2017年創業公司和傳統企業如何趕上人工智能浪潮？

　　筆者曾說2017年人工智能會迎來井噴，并不是說技術上會取得多么革命性的進展，而是會有大量人開始涌入人工智能相關產業，大量公司開始探討人工智能時代的戰略戰術。那么，非AI類企業在面對被媒體塑造成“洪水猛獸”般的AI時，究竟該如何應對呢?

　　如何趕上人工智能浪潮?

　　在思考這個問題之前，我們先要搞清楚人工智能的當前發展階段處于哪個階段。眾所周知，它已經發展了60年，基于算法、硬件、數據3方面的原因迎來了這一次的爆發。如果將一項科技從概念提出到成為人類習以為常的“水和電”看做是該項科技的生命歷程，當前的人工智能處于哪個階段?再如果，拿人工智能來和互聯網做類比，當前的人工智能相當于1985、1995、2005、1995這4個時點中的哪個點?

　　互聯網20年的發展

　　筆者個人傾向于認為它正處于1995年的互聯網的那個時間點，就是馬云去美國看到互聯網后興奮地受不了的那個時間，所不同的有3點：

　　第一，當時的互聯網革命的中心在美國，這次的智能革命中國可能會扮演某種“核心領導層之重要一員”的角色。

　　第二，互聯網用了幾十年才有今天的成就，而人工智能的發展速度可能會遠遠快于互聯網，有可能5-10年就頂其20年。

　　第三，人工智能對人類社會所帶來的改變將會比互聯網更大，商業規模也要大得多，按李開復老師所言，可能上千倍。

　　除以上3點外，筆者認為人工智能當前的產業發展階段就相當于1995年的互聯網——初級技術開始成熟、資本供給基本管夠、社會關注指數放大、產業應用嚴重不足。

　　基于這個認識，筆者覺得對于任何一個企業和普通人來講，機會都很大。因為1995年有了Yahoo、網景、微軟、思科等，但還沒有BAT、Facebook、京東、小米、360……

　人工智能的浪潮如何把握?

　　機會真的很大，時間點也很好，但是這次留給我們的時間可沒有那么久，幾年時間內很大概率會出現新的人工智能時代的BAT。那么，非AI類企業究竟如何迎接這樣大的一個風口呢?

　　未來幾年“服務智能”時代卡位人工智能的5種模式：

　　模式一：生態構建者——全產業鏈生態+場景應用作為突破口。

　　模式二：技術算法驅動者——技術層+場景應用作為突破口。

　　模式三：應用聚焦者——場景應用。

　　模式四：垂直領域先行者——殺手級應用+逐漸構建垂直領域生態。

　　模式五：基礎設施提供者——從基礎設施切入，并向產業鏈下游拓展。

　　非AI類企業如何趕上人工智能浪潮

　　那么，以上5種模式怎么選呢?我們把非AI類企業(也不包含BAT等早已布局AI的大型企業，他們會走第一種、第二種或第五種模式)粗略分成3類來討論：

　　第一類：以線上和高科技為主體的大企業(獨角獸及以上級別)

　　這類企業資源好、名氣大，對人才、資源和資金的吸引力都要比其他兩類大得多。但是因為AI浪潮來得實在太猛，有些企業會擔心自己資源不多，沒法投入太多精力在AI方面，但又很擔心錯過這波浪潮，后面追趕的成本會更大。對于這個擔憂，首先要思考一個問題，明確AI是否真的對你的業務會產生巨大的積極影響，是否是你業務成敗的關鍵?如果答案是yes，那么就努力去做AI，注意AI是要做的，不是看的、學的，趕緊做起來就比別人領先了一點。注意，現在做一點也不晚，恰逢其時。當前AI相關的資源開源是大趨勢，基于開源的軟件做些上面的應用是性價比最高的AI解決方案。上面也說了，這類企業有點錢也有點名氣，所以還是特別建議成立自己的AI團隊，這樣有助于構建門檻，應用AI技術的效率也會高很多。

　　第二類：以線上和高科技為主體的小企業(達不到獨角獸規模)

　　這類企業的嗅覺非常靈敏，但是錢、人、資源都相對匱乏，跟第一類企業一樣，先搞清楚AI是否是自己贏下戰爭稱霸行業的積極因素，決定好做了，可以走第3種或第4種模式。但是因為并不那么財大氣粗，可以直接使用各大巨頭提供的云上的AI服務，把大公司當做自己的基礎設施就可以了。

　　第三類：以線下為主體的非科技類企業

　　眾所周知，人工智能需要“算法+硬件+數據”的結合，在這3個因素中，本類企業占有數據。同樣要問上述的問題，如果答案是否，那就踏踏實實把現有業務進一步做大做強，再過三五年再走AI戰略問題也不大(但也建議你關注AI的動向，說不定哪天對AI的需求就冒出來了)。如果2017年就想明白要趕人工智能這波浪潮，筆者建議這么幾點：

　　首先，大部分此類企業之前并不重視數據的積累，雖有天時地利卻無人和，那么之后一定要開始重視起來。

　　其次，以二次創業的心態以及體外孵化的方式走第3種模式，基于上述積累的數據做本行業的場景應用。進一步條件成熟了可以走第4種模式。

　　最后，跟第二類企業一樣千萬別自己建AI團隊，用大企業提供的開源軟件以及云端AI服務就行了，這類服務2017年一定會冒出來很多——因為他們缺數據。