AI公司中，泛化智能是個異類。他們的典型客戶第一次聽說AI可能是在《得到》上，第二次聽說是擔心它要毀滅世界。
但就是這群人，願意給泛化智能付錢。他們能用泛化智能的產品Tegu，快速訓練出可用的模型，代替重複勞動。而在此之前，他們只會點幾下鼠標。
梅花創投創始合夥人吳世春也評價他們：拿下了一些很好的訂單。在“假裝賺錢”的AI行業，他們是怎麼做到的？為什麼創始人王漢洋說，一款所有人能用的標準化產品才是AI公司的救命稻草？
做一款標準化產品，為何如此重要？
王漢洋覺得，現在AI行業大有問題，本質就是“軟件外包”。
大部分AI公司是項目制，典型流程是：客戶提需求、公司評估、要數據、做方案、調試交付，與軟件外包無異。
可能，AI還不如軟件外包。傳統軟件業已相當成熟，AI卻是個新生事物。經常有客戶說：我們有幾千萬條數據，你們做方案吧。結果做出來，該訓練模型了，才發現大部分數據都是垃圾。
有一位深度學習的從業者，曾向媒體甲子光年抱怨：40%項目都無疾而終。阿里雲有人稱，好多項目做了3、4個月，才發現不是深度學習能解決的問題。方案的報廢率超過50%。
大公司尚且如此，小公司項目流產幾次，就可以重新創業了。
除了行業成熟度，另一個問題是項目成本。AI公司的人力十分昂貴，比傳統IT高50%。而項目制中，一個人能做的業務是有限的。除非多招人，不然業務無法增長。因此項目制的業務是不能大規模、低成本複製的。
這就是“軟件外包”的核心問題：AI公司其實並不像科技公司，能隨變動成本下降，迎來收入指數級爆發。
在王漢洋看來，市場上AI公司云云，其實幹的都是苦力活。等到兩三年後，AI人才過剩，技術增長溢價消失，這些公司也將倒下。
泛化智能的核心就是做出一個標準化產品，這個產品叫做Tegu，用一個產品應對所有需求。
但問題在於，AI的應用領域是千差萬別的。比如醫療影像，是從靜態照片中找出模式；機場飛機識別，則要在長視頻中捕捉稍縱即逝的微小細節。它們所需的數據、訓練出的模型都完全不同，可複用性極低。
泛化智能的Tegu則把標準化做到了“訓練模型”的前一步。客戶拿到軟件後，只要上傳數據、自己標註，然後模型會自動建立，變成可用的成品。
舉例來說，一個醫生每天看胸片判斷肺癌，是個重複性勞動。他有了Tegu，只要上傳200張胸片，並標註完是否有肺癌。Tegu會拿這些數據自己訓練模型。從此，醫生只需把新的胸片傳進Tegu，機器就能診斷肺癌了。
是的，Tegu的神奇之處就在於，它直接提供給了最終使用者。一個醫生可能不太懂電腦，但他會看胸片。這就能讓他訓練出模型，並從此節省重複勞動。
Tegu努力做到“人人可用”，由泛化智能供圖
融資時，曾有投資人對王漢洋說，我從沒見過你們這樣的公司。但他覺得這才是正路：做最標準化的產品，然後賣產品賺錢。不然，遲早會有公司走上“賣用戶數據”的老路。
在AI行業，客戶擔心數據洩露，不願交出數據已成普遍問題。對於泛化智能的客戶來說，這都不足為慮，訓練用的數據、最終模型都只屬於自己，還可以離線使用。
讓所有人能用，比所有人好用
泛化智能痛恨“AI”那一套話術。他們有本《文風手冊》，簡單明瞭地告訴客戶：我們能為你做什麼，要花多少錢。“別提AI，因為很多人覺得，AI要毀滅世界。”
這與AI行規大不相同。同行只找兩類客戶：不懂的人，可以亂抬價；大公司，可以虧本賺名聲。對前者，你要暗示AI很貴，但他們又買得起。對後者，AI公司期待先做服務，後面再提價，“但其實是提不上來的，因為競爭會更激烈。”
泛化智能則希望成一單賺一單。他們賣產品，按最終模型的使用量付費。這意味著，如果產品不好用，他們就賺不到錢。但零前期投入也打消了客戶疑慮，因為很多人“被AI騙怕了”。
目前，Tegu剛結束測試就已經收到了60多家客戶的使用申請，而此前Tegu只在一個小型會議上做過宣傳。王漢洋預計，3個月就能處理完這些訂單。“60家對於做項目的公司，大概倒閉了也做不完。”據王漢洋估計，每獲得1個客戶，大概要花1萬元和1個月時間。
吳世春也表揚泛化智能說：他們已經拿下了一些很好的訂單。
對這些案例，王漢洋並不想拿來宣傳，因為“模型是客戶自己訓練的”。但有兩個案例值得一提。
一個是識別野生動物。王漢洋做過動物保護，也把Tegu拿給“貓盟”使用。貓盟成員白天上山，給野生動物拍照，晚上統計數量和品種。很多動物一閃而過，只拍到屁股和尾巴，讓貓盟成員痛不欲生。
有了Tegu，貓盟成員把照片傳進軟件，一張一張標記動物品種。到上百張的時候，Tegu就能準確識別出狍子、豹貓和野豬了。據王漢洋說，他們白天上山，晚上標記，訓練識別出19種動物，也只用了兩週。
貓盟使用Tegu，由泛化智能供圖
二是識別電網上的絕緣子。泛化智能創立初期，沒資源沒案例，他們就拿相機自己去輸電線鐵塔下拍照，拿回來自己標註訓練。
識別絕緣子數目他們用了1000張標註照片，模型能做到近似100%準確率，每0.1秒識別一張。同行水平是，用40萬張標註照片，每7秒識別一張。
識別絕緣子是否破損，他們用了236張標註照片，花費兩週，準確度98%以上。某電網的自建團隊，用了半年時間和上萬張照片，才能做到同等水平。
事實上，就是電網案例為他們贏得了融資。當初見到吳世春，王漢洋拿出手機對他演示：這是無人機拍的電網鐵塔，這是識別結果，能數出鐵塔上有多少螺絲。吳世春投過無人機公司，知曉行業水平，20分鐘後他叫進來財務，立刻把協議簽了。
去傳統行業獲客，那裡有最大市場
王漢洋大二時，從加拿大滑鐵盧大學輟學，跟兩個合夥人創辦了公司。他雖計算機專業出身，但機器學習全靠自學。“這並不難，不應該妖魔化技術。”
他說，自己接觸到機器學習，就像日本人看到了黑船。“一瞬間就知道傳統技術輸了”，馬上回國。
王興有一種信仰，認為科技會讓生活變好，王漢洋同樣如此。他相信，AI能將人從重複勞動中解放出來。
泛化智能創始人王漢洋，由泛化智能供圖
今天，有人每天瀏覽重複圖片，尋找可疑活動；有人每天爬電網鐵塔，檢查零件；有人鑽進五十度的管道，他們都拿著很低的工資。這些“不賺錢”的傳統行業，往往會被AI同行遺忘。
泛化智能則是去這些領域尋找客戶。“他們99%沒用過谷歌，沒聽過李飛飛。”但他們有需要優化的重複勞動，並且願意付錢。
為了找到應用領域，泛化智能特別喜歡雙學位、轉專業的員工。比如做過無人機，就知道航拍、農業用不到這些技術；而像電力巡檢要看大量照片，則最適合機器學習、計算機視覺來做。
最終，泛化智能希望做出一款通用工具，就像Adobe那樣，運行在2500塊的破電腦上，但依然能做出強大的產品。
今年，泛化智能的目標是再進入10個領域。他們希望標準化產品Tegu，能大大加快AI應用的普及速度。
閱讀更多 新芽NewSeed 的文章
