迅雷创始人程浩：国内机器人创业，是场综合实力的比拼

算法很厉害，有很牛的科学家团队，并不代表一切！

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。一流的科学家团队适合选择这样壁垒高的关键性应用作为创业方向。

但实际上大多数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。

1. 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。
2. 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。
3. “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：

1. 对行业的理解，要深刻洞悉行业痛点在哪儿；
2. 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！
3. 做出来的产品还得便宜！
4. 批量生产的话，你的供应链能力怎么样？
5. 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，反而是创业者最好深悉这个行业，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。特别现在人工智能也好，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：

1. 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；
2. 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的很远。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。

作者：程浩，微信公众号：haogetalks，迅雷联合创始人。创办迅雷之前曾就职于百度。毕业于南开大学。拥有杜克大学计算机专业硕士学位。在互联网行业摸爬滚打15年，积累了丰富的行业经验和独到的方法论，愿与各位一同分享关于互联网的思考。