2019年，人工智慧要落地，更要小心被「摔死」

可以充分篤定的是，從2019年開始，在科技媒體的選題列表裡，400多年前莎士比亞提出的那個深邃問題：「To B or not To B」，將變得不再是問題，沒人會懷疑，未來十年中國科技的新戰場將向ToB一端轉移。

事實上，不同於美國ToB市場的興旺，中國最大ToB公司或許連最大ToC公司十分之一都不到，儘管很難復盤這種失衡的全貌，但可以肯定的是，中國互聯網過去龐大的人口紅利，在無意中「吞噬」了中國ToB巨獸們的崛起路徑。

嗯，過去二十年，中國C端市場完全是一片水草豐美的良田，只需將大洋彼岸的種子撒在這裡，就可以種啥長啥，遍地開花，動輒幾億的活躍流量，澆灌出一大批C端的互聯網新貴，也澆滅了B端巨頭的生長空間。畢竟當一切唾手可得，你很難指望人們去干臟活累活——不過現在，廣袤土地已被過度開墾，資本市場摘完低垂之果，才開始想起要尋找新的疆域，無疑要轉向ToB領域。

而在這片新大陸，生命力最旺盛的一顆種子，就是人工智慧——且不同於互聯網時代的種子更多是舶來品，在中國，由於傳統機構藉助AI實現轉型升級的需求更迫切（比如降低人力和管理成本），論及AI場景的創新方式，中國或許將成為先行者。

不過，人工智慧的種子想要落地生根，先要完成一番去魅過程。而市場凜冬利好的一面，正是用低溫過濾掉了投機者。在剛剛過去的2018年，AI從業者普遍脫離亢奮狀態，把AI當鎚子到處找釘子的妄人逐漸被市場淘汰。而在2019年，人們更是意識到，環境愈是寒冷，投資AI的天平就愈會向場景傾斜，AI融資門檻已經從最早的demo，後來的產品，轉向如今最現實的客戶訂單，2019年，能在垂直領域找到應用場景的AI企業，將贏得更大生存空間。

然而，相較於上述共識，我今天更想說的是這個：2019年，AI要落地，更要小心被「摔死」。

沒有「大鵬展翅」，只有「方寸之間」

場景如此關鍵，但問題是，AI場景該如何搭建？

回答這個問題前，先要明確一點：產品是連接不同場景之間的唯一中介，人工智慧企業必須擁有強大的產品化能力，為什麼ToB市場很難呈現指數級增長？就像遠望資本創始人程浩所言：「一個非常重要的原因是，所有ToB類項目都有實施成本和實施周期，產品化能力好壞，直接決定了實施成本。產品化能力強，可能一個人三天就能完成一個case，產品化能力非常弱，可能三個人干三個月這個項目才能實施好。」

依我之見，衡量產品化能力的唯一心法，就是看它能否短平快地滿足客戶需求，而在AI領域，滿足客戶需求不可能只憑「技術 應用」的簡單匹配，更多是依靠對某個行業垂直流程的瞭然於胸，這也是為什麼如今AI投資者已達成共識：最理想的AI被投者，應該既懂行業又懂技術，前者比後者重要。只有巨頭列陣中以行業縱深度突圍，AI創業才可能出現勝算。

而行業縱深度的其中一個意涵，是指AI落地必須要關注「周邊環境」。當AI企業者深入到一個行業的細枝末節，就會發現包括資源和能力在內的一系列約束條件，真實的落地場景很少允許你大鵬展翅，更多時候需要你落於方寸之間，比如你不可能僅靠演算法突破完成落地，那樣或許會摔得很慘，因為很可能到了行業應用時才發現，數據並不像你想像的那樣充盈。

下一批「三個字母」的小巨頭在哪

理清上述邏輯，也就不難理解「AI場景如何搭建」。事實上，一個AI場景的構建，往往伴隨著五個要素的閉環。

第一當然是業務，目前AI落地最大程度上取決於業務和方案，沒有最具體的業務，場景就不會存在。

第二是數據，數據是支撐起場景的關鍵，也是哈耶克眼中最純粹的「一手知識」，也是人類還原真實世界最值得仰仗的顆粒度，尤其在大數據時代，任何場景都會以數據的形式存儲下來。

第三是行業知識，更像是一種認知遞進關係，數據在經過系統性整理變成信息，信息經過簡潔抽象加工變成知識，現在任何一個行業的知識總量，都在爆炸式增長，任何一個「不足為外人道」，都顯得彌足珍貴，作為影響場景的核心，行業知識也構成了企業之間最難逾越的門檻。

第四是以AI為代表的黑科技，它通常是打破行業均衡，帶來場景質變的最大變數，技術的不斷迭代，督促著場景的不斷躍遷。

第五是決策，也是構建場景的最終目的。

這五要素結合在一起，就可以擁有構建AI使用場景的能力，而在上述理論的提出者——最近風頭正勁的海雲數據看來，藉助於這套場景方法論，他們完全可以把這種「能力」服務賦予用戶。

以他們剛剛發布的圖易7 AI能力服務平台為例，圍繞場景五要素，圖易7能專註於AI場景設計與應用，通過調動一切行業知識和技術資源，幫助行業用戶高效決策。

按照官方敘述，圖易AI能力服務平台依託頂層設計視野與經驗，能在最大程度上發掘不同場景中各異的商業模式與價值空間。聚焦平台層、應用層、場景層能力需求，將有價值的軟體、硬體、數據、演算法變為資源，從而全面構建圖易能力服務資源平台、能力平台、賦能平台，賦能用戶業務場景的自我進化，並基於深度學習、知識圖譜、可視分析等技術，滿足場景創新中對行業知識與能力的需求升級。

而具體到產品邏輯上，按照海雲數據CEO夏耘的說法，圖易7的四大基本特徵，保證了決策效率的躍升：「一是場景應用，圖易7無碼化資源搭建更加快速。二是知識圖譜，一旦擁有知識圖譜平台和相應知識，深度學習與智能應用的效率就會更高，知識圖譜里的快速查找以及知識積累都可以來運作。三是能力定義，通過能力和場景的關聯，使能力積累越來越多，行業場景更豐富和深入。四是賦能服務，通過賦能讓更多人使用，在更多場合下使用，通過賦能服務使得我們以前依賴於人對這些功能和對IT的理解，變成是自動化的智慧能力輸出。」

對於C端用戶，上述描述可能有些晦澀，你可以這麼理解，如同「7」在佛法中的輪迴和圓滿之意，在公安和交通等海雲數據的深耕領域，圖易7是一個重視交付和結果的「行業大熔爐」，將行業知識、數據、技術等一切資源作為助燃方式，放在圖易7里融會貫通，待到熔煉為一體，就會以產品化的方式落地，為行業輸出符合當前所有邊界條件的最佳決策，滿足用戶業務原有場景升級迭變與細分場景創新中的不同能力需求，而這些不同能力需求所產生的新資源，最終又會「回爐」到整個熔爐里，讓它能在今後適應和創造新的場景。

而如今，圖易AI能力服務平台已覆蓋公安、交通、應急管理和數字城市等十大行業，服務全球超過100家行業代表用戶，打造超過500個細分場景應用，同時服務保障了一大批國家級大型項目建設，而在賦能他人的過程中，海雲數據逐漸地褪去「創業公司」的外衣，成為了擁有自己產品護城河的創新型企業。

嗯，從海雲數據的迅猛發展不難發現，ToB這條路雖然漫長而艱難，卻遠非巨頭的專利，雖有些姍姍來遲，但未來幾年，中國終將迎來一個ToB業務爆發的時代。

其實命運自有時間表，科技領域總是這樣，一個新的浪頭打過來，就會扎堆浮現出一批偉大的企業：1998-2000年，互聯網來了，BAT就都來了；2010-2012 年，移動互聯網來了，TMD也就都來了。

如今，在以AI為底座的ToB疆域，對不同垂直行業的改造才剛剛開始，這種改造迸發出的巨大能量，足以將一批深潛于海底的生物推至舞台中央，哪怕它們短期內成為不了鯨鯊，但誰又能說，它們之中不能誕生下一批「三個字母」的小巨頭呢？

最後，對於這些剛剛踏上浪潮之巔的ToB企業，不妨以王興熱愛的一句話作結，2019年，我不祝你們一帆風順，我祝你們乘風破浪。

李北辰/文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！