司Halli Labs，百度收购了硅谷初创公司KITT.AI。

AI创业彷佛一片热闹，但是若深入思考，这却是一个非常恐怖的征象，由于AI创业公司但凡有点成绩，基本都已被巨子收入囊中。
被收购或者倒闭，彷佛成了AI创业公司无法逃脱的宿命。
那么坚持独立发展的道路又能若何？这可以从语音识别领域的国内外两大巨子的处境来剖析。
首先我们来看海内的语音识别龙头科大讯飞(002230,诊股)，最近也与长江商学院薛教授相互责怪，稳定的盈利可能是科大讯飞当前最大的尴尬。
其次再看国外语音识别的老牌企业Nuance，下图是这家公司的环球网页，险些令人疑惑这家公司还在做语音识别吗？转型的压力一度让Nuance陷入困境，其股价始终低位徘徊。

2017年，彷佛也是成本市场比较蛰伏的一年，虽然关注很热闹，但是真正落地投资的案例却不是很多，这显然不如2016年的热闹。
很多VC企业也开始思考，当第一波技能公司得到投资往后，这些企业如何才能落地？成本这个市场便是很奇怪，当投资人很镇静思考的时候，解释这个市场确实涌现了一些隐忧。

AI创业能不能有第四条路现实便是这么骨感，倒闭、被收购、独立发展，彷佛各有痛处，这个时候中间路线便是最佳的选择，以是很多有名的人工智能创业公司选择了***公司，包括鼎鼎大名的Deepmind。
即便坚持独立发展的公司，比如Nuance，实在也是在难以***环境下的唯一选择。

那么，有没有第四条路可走？

算法和数据不是关键问题

有一点要非常清晰，第四条路的关键该当不是当古人工智能企业的核心代价：算法和数据。

承认这点比较痛楚，由于科技型创业公司常常会有一个误区，即仅以技能论价值，当然还有很多公司也强调数据，但是这也不是绝对的门槛。
技能永久在迭代更新，当技能不能呈现颠覆性的时候，技能的核心代价就会折扣。
当然绝不是否认技能的代价，这里只是从企业某个阶段的发展方面磋商。
事实上，技能才是唯一可以冲破现有商业平衡的绝对力量。

那么再看数据，大数据实在是蛮纠结的一个领域，更多的数据意味着更大的投入，但是只有相对量的数据才能产生代价，那就意味着可能更大的摧残浪费蹂躏。
有代价的数据对付企业来说绝对是极其有帮助的，对技能提升来说也是至关主要，但是这就意味着关键吗？彷佛困境中的一些巨子企业也不缺少数据，这个问题也很难阐明。

变现才是商业核心的逻辑

那第四条路的核心又是什么？不如先回归下商业的实质，GE的总裁杰克？韦尔奇还曾经写过一本《商业的实质》，关于这个问题可以聊很多，不如普通的大略化理解：赢利。
谈到赢利就有必要先剖析下历史和当前企业的紧张赢利模式。

第一种模式可以归结为产品，也便是卖货模式，这是最原始和直接的商业模式，通过公司劳动创造的产品直接发卖给客户变现。
这个中又可以划分为B端和C端两种产品模式，B端产品一样平常面向行业，比较依赖于关系营销，C端产品一样平常面向大众消费，比较依赖于渠道营销，包括线上和线下。
这类模式的核心便是产品要有量能，其弊端便是随意马虎积压，曾经很多管理学课程都是研究库请安题。
事实上，大部分公司都是这种模式，包括一些巨子比如Intel、苹果、华为、遐想和小米等等，遐想比较范例，其核心收入便是发卖PC及干系产品。

第二种模式便是授权模式，这种模式并不供应实体（光盘可以不算），而仅因此复制数量作为计费依据。
最具范例的便是微软这类软件企业，通过发卖Windows和Office赚牟利润。
这类模式的优点便是随着用户规模的扩大，其研发或者产品本钱可以摊薄，这对企业的利润贡献极大，比如微软的业务额实在并不显著，但是其影响力非同凡响，也造就了比尔盖茨的首富地位。
但是这种模式的缺陷也很明显，若不能形成垄断地位，事实上这种模式很难赢利，由于这种模式的回款麻烦很大。
比如杜比，这也是一家范例的授权公司，但是其核心并不是技能，而是好莱坞长期绑定的品牌，即便如此，杜比也要依赖于芯片公司的绑定才能确认其授权数量。
互联网时期这种商业模式稍好一些，但是仍旧存在回款太难的尴尬。

第三种模式可以说是广告模式，这很好理解，所有电视广播里面都要插播广告，这是电视台和电台的紧张营收渠道。
互联网企业对付广告的依赖更是严重，比如互联网门户新浪、搜狐等，乃至百度、Google、Facebook紧张也依赖广告收入。
事实上广告模式渗透到各个行业，很多传统公司也是依赖于广告生存。
广告也是产品公司很大一部分的投入。
但是这个模式的弊端便是一定要有流量，CCTV的广告就会常常拍出天价，头部效应非常显著。
互联网当前核心争夺的流量，实在背后很大代价便是广告，以是互联网企业不敢错过任何互联网入口，这意味着未来流量的昂贵。

第四种模式便是做事模式，做事的观点外延很大，基本上不在前三种模式的都可以归为这一类，比如保姆是一种做事，运营商的话费算一种做事，共享自行车这类分时租赁也算一种做事。
广义来说，苹果的商店、百度的搜索、阿里的交易、腾讯的社交，都可以说是一种做事，但是做事未必直接就能变现，互联网企业更喜好免费做事的模式，然后通过广告或者分发来变现，范例的“羊毛出在狗身上，猪买单”的逻辑。
游戏行业该当分外一些，端游以前紧张靠授权模式，网游和手游基本都是做事模式，然后变现依赖卖等级、卖道具等办法。
互联网最成功的便是把做事迁移到线上，大幅降落了做事的本钱，实现了从1到100的快速扩展，并且规避了过程中的本钱问题。

但是，以技能和数据起身的人工智能又该若何变现？

AI企业直接做产品发卖吗？这比较困难，由于技能公司一样平常比较缺少营销理念和渠道上风，而这也是由一家公司基因决定的，相反的，产品公司一样平常也很难转型到技能公司。
但这不虞味着技能和产品公司之间的转型不可超出，苹果和华为便是范例的例子，技能和营销同等的厉害。
从很多案例来看，技能公司最随意马虎选择的方向便是延伸到产品公司。
有些公司依赖售卖数据来赢利，但是这毕竟是短期的营收模式，当竞争的时候，这种模式实际上很难坚持合理的利润。

当然AI企业最直接的商业模式便是授权，以是技能类企业一开始都会选择这种模式。
但是前面也提到了，这种模式的难点便是回款，当碰到竞争的时候价格战就会侵害这种模式，这将严重阻碍公司规模的扩大。

那么广告呢？显然也很难，人工智能与传统科技最大的差异便是人工智能非常强调实时和交互，这对付广告模式来说就很致命，比如秀场直播，做个植入广告还可以，若插播一段无关的广告，估计就随意马虎产生问题，影响正面逻辑。
以是直播平台更方向于平台抽成的模式，这实际上是一种做事的变现。

做事变现彷佛是人工智能落地的最佳商业模式，当没有新新人类琢磨出第五种模式之前，估计很多巨子企业也都会压宝在这条道路上。
做事变现也是互联网企业理解最为透彻的模式，这些企业乃至将这种模式从线上走到了线下。
但是人工智能怎么才能依赖做事变现呢？

熬到了黎明或许碰上阴天人工智能企业都坚信当有了流量往后，变现就会是自然而然的事情。
但是令人担扰的是，从PC时期到移动时期，也曾经有巨子衰落了，也曾经有巨子倒下了，当前来看我们认为统统商业模式都是清晰自然的，但是回退到10年前、20年前呢？不能以现在的眼力评判历史的决策，局限才是大部分决策的实质。

人工智能这波浪潮，不是第一波，估计也不会是末了一波，人工智能企业最怕的便是好不容易熬到了黎明，或许碰上的还是个阴天。
新技能的驱动一定会冲破现有商业格局的平衡，这就不仅仅是技能的更新换代，很可能还是商业模式的变迁，或许核心属性没有改变，但是外延肯定会有所变革的。

决定公司高度的是最短板这样来看，人工智能创业若不深入思考做出快速调度，很可能就会在愉快中失落落。
技能和数据只是一家公司起步的打破口，有了船票未必能登上诺亚方舟，登船之路可能更加荆棘密布，决定一家公司高度的永久是公司的最短板。
创业不是一件头脑发热大略的事情，国家的支持与媒体的关注带动的是一片家当，不是某家公司，而认知自身的毛病本身便是一件极其困难的事情，何况还须要创业者及时的去调度适应。

比如，大部分人工智能创业公司都是技能出身，从理念和架构上，很随意马虎不重视营销团队，认为营销是件比较大略的事情。
更有很多创业者，利用众筹发卖一部分产品后，在天猫和京东铺下货就认为自己是营销高手。
事实上，这没有看到营销的实质，真正的营销，和管理一样，也是一门科学。
公司的架构里面，技能、营销、管理永久是并列的三架马车，营销整合了供应链、产品链、客户链和媒体链，是公司变现最直接的渠道。

即便在技能领域也有很多误解，很多投资人和媒体都以为深度学习是人工智能企业的核心所在，但真正落地的时候，未必便是这样。
公司毕竟不是国家的研究机构和高校，特殊是创业公司，承担不起科研的任务，更多的则是技能的产品化，这就须要大量的工程职员合营。
实际上，让机器有多少智能，就意味着公司有多少人力和资金的投入。
一家伟大的公司，从来不能依赖独行侠。

焦虑的还有AI的投资人

但是，创业每每也是冲动的，这是比投资还要冒险和猖獗的事情，过于空想的守旧主义很难打破创业的层层障碍。
镇静与愉快，事实上是创业者最难把控的两个极度。
创业不可能有终点，创业之路也是创业者的自我修炼之路。
当然，创业者都是令人尊敬的，即便失落败了，也为社会的进步积累了履历，为下一波创业者探索了道路。

创业之路更多的是坎坷和荆棘，创业之心更多的是无奈和无助，鲜花和掌声的时候，实在更多的是泪水和挫折。
于是，这种焦虑自然传导到了最为关注人工智能的投资人领域，2017年以来，随着各种资金的关注，投资领域的竞争也日趋激烈。
创业的各种困境，投资人也逐渐看的更加明白，而政府和银行基金的加入也让小型VC更加痛楚。
事实上，具有计策眼力的VC已经提前完成投资布局，纠结犹豫的VC或许错过了人工智能技能红利的投资窗口。
但是等到产品或者平台的时候，才创造在这两个领域霸占绝对上风的所有巨子都已经布局把控，创业公司的生存空间被挤压的非常厉害。
当然，技能的颠覆每每超过了预期，比如苹果iPhone X采取了红外作为Face ID的紧张技能，这本来是个令人鼓舞的，但是几家欢畅几家忧，反而让基于普通摄像头的CV创业很尴尬，这让激进的投资人焦虑和不安。
毕竟，投资人更加关注的还是IRR的数值。

焦虑的气氛弥漫在创业和投资的天空，Thomas L. Friedman认为天下是平的，但是真的这样吗？

雷锋网特约稿件，未经授权禁止转载。
详情见转载须知。