SDK走天下梦已碎、高度定制化赛道易搁浅、海外高分作业抄不来，AI商业化落地出路何在？
人工智能的商业模式应该是什么样？
每次谈到这个问题，答案分两个极端：
要么同质、无趣、世俗。
要么天马行空，外行高呼震撼，内行斥其没有常识。
在雷锋网《AI冰与火之歌·五问》第一篇文章《》中，我们谈到，依图医疗成为弃子，其实是多数AI公司商业战略摇摆不定的缩影。
无人能预知命运会陷入如此险境。短短几年，AI市场的低气压不知何时开始盘旋成型。
商业化变现困境剥落了AI的优越，让AI企业直面最粗糙的生死。
“AI做不了颠覆式创新，还是要走产业+AI的路。”
这句话虽是业内共识，但走这路的方法论其实是过时的，毕竟，这与十几年前的信息化和IT软件商业路径，并无本质差异：以外包的姿态，啃项目，搭集成，做交付，任劳任怨，不怕吃苦。
纪北嘉（化名）笑着说，姿态低不低现在不是我们主要考虑的，赚钱嘛，不寒碜。
这些AI企业践行了一个最糙也最为实在的真理：先活下去，再考虑怎么活好。
真理背后，则是盘旋在所有AI从业者头上的四个问题：
AI标准化、通用化的美梦是如何破灭的？
高度定制化解决方案为什么走不通？
海外高利润解决方案我们为何借鉴不来？
AI企业跳出低毛利死胡同的三种激进模式是什么？
我们一个个聊聊。
标准化、通用化的黄粱美梦
在全球权威的人脸识别算法测试中，XX企业获得XX赛道冠军。 XX在国际权威机构ACM MM主办的大赛中，行为识别再夺一冠。
识别率提升、精度突破、榜单排行，是早期AI界的主旋律。
这段时期，中国的AI公司上演一场疯狂的刷榜竞赛，让算法识别俨然间成了一项竞技体育。
为什么热衷刷榜？
在早期AI公司的蓝图里，他们只需研发出标准化的模块，然后被集成在所有公司的各个解决方案里，如此，哪怕一个开发包（SDK）只卖几万、几十万，薄利多销，一年的利润也非常可观，而且作为被集成的软件，所得几乎均为净利润，说躺平赚钱也不为过。
这一意识形成后，很多公司将比拼算法精度作为头等大事，甚至一度认为，不需要招销售，客户自然会闻讯榜单而来。
一级市场用挥金如土表达了乐观的情绪，AI企业在宣传上毫不掩饰科技标签的高贵，似乎一套SDK扫天下的时代就在眼前。
但很快，在算法刷屏约两年后，他们察觉不对劲，怎么投入不见少，铜子儿却没见着？
2017年是觉醒的一年，尝试落地的他们发现，在赛事中频频拔得头筹的算法，一旦走出实验室或特定的场景进入实战，根本玩不转。
而且，作为最先落地的两大行业，无论是公安还是银行，客户需要的不是单个模块或开发包，也不具备集成SDK的能力，他们要的，是一套定制化的解决方案。
结果就是，在算法领域的神仙打架，在业务落地成了菜鸡互啄。
SDK走天下梦碎后，他们的解决方案从轻变重，跟传统IT企业一样，走高度定制化解决方案的路子。
高度定制化解决方案的利润困局
To B行业有什么特点？个性化定制；获客周期长（决策流程较长）；产品有实施成本；成长较为线性；价值敏感。
而一旦进入高度定制化赛道，就意味着AI企业成为一家集成商，而非高大上的产品型科技公司。
陈冀（化名）表示，重型解决方案模式的最大弊病是，你能做的，别人也能做，这导致门槛大大降低，业务利润大大降低，最后大多需要靠关系驱动。
他们吭哧吭哧地进入的重型解决方案行业，一不留神就走进利润死胡同。
有人问，安防行业也定制化，为什么海康走得通？
简单来说，就是把“成本三低”做到了极致：
平均人力成本低
运营成本和销售成本低
产量扩大后的边际成本低
海康威视总裁胡扬忠曾告诉雷锋网《AI金融评论》，他对科技公司做安防持审慎态度。
“以通讯行业为例，其运营和销售成本比安防高很多，所以用高成本的人力去跑安防，就像拿步枪打苍蝇一样，投入与产出是非常不匹配的。”
这句话背后，也许是对高成本的科技公司走碎片化定制解决方案路径的怀疑，甚至是否定。
大型IT公司之所以能在定制化赛道里存活，很大部分原因在于人效的极致追求，说得不好听，就是用更低的成本，去省出更多的利润空间。
海康威视总裁胡扬忠也曾发表对此的看法，他说：
这个行业场景碎片化，用户需求差异化和定制化需求明显，而且这个行业的平均回报并不高，每个项目贡献度都不大。所以如果人力成本过高，会是个很关键的问题，会导致人均产出/费用比不划算。
“从公开资料看，AI企业年度人均营收约50万，人均费用也约50万，即使毛利率能到50%，依然会有明显的亏损。”陈冀坦言，“而且，他们很难达到50%的毛利率，想做大人均，很难。”
这也正是当初华为大张旗鼓地进入安防时，胡扬忠表示：华为是一家做大生意的公司，捡豆子、捡芝麻的生意不适合他，华为很快会认识到这一点。
“海康威视的人均人力成本只有华为的三分之一，任正非历来不提倡华为在低维市场的泥潭里死缠乱耗，华为如果以海康的方式做安防，被集团叫停只是时间问题。”业内人告诉《AI金融评论》。
华为安防后续转换战略，主推平台，也侧面证实这一点。
在人效优势+规模化效应的前提下，海康做了20年，也才做到约600亿元的营收。
与互联网动辄千亿战果相比，这盘实在算不上大肉，与动辄估值几百亿、亏损几十亿的AI企业相比，这不像是经得起折腾的赛道。
这里提一句，彭易（化名）告诉《AI金融评论》，在他看来，云从之所以能够上市，除了国家队属性，也在于他们的亏损率控制。
而亏损率不高，与人效或者说重庆人力成本低有关。同时，与其他几位小龙喜欢重金聘请AI大牛和博士相比，云从则显得低调得多，鲜少有盛名在外的科学家。
云从科技提交的IPO招股书显示，2019年高管总薪酬仅890.47万元，要知道，在不少企业，一个AI大牛的薪资就高达千万。
千人级别员工规模下的高薪酬，一年的人力成本就可高达几亿到十几亿。
而且，AI企业虽技术优势傍身，但作为不单纯靠高科技能打下市场的行业，难以通过单点突破快速占领市场。
大多数AI企业逃不开“三高”病（高投入、高亏损、高人才），同时又不具备规模化效应，让他们在高度定制化且毛利低的市场，转不开磨盘、吃不饱。
AI企业放得下高大上的科技标签，吃得了长苦，但就是赚不到钱。
所以无论是安防也好，金融、医疗、工业也罢，都面临这个问题，无论是走平台模式还是定制化模式，都难逃利润的死胡同。
欧美的高分作业，国内企业抄不来
1.重型解决方案的困局：国内企业难做出高毛利的核心产品
有人说，海外走通此模式的大有人在，中国为什么玩不转？
比如IBM，它就是在重型解决方案领域走出康庄大道的典型代表。
郭士纳时期开始，IBM转型成为一家高定制化的解决方案公司，但IBM却并未受困于此，反而一直有着超高的利润率。
《AI金融评论》在这先感叹一句，真正的高人，往往能通过深入浅出的话语，道出核心本质，毛泽东是一个，郭士纳是另一个。
他当初对IBM转型解决方案公司的定位是：如果客户需要马桶，那IBM也卖。
这句话背后的本质是，以客户为核心，牢牢把握住客户，而这，正是一家解决方案公司的立身之本。
当然，IBM转型成功，除了抓住了这一根本，也离不开IBM的核心产品、服务和并购。
这里重点谈下IBM的核心产品。核心产品，是那些通用化的、高毛利的产品。
IBM的解决方案，集成了众多生态伙伴的产品，但方案中有些重要的组件和中间件，由IBM自研把控，比如服务器、存储。
这些技术门槛高、占据核心地位且通用的基础系统硬件，也带来了高利润。
IBM看似在高度定制化解决方案里又苦又累，帮其他公司牵线搭桥，实则拿捏住了最核心的中间件，以至于一个项目可以拿到近五成的营收以及高毛利。
“以前银行IT系统里最要命的中间件都是IBM在控制，成本不高，但服务费非常贵。十几年前那批服务银行业务的IBM销售，真是躺着赚钱。”IBM 前员工告诉《AI金融评论》。
所以，即使他们做重解决方案，依然可以通过核心产品获得高毛利。
同样，SAP有ECC，甲骨文有数据库。
数据库是基础软件皇冠上的明珠，几十年来与操作系统齐名，是每一家公司业务系统的核心，以刚需“收割”企业利润。
这些都是解决方案里的利润来源、客户不得不买的核心产品。
那么为什么中国的解决方案公司缺少这类高毛利的核心产品？在《AI金融评论》看来，原因有四：
第一，复杂的系统性工程能力有限。吃透一个复杂业务系统，需要强大的工程能力，庞大的知识体系和深厚的经验积累，中国在系统性工程能力上一直较为欠缺。
第二，浮躁，倾向于赚快钱。（其实这也是工程能力弱的原因）
这类核心产品，属性重、壁垒高，需要极大的时间、资金、精力和研发投入，但中国发达的互联网产业让大多数企业习惯于短期获利，在海量的客户、海量的营收规模、高营收增长率、高利润率的面前，难以沉下心来做各项要求极高，且不一定能成功的产品。
第三，对资金投入、战略坚持要求极高。
以数据库为例，在云计算的光芒下，这两年中国数据库领域进展迅速，阿里、腾讯、华为都初尝甜头。
在这背后，他们投入了巨大的人力、物力、财力，即便如此，因中国To B市场环境问题，在相当长一段时期内，这类产品的工作推进得尤为艰难。
在那些前路星光暗淡的日子里，能坚持至今，实属不易，这离不开企业在战略上坚定地支持。
第四，企业对有效专利的保护远远不够，在法律手段上不够狠，市场惩罚力度有限，导致抄袭成本低。仿制品多了，自然会进入打价格战的恶性循环，没有利润。
这个问题过去20年没有解决，可能未来10年也很难解决。
早期，AI公司以为AI技术就是类似ECC、Oracle的“中间件”，但是AI本身并不是一个产品，且门槛逐渐降低，同质化严重。
而IT软件领域，中国至今也没有一个保持高毛利率的软件企业。以金蝶、用友为例，这些具有二、三十年历史的公司，利润一直在低位徘徊。
眼下的中国AI公司，大多缺钱、缺精力、缺战略底气去支持一款核心产品的开发。
2.轻量标准化产品模式：盘子是大，收费模式扭曲
做重不行，那就来轻的，比如SaaS模式。
的确，SaaS也是目前各大互联网巨头最为重视的产品形态之一。
它模式轻，无需定制，一套SaaS产品可以复用；收入可持续，不是一锤子买卖；高毛利，SaaS收入的毛利至少能达到70%。
它打通To B，通用化、标准化，是个突破困局的好苗子。
此模式也得到欧美市场认可，单2020年，美股的SaaS公司就有不少突破了百亿甚至千亿美金估值。
甚至有一种说法：美股过去十年属于FAANG（互联网），下一个十年属于SaaS（软件即服务），未来软件定义世界。
理论上可行，但要明白，美国的企业服务程度远在中国之上，且美国人口红利弱势下，长期以来注重人效比。
其次，中国环境较为尴尬，中国的付费意识有所提升，但依然不容乐观，尤其在软件领域。而有了免费的钉钉、企业微信、飞书后，更是加剧了国内小公司的软件“白嫖”意识，愿意付出可观费用的企业数量非常少。
其实，这间接导致SaaS也逐步进化成定制化项目。
其次，仔细想想，淘宝在以另一种SaaS的形态存在于市场，以羊毛出在猪身上的方式，赚走了多数小微企业的钱。
3.企业知识产权保护：不够快、不够狠、不够全
当然，高毛利的困局，除了战略坚持、工程能力，更在于当前知识产权保护环境的不成熟。
首先，中国企业一个重大认知误区，就是“谁掌握的技术多，谁最需要加强知识产权保护”。
知识产权其实具备技术与法律的双重属性，本质上是运用于商业。
但中国大多数企业没有意识到它不是一个法律问题，而是一个资产管理问题，知识产权长期得不到足够的重视。
这一点上，硅谷地区尤为优秀。
《烧掉舰船》一书中，就鲜活地展示了知识产权的力量。
马歇尔•菲尔普斯在任职IBM公司副总裁期间，利用知识产权武器，在IBM命悬一线之时，通过一系列组织架构及专利许可的改革，成功使得IBM公司摆脱经营困境：
当年，IBM的利润收入总额中有25%来自于知识产权的与授权的项目。
如果说在IBM马歇尔只是利用知识产权拯救IBM公司脱离水火困局，那么后来在微软马歇尔则利用知识产权所做的变革，让知识产权成为微软的战略核心，并支撑巨轮前行。
而另一个依靠知识产权的运营为企业带来盈利的典型案例，非甲骨文莫属。
甲骨文的法务团队是全公司最强势的部门，有人调侃，它应该是一家大型律所，而不是一家软件科技巨头。
注：图片来源于网络
其法务团队，已经形成一条完整的产业链，有负责起草滴水不漏的授权许可合同/格式合同的律师；有负责探索并调查市场上侵权公司，进行许可授权谈判的律师；有负责诉讼的律师，开启漫长的司法程序，并申请配套的诉讼保全或禁止令等，捆住目标公司的手脚。
这些法务团队出现在董事会、在风控会、在谈判现场、在危机处理等等场景，只要与公司业务相关，他们似乎无处不在。
一家一流公司，不仅需要能创造IP，更需要运营IP。
作为一个软件系统公司，甲骨文前期需要为产品投入巨大的成本，此举本意是为保护自身不受侵害，后来，这种架构融入企业生命，成为一种生产力。
只要他们开发出一款好的数据库产品或组件，即举整个公司之力保护权益，甚至经常通过一场官司就可赢得数亿美金，以至于网上出现不少诸如此类的段子：
黑客：你好，在吗？ 受害企业：？ 黑客：我在你公司网络里安装了几个oracle数据库，给我2-btc我就告诉具体安装位置，要不我就告到oracle法务部。 受害企业：......大哥，有话好商量
这套机制在保护他们的核心产品的同时，也让其在一段时间内形成市场垄断。
公司业务上无处不在的法务团队，其实是法务成熟的体现。显然，国内仍不够成熟：知识产权保护体系不健全，企业也缺乏相关的意识。
比如知识产权保护到位，是建立在一系列前提之上，大多数企业并没有完备的团队：
是合适利用知识产权保护还是适合商业秘密保护 是否做了全面的或针对性的知识产权布局 是否有团队在监控和维护知识产权
比如实际执法问题多，处罚力度有限。不仅存在认知力度水平不一、地方保护主义等等问题，且目前知识产权界的不少重大侵权案件中的赔偿金额也较为有限。
“真正的惩罚是市场禁入，真正的奖励是国家允许的市场垄断。”某法律从业者对《AI金融评论》表示。
中国的知识产权，大多数仍处于低端的专利代理和诉讼工作，很难去真正认识到知识产权保护这种无形资产对一个企业价值体。
整个知识产权结构的不成熟，让拿来主义盛行。当企业呕心沥血开发的产品一转手成为他人获利的工具，得不到保护的创新，就是市场恶性竞争的开始。
不在死局中消耗，就在
“三大激进商业模式”上九死一生
难道没有其他出路吗？
未必，短道被挡，还有长道。在《AI金融评论》看来，AI未来的转机，也许在以下三种路径里。
路径一：重定制集成项目实施→ 数字化咨询 → 咨询业务反哺重定制实施 → 与大型客户建立高粘性和系统不可替代性
眼下，整个To B行业，一边被传统体系与落后的生产方式相互拉扯，一边在纷繁复杂的新兴技术洪流中被左右推搡。
在技术迭代的窗口，要么向上冲锋，跃进下一个时代，要么混同扑面而来的泥沙，跌入时代的谷底。
转型是不是找死不知道，但不转型一定是等死。
身处其中的传统企业们怎能不明白这个道理，但是AI时代，如何提升企业生产与管理效率？如何重构线上与线下的关系？换句话说，往哪里转？怎么转？
这些问题，单靠企业本身，难以全面回答，而咨询机构可以。
德鲁克说过：动荡时代最大的危险不是动荡本身，而是仍然用过去的逻辑做事。
数字化咨询最大的价值不是解决细节的技术问题，而是通过对商业流程的把握，通过整个体系的重塑实现更高的企业运营效率。最终目的，是让企业花费最小的金钱、时间等成本，实现企业数字化转型。
为什么说AI公司，在当前适合开辟数字化咨询业务？
先说说必要性。
首先以往的AI公司完全不需要做咨询业务，因为它们只是给客户提供单点技术服务，如人脸识别、语音交互、机器学习决策等等，远没到战略咨询、IT咨询阶段。
但现阶段的AI企业，随着业务不断下沉，逐渐做重，本质上成了数字化企业。
数字化，用什么技术不重要，重要的是做好顶层设计、组织管理规划、数据沉淀、数据流通、数据决策，最终实现智能化。
这个时候，做咨询，势在必行。
咨询行业本身是高智力的工作，难以产生高规模营收、高利润，但咨询不是目的，盈利也不是。
如今的数字化转型解决方案，不再是单纯的软硬件实施，而是对人、组织、流程、IT的整体改造。
AI企业可以设立“咨询子公司”，自上而下摸清楚各种场景、客户、领导的需求，拉通供应链关系，一来，以自身的方式经营客群关系，并帮助母公司去直接获客，承接项目实施。二来，在更深入了解客户需求后，反哺主公司的整体解决方案。
坦白讲，咨询只是引子，打通客户决策层之际，为自己的项目实施业务拉客。更通过这个引子，吃透行业，了解更多客户需求，让解决方案更为健全、通用。
好比一家装修实施公司，额外经营了一家家装设计子公司，设计公司先给业主做出设计规划，提供装修的用料、实施商的选型参考，同时推荐自家的实施母公司，来做最终落地。
再说说可能性。
模式轻，市值高。
咨询是轻模式，资金压力小，AI企业入局风险较小。
其实IT数字化领域，走通此模式的咨询企业不在少数。以埃森哲为例，其以IT咨询起家，在咨询领域站稳脚跟后做，逐步扩展到解决方案的实施和部署，目前年营收500亿美元，市值达2000亿美元。
即使不以巨头参照，咨询本身最大的成本是人力，项目人效高，利润与重型解决方案相比，也较为可观。
咨询行业市场大。
未来智库数据显示，2018年全球咨询行业达 2770 亿美元，复合增长 4.3%。在增长方面，亚太地区是行业的最前沿。亚太地区 2018 年的市场规模为 470 亿美元，约占全球管理咨询业的 17%，其中中国市场是增长龙头，年复合增速超过 10%，是全球市场的两倍。
AI企业可根据自身基础，选择不同的模式组合：轻咨询+重实施；重咨询+轻实施；重咨询+没有实施。
其实目前不少AI企业已经在往咨询领域发力，比如金融风控领域的头部企业同盾就孵化了咨询子品牌。
在定制化场景摸爬滚打的海康也暗戳戳地有动作。
2018年12月，海康进行了组织架构调整，成立了全新的三大BG事业部（PBG、EBG、SMBG）。其中，EBG已经成为海康新的动力引擎之一，承担了海康推进企业数字化转型业务重任，海康委以重任的EBG负责人徐习明， 就是IT咨询出身，曾是IBM咨询部门的副总裁。
最鼎盛时期的IBM，是解决方案的集大成者，更是一只“高毛利的通用服务器、中间件产品 + 高定制化实施团队 + IT咨询服务部”三轮驱动的巨型航母。
路径二：重定制集成项目实施 → 进入非标市场的标准市场（自动驾驶、芯片） → 形成标准化产品 → 低成本规模化复制
AI公司为何都在赔？
核心在于：AI未能标准化，项目需求又无穷多，也就有了做得越多亏得越多。
业务特性上，以项目制为主，产品和服务门槛高，生产流程复杂、定制化高；
行业特性上，周期长、反馈慢，不具备高增长性，投资回报率低。
竞争格局上，传统巨头林立，扩展业务边界；互联网大厂跨界，财大气粗广撒网，搭建生态。
说白了，非标市场，容不下AI企业浩瀚的AI梦。
那就去标准化市场？有人说。
标准化市场可以一夜之间把价格做到无穷低，高额运营支出会逼着他们重回定制化市场。
上不得，下不去，还不能不做，毕竟日子还得过？怎么办？
在非标准化市场找到标准化赛道，这才是AI公司的路子。
没找到之前，一定不赚钱，一定亏下去，一定成不了巨头，一定被质疑。
所以不管他们现阶段是否依赖于非标领域获得营收，要在未来立足，必须瞄准更大的赛道，如此，才能支撑他们“昂贵的未来”。
这个“更大的赛道”在哪里呢？
场景上，自动驾驶、芯片都是明显的非标市场中的标准市场。
技术上，软件定义、人机协同一旦成型，可以一招吃遍天下鲜。
这些赛道长线、资本看好（热钱关注）、短期无法盈利，能讲出不一样的故事。
正如《》中，前依图员工的一句话点破了AI公司对标准化市场壮士断腕般的执着：
安防和医疗都不是依图未来的主业，安防只是规模比医疗大，哪一天无人车或者芯片做起来，安防也能像医疗一样卖掉。现在分管安防的高管Steve，背景是企业级产品研发，想做个类似数据库的产品，什么行业都可以用。因此，对行业领域没有太多的感知或者感情。”
路径三：开源深度学习框架，占位国产化高地。
至今，主流的开源深度学习框架一直由国外科技巨头主导，其中Google的TensorFlow以强大的工业部署能力深受工业界喜爱，Facebook的PyTorch以灵活性横扫学术千军，两者占据了90%的市场份额。
在AI界，两大开源框架的地位等同于IOS和安卓系统，算得上开源框架的双煞。
既然巨头成就在前，框架开源不受限，为什么要重复造轮子，胜算又在哪里？
1. 深度学习框架，一场潜在的制高点之争。
如果把炒菜比作场景，优质的食材（大数据）、高超的方法（算法）、上等的锅（框架），加上恰当的火力（算力），才能炒出一盘好菜。
作为底层语言和算法模型的骨架，深度学习框架省去了开发者从0到1地搭建地基的成本，提高开发效率。
开发人员可以像搭积木一般，根据自身行业的特点和场景需要，选择框架中的模型，进行组装或训练自己的模型，导入数据并得到模型，最终实现部署。
深度学习框架其实将数据、算力、算法三者相连接，向下对接芯片（算力），向上支撑应用。
如果说芯片是算力平台，那么深度学习框架就是编程生产力平台，两者已经成为AI基础设施基座。
成为一家平台型公司，建立以自身为主导的庞大的AI生态，是大多数科技巨头的愿景，在“得开发者得天下”的影响下，开源深度学习框架将是企业跻身“平台型AI”的关键。
开源本身，是将自家的独门绝技分解成一招一式，慷慨对外，既是开诚布公的交流，也是明枪暗箭的较量。
深度学习框架话语权的争夺，暗藏着对未来AI行业标准制定主话人的争夺。
百度CTO、深度学习技术及应用国家工程实验室主任王海峰也曾表示，深度学习框架是“智能时代的操作系统”。
深度学习框架的竞争，已经成为未来人工智能场上竞赛的制高点。
Google有TensorFlow、Facebook有PyTorch，百度有Paddle Paddle、微软有CNTK、亚马逊的AWS则有MXNet。
你看，这一制高点，早已有无数巨头争相竞夺。
2. 技术没有终点，企业没有永胜将军。
当年TensorFlow横贯世界，谁能想到PyTorch愣是冲破铁幕，上演了后来居上的故事呢？
按理说如今TensorFlow和PyTorch牢牢把控市场，然而TensorFlow性能高、部署方式高效，但调试性不足，而PyTorch灵活易上手，但命令式编程运行效率低。
说白了，开发端的需求动态化、多元化，没有哪一个框架能完全满足市场需求。
这意味着，任何一个框架都不会有决定性的胜利。没有永恒的强者，只有永恒的挑战者——新的框架出现具有历史必然性。
华为徐直军曾对此表示：“我们现在还没有看到哪一个框架能够真正做到支撑全场景，而华为 MindSpore 的目标就是成为这样一个框架”。
也因此，不断有挑战霸主地位的冲锋者。比如2016年AWS的MXNet，优化云端分布式部署，利好AWS生态参与者；比如微软的CNTK，简单易配置，操作易上手，打出傻瓜式的招牌。虽未能成功，但后来者势头不减。
开源深度学习框架的代表性崛起出现在2012年-2015年间，历史并不悠久，也许追着追着，就赶上了呢？
3. 局势动荡，国产替代势头大。
中国超九成的开发者使用的AI开源软件包来自美国。
很显然，中国的人工智能严重依赖美国的开源框架，往严重了说，中国人工智能产业，有相当一部分是建立在美国智能框架之上。
在中美关系缓解的前提下，尚且影响不大，但如果这个前提生变呢？
轻则影响工程进度，重则步中国芯片产业被美制裁的后尘。
中兴、华为事件的爆发、美国至今仍在更新的实体清单，无不在提醒着中国企业，作为编程生产力平台的深度学习框架，不是没有成为下一目标的可能。
一旦中国AI企业成为制裁对象，关上了深度学习框架的大门，将是对中国开发人员甚至AI产业的致命一击。
退一步讲，目前在国家数据安全越加敏感的背景下，即使没有中美科技战，数据向国内迁移也将成为趋势。
要知道，AI的训练全部基于开源框架，这意味着海量的真实食材（数据）都将在美国企业的大锅（开源框架）里烹饪，一旦上升到国家，数据安全将成重要隐患。
所以我们看到，百度开源了，华为开源了，阿里开源了，腾讯开源了，旷视开源了，清华也开源了......
从这个角度看，也许2020年国产深度学习框架开源集中爆发不是巧合。
而在这之中有个信号——少见的AI企业的身影。
2020年3月，旷视开源核心深度学习框架旷视天元（MegEngine），成为全球首个将底层框架开源的人工智能企业。
MegEngine开源发布会上，除了有图灵奖得主姚期智、高文院士、怀进鹏院士坐镇，还有前微软人工智能领航人物沈向洋捧场，单从嘉宾阵容，可一窥旷视对其开源框架的重视。
旷视的出现，让这场竞争不再是科技巨头玩得起的游戏。
首先，前文提到目前AI公司的困境在于，AI并非核心技术，重型定制化解决方案容易进入死胡同，轻量的标准化产品模式收费潜力有限，可谈得上“价值”的人才难以量化。
AI企业一直在寻找一个站得住、走得长的“价值”，基于上述分析，开源可以是那个“价值”。
站在旷视的角度，当初商汤以平台型为目标，旷视若无亮眼标签傍身，未来很可能与二线AI企业无异。
一知名投资人向《AI金融评论》透露，他们投资人看企业，更多看的是想象空间，不是看现在能赚多少钱，如果比赚钱，何不去投资集成商？
“当今的AI行业，除了极个别企业外，我们实在看不到任何大的想象空间。旷视的想象空间，我认为是深度学习开源框架，如果能把它做好，这就是他们的最大增量之一。”
再来谈谈现实，开源框架的商业价值。
TensorFlow和PyTorch其实都存在百亿美元的营收潜力，Google和Facebook之所以不以此盈利，是因为开源承载的更多是战略意义，是防止被对手吞噬的防御性措施。
安卓的免费开源，从战略意义上讲，是为了防止被iOS和Window卡脖子。
设想下，如果Google没有自己的安卓阵营，几十个应用全部架设在苹果和微软的操作系统之上，一旦发生巨头之间的卡脖子事件，Google的处境会有多么艰难。
巨头不缺钱，可以不在乎盈利，但AI企业在乎。他们需要钱，且理论上可操作。
方式一，可先提供一个基础版本，针对高级版本收服务费；方式二，开源一段时期后闭源，按需使用收费；方式三，与使用框架的公司合作，开发新产品。
当然，这是一条可行的路，但并不是一条容易的路。
TensorFlow和PyTorch，背靠科技巨头，框架性能强大、工具链成熟、社区生态庞大，它们汇聚了全球的工程师、顶尖的代码和产品，仍然位居开源领域顶峰。
这个赛道里，创业公司极少，侧面意味着高壁垒、周期长、生意慢，需要得到开发者认可，需要巨大的生态支持，才能变成大生意。
而且，这一路径的成立必要前提，是科技制裁加剧、外国主流框架使用受限、中国相关政策支持，且成立后，仅有中国人使用，其生态环境无法与前两者比拟，这是此模式天然的局限性。
时代万象，成王败寇
距离那场让各界激动不已的人机大战，已经五年了，也才短短五年。
有人赶不上热点，抓不紧核心，在队伍末端吊坠。
有人挑最重的担子，啃最硬的骨头，无惧下沉。
有人交枪、抢跑、狂奔，全力以赴想抢先初达拐点。
有人羞羞答答，不知该破釜还是坚守，两只手相互拉扯，左右为难。
无论以何种姿态闪亮登场，未能寻得一片安身之地的企业，都将被大浪冲散。商战残酷，无人怜惜蔷薇横卧，唯有在历史的缝隙里，辗转腾挪，活到下一时代。
但市场铁律会摧毁秩序，也会重建规则，催生新的万象。
数字化浪潮正引发新一轮社会进化，所有人将通过商业路径选择，完成一场公平竞跑。
这既是一个AI企业赌命的关键节点，也是AI企业在新时代开篇建制的绝佳时机。最先适应的人，将收到时代馈赠的红利。
AI商业化落地的镜像里，谁能称王，谁是败寇？
新故事已然开始。让我们拿起望远镜，随着时代的曲线开始一场大变革浪潮的奇幻漂流吧。
大赛预告
2021年9月10-13日，2021年第三届“数据极客算法建模拉力赛”火热来袭！
大赛致力于将人工智能技术与金融场景相结合，邀请自然语言处理、图算法、图像处理等多位AI技术的行业专家，共同分享AI在各个金融场景下的实战经验。
关注公众号《AI金融评论》，回复关键词“大赛”，进入金融科技专家社群，观看直播和后续报道。
决赛议程
热门跟贴