禮拜一，往往是各公司最忙碌、會最多的時刻，但沒想到，在“甲子光年的聰明朋友們”群裡，發生了一場猝不及防的AI商用大辯論。
其精彩程度堪稱“AI行業的三點鐘群”。
從前天中午12點09分，到昨天凌晨2點16分，數十位AI公司創始人、CEO及投資機構合夥人參與其中，開啟了歷時14小時的“超級頭腦風暴”。
這是發生在AI行業關鍵決策者之間的一場高含金量討論。
腦暴的起因是「甲子光年」當天發佈的2018年第3起公司案例《
原文中此處為鏈接，暫不支持採集
》。 討論共計掀起9次高潮，基本涵蓋現階段AI商用之路需要的四種能力：研發能力（突破）、工程能力（落地）、產品能力（盈利）、組織能力（適應產業）。
整個過程中，有人不惜在繁忙的會議前後，手打長篇觀點，拋磚引玉；也有AI大咖辛辛苦苦爬幾百層高樓，為犀利的觀點和金句叫好，甚至時隔48小時，在週二早上再次輸出深刻洞察；更有技術投資人吐露投資的肉痛真相；各位也在有意無意中，分享了許多鮮為人知的行業案例和公司最新動向。
這個活躍的群成立於2017年10 月「甲子光年」出發之際。到現在為止，群裡已彙集了400+AI領域的創業者和投資人。這些核心玩家，不時在群裡貢獻高質量的觀點，甚至是針鋒相對的辯論，高潮迭起。
以下為部分群成員名單（排名不分先後）：
餘凱（地平線創始人）、胡鬱（科大訊飛執行總裁）、何小鵬（小鵬汽車董事長）、山世光（中科視拓董事長）、吳韌（異構智能創始人）、Misa（Rokid 創始人）、王小川（搜狗CEO）、陳磊（迅雷CEO）、陳雲霽（寒武紀創始人）、吳甘沙（馭勢科技CEO）、黃偉（雲知聲創始人）、唐銳（縱目科技創始人）、陸薇（崑崙數據創始人）、李一帆（禾賽科技創始人）、鮑捷（文因互聯創始人）、胡崢楠（吉利汽車研究院院長）、丁險峰（阿里雲首席智聯網科學家）、陳讓（安賜資本合夥人）、王淮（線性資本創始合夥人）、黃明明（明勢資本創始合夥人）、王軍軍（發現創投創始人）……
獨樂樂不如眾樂樂，為了分享群裡熱乎乎的思考和最新、最深的行業洞見， 從今天起，甲子光年將推出全新智庫欄目——「甲子腦暴」，不定期更新。
首期「甲子腦暴」參與人物（排名不分先後）：
張一甲（甲子光年創始人）、劉昕（中科視拓CEO）、Misa（Rokid創始人）、鮑捷（文因互聯創始人）、楊滔（桃樹科技創始人）、吳韌（異構智能創始人）、丁險峰（阿里雲首席智聯網科學家）、虞安波（會聽聲學創始人）、王漢陽（泛化智能創始人）、陳孝良（聲智科技創始人）、邵天蘭（梅卡曼德機器人創始人）、梁新剛（愛智慧科技創始人）、祁衛（極木科技創始人）、費翔（飛榴科技創始人）、金亦冶（Ping++ 創始人）、丁敬峰（某AI獨角獸公司高級技術總監）、 歪歪（某大廠碼農）、姜皓天（北極光創投董事總經理）、孟醒（順為資本執行董事）、Leo（某一線基金副總裁）、高傳炬（青嶽資本合夥人）、張天初（晨興資本投資經理）、Stone（峰瑞&曼尼資管大中華區營運長）、向凱（襄禾資本投資經理）……
各位技術創業者和投資人，不僅觀點鮮明，表達能力也一流，「甲子光年」特此摘錄部分對話原文，奉上最原汁原味的行業一線思考。
Round 1
拼算法，還是拼工程？
深度學習的紅利期已經過去了嗎？
提要
週一當天，「甲子光年」發佈的2018年第3起公司案例《
原文中此處為鏈接，暫不支持採集
》展現了一種AI創業新路徑——不依賴高端人才路線，而是致力於“AI平民化”，通過降低AI門檻，賦能傳統企業，在特定垂直行業，尋找快速落地的方式。
圍繞中科視拓的打法，本輪討論的焦點是：AI 如何落地？ AI紅利期是否已結束？工程能力和研發能力哪個更重要？
劉昕給出了一個調侃行業現狀的精妙比喻：AI是葡萄乾，但是客戶要吃的是蛋糕，我們得去做雞蛋，烘焙，抹奶油，還得包裝好。然後宣傳的時候說，我們這個蛋糕，葡萄乾是來自XXXXX，由20個博士研製。
他認為：算法、工程在不同階段的重要性不同，但在目前的商業實踐中，大部分需求是沒有實際算法門檻的 ，深度學習的紅利期已經結束。
Rokid創始人Misa卻說：“不做長久積累和研發的公司就別玩AI了。因為任何AI技術的突破都可能導致遊戲規則重新洗牌 。”
兩派意見在針鋒相對中逐漸點出AI創業的真實考驗：對確定性工程問題的敏捷執行力和對不確定性技術進步的蹲守蓄力要能兼顧，在研發和工程中螺旋式上升，一手九天攬月，一手五洋捉鱉，兩手抓、兩手都要硬。
-對話摘錄-
AI落地，要的不是什麼高大上的平臺，而是幾萬塊錢就能起步的標準件。
（接上圖）
虞安波：這其實是一場逃生遊戲，攻守兼顧下去通關...有的時候因害怕錯過機會，有的時候因激進後院起火。但是沒有什麼策略的對錯之分，什麼樣的方式都有可能活下來或死掉。
劉昕:應該說大部分的需求是沒有實際上的算法門檻的，也就是難者不會，會者不難。
但是全行業技術瓶頸的突破，依舊需要算法基礎研究的進步，猶如09年的深度學習對於語音識別的意義。
如果沒有學術界數十年的堅持，靠工程實踐，不可能有跨越式的進步。算法-工程總是在不同階段的重要性迭代發生的。
邵天蘭（梅卡曼德機器人創始人）：我覺得創業公司其實需要相對較大的確定性，也就是做某個事情要有合理的概率能成功落地。學校和大公司研究院對於確定性的要求倒是沒有那麼高，發paper，做demo，就足夠好了。所以@劉昕@SeetaTech 上面說得很對，一個技術的確定性到了一個階段之後，創業公司才湧現出來。
劉昕：有段時間，我在南方跑工廠買閘機的時候，一說我是博士，我收到的報價立馬就是差不多翻倍的，後面學精了，說我高中就出來跑江湖了，然後，就收到正常報價了。
一旦進入行業的深水區，博士神馬的，用處並不如廣告中那麼療效確切。
劉昕：你們應該嘲笑我不像博士才對。至少我司的商務後來就這樣嘲笑我了。
PHD=Permanent Head Damage（編者注：終生腦殘）。
——深度學習的紅利期已經結束很久了。
——AI還在早期，哪有紅利期過去的說法？
（接上圖）
張一甲：@Misa.LastJedi 劉昕說的是To B的工程服務吧。
Misa：一樣。今天AI看起來初步能實現不少能力，但是還有大量領域一片空白。
張一甲：@Misa.LastJedi 具體說說？
Misa：現在low resouce learning就是新東西。誰做得很好了？單一任務模型到跨領域誰做好了？簡單例子，語音雞尾酒會問題誰解決了？
不做長久積累和研發的公司，就別玩AI了。
過去說AI多牛逼和現在說AI多成熟，都是外行表現。
很多人以為找到應用就穩了，可是不知道AI現在任何的突破都可能導致遊戲規則重新洗牌，建議大家以敬畏之心對待。
張一甲：@Misa.LastJedi 你們團隊在面向未來的研發和當下階段性產出的財力、人力、物力是怎麼分配的？
Misa：50%，研發。我們探究投入不是一般創業公司可以比的。
張一甲：我覺得現在AI公司基本都是一邊九天攬月，一邊五洋捉鱉，但是怎麼分配，就和公司在市場上的話語權有關了，包括面向資本的話語權。
Misa：做自己就好了。自然會有投資人欣賞你。追著投資人基本沒出息的。沒有投資人，就去研究，等待時機就好。沒必要急功近利，最後兩頭不靠。
我近期會推出不少研究成果，大家就知道我在說什麼了。
張一甲： 我覺得選擇To B工程服務的AI公司也不是為了追投資人，AI商業化本身就是要和產業融合。就是要做很多AI之外的工作。
Misa：縱向研究、橫向研究都有價值，不用急。
劉昕：一分為二地看：
1. 對於已經被技術和場景雙重驗證過的問題，比如光照/角度受控條件下的圖像識別問題，工程>研究，快速的行業落地能力，讓公司賺到錢，這是一種務實的選擇，行業需要知道哪些是成熟的技術。
2. AI的前沿理論研究投入長期，成果不可預期。我們在計算所，維持了近百人的研發團隊。博士/博士生有50+人。即便如此，依舊大概率只能是下一輪AI技術革命的追隨者。
我們每年都有不少的CCF-A類文章，但客觀地說，能夠直接轉化到產品的寥寥無幾。這並不是我們的基礎研究團隊不行，而是普遍的，都是這樣子。
Misa：根本是人，而不是事情。人不行，坐在金礦上也只能要飯。 好的人，學術也能直接換成商業價值，不如換成企業家本身討論。@劉昕@SeetaTech
把50個博士給我，我有信心換成商業價值。
劉昕：我不給你，我在等著這座金礦在不可預期的未來的價值爆發@Misa.LastJedi 。
對不知道不可預期的事情保持敬畏，對看得清楚、做得出來的東西保持速度和敏銳。
Misa：嗯，做適合自己的事，讓時間和上帝帶我們去該去的地方。
@劉昕@SeetaTech 分我一半吧
劉昕：一個都不給。
當天，一位圍觀爬樓的AI 創業者給出瞭如下的場外評價：
就在今天（週三）早上，阿里雲首席智聯網科學家丁險峰在時隔48小時後，再次引起AI創業中，研發比重的話題：
Round 2
“確定”與“不確定”的邊界？
提要
這一輪討論，從研發的重要性延展到了技術的邊界、成熟度問題：對創業公司來說，哪些技術能“拿來”，哪些必須自己突破？
劉昕繼續貢獻觀點：AI商用最大的挑戰是lerning方法的泛化能力，各種工程技巧實際在做兩件事——限制環境和迭代採集數據。
-對話摘錄-
AI最大的挑戰依舊來自learning方法的泛化能力。
（接上圖）
邵天蘭（梅卡曼德機器人創始人）：@甲小姐-甲子光年-創始人 我舉個例子吧，現在主流平臺+主流模型在detection/segmentation等圖像問題上已經可以取得相當好的效果，所以我們就觀察到不少企業（大公司和創業公司）將這一技術應用到產品質量檢測等領域。某大公司自己組織了一個不到10人的團隊，在某水果手機的質量檢測上就成功使用了深度學習。
劉昕：@邵天蘭－梅卡曼德機器人－創始人 detection和segmentation還遠沒有解決呢，即便是classification問題，也依舊沒有。ImageNet只是一個測試集，不代表classification問題的全部。
邵天蘭： @劉昕@SeetaTech 對的，但是在一些實際問題上已經夠得到了，in general遠遠沒有解決。
Round 3
工程化不是問題，產品化才是？
提要
桃樹科技創始人楊滔在研發能力、工程能力之外，提到第三種能力——“產品能力”：AI商業化的重點不是工程化，落地的關鍵是定義好需求，最終實現解決用戶痛點的產品。
楊滔和劉昕圍繞ML（機器學習）如何在新零售領域打造To B產品一問一答：ML用在什麼場景？如何體現其效果？如何持續維護和優化？ 找誰收費？如何計費 ？如何持續收費？
-對話摘錄-
做AI老闆，最難的就是讓大家看到遠方的不僅是夢想，也是比苟且還實際的事情。
（接上圖）
現階段老貴們對AI確實有運用的需求，但最大痛點可能還是“不知道該如何使用AI”，而這背後，是缺乏更多好的AI產品經理。更深一層說，是領域從業人員的AI通識積累太匱乏（接觸AI不久，整體人才根基不牢），而這要想真正解決，可能需要等到4~6年後，大學裡的這批AI學生開始畢業了，才能源源不斷地持續輸入。當然，AI用戶的成熟度不夠等，也是類似的timing問題。
費翔（飛榴科技創始人）：“如何最大化轉化率的同時避免商品品類過於集中”,這不就是我們團隊在做的事情嗎？@楊滔-桃樹科技-CEO
Misa（Rokid創始人）：@楊滔-桃樹科技-CEO 精彩
張一甲：@楊滔-桃樹科技-CEO 今天中科視拓的文章，我認為不是說AI要重視工程化，而是通過工具來降低工程化中需要浪費的高質量人力。
換句話說：別讓大科學家做太多工程，工程的工程做，科研的科研做。
張一甲：之前劉昕跟我說的是15K-30K之間的人才不需要。
楊滔：@甲小姐-甲子光年-創始人 理解！
張一甲：和Google的AutoML一個思路。
楊滔：我們也在做AutoML的事情，說白了，就是讓建模這件事比較簡單。但是，AutoML本身還不太適合作為最終產品，只能是一個階段性產出。畢竟，大多數人或者企業，在日常生活或者常規運營中，還不需要ML（機器學習）。
劉昕： 不需要ML那就是不是AI的預期用戶了。
AutoML作為產品的前提是，這個行業需要AI，同時用戶需要自主的AI能力。比如零售行業，SKU在不斷更新，如果不直接賦能給客戶，讓他們自己可以訓練商品識別模型，將大大降低無人店商品更新的效率。
許多ML公司實際上賣的是ML技術或產品，客戶實際買的是ML培訓。
（接上圖）
劉昕：我們做這件事的動機來自於行業客戶的真實需求。我們曾經蹲過軍工測試場，蹲過養牛場，也蹲過無人店，最後選擇了軍工，零售和畜牧等幾個細分行業的應用作為突破口。AI技術的成熟與否，只靠paper說了算不行，只靠集成也不行，技術和工程的交叉點上，對行業應用的理解來自於上一線，下現場，虛心向客戶學習的第一手的調研和思考，配合以基礎研究團隊，算法團隊和解決方案團隊。
1）目前的AI主要是基於DL（深度學習）相關，可能在這個方向上，算法有一定相對成熟的方案，但仍然存在很多不足，算法上需要不斷革新，學術界仍然有很多牛人前仆後繼。
2）AI需要落地。縱觀歷史，任何一項技術的發展與成熟都需要民主化以及落地化，否則就是空中樓閣，除了互聯網行業外，傳統行業也在經歷信息化到數據化的過程，需要從system of record過度到system of intelligence，沒有一個好的工程能力是沒辦法落地的，我們也看到一些很不錯的公司在做底層，同時在一些我們投資過的公司中，也有很多大牛並不追求paper而是追求穩定、高效的解決方案，尤其在一些mission critical的行業； 社會需要不斷探索邊界的pioneer，也需要真實落地的engineer，並不矛盾。
張一甲：@張天初@晨興資本 所以公司應該是少部分大牛學術領銜+一個反應速度快、能吃苦的工程師部隊，這樣結構比較好咯。
張天初：我理解分行業，比如無人車領域，現在更多的是應用相對成熟的算法，更多的是怎麼把工程做好，因此需要些top coder。
Misa：@張天初@晨興資本 那就找我就對了。
袁行遠（彩雲科技創始人）：我覺得做AI還是要繼續投入研發，因為我們距離通用人工智能還有很長的距離，比如目前對話機器人離圖靈測試還很遠，如果沒有持續的研發，無法拿到皇冠上的明珠。還是要朝著最高目標進發。挑戰最困難的事情，即使不成功也很充實，我比較喜歡這樣人生。
張一甲：@袁行遠-彩雲-ceo 似乎是第一個看到了“喜歡”這樣的答案，贊！
夏帥（共享願景基金合夥人）：@袁行遠-彩雲-ceo 請問從商業市場化的角度來看，繼續投入研發的價值和意義在哪些方面呢？
袁行遠：例如我們發表在ICLR2018的神經元圖靈機方面的研究，就可以提高我們的國際學術影響力，進而可以以更低成本招人，以更低成本獲得我們天氣預報和機器翻譯的客戶，他們會覺得你很厲害從而更加願意與你合作；彩雲小譯就是我們在NLP方向做出的實驗結果最後產品化的例子，我是喜歡NLP方向，目標是可以通過圖靈測試的機器人，產品形態就是對話機器人。
張一甲：@陳讓（安賜資本合夥人） 之前跟我聊的一個觀點：如同醫藥行業，有的人要研究藥理，有的人在藥理基礎上做創新藥，有的人做仿製藥。 沒有一個錯，存在就是有道理的。用戶的需求是千差萬別的，最終的目的還是要應用到實踐中去。對不同的投資人，看問題角度也不同，有的要100倍回報，可能押寶在技術研發驅動的公司上，有的只要5倍回報，可能會選擇相對成熟，已經有應用場景，能變現的公司。
Round 4
2016刷榜，2017講故事，2018交數字
提要
AI創業進入深水期。順為資本執行董事孟醒坦言：聊AI很焦慮，A輪投資人很蛋疼。
2018年，AI創業到了擠泡沫+商業驗證的時間點，人才成本依然高企，資本市場可能會進一步收緊，區塊鏈橫插一刀，團隊的抗打擊能力，快速場景驗證能力，迭代躍遷能力將至關重要。
在技術賽道難以確定的情況下，看準創始團隊是一種重要的投資策略。
-對話摘錄-
聊AI很焦慮， A輪投資者很蛋疼。
（接上圖）
（接上圖）
虞安波（會聽聲學創始人）：技術類的創業公司真正要命的既是技術又不是技術，我分享一個CASE:某芯片公司，就是做了幾次MPW（多項目晶圓流片）之後，坑趟完，錢花光，負責技術的人跑了……我們選擇了自己扛槍攻堅，如同過沼澤，踩到一塊結實的地就打樁細化（分配下去的事情只能是模塊而不可以是系統），踩到一個坑就當沒發生過一樣……所以綜合起來，這個不像一個真正以技術論長短的競賽，而是一個比拼靠山、意志、運氣的逃生遊戲。
張一甲：“坑趟完，錢花光，負責技術的人跑了…”好肉痛。
比拼靠山，你是指，早一些引入戰投嗎？
虞安波：因為從動態博弈的價值而言，技術（合夥/負責人）這個時候跑路是最值錢的；靠山可以是戰投，也可以是大客戶，但都是雙刃劍。
張一甲：是，之前某一線基金合夥人跟我說，他工作就是挖人，因為對於投資人來講，挖一個已經驗證的內部團隊出來，確實是性價比最高的。
關於AI商用之路，確實我覺得今年是一個擠泡沫+商業驗證的時間點，技術驗證、應用驗證、量產驗證三步走，現在大部分公司還在第二步。
但今年一級市場資本情況應該會收緊，去槓桿，很多資金募資困難，加上區塊鏈的攔腰一斬。
黃偉（雲知聲創始人）：2016年都是刷榜。2017年都是講故事。2018年就該交數字。今年確實會成為分水嶺。
張一甲：這就使得AI公司不能只講技術大未來，也要照顧腳下，挽起袖子弄髒雙手。
祁衛（極木科技創始人）：早期投資，還是技術投資的話，投資人就別費勁分析那個技術和賽道了。反正也看不懂，就是看懂了以後也會變。還是專心看創始人吧。他要是夠厲害，即使開始方向判斷錯了（大概率事件），總能改回來。
張一甲：@黃偉雲知聲CEO 是，最早的一波AI公司已經開始淌水了，AI公司開始學著越來越像傳統公司。
費翔（飛榴科技創始人） ：呵呵，有道理。做好AI，還是得先積累數據，這是個苦活累活。
張一甲：@祁衛-極木-創始人 所以說A輪投資者最難。
祁衛：多大的風險，意味著多大可能的收益，很公平。
費翔：還是看創始團隊。
鮑捷（文因互聯創始人）：團隊的抗打擊能力和快速場景驗證能力，保證迭代、實現場景躍遷。
因為很難一步到位，中間可能需要把中間產品也賣出去。即使不能解決用戶全部的需要。
張一甲：最近大家招人的時候有沒有覺得和去年不太一樣？比如應聘者的心態、要求待遇？有朋友說前兩年清華姚班畢業都去做AI，今年都去做區塊鏈了…
鮑捷：心態是不同啊，去年到今年一年經驗的人的自我定位大概上漲了50%。
祁衛 ：有一樣沒變：就是招不到人
費翔：有條件還是吧AI研發中心放美國
金亦冶(Ping++創始人)：心態浮躁的很多，希望一夜暴富，最後一地雞毛，風口論害死人。
張一甲：基本北美office都是挖人用的…
費翔：而且給的Salary比國內的高不了多少。
鮑捷：但是能做成事的人一直沒變: 那些linux git數據庫，網絡很熟的人，不是光會用TensorFlow的人。
張一甲：@金亦冶 我也有此感。最近我周圍兩個行業受波及最大：一是VC，二是AI。
祁衛：@甲小姐-甲子光年-創始人 那專投AI的VC呢
張一甲：有的成立tokenfund了，有的合夥人離職了，當然還有穩定前行的。
Round 5
融入產業需要組織能力，
“我們還有必要把自己說成一家AI公司嗎？”
提要
在前文討論了研發、工程和產品能力後，某一線基金副總裁Leo貢獻了一個新觀點：AI是進入行業的抓手，之後需要的不僅是工程能力，還有適應傳統企業組織架構，如果沒有後續的工程和組織能力，技術突破可能只是光環，不是糧票。
那麼，AI+產業，最先出現百億美金公司的賽道可能在哪兒？
-對話摘錄-
Leo：應甲小姐邀拋兩塊磚。
1）現在很多AI公司的估值都涵蓋了取代傳統行業玩家的預期，而不僅僅是為傳統行業賦能。從這個角度，AI是進入行業的抓手，而之後需要的不止是工程能力，還有傳統企業組織架構的其他成分，這個過程會比較慢，對一些團隊來說也是比較痛苦的，因為有很強的文化衝突，相比研究和工程，這種衝突可能更大。
2）技術的普及速度是越來越快的，從學術屆到工程應用到大規模普及的週期越來越短，最先作出研究突破的人不一定是最後吃到果子的人，我贊成創業公司對研究的投入，但如果沒有後續的工程和組織能力，技術突破可能只能是光環，而不是糧票。個人淺見。
張一甲：@劉昕@SeetaTech 說自己是“土裡滾”CEO。我特別羨慕@山世光（ICT&Seeta）山老師有這樣一位搭檔。
鮑捷（文因互聯創始人）：同意，組織力真心是核心關鍵。AI想一下子找到場景落地點幾乎是不可能的。唯有具有強大的組織力，才能在漫長的探索中，在土裡滾的過程中，建立一個紅軍一樣強大的隊伍。
——AI+產業，百億公司賽道在哪兒？
——最先出現的百億美金公司，應該是最先不提AI的那一個。
（接上圖）
張一甲：崑崙數據模式也很有趣，直接往上游做運營。@陸薇 很有心得（《
原文中此處為鏈接，暫不支持採集
》 ）
祁衛（極木科技創始人）：安全 金融
歪歪（某大廠碼農）：我覺得最容易出現百億美金的行業應該還是安全和金融：安全是已經在跑的案例，不需要討論。金融這個case很有意思，我一直用風控的思想看問題。 金融價值一直是涉及金額*概率，機器學習解決的不是涉及金額的問題，是概率問題，由於金融的基數足夠大，任何一個概率的提升，影響的面都是無比巨大的。
現在很多公司存在幾個難點：
1. 如何證明自己對概率的影響。
2. 如何證明數據的安全性（金融數據的使用本身是增加風險概率的），使用金融數據的風險增加值，和模型帶來的風險減少值如何衡量。
3. 如何幫助客戶去偽存真（一定要等潮水褪去麼）。
4. 如何定價，技術解決的其實是概率問題，但是都喜歡拿“基數*概率=總收益 ”來說事，其實基數本身是客戶自己努力來的，概率的定價問題需要深思。
這幾個問題其實都已經不是技術的主要問題，而是商業模式的問題，一旦解決，金融很有可能帶來一個騰飛。
高傳炬（青嶽資本合夥人）：很多命題其實沒必要加AI這個定語，就是迴歸生意的本質。
張一甲：是，區別AI和BI（商業智能）似乎沒有太大意義。
高傳炬：所以之前有一位AI CEO很認真地跟我討論“ 我們還有沒有必要把自己說成一家AI公司？”
歪歪：AI只是一種方法，並不是一個產品啊，誰家的AI可以直接賣，賣AI還是賣有AI屬性的產品？
高傳炬：所以AI應該比移動互聯網更放下身段去了解生意的本質，看看產業工業，看看會計學。
Round 6
爬樓不易，惺惺相惜
提要
爬樓不易，休息一下。這一輪討論，也許可以稱之為“商業互吹”吧~
-對話摘錄-
以終為始的“莫頓定律”比由因及果的“牛頓定律”更適合生存期公司。
（接上圖）
張一甲：@黃偉雲知聲CEO @Misa.LastJedi 感動了。Misa估計是AI創業者裡最邪魅的了吧。
黃偉：Misa是一個比較執著的人，不管AI這個賽道To B還是To C，只要堅持，總歸會有收穫。因為他既聰明又努力，還他媽的那麼執著，他不贏，沒有道理啊。這就是我喜歡他的原因。
@Misa.LastJedi 你準備紙巾了嗎？
張一甲：主持人必須要問了：@Misa.LastJedi ，請問你喜歡@黃偉雲知聲CEO 嗎？
黃偉：沒有單純的語音平臺，都是和場景結合的，比如醫療，比如金融。
Misa：同意。
張一甲：嗯，或者家庭。
吳韌（異構智能創始人）："我覺得現在AI公司基本都是一邊九天攬月，一邊五洋捉鱉"，這個必須贊 @甲小姐-甲子光年-創始人。
張一甲：男神你爬樓爬的好辛苦 @吳韌
吳韌：找到這一句，值了
Round 7
非正式發佈會：雲知聲的新芯片流片了？
提要
雲知聲創始人黃偉確認，他們研發的新款芯片已經流片，即將發佈。
-對話摘錄-
（接上圖）
張一甲：@黃偉雲知聲CEO 嗯 就在本群發佈得了[偷笑]。
向凱（襄禾資本投資經理）：@黃偉雲知聲CEO 中國芯片的進口總額接近2萬億，比石油進口額還高呢。
中國的消費電子產品已經走向世界，再往後就是汽車走向世界，芯片走向世界了~
黃偉： 市場好大啊，咱們還應該走出去。
丁敬峰（某AI獨角獸公司高級技術總監）：現有不同技術的整合能力，跨行業洞察力……地平線起了個好頭。
黃偉：九天攬月，五洋捉蹩，我們就是下地插秧的。
張一甲：@黃偉雲知聲CEO 哈哈哈。
虞安波（會聽聲學創始人）：下地不僅可以插秧，也能割韭菜
Stone（峰瑞&曼尼資管大中華區運營長）：持續量產化是關鍵，TI/高通，三星，英特爾，也走過不少彎路。應用層面也是千萬顆出貨量來檢驗。
Stone：股東層面還需承擔巨大的經營壓力，虧損反彈再虧損。
張一甲：前人插秧，後人割秧。
Stone：關鍵技術還是被封鎖，軍工，核電類，要靠自己踏實地搞研發。
張一甲：每個人擅長的不同，不管是技術研發，還是銷售，還是投資。只有做自己擅長的事情，才能在市場上立足。所以有一個啟發是：整合會創造價值。
Round 8
百億的機會仍然在To C領域？
提要
這一場討論從百億美金賽道延展而來。
北極光創投合夥人姜皓天認為，百億美金公司還得看To C賽道。以科大訊飛來說，估值要上臺階，大概率要靠To C。
C端的需求涉及到每個人的生活方式，取代手機的是什麼？眼鏡、語音終端，還是隨處分佈的智能設備網絡？聽覺交互和視覺交互將如何影響人類的思維？
話題逐漸趨於形而上學，這也許是生物算法導致的——深夜，人人都是哲學家。
-對話摘錄-
要對百億美金心存敬意。
*以上黃明明觀點選自《
原文中此處為鏈接，暫不支持採集
》
*“成為”指成為基金
（接上圖）
姜皓天：大有可為，同意。
黃偉（雲知聲創始人）：特別是AI+行業。
程曼祺（甲子光年執行主編）：大有可為，但不是百億美金？@姜皓天-北極光創投-合夥人
姜皓天（北極光創投合夥人）：哈哈 你別逼我
互聯網20年，百億美金的公司不過20家（不算巨頭分拆出來的天生貴二代）。
Stone（峰瑞&曼尼資管大中華區運營長）：@程曼祺 有空研究下科氏工業，傳到第二代了，每天營收1億多美元。
向凱（襄禾資本投資經理）： 科氏兄弟算是最富有的MIT校友了，不過不太受年輕人歡迎...@張應君_峰瑞&曼尼資管
Stone：他們收購的公司，每天利潤接近1億美元。科氏的行當還很傳統，管理能力一流。
邵天蘭（梅卡曼德機器人創始人）：
邵天蘭：國內真正站穩百億美金的互聯網公司不到十家（360迴歸前也不到百億），再加上估值穩超百億的滴滴、美團、螞蟻等也沒有多少家。美圖、餓了麼現在都不到。新東方和好未來市值分別是一百多和不到兩百。愛爾眼科（個人力薦）現在也快百億美元了。
也就是說，在教育領域要達到新東方的規模，在醫療領域要達到愛爾眼科，在零售要達到餓了麼的規模才是一百億美元。我覺得這個標準高到沒有討論的價值了。
姜皓天：對， 要對百億美金心存敬意。不是隨隨便便可以做到。好高騖遠不是很可取，立足當下加油幹。事物有它發展的自有規律，認知它利用它。
程曼祺：投資人現在在技術投資領域，追求的是多大的機會？ 如果看好To C的大機會，AI的 To C 業務，大家覺得目前有什麼好的探索？這個話題@Misa.LastJedi @李志飛 可以談。
姜皓天：比如拿科大訊飛來說，它的市值要站穩，或者再上一個臺階，我看大概率要靠To C，比如劉總展示的那個翻譯筆 
程曼祺：@胡鬱 胡總就在抓科大訊飛的To C業務。
黃偉：我覺得這個群的討論越來越有質量了。
程曼祺：我自己一直在用訊飛的一個To C的產品，海豚有聲，兩個手機都裝了，還挺解決我的需求。但訊飛沒怎麼推這個產品。
張一甲：我用搜狗的翻譯器 啊哈哈哈@王小川
張一甲：@袁行遠-彩雲-ceo 這邊也是To C很好的小而美。彩雲天氣、彩雲小譯，我都用過。
Stone（峰瑞&曼尼資管大中華區運營長）：訊飛的起點很好，現在有點像五嶽盟主左掌門。
歪歪（某大廠碼農）：彩雲天氣我在用，贊一個。
袁行遠：@甲小姐-甲子光年-創始人我們不只是To C的公司，我們也To B，我們有高精度天氣預報市場90%的份額，也提供翻譯API，另外還有一部分工作是輸出基礎AI科研成果。
張一甲：@袁行遠，贊。
丁敬峰（某AI獨角獸公司技術總監）：我覺得，語言To C在智能家居領域佔領好就OK了，翻譯筆不如集成到手機裡面。
Stone（峰瑞&曼尼資管大中華區運營長）：現在是戰國時代，眼鏡很大機率將一統江湖，手機也該退出了。
丁敬峰：個人覺得手機退出江湖首先要有好的替代者，目前還沒有出現雛形，眼鏡一定不是好的替代，有 可能被隨處的智能設備替代，家裡，車裡，公司裡面，無處不在的終端，只需要你出現，主動同步到雲端，而路上基本上不需要顯示設備，那耳機足夠。
Stone：人類70%的信息是通過視覺處理掉的。
黃偉：但是我們是人，還是因為我們有語言
丁敬峰：所以說語音也是隨處接入，那就是最好的To C。
虞安波（會聽聲學創始人）：@張應君_峰瑞&曼尼資管 視覺只是接收端……當然擠眉弄眼的除外。語音才是雙工通訊啊
黃偉：虞工說的深刻。
歪歪：語音方便，但是交互感覺比打字慢，不對，比視覺慢。所以語音並不能替代閱讀（視覺）。
丁敬峰：語音結合表情，那就妙不可言（兩會表情帝）。
張一甲： “語言相對論”很有趣。大意是“語言不僅僅是思維的反應，更能反過來塑造思維”。從這個角度看 AI在語言交流方面現在做的每一件事都可能影響未來世界的“思維”。這就是一件很大的事了。
虞安波：從發送端而言，語言比視覺有優勢……從接受端而言，視覺的帶寬和信息量更大。
張一甲：@虞安波 的說法是目前的一個主流觀點。
虞安波： 視覺和聽覺，一個電磁波，一個機械波，造物主給人類留了兩個通訊媒介，八杆子打不著，但是各有優勢，很magic。
最後反正都是神經系統的生物電，如同機房的一捆一捆線，送到大腦去處理……然後我們也沒明白大腦到底咋處理了，於是人類開闢了另外一個盲人摸象的領域，那就叫AI。
張一甲：是啊。越是研究AI，越敬佩人的智慧，進一步，造物主的智慧。
丁敬峰：自然的交互都是模擬的，包括大腦行為，而電腦都是數字領域。是不是以後應該叫數字智能，哈哈。
Round 9
AI產品需求論
提要
To B、To C of B、To C，要滿足的需求各不相同。
關於AI如何在To C領域找到和解決需求，可以看這回合Misa的演講分享。
神奇的是，Misa直接開始了一場群內挖角行動，某座標硅谷的Google工程師也許要告別煮麵、擼貓的養老院生活了。
-對話摘錄-
更好的體驗本身就是一種需求。
Stone（峰瑞&曼尼資管大中華區運營長）：
（接上圖）
Jerry（Google工程師）：我就是不願透露姓名的人@Misa 。
真誠的求教對“需求”的理解啊，我的確不認為需求是能創造出來的，或者說，的確有可以通過自己的產品改變人類需求的東西，但是更多的需求都是人自身出發而有的，技術應該是為需求而服務，不是嗎？我的需求就是我不需要更多獲取信息的途徑，比如眼鏡因為它本來就是人因為看不清楚才創造出來的一個東西而不是本質上就被需要的，但是我的確因為現在信息太多處理不過來而不知道怎麼辦，所以我更關心的就是這樣的產品才對啊。
張一甲：嗯，至少從生產力的角度，需求相對比較好理解，更快、更高、更強、更安全，都是相對簡單的標準，從習慣的角度講，就是更貼合人性了吧。
Misa：@Jerry-Google 關於需求我前一陣有個演講，闡述過我自己的觀點。你可以看看，比如更好的體驗本身就是一種需求。
張一甲：產業端基本上就幾個維度：提質、控險、增效、降耗；用戶端，除了上述之外，還包括體驗、情感、審美之類的。
Misa：太冷冰冰了。嗯，對。後面的。
張一甲：To B，To C of B，To C 從產品經理角度確實不同的。
Misa：@Jerry-Google 你少待google了 趁早離開以免被汙染。
張一甲：這是剛才Misa說的演講，我也看啦。
鏈接：
原文中此處為鏈接，暫不支持採集
Jerry：好回答！我去看看！
我的觀點完全來自於對Google的產品經理們和manager們的質疑，不過沒有任何指向其他人的意思啊，一甲的截圖是私聊所以語氣過於隨意了……
Misa：沒關係。口氣不重要，觀點重要。
@Jerry-Google 簡歷準備好告訴我。
Jerry：只是出發點上，我是以一個尋找和我比較侷限的品味比較一致的項目，然後看適不適合我去做。
並不是評論誰的觀點或者產品好不好的。
簡歷早就在你那了！@Misa.LastJedi 。
張一甲：@Jerry-Google 你什麼時候打算離開Google告訴我，我來個人才拍賣。
感謝諸位大腦和身體都永遠在路上的創造者貢獻智慧與觀點。
「甲子腦暴」下期見。
END.
閱讀更多 甲子光年 的文章
