程浩此前以迅雷创始人闻名，但现在，他是松禾远望资本创始合伙人，也是黑智的客座主编。这一年来，他看了许多人工智能领域的创业项目，有很多都是技术背景的创业者。黑智在前期的文章中收录了，而这篇文章里，程浩谈到了关于国内2B端机器人创业的观点：有算法，有很牛的科学家团队？但那并不代表一切！

作者 | 程浩

　　编辑 | 黑智（VR-2014）

目前国内人工智能创业非常火爆，主要是供求关系不平衡，投资方资金多，而国内人工智能领域，有比较好的技术背景的人又比较稀缺。导致创业团队只要技术背景好，不管找没找到刚需痛点，有没有商业模式，资本就蜂拥而至，显然这并不健康。

现在国内的人工智能创业属于明显的技术红利期，估值普遍偏高。但从投资者的长远视角来看，未来随着基础计算平台和开源平台的丰富成熟，技术方面的壁垒会越来越不明显，整个人工智能的技术准入门槛会越降越低。就像2008年你想找个iOS开发者，很难，现在却很普通一样，所有技术的演进都遵循这一规律。

所以我不建议大家凑这样的技术红利热闹。因为长期来看，人工智能创业和任何其他领域的创业一样，一定是综合实力的比拼，懂不懂行业、有没有找到刚需痛点、产品化和工程化能力怎么样、营销能力怎么样，产品做完了能不能卖出去等等。

涉及到具体的行业，简单讲，我认为人工智能和机器人方向的创业本质上有mission-critical和non-mission-critical之分。为了方便大家理解，我们姑且称为“关键性应用”和“非关键性应用”。

Mission-critical的应用，就是一丁点儿错都不能犯的人工智能领域。比如自动驾驶，哪怕已经做到了99.9%，但仍然是千分之一的事故率。想想每天驾车上路的人有多少，这千分之一的故障率会导致多少致命事故。所以自动驾驶，必须要做到99.…%后面有多个9才能上路。

还有将人工智能用在医疗行业，像手术机器人做到精度99.9%，千分之一的出错率同样是极其可怕的后果，医疗事故关乎人命。要是在美国，这千分之一事故导致的巨额赔偿，恐怕就已让企业完蛋了。

总之在“关键性应用”的领域，必须做到99.9…%小数点后面有多个9，做不到就没法商业化。其背后的核心竞争力是算法和科学家。这类项目往往需要有top的科学家来坐镇背书。所以项目通常很贵（因为周期长，需要的钱自然多，同时这类人才又很贵），要投入大量的研发资源来消灭万分之一、十万分之一的出错率。

大家都明白研发的边际效益逐减，做到90%很容易，做到99%要投入不止10倍的资源，因为要消灭各种corner case，更别说99.9%和99.99%了，所以这类项目时间周期会很长（类似于Google的无人车，从2009年到现在已经7年了；Mobileye从1999年做汽车辅助驾驶，2007年才商业化；达芬奇手术机器人项目更是起源于1980年代末的一项非营利性研究，直到2000年才拿到了美国食品药品管理局FDA的首个手术认证）。但一旦做成，这类项目优势就非常明显，因为竞争对手同样也要花这些时间。

这样的项目门槛高，不适合一般的创业者，所以通常比较贵，商业变现的时间周期比较长，资本也需要更多的耐心。一流的科学家团队适合选择这样壁垒高的关键性应用作为创业方向。

但实际上大多数AI/机器人的创业属于第二类，也就是“非关键性应用（none-mission-critical）”。这类项目不追求99%后面的很多个9，而且很多都有更简单实用的解决方案，或者有“人机混合”的方案。总之就是不追求高大上，简单、实用、性价比高更重要，这样的项目通常能够更快落地。

不追求很多个9。例如基于人脸扫描的门禁或者迎宾机器人系统，99%和98%没有本质的区别，实在不行不还有前台么。

更简单实用的解决方案。例如封闭路段（例如工业园区、机场码头）的自动驾驶，激光雷达又贵又复杂，我直接用磁条导航，而且算法上追求简单，“让速不让路”，只要前面有人，车就停下来。因为是封闭路段，所以场景被极大简化了。

“人机混合”模式。面向企业的人工智能/机器人很多都能够通过“人机混合模式”降低技术难度，可以更快的面向市场提供服务。拿外卖机器人举个例子，你的算法好，你的送达成功率99%，我是98%。100次里面不成功的那两次，我可以用人通过后台去操控机器人，慢慢提高这个比例就好了。即使这样，我还是能极大的降低人力，还是有很大的价值。