AI 商业模式的脱靶、崩塌、救赎

  在雷锋网《AI冰与火之歌·五问》第一篇文章《依图医疗「变卖」内幕：出走、截胡与派系整合》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。

  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。

  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。

  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。

  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，就从另一方面代表着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，这导致门槛大幅度的降低，业务利润大幅度的降低，最后大多需要靠关系驱动。

  “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，很大部分原因主要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。

  这个行业场景碎片化，客户的真实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。”业内人告诉雷锋网。

  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）告诉雷锋网，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。

  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。

  所以无论是安防也好，金融、医疗、工业也罢，都面临这样的一个问题，无论是走平台模式还是定制化模式，都难逃利润的死胡同。

  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。

  雷锋网在这先感叹一句，真正的高人，往往能通过深入浅出的话语，道出核心本质，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。

  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。

  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 前员工告诉雷锋网。

  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，是每一个企业业务系统的核心，以刚需“收割”企业利润。

  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？在雷锋网看来，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。

  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，且不一定可以成功的产品。

  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足，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。

  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。

  它模式轻，无需定制，一套SaaS产品能复用；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%。

  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，美国的客户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公司数非常少。

  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。

  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自然环境的不成熟。

  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”。

  但中国大多数企业没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。

  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：

  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。

  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。

  其法务团队，已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。

  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：我在你公司网络里安装了几个oracle数据库，给我2-btc我就告诉具体安装的地方，要不我就告到oracle法务部。

  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机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。”某法律从业者对雷锋网表示。

  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非货币性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。

  未必，短道被挡，还有长道。在雷锋网看来，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。

  身处其中的传统企业们怎能不明白这一个道理，但是AI时代，如何提升公司制作与管理效率？如何重构线上与线下的关系？换句话说，往哪里转？怎么转？

  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公司运营效率。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。

  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。

  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。

  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，在更深入了解客户的真实需求后，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。更通过这一个引子，吃透行业，知道更多客户的真实需求，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，设计企业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。

  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。

  未来智库多个方面数据显示，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企业可依据自己基础，选不一样的模式组合：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。

  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慢慢的变成了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（无人驾驶、芯片） → 形成标准化产品 → 低成本规模化复制

  竞争格局上，传统巨头林立，扩展业务边界；互联网大公司跨界，财大气粗广撒网，搭建生态。

  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。

  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”。

  正如《依图医疗「变卖」内幕：出走、截胡与派系整合》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制，想做个类似数据库的产品，什么行业都可以用。因此，对行业领域没有过多的感知或者感情。”

  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。

  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，依据自己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，两者慢慢的变成了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。

  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”。

  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。

  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：“我们现在还没看到哪一个框架能够实际做到支撑全场景，而华为 MindSpore 的目标就是成为这样一个框架”。

  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？

  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AI产业，有相当一部分是建立在美国智能框架之上。

  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，将是对中国研发人员甚至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，这在某种程度上预示着海量的真实食材（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。

  所以我们正真看到，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......

  2020年3月，旷视开源核心深度学习框架旷视天元（MegEngine），成为全世界首个将底层框架开源的人工智能企业。

  MegEngine开源发布会上，除了有图灵奖获得者姚期智、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。

  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。

  一知名投资人向雷锋网透露，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。”

  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，是为避免被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，若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。

  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，勇于探索商业模式的公司极少，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、中国有关政策支持，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。

  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。

  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。

  新故事已然开始。让我们拿起望远镜，随时代的曲线开始一场大变革浪潮的奇幻漂流吧。

  中国工程院院士、中科院计算所首席科学家李国杰近日提到，目前我国大学和企业的AI实验室大多遇到顶天顶不了、立地又落不下去的困境。

  他认为，不少科研项目要么是增量式的技术改进，要么是几十年难以突破的理想型目标。

  8月24日，我们将发布深度报道《锁死AI基础研究的「智子」是什么？》，从技术和人文角度，讲述基础研究难突破的深层原因，并探索未来AI研究的新方向。雷锋网雷锋网雷锋网