詳解AI公司三大類(lèi)別，哪種商業(yè)模式將成為最后贏家？
在AI型公司的混戰(zhàn)中，我們已看到了數(shù)不勝數(shù)的公司相繼倒下。在剩下的AI巨頭和后起之秀中，www.twshmhelmet.com，哪類(lèi)公司又能成為最終的贏家呢？
從ElementAI，Databricks到DigitalGenius，AI型公司鋪天蓋地席卷而來(lái)。各類(lèi)公司分化出了不同的特性，也選擇了不同的戰(zhàn)略發(fā)展方向。
在他們中，我們能夠看到為客戶提供定制解決方案的數(shù)據(jù)科學(xué)咨詢公司，為AI解決方案提供底層基礎(chǔ)構(gòu)架的AI平臺(tái)公司，以及通過(guò)產(chǎn)品化解決方案解決某個(gè)特定商業(yè)問(wèn)題的垂直整合AI公司。
在我看來(lái)，能夠突破這一三足鼎立的局面笑到最后的，應(yīng)當(dāng)是垂直整合AI公司。
為什么這么說(shuō)呢？
首先讓我們從這三類(lèi)公司的定位講起。
數(shù)據(jù)科學(xué)咨詢公司：產(chǎn)品化程度低
AI平臺(tái)公司：產(chǎn)品化程度高，解決方法針對(duì)用例數(shù)多
垂直整合AI公司：產(chǎn)品化程度高，解決方法針對(duì)用例數(shù)少
圖片縱軸：（下）定制；（上）產(chǎn)品化
圖片橫軸：（左）單個(gè)用例；（右）多個(gè)用例
圖片內(nèi)容：（左上）垂直整合AI公司；（右上）AI平臺(tái)公司；（下）數(shù)據(jù)科學(xué)咨詢公司
任何一類(lèi)公司都有自己的優(yōu)勢(shì)和劣勢(shì)。任何一個(gè)類(lèi)別中也都有最優(yōu)秀的公司。但是我認(rèn)為最成功的公司會(huì)集中在垂直整合AI公司中。讓我們一個(gè)個(gè)來(lái)分析看。
數(shù)據(jù)科學(xué)咨詢公司
數(shù)據(jù)科學(xué)咨詢公司的產(chǎn)品化程度較低。由于AI模型極其依賴于客戶提供的數(shù)據(jù)，這類(lèi)公司的主要優(yōu)勢(shì)在于他們更容易交付給客戶更好的結(jié)果。這類(lèi)公司的劣勢(shì)在于不能很快的規(guī)模化。如果公司期望迅速增長(zhǎng)，他們應(yīng)該設(shè)法向其他類(lèi)別的方向發(fā)展。
現(xiàn)在這類(lèi)公司的數(shù)量越來(lái)越多。很多公司甚至并沒(méi)有意識(shí)到他們已陷入了這個(gè)類(lèi)別直到他們發(fā)現(xiàn)公司規(guī)模化出現(xiàn)困難或者很難找到可以重復(fù)的用例。這些公司也許有獨(dú)一無(wú)二的技術(shù)，可以獲得很多客戶，甚至有別的公司愿意高價(jià)收購(gòu)。但是，要想發(fā)展超出一定的規(guī)模，他們一定要成長(zhǎng)，并且把解決方案產(chǎn)品化。AI解決方案產(chǎn)品化是極其困難的，有兩個(gè)主要原因。首先，如上文所述，很多AI產(chǎn)品極其依賴數(shù)據(jù)，而每個(gè)客戶提供的數(shù)據(jù)各不相同。更進(jìn)一步說(shuō)，客戶的確切需求也有很大差別。
ElementAI是一家典型的數(shù)據(jù)科學(xué)咨詢公司，這家公司今年夏初拿到了高達(dá)1億200萬(wàn)美元的A輪投資。但目前為止，這家公司還沒(méi)有一個(gè)具體的產(chǎn)品或者解決方法。他們的解決方法組合網(wǎng)頁(yè)列出了15條不用的用例；解決方法網(wǎng)頁(yè)介紹說(shuō)他們構(gòu)建易于整合入現(xiàn)有流程的定制應(yīng)用程序。基于他們獲得的大量投資，ElementAI未來(lái)應(yīng)該會(huì)有所成長(zhǎng)，并將他們的AI解決方案產(chǎn)品化。
產(chǎn)品化究竟是什么意思？如果一個(gè)解決方法可以多次安裝，過(guò)程中幾乎不需要定制，就可以說(shuō)這個(gè)解決方法已經(jīng)產(chǎn)品化了。產(chǎn)品化可以讓公司收入增長(zhǎng)速度遠(yuǎn)超成本增長(zhǎng)速度。相反的，一個(gè)咨詢公司雇傭的員工數(shù)量與公司同期的業(yè)務(wù)數(shù)量是大致成正比的。
幸運(yùn)的是，對(duì)于ElementAl和與其類(lèi)似的公司而言，他們不需要做到完全產(chǎn)品化（即解決方案安裝時(shí)完全不用定制）。舉個(gè)例子，某AI公司決定要在產(chǎn)品化上投入工程師人力資源，KUKA機(jī)器人維修，目標(biāo)是解決方案每次安裝時(shí)定制成本降低80%。與達(dá)到完全產(chǎn)品化相比，完成80%的目標(biāo)可能只需要20%的人力資源。剩下20%的解決費(fèi)用可以作為合理的一次性安裝費(fèi)用轉(zhuǎn)嫁給客戶。因此，實(shí)現(xiàn)80%產(chǎn)品化的目標(biāo)或許足以達(dá)到產(chǎn)品規(guī)模化的目的。
圖表橫軸：工程師人力；總軸：產(chǎn)品化
產(chǎn)品化還有其他好處。產(chǎn)品化可以給其他新入行的公司設(shè)置障礙。在其他新公司努力解決規(guī)模化問(wèn)題的時(shí)候，本公司可以更快的整合，技術(shù)團(tuán)隊(duì)也可以把工作重心投入到開(kāi)發(fā)公司的核心知識(shí)產(chǎn)權(quán)上。
AI平臺(tái)公司
AI平臺(tái)公司提供底層基礎(chǔ)構(gòu)架，而具體的AI解決方案可以在上面運(yùn)行。AI平臺(tái)允許終端客戶導(dǎo)入數(shù)據(jù)，清理和變換數(shù)據(jù)，訓(xùn)練模型和驗(yàn)證模型。AI平臺(tái)公司的例子包括H2O.ai公司，Skytree公司，和（最近轉(zhuǎn)型的）Databricks公司。
這類(lèi)公司有不少獨(dú)特的優(yōu)勢(shì)。首先，他們面向的市場(chǎng)巨大。任何企圖擴(kuò)充自己AI工具的公司都是他們的潛在客戶。除此之外，AI平臺(tái)公司產(chǎn)品化程度高，因?yàn)槠脚_(tái)僅僅基于底層運(yùn)算構(gòu)架，操作系統(tǒng)，和支撐硬件。最后，他們有一個(gè)產(chǎn)品粘性優(yōu)勢(shì)，意思是一旦某個(gè)公司依賴這個(gè)平臺(tái)，該公司就很難離開(kāi)這個(gè)平臺(tái)了。
但是，大多數(shù)AI平臺(tái)公司的生存空間也受到威脅：
開(kāi)源AI項(xiàng)目數(shù)量和質(zhì)量增長(zhǎng)
會(huì)使用這些開(kāi)源項(xiàng)目的程序員數(shù)量增長(zhǎng)
近年來(lái)，開(kāi)源項(xiàng)目在質(zhì)量和可選性上取得了令人震驚的進(jìn)步。谷歌TensorFlow庫(kù)最初僅專(zhuān)注于深度學(xué)習(xí)，現(xiàn)在其覆蓋范圍已經(jīng)拓展到訓(xùn)練、測(cè)試和機(jī)器學(xué)習(xí)模型維護(hù)等領(lǐng)域，并獲得了廣泛認(rèn)可。TensorFlow一方面能夠輕松訓(xùn)練出好用的模型，另一方面還能夠憑借各種特性將模型應(yīng)用到生產(chǎn)環(huán)境中（比如TensorFlowServing）。此外，眾多其他公司和個(gè)人的貢獻(xiàn)也是開(kāi)源環(huán)境發(fā)展的一大助力。雅虎旗下的一個(gè)開(kāi)源項(xiàng)目就在ApacheSpark上運(yùn)行TensorFlow。臉書(shū)此前已經(jīng)開(kāi)放了其內(nèi)部AI平臺(tái)FBLearnerFlow的代碼，對(duì)開(kāi)源機(jī)器學(xué)習(xí)庫(kù)Torch也貢獻(xiàn)良多。開(kāi)發(fā)者DavidCournapeau于2007年創(chuàng)立的Scikit-learn也是大熱的AI庫(kù)之一，目前平臺(tái)貢獻(xiàn)者數(shù)量已超過(guò)900名。
越來(lái)越多的程序猿能夠得心應(yīng)手地使用這些開(kāi)源工具。供給在需求的刺激下不斷攀升，而未來(lái)五年，數(shù)據(jù)科學(xué)相關(guān)崗位需求量預(yù)計(jì)將增長(zhǎng)15%。此外，新一代數(shù)據(jù)科學(xué)家相比前輩分析人員也刷新了不少技能點(diǎn)：前者能夠熟練運(yùn)用數(shù)據(jù)科學(xué)課程中涉及的標(biāo)準(zhǔn)化開(kāi)源AI工具，而后者主要是通過(guò)SAS、Excel、Alteryx和MATLAB等封閉式平臺(tái)來(lái)學(xué)習(xí)數(shù)據(jù)操作和建模。
在上述兩大趨勢(shì)的推動(dòng)下，大多數(shù)企業(yè)都會(huì)投向開(kāi)源工具的懷抱，有些還會(huì)聘請(qǐng)咨詢顧問(wèn)來(lái)協(xié)助工具的具體落實(shí)；而真正的AI平臺(tái)公司可以施展拳腳的余地也就所剩無(wú)幾了。
AI平臺(tái)公司的日子并不好過(guò)，市場(chǎng)上已經(jīng)出現(xiàn)了這方面的跡象。H2O.ai在2016年9月裁員10%，力圖從廣撒網(wǎng)式銷(xiāo)售模式轉(zhuǎn)型為針對(duì)少數(shù)精選客戶的深耕細(xì)作。公司有可能沿著產(chǎn)品化軸線深入發(fā)展，推出的解決方案在定制化色彩更加濃厚的同時(shí)也能為公司帶來(lái)更大的訂單（銷(xiāo)售團(tuán)隊(duì)規(guī)模也更小）。另一個(gè)比較常見(jiàn)的發(fā)展方向是專(zhuān)注某一個(gè)用例集，最終演變?yōu)榇怪盇I公司。
Databricks憑借其全球領(lǐng)先的ApacheSpark專(zhuān)業(yè)知識(shí)和人才，有可能打造出無(wú)與倫比的AI平臺(tái)。舉例來(lái)說(shuō)，他們可能會(huì)專(zhuān)為推動(dòng)AI而對(duì)Spark進(jìn)行重大改進(jìn)，而這正是其他公司很難復(fù)制的。在與開(kāi)源解決方案難分伯仲的情況下，Databricks的競(jìng)爭(zhēng)對(duì)手就會(huì)變成采用開(kāi)源解決方案的內(nèi)部團(tuán)隊(duì)和其他公司（比如IBM的DataScienceExperience就推出了在Spark上運(yùn)行的Jupyter筆記本電腦）。換個(gè)思路，Databricks也可能專(zhuān)攻垂直AI解決方案，并將之作為主要收入來(lái)源。
垂直AI公司