圍繞人工智能（AI）和機器學習（ML）的炒作已經達到令人難以置信的程度，有些評論人士稱AI為第四次工業(yè)革命，其他人則稱其為新電力。

我是這種理論的信徒之一。大量資金正被投入到AI和ML領域的公司里，因為它們有可能對大多數(shù)行業(yè)產生革命性的改變，即使不是所有行業(yè)。請看下圖。

避免陷阱專注于真正的問題

這樣重大的技術革命應該得到廣泛而深入的融資，這可能為這個領域獲得巨額投資提供正當理由。但我擔心，許多企業(yè)家陷入了專注于AI基礎設施的陷阱中即算法和平臺而不是應用程序。

成功的公司通常是通過解決某個特定的用戶問題開始的，并隨著時間的推移不斷進化，直到最終基于某個方案打造出更廣泛的“平臺”。最重要的是解決具體的業(yè)務問題，而不是技術本身的問題。但是，考慮到這種技術的外化，我們很容易被算法和模型所吸引，而忽略了這些應用。

那么，對于偉大的AI與ML創(chuàng)業(yè)公司來說，什么原因造就偉大？可以概括為以下幾點：

1.消除或減少以前被認為難以實現(xiàn)自動化的領域的人類勞動；2.利用新的能力（此前不具成本效益的新產品和服務）來開發(fā)“白色空間”；3.通過將ML技術嵌入到應用程序中，使傳統(tǒng)應用程序變得更有價值。

為什么要避免相同層次的ML平臺？

你有沒有注意到，機器學習平臺似乎沒有類別之分？這里有幾個原因。像谷歌和Facebook這樣的網絡大公司不僅投資于AI和ML領域，而且采用開源工具和平臺的策略。鑒于這些網絡大公司可獲得龐大的資源和專門的獨特數(shù)據(jù)集，初創(chuàng)企業(yè)很難與它們進行競爭。如果你想要根據(jù)這些能力來區(qū)分你的創(chuàng)業(yè)公司，相對于那些大公司來說，你會面臨巨大的劣勢。

此外，廣泛報道的數(shù)據(jù)科學人才短缺的問題也影響了客戶利用平臺和算法的能力。缺乏人工智能技術意味著客戶沒有能力構建自己的AI和ML，因此，擁有相同層次平臺的初創(chuàng)公司最終會成為專業(yè)的服務角色，幫助每個客戶定義并實現(xiàn)他們的具體目標。

企業(yè)家打造同層次平臺的另一個重要方面，應該考慮到“市場化進程”的復雜性。不同的垂直市場可能有不同的購買行為，你可能需要通過不同渠道來解決不同的垂直問題。當然，在你選擇垂直市場之前，你應該確保它能保證足夠的規(guī)模和增長來支撐一個大企業(yè)。

測驗行業(yè)

如果你的ML模型可以應用于多個行業(yè)，那么在你決定關注哪一個行業(yè)之前，你需要考慮以下幾個變量：

1.部署成本 不僅要考慮客戶花多少錢購買你的技術，還要計算他們將當前的解決方案變?yōu)樾庐a品的成本。舉例來說，如果中國的制造業(yè)工人每年能掙6000美元，而使用機器人代替這個工人的資本成本為4000美元，那么至少有6年的最低回報期（不包括運營成本）。這種情況可能對普通的工廠經理沒有太大吸引力。

2.額外價值增加的額外價值超過成本開支，你的基于ML的軟件還能提供什么價值？能提供更好的質量、提高客戶滿意度、減少錯誤、提高性能亦或是吞吐量等等？例如，在招聘方面，人們有偏見和偏好。因此，像Gild、Entelo以及Textio等初創(chuàng)公司都已經開發(fā)出基于ML的軟件，它們可以在沒有這些偏見的情況下自動雇傭員工。

3.監(jiān)管/合規(guī)問題 是否有大量的繁文縟節(jié)可能會讓你的產品的采用過程變得更復雜？一個明顯的例子就是自動駕駛汽車。

4.潛在客戶之間的目標矛盾AI和ML消除或減少人類勞動的規(guī)模，可能比任何現(xiàn)有技術都大得多，因此產生的阻力也要大得多。你的銷售團隊會因為你的新技術而丟掉工作嗎？例如，IT外包公司的一個主要擔憂是，由于“自動化”影響，按小時收費的維護工作減少了。

5.行業(yè)準備 有時候，由于極端的避險心理，一個行業(yè)還沒有準備好接受新的解決方案。我們看到那些在激勵措施上專注于工作時間而非效率的行業(yè)，也可能會因停工而受到懲罰。如果市場規(guī)模龐大且資本充足，那么替代策略或許是合理的比如Uber在全球范圍內與監(jiān)管和出租車工會大打出手。

總而言之，為了充分利用AI和ML帶來的巨大機會，你應該：1.避免大型網絡公司具有結構性優(yōu)勢的領域；2.讓產品解決了用戶的明顯痛點，而且買方不存在內部矛盾；3.根據(jù)行業(yè)準備采用AI和ML技術的意愿程度，選擇一個目標行業(yè)，而且這個行業(yè)不能存在重大的監(jiān)管障礙。