【商业模式】如何让你的 AI 创业公司有竞争力?这有一个“成功方程式”(第二部分)

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:

  1. 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?

  2. 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?

  3. 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:

  1. 精细: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。

  2. 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。

  3. 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。

  4. 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。

  5. 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:

  1. 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;

  2. 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

  3. 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:

  1. 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;

  2. 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;

  3. 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;

  4. 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;

  5. 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





评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值