编者按：几周前，Learning VC的Louis Coppey发表了一篇文章，概述了人工智能创业公司如何创建护城河的思考框架。最近，通过与几个读者的交流，Louis Coppey又发表了一篇文章，对之前的框架进行了补充。文章由36氪编译。
几周前，我发表了一篇文章，概述了人工智能创业公司如何创建护城河的思考框架，提出了一个公式，即在人工智能领域的成功=数据*数据+ML人才+算法。反馈循环下图所示：
数据是核心，有了数据能够吸引人才。人才与数据结合，能够训练出精确度比较高的算法模型，从而能够形成数据网络效应，并获得大量的客户。客户的增加，又能进一步丰富数据......
文章发布后，获得了广泛的关注，并引发了几位人工智能从业者（创始人、产品经理、风险投资人）的讨论。我认为这些讨论给我之前提出的框架提供了有趣的补充，在这篇文章中，我将会把其中的3点分享给大家。希望这些能够给大家带来一些的启发，尤其是看过我之前文章的。如果你之前没有看过，传送门在此（文章由36氪编译）。
一、销售作为一种初始的竞争优势
罗布•梅（RobMay）是总部位于波士顿的人工智能创业公司Talla的首席执行官。他还是一份名为InsideAI的时事通讯编辑。以下是他的观点：
文章谈到了相关产品在人工智能领域的竞争优势，而这正是大多数分析所关注的。能够访问专有数据的产品表现更好，从而能够获得更多的客户和更多的数据。这个结论是准确的，但基于我在人工智能市场迄今所看到的情况，我想在此基础上增加一层，并提出一种更复杂的关系。
我认为，搞清楚如何销售人工智能服务可能会形成一种早期的、暂时的优势，这可以让一家公司长时间内处于非常有利的地位。
据我所知，大多数销售人工智能服务的公司实际上都在努力做到这一点，原因有以下几点。首先，要开发一个只做一件小事的人工智能系统，可能需要做很多工作。大多数人工智能产品的训练都是在一个数据集和一个模型上进行的。如果你考虑一下它们该如何应用到商业世界就能知道，它们往往是小众产品，而不是一个功能齐全的产品。因此，你必须找到一些有针对性的用例，让后利用相应类型的数据把人工智能训练得有用。因为在许多用例中，你需要利用多个数据集以及工作函数对人工智能进行训练，才能使其变得有用，并达到能够销售的标准。
第二个问题是，部署，尤其是获取客户数据来培训模型（如果你需要的话）可能会减缓销售周期。我看到大多数人工智能公司都在做有偿的试验，这在软件即服务（SaaS）的早期阶段并不多见。但是，客户担心的是如何实现人工智能，以及它的工作效果如何。
第三个问题是，客户不理解许多人工智能系统中的概率特性，以及如何将它们整合到自己的工作流程中。如果使用SaaS系统，当你点击按钮“X”时，100%会执行动作X。对于人工智能，你可能会得到一个估算的结果——比如96%。这是什么意思？有4%的概率会出错吗？如果是这样，你怎么知道什么时候该忽略这台机器呢？更重要的是，因为人工智能承担的通常不是某个人的工作。那么，在你的公司里，谁应该为这个问题负责？
在我看来，考虑到目前的创业生态系统状况，如何大规模销售人工智能仍然是一项挑战。作为一个创业公司来解决这个问题，可能会让你在数据获取和市场感知方面占据优势，即使你刚开始的时候没有大量的数据，也没有有最好的算法。这是一个很好的起点。
我认为这是一个很好的观点。我同意这样一个事实：如果能够想客户销售一款简单的产品，来获得一个初始数据集，对于人工智能创业公司进一步扩大规模来说，绝对是一个关键。我认为，一个较好的方式是在市场中建立一个与数据网络效应并行的平台。从理论上讲，在市场形成的早期拥有一支非常优秀的运营团队，并不能说是一个长期的竞争优势。但它有助于发挥市场的网络效应。相比之下，数据网络效应更是一个人工智能创业公司进入市场的壁垒。但在早期，它的确提供了关键的竞争优势。基于此，我对最初的图表进行了补充：
二、AlphaGoZero
瓦伦（Varun）是第一批在我之前文章下面写评论的读者之一。以下是他的评论：
你好，路易斯（Louis），这是一篇精彩的文章，但是你如何看待AlphaGoZero与强化学习（ReinforcementLearning）之间的关系呢？它从头开始学习，并击败了之前版本的AlphaGo（基于监督学习/从数据中学习）。不好意思，我在这里刺激你，但希望在后续的文章中，强化学习会是一个能够改变游戏规则影响因素，而“数据护城河”和数据网络的影响，也将在不久的将来无法与强化学习驱动系统相匹配。
这是一个很好的点！以下是我的看法：
对于那些不太清楚这个话题的读者来说，可以看一下Deepmind在自然杂志上发表的论文（传送门），介绍了AlphaGo的新版本以及它的算法学习如何玩围棋的。AlphaGoZero算法的新颖之处在于它使用了强化学习（RL）。这种算法的一个特点是，它可以独立学习，不需要任何初始数据集。在（非常）短的时间内，该算法试图根据计算概率在任意给定的时间内，来找到最佳的移动操作。在经过更少的迭代和使用更少的计算能力之后，AlphaGoZero的表现胜过了它之前的使用监督学习的版本。随后，一些行业观察人士开始将AlphaGo与“人工智能领域最重要的研究进展”等联系在一起。为什么？
因为这个新版本不需要初始数据集，就能超越那些经过多年数据训练的系统。
Deepmind的论文中，AlphaGo与之前版本的AlphGo的性能对比
从这个角度来说，我之前提出的方程式：
在人工智能领域成功=数据（*数据）+ML人才+算法
从根本上来说，是错误的。
不过，在我看来，这个说法是不对的。只有当我们处在一种情况下，即所有的可能性都可以被问题的定义所限制，我们才能计算出在任意给定的时间内获胜的概率与可能性。
围棋是这样的一种情况，但在现实世界中，绝大部分情况都并非如此。
以预测销售数据为例。不管销售人员采取什么行动，世界就会发生变化。我们无法在现有的模型中增加给定行为的所有可能结果。或者说给出的可能性是非常片面的，因为还有很多隐藏的变量。
在人工智能领域，AlphaGoZero是一个惊人的突破，但我仍在想，它该如何应用到工业设备中去。
我所知的强化学习是在奖励机制的基础上，利用历史数据来训练一个ML模型，来了解每个变量对预测影响。但这仍然需要历史数据。
第三、企业是否应该开发非核心业务的人工智能产品？
阿比谢克（Abishek）是一名产品经理，目前就职于专注计算机视觉的创业公司Clarifai，该公司已从USV等领先的风投公司融资4000万美元。
下面是他的一个问题：
ML可以用于许多不同的应用程序，比如推荐引擎、计算机视觉、自然语言处理等等。如果一家公司（非技术/大数据）发现了以上的应用程序，但这并不在它的业务范围内，这家公司是否应该去进一步投入资源，完善这个应用程序，使其算法的准确率达到80%以上，并能够交付到市场上吗？
这是一个非常有趣的问题，但我没有答案。我的想法如下：
如果这是核心业务，那么公司进一步开发并且完善的可能性就很高。我在之前文章中提到的高速公路公司就是一个很好的例子，它试图利用计算机视觉技术来检测卡车的尺寸，然后进行收费。很显然，收款是该公司的核心业务。与一个刚刚进入该领域的创业公司相比，它有很多的初始数据，而且有更多的通用MLAPI（比如Clarifai）能够使用。对该公司来说，建立一个准确率达到80%以上的算法可能不会太困难。
如果不是核心业务，我认为创业公司更有可能胜出，因为启动这样一个项目的投资回报率可能不会很好。比如，房地产门户网站或社交媒体的照片审核就是一个很好的例子。
此外，我还看到了一个有趣的问题：“公司是该购买一个95%准确率的解决方案，还是自己建立一个准确率达到80%的解决方案？”
对此，我同样给不出具体的结论，我想这很大程度上取决于企业的内部问题的规模。
相关文章：如何让你的 AI 创业公司有竞争力？这有一个“成功方程式”
原文链接：https://machinelearnings.co/part-ii-routes-to-defensibility-for-your-ai-startups-acdb141e38ce
编译组出品。编辑：郝鹏程
仅仅有技术是不够的 企业数字化转型还需要管理升维
来源：DT时代
如今我们正在进入人类历史上前所未有的物理、数码、生物的融合时代，数字化变革带来新的体验，世界变成全球连接、互通互联的数字化状态，数字化趋势下，企业竞争模式发生变化，行业的界限变得模糊，数据将成为改变的度量依据。
企业希望通过大数据驱动商业模式转型与升级，但数字化转型仅仅有大数据技术是不够的，需要在文化、流程、制度有一套转型的模式，并经过不断落地的实践验证。
要打造数据驱动型企业，作为决策者，首要的一步是获得数据价值，继而实现流程的优化、产品的迭代、商业模式的创新。
11月11日在上海举行的“大数据与管理会计创新”高峰论坛上，浪潮基于实践和企业创新给出新的思路：
首先企业数字化转型需要IT升维与管理模式变革、业务模式创新相结合；第二，将“数据+管理”融合释放数据价值，浪潮不仅有一套挖掘数据的算法，还有结合企业进化的管理模型；第三，着眼管理进化，让企业的流程系统走向以数据为核心的运营系统。
在我看来，这是数字化转型浪潮下，基于数据驱动的最新而且行之有效的方法论，将经营与管理思维融合，将技术与业务创新融合，从而在数字化转型与升级中给企业带来革命性的变革。
如何成为数字化转型颠覆者，而非颠覆对象？
数字化浪潮下，企业的外部环境在发生变化，来自商业模式的挑战比比皆是，竞争可能是在意想不到的角落里；企业内部的数据也在不断增加，需要新的模式提升客户体验，提高运营能力。
说到底，现在的IT变革正在推动消费互联网走向产业互联网，企业如何成为颠覆者，而非颠覆对象？数字化数字化转型从何着手？
企业互联网化将每项业务从建模、管理、运营、交易等全线打通，在行业领域，用友今年单独成立了用友云BG，围绕企业云化和重构来布局；金蝶也“砸掉”传统的ERP向云服务转型。
两家企业的共同点是从架构上为企业提供开发应用的平台，给客户构建融合的云体系，但云化仅仅是数字化转型中的一个环节，浪潮从企业的应用全局入手，给出了系统的方法论。
首先，数字化转型需要有着眼全景的思维模式。
在“大数据与管理会计创新”高峰论坛上，浪潮集团执行总裁王兴山表示，企业实现数字化转型主要有三个方向，全渠道多接触点的客户体验、运营数字化与智能化、以及颠覆性创新。数字化转型不仅是IT系统的升级，而是“IT升维+管理模式变革+业务模式创新”的过程。
浪潮集团执行总裁王兴山发表主题演讲
基于这个大方向，浪潮通过“互联、共享、智能”的理念来推动集团管控模式更加共享、精准、可视化、智能；通过上云广泛连接，实现端到端流程，加速业财融合；通过建设财务、人力、采购、研发等共享中心，实现大共享，推动企业平台化；通过企业大数据，挖掘数据价值，实现管理智能化。
第二，将大数据融入业务和财务，跨部门协作走向价值创造。
浪潮的数字化理念不断经过实践验证，由浪潮集团、上海国家会计学院、ICAEW联合打造的“大数据与会计发展研究中心”，为此发布了《大数据在中国企业管理中的应用实践与启示》报告。
这份报告就基于企业应用和实践，从企业经营管理的角度、企业流程和文化的角度来系统的阐述数字化转型，IT与业务融合业务与财务的融合是未来方向，为此大数据时代不仅是IT人员转型，财务人员要从财务会计走向管理会计。
Kirstin Gillon SNAI-ICAEW-浪潮课题组发布报告《大数据在中国企业应用实践与启示——基于财务视角的研究报告》
第三，整合数据，通过上云，迈向智能化。
到2025年，全球将有60%的数据产生自企业，或与企业的服务有直接的关系,相关报告表明企业大数据中有80%来自企业内部，20%来自于外部互联网数据。
在王兴山看来，上云是推动数字化转型及加速形成大数据的重要途径。企业可以构建云平台实现与客户、供应商的连接，将企业流程由内部延伸到整个产业链，通过与供应商、客户以及物联网的连接，推动业财融合，实现业财税一体化。
浪潮新一代云ERP是企业数字化转型和管理会计发展的重要支撑，比如中储粮通过浪潮打造的“物联网+互联网+云计算+大数据”平台，通过和浪潮合作，中储粮上万家库点粮食收购一卡通，31个省市的数百个粮库，接入数万个视频摄像头，数百万个粮情监测探头，使国家掌握粮情周期由15天缩短为3天。
仅仅数学好还不够 企业如何应用新模型？
互联网、物联网、大数据等新技术，改变了企业的组织形态、运营模式及成本系统，但在实际的经营中，企业决策者还是希望更精准的看到“数”的价值，通过大数据来实现集团管控、精益管理、内部市场化、智能规划等等。
说到底，构建数据驱动的智能型企业，仅仅数学好是不够的，如何让数据与商业模式、业务模式、管理决策方式充分融合，构建数据驱动型企业？浪潮以价值和问题为导向，提出“数据+管理”的融合模型并有了相应的实践。
首先，基础管理是智能化的前提。
在企业智能化的过程中，浪潮认为，基础管理的规范化、体系化，是大数据应用和智能制造的前提。比如浪潮的管理会计系列方案，就帮助企业完善基础管理，助力企业挖掘大数据。
第二，用科学的管理模型和算法实现数据价值。
对于企业来说，大数据除了采集、存储之外，最重要的是整合、分析、决策过程中，数据分析推动数据成为“智能数据”的关键，而管理模型和算法是数据分析成功的关键。
在王兴山看来，企业应以价值为导向，加强数据+计算能力+管理模型+算法各方面的能力。
在企业管理的模型和算法方面，经过多年实践，浪潮可提供涵盖制造、建筑、能源等9大行业，9大关键应用的618个分析模型。其中，通用模型就有198个。
以兵装集团管理驾驶舱管理模型来说，该模型涵盖财务状况、预算执行情况、经济运行分析、财务预测、管理会计报告等七大类56个模块。
同时，浪潮拥有强大的数据采集及分析能力。2016年，浪潮牵头，清华、南大等高校共同承建科技部云计算大数据领域重点课题《跨时空多源异构数据的融合、开放共享技术与平台》，主要攻克政府和大型企业在数据采集开放共享服务方面的难题。
包括前文提到的“大数据与会计发展研究中心”，旨在用数据科技的视角把握会计发展大趋势，积极开展大数据在会计领域的应用研究。
如同大数据与会计发展研究中心的《大数据在中国企业管理中的应用实践与启示》报告中所说，大数据理念及应用所需要的各项组织资源常常被忽略。大数据应用成功的标准不在于对硬件投资多少，而是取决于技术应用之外组织能够提供多少辅助性资源。
第三，管理进化，推动企业进化，进击未来。
企业通过管理不断进化，ERP也在向互联网化、云化、智能化方向进化，成为数据驱动的智能化共享运营平台。
为此，2017年浪潮先后发布云会计、云进销存、云ERP等系列云产品，以互联、共享、智能理念为引领，构建企业智慧大脑，加速数字化转型和管理会计发展。
数字化转型中，选择浪潮作为同行伙伴，企业具备了全景规划的系统思维，启用数据加管理的新模型，将原有流程系统打造成以数据为核心的运营系统，通过技术在流程、文化上变革，真正做到数据驱动型企业。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
-
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
-
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
-
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
-
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
-
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
-
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
-
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
-
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
-
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
-
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
-
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
-
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
-
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
-
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
-
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
-
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”。
点击“阅读原文”，访问AI-CPS OS官网
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com
扫一扫
587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
