AI公司掙錢么？
這是一個哪痛往哪戳的問題，因為大多數號稱人工智能的公司還沒學會掙錢，即便是在報表意義上。
在掙錢還是一個特別稀缺的瞬間滿血技能時，探討一些“稀有物種”就很有意義了。
或許，你會想象AI公司賺錢的方式會很“人工智能”。但從經營方式來看，中國AI公司賺錢的方式，還難以逃脫這片土地的地心引力。
要么鋪人，要么鋪錢。在越來越講究“落地”的當下，為了迎合客戶的需求，AI公司們為客戶量體裁衣，做起了私人定制業務。
這無可厚非。一個招投標有不低于十個同行，在競爭如此激烈的PK現場，不管客戶要的是什么，有多少人工智能，AI公司只能硬著頭皮上。
用“修羅場”來形容中國的AI賽道，應該是不過分的。
AI公司被逼著進化：員工派駐客戶現場，盡可能滿足甲方爸爸的所有需求，這些公司似乎越來越像它們的前輩——軟件公司。但如果只是一個軟件公司，那和咸魚有什么區別？
本質上來講，AI公司服務于中國的新一輪信息化建設，一如軟件公司以往的使命。
但是，經過近二十年的積淀，AI公司所擁有的人才優勢，天生賦予了它們不一樣的使命。
AI化是中國博士的“雙創”運動。在硬科技領域擁有最高階智商的人才，必然擁有超乎尋常的技術使命感。他們不只是想著信息化，還有產品化。
產品化，應該是現階段指導AI公司的最高綱領。在AI公司的CEO們看來，這是盈利的不二法門。產品化意味著盡可能多的可復制模塊，盡可能少的人力成本，與一站式的集成采購。
賺錢的要訣是什么？CV智識采訪了三家盈利的AI公司：云從科技，2019年實現盈利；數之聯，2019年凈利潤超過5000萬，連續3年盈利；健培科技，連續2年實現盈利。同時，我們也采訪了兩家硬科技投資機構：普華資本與高捷資本。以下采訪，凝練了他們的心法，供讀者參考。
“云從的定位是一個產品型的公司”
云從科技聯合創始人，姚志強
云從的定位是一個產品型的公司，所以會從產品的角度去看項目。
第一，已有的產品能否在項目里得到好的應用，并不需要一個非常大的定制化過程。第二，項目機會是否能夠抽象出來一個行業模板，有樹立一些產品的可能性。如果說存在這樣的機會，公司也會去做。
產品化是逐漸建立起來的。云從的技術中臺，負責建立適用于不同行業的通用模塊。一開始中臺以研究小組的形式存在，發展了一年，在18年下半年成為了一個部門。
把收入按行業劃分，安防、金融行業各占40%，剩下20%是交通等創新業務。就利潤率而言，公安等政府部門業務是最高的，其次是銀行業務。
安防、金融兩類客戶，在技術認知、銷售渠道等方面各有不同。
公安等政府客戶，我們會提前接觸，讓他們試用我們的產品。在發標的時候，客戶其實已經比較清楚需要什么、哪個產品好用，會在招投標中就一些技術限定供應商名單。但是，最終實施項目，我們還是通過供應商的方式，最終被集成商整合進去。因而，在政府客戶上，我們會廣泛利用各地集成商的經銷渠道，但是在平時已有與潛在客戶的單點聯系。
銀行項目比較復雜。銀行下屬一般有自己的科技公司，他們本身技術能力已經比較強，因而能夠承擔總包的角色。銀行客戶要求技術嚴謹、安全，他們會希望供應商直接過來回應需求。因而，公司自己的銷售直接對接銀行客戶。
在項目的實施上，云從一般少做集成，不會主動承擔總包的角色，而多是解決方案。集成多涉及很多實施開發的工作，解決方案更多是技術架構層面的工作。比方說，為了做好解決方案，我們正在從人臉識別擴展到人體識別，此外還有大數據、自然語言理解、知識圖譜、語音識別等。
一個完整的產品不會只用到一個技術，而需要把多種技術融合起來。做好了解決方案，我們還需要去客戶那里演示，告訴他們怎么去優化業務流程和用戶體驗，這樣才能發揮一個產品的最大價值。
“客戶不看你是AI、BI還是CI，他們更重視實力”
數之聯CEO，周俊臨
數之聯12年成立以后，我們當時是什么都可以做。
最開始的發展模式，是成立多個行業子公司。這種模式在12~15年的時候走得很好。但是后面我們遇到一個瓶頸，子公司發展前期，最需要資本和人才。我們本來是一家創業公司，人才有限，把人都分走以后，自己就沒法發展了。
子公司要作為一個獨立的公司發展，不可能還被一個母公司控股。所以，我們慢慢淡出了各個子公司，公司的業務聚焦在政府與軍工。
15年，因為一個偶然的契機，我們把業務拓展到了工業行業。當時，富士康、京東方等大型制造業工廠來電子科大等高校找資源，看學校老師能否幫它們解決一些業務問題。要知道那個時候，大家對工廠的認識還很不到位，做制造業客戶，是需要很強的技術實力和嚴苛的工業級的驗收標準，因此工業并不受科技公司青睞，沒人愿意做這一塊。
之后，公司業務就聚焦在政府、軍工、工業三個主航道上，這三個行業形成了一個很好的組合。政府業務為我們提供了很好的現金流和利潤，軍工、工業逐漸成為新的業務增長點。這三個行業增長各自受不同的因素驅動，可以有效地對沖風險，保證我們實現比較穩妥的增長。
政府、軍工、工業三個行業，都是面向大B的。做大B，不是說要花很多錢去做影響力，客戶不看你是AI、BI，還是CI，他們更重視實力，在乎你現在能否解決他們的問題。所以，我們不面向全行業去做推廣，而是專注于細分領域的大客戶。這樣，市場營銷成本控制在10%以下。一般來說，只要攻下來大B，客戶的粘性都很強，壞賬也很少。
以工業領域為例，我們基本上都投國際標。國際標不看應標者的國籍，不在意聲譽資本這種虛的東西。現在，我們在面板缺陷檢測業務這一塊，已經服務多家主流的面板龍頭企業。面板行業的競爭很激烈，服務好了龍頭，其他客戶出于趕超的需要，也會馬上跟上來。
所以，我認為，AI公司賺錢與否，不僅來自技術，更來自行業。別人只能檢測20種面板缺陷，我們能多檢測10種。而要做到比別人好，就不能只做賺錢的業務。在項目組合里面，需要有30%做戰略性投入，保證公司的技術優于別人，形成差異化的競爭優勢。
同時，我們在項目上需要做好取舍。
比如說，現在有一個醫院信息化項目很掙錢，但我們不一定去做。首先，做這個項目偏離了主航道；其次，做這個事情可能短期盈利，但放長遠來看，項目會消耗人力資源和組織架構。信息化項目跟醫院業務本身結合緊密，它要求對醫院的所有流程特別了解，但是跟我們的主業——數據分析，就沒那么緊密了。
因而，我們會聚焦在有限的細分行業，往深去做。在面板檢測業務方面，我們從市場上招聘了有資深經驗的一線高級工程師，作為我們的行業顧問。這些行業專家們以前負責生產加工工藝，能夠和客戶高效溝通，快速挖掘客戶的痛點和需求場景。在項目實施過程中，算法檢測出缺陷的時候，他們也能直接告訴技術團隊，到底是哪種缺陷，缺陷成因和機理特征，這樣子可以更進一步促進技術的發展。
在做好了數據分析環節后，我們才在今年考慮，接下來把工業攝像機集成進來。我們的數據主要來自于攝像頭，做好軟硬結合，可以縮短實施周期，同時增加客單價。但是，對于進一步的硬件研發，我們是比較慎重的，因為硬件并非AI公司的強項，風險較高。
從我們的經驗看，產品化是沒錯的。但AI公司不能一上來就說產品化，在不了解行業需求的情況下，怎么可能做出來一個覆蓋行業需求的產品？
因而，產品化只能從一個、兩個、三個項目開始。積攢了項目經驗后，我們才能收集客戶的需求，抽象出可復制的功能需求，我們才能做一個面向細分行業的產品。有了這個產品，才能做一個面向更大行業的產品。
在起步階段，AI公司不妨放低自己的心理預期，學院派的創業者更需如此。高校出去的學者，一貫受優待，但不應該帶著這種心理優勢創業。競標失敗、業績低迷、裁人…這些事情對于高校老師來說都是不小的壓力。要做好一個AI公司，首先要經受市場洗禮。
“我們在杭州有一個自己的工廠”
健培科技創始人，程國華
健培是做醫療AI解決方案的。不同于大多數AI公司，我們在杭州有一個自己的工廠，用來生產閱片機器等產品。
自有工廠有三個好處。
首先，所需勞動力不多，投入不大；其次，如果擁有自己的工廠，生產工藝可以更快迭代，對市場的反應速度更快，然后形成自己的技術壁壘，能夠做很多別人做不出來的東西；最后，我們自己生產的閱片機器，生產成本會比同類競品低1/3，在報價的時候有優勢。
賺錢和不賺錢的AI公司，區別在哪呢？我覺得關鍵在于，虧錢的可能還沒產品化。
產品化怎么去定義？打個比方，如果做醫療AI，一定要對接醫院的所有流程，最終把軟硬件做出來。有一些公司還是demo版，你去看好像是有的，但他們沒有去對接醫院里的各個系統，還沒形成一個產品上市版。
這個demo版就好像概念車，怎么改都可以。很多AI公司說什么都能做，其實他們就是在做一個概念車。但如果真的產品化了，要大規模生產，模塊就需要基本定型，固定的版本在工程上不能隨意改了，這叫產品化。
怎么做到產品化呢？健培早在2012年開始在醫療行業深耕，當時機會比較多，我們跟醫院一起研發，醫院給的權限比較多。經過長時間的積累，我們總結了三條產品化的經驗：第一，在一線做研發；第二，IT、數學、醫學等多學科融合；第三，緊抓市場渠道。
第一點有沒有做到，很簡單的一個評價標準：你的團隊是不是經常在醫院里面？你待在公司里面，研究不出醫院要的東西。要做到第二點，需要公司和醫院的專家團隊一起，同時做學科建設和研發投入。時間長了，專家資源就積累起來了。在第三點上，健培的市場部，負責系統地培訓經銷商團隊，在售后服務上，技術支持團隊給與經銷商完全的支持。
現在，大的AI公司開始進軍醫療行業。我認為，醫療AI市場遠大于供給，每一個細分領域都值得重新做一遍。同時，這個行業有其特殊性，原來的合作不是說一下子就會沒了。很多人犯了一個錯誤，覺得短期內就可以做好醫療市場，但其實不是。醫療AI需要長期投入，成果需要慢慢出。
“沒有料，肯定炒不了菜”
普華資本合伙人，吳曉豐
AI公司能否賺錢，主要看三點。
首先，找到了有強烈需求痛點的行業。像政府、大公司客戶，付費能力和意愿都是比較強的，他們的需求也比較明確。
其次，目標行業的信息化程度要高。沒有料，肯定炒不了菜。有了比較好的前置環境，AI公司才容易發揮核心優勢，不必為其他工作環節所打擾。比方說，如果大部分數據打上了標簽，開展AI業務就會便利很多。
因為前置環境的不同，AI公司主要還是處理新增的業務數據。以銀行為例，歷史數據可能是非結構化的，如果處理不慎，一不小心就把關鍵的庫刪了。這就是非常嚴重的“礦難”了，沒把礦挖著，反而增添了新的技術問題。
最后，所在行業形成了類規模效應。
不同于自動駕駛等還需要大量研發的細分行業，視覺識別、數據分析等技術已經走向了大規模落地應用，人力成本結構里面，已經不需要那么多研究人員了。可能七八個人的核心團隊掌握了核心算法，之后再招實施的人就可以。這樣，成本其實是可控的。
AI公司在細分行業找到了突破點后，模型、算法的復用率越來越高。如果這個復用率能夠達到80%，AI公司做業務就會比較輕松。
怎么去判斷AI公司的復用率高低？我們在做客戶訪談的時候，會問實施周期有多長，客單價有無提高。如果實施周期縮短，客單價提高了，那說明AI公司的產品復用率是逐漸提高的。
做完上述工作，還是不夠的。按照國內的行情，客戶為純軟件付費還是比較困難。AI公司不得不向下整合，把自己的算法搭載在一些硬件上。
軟硬結合，不僅需要工業設計，還需要一個專門的團隊和代工廠對接，以滿足公司的硬件客制化需求。如果AI公司去找大廠，因為業務潛在的競爭關系，對硬件的細化定制需要和軟硬件優化調試，不一定配合到位。
那么，AI公司就需要找到產能中等、但是配合度更高的工廠，與它們通力合作，對生產工藝做更多研究，這樣才能逐漸把產品良率提升上來。人工智能產業鏈的這個變化，和智能手機行業是比較類似的，蘋果等終端廠商，都需要和工廠合作。
“客戶需要的是智能驗布機”
高捷資本董事總經理，李儼
AI公司首先要考慮產品化的問題，要從客戶的需求和使用場景出發，把技術封裝成為具備完整功能的產品，而后才會形成銷售。單獨的技術所解決的中間態的技術問題，客戶是不買單的。這就需要系統性的考慮客戶需求，并設計商業模式。
舉例而言，用視覺算法做布料缺陷檢測，搞定了數據獲取和算法模型后，是沒辦法把軟件直接賣給客戶的。客戶需要的是智能驗布機，而不是兩個攝像頭加一個工控機。因此可能需要AI公司集成其他軟硬件，把具備智能驗布功能、與客戶生產節拍匹配的整套驗布機，提供給客戶。
在這個過程中，僅僅具備AI技術能力是不夠的，還需要深入理解客戶需求，并具備集成其他軟硬件技術的能力，最后交付的可能是產品，可能是服務，也可能是整套解決方案。
在挖掘行業痛點、客戶需求，并實現產品化的過程中，大致會形成三種商業化路線。
根據行業和技術特點的不同，部分具備通用化、標準化或模塊化能力的PaaS或SaaS產品平臺化了。對于初創公司而言，這當然是最理想的商業模式，但除非門檻很高、且有高效的推廣獲客手段，否則在國內激烈的競爭格局下，很難長期維持競爭優勢。
因此我們看到的，更多的是深扎某個細分領域的公司，不斷挖掘客戶需求，為客戶提供定制化的產品或服務。這就需要公司不但有AI方面的技術能力，更需要有集成和定制開發能力。而定制開發往往意味著更高的成本，需要公司不斷的平衡高昂的成本，和行業競爭優勢二者之間的關系。最后，AI公司需要探索、積累和沉淀通用化的技術能力，使之平臺化并攤薄項目實施成本。
再有一些頭部的，同時具備技術和資金優勢的公司，在深扎細分領域、細分需求的同時橫向拓展。通過做大集成做生態，通過為客戶墊資拿單，擅長的部分自己做，不擅長的讓合作伙伴做，通過規模化維持市場優勢地位。
綜上，AI公司需要扎到行業里，沉到客戶那，從客戶的需求和使用場景出發，認真考慮如何將技術封裝為產品，自己有什么沒有什么，如何系統性的解決用戶需求。
稀有物種
新實業公司，這是中國AI公司被賦予的歷史使命。
或許你很難想象，一家AI公司會有工廠，會有十幾年工齡的老師傅，會為一個模組做很好的工業設計，會做織布機……這不是實業公司是什么？
艱難的市場競爭催生了這樣的“稀有物種”。在中國這片復雜、瑰麗的土地上，AI公司為了生存下去，不知不覺之間，它們向中國的制造業進軍，并提升了整個工業的檔次。在中國跨過劉易斯拐點后，工業的AI化，是再一次提升國家競爭力的新一輪工業化浪潮。
實業化，正是AI公司下一輪的競爭焦點。
這意味著，現在AI公司比拼的重點，或許不在于算法的高低，炫技的優劣，而在于它們能否走進中國二三線城市的工廠，走進二三甲醫院的每個科室，真正聽懂每個工人和醫生的需求，進而研發一個好用的產品，幫他們服務好十四億人。
當然，這都是苦活、累活。但AI公司已經不能僅靠政府的財政補貼，來做出一份好看的財務報表。真正市場化的空間才是AI公司的用武之地，也是它們真正的價值所在。
AI公司的實業化本質，正在重構整個價值體系。
垂直一體化的分工方式，正在把有著資深勞作經驗的藍領工人，與有著高學歷文憑的辦公室白領，置于一個辦公場域，或一條價值鏈之下。知識正在跨域流動，也必將激發更多的創新，將深陷泥淖的制造業挽救出來。
這種愈發復雜的分工方式，完全不同于過往的互聯網公司。即便是O2O公司，其本質依然是脫實向虛，但AI公司不可能這樣做。
這也就意味著，AI公司和傳統的BAT巨頭是無法相互取代的。兩者很多時候生存在同一個場域下，互為需要。巨頭們需要AI公司去滿足實業繁復而具體的需求，AI公司需要巨頭提供最具經濟性的云服務和芯片。
而實業紛繁復雜的場景，與尚不能通用的人工智能，注定了AI公司之間的競爭不是贏家通吃的。每個行業都存在壁壘，每個行業都需要精耕細作，AI公司可以跨界，但不能輕易擊敗每一個對手。
在過去的幾年，政府、投資基金們，為AI公司提供了大量資金。當巨量資金投入市場后，AI公司實際上在以自身的虧損，以傾銷的方式，補貼國家的新一輪信息化建設。但是，這場補貼運動現在明顯進入了尾聲，那些依然找不著北的AI公司，或許會第一個被疫情淘汰。
誰才能勝出呢？毫無疑問，是那些盈利的“稀有物種”。
溫馨提示：內容僅供信息傳播，供參考.
來源：中華整木網
賽絲智能家居 
詢問賽絲
