2017年创业公司和传统企业如何赶上人工智能浪潮？

　　笔者曾说2017年人工智能会迎来井喷，并不是说技术上会取得多么革命性的进展，而是会有大量人开始涌入人工智能相关产业，大量公司开始探讨人工智能时代的战略战术。那么，非AI类企业在面对被媒体塑造成“洪水猛兽”般的AI时，究竟该如何应对呢?

　　如何赶上人工智能浪潮?

　　在思考这个问题之前，我们先要搞清楚人工智能的当前发展阶段处于哪个阶段。众所周知，它已经发展了60年，基于算法、硬件、数据3方面的原因迎来了这一次的爆发。如果将一项科技从概念提出到成为人类习以为常的“水和电”看做是该项科技的生命历程，当前的人工智能处于哪个阶段?再如果，拿人工智能来和互联网做类比，当前的人工智能相当于1985、1995、2005、1995这4个时点中的哪个点?

　　互联网20年的发展

　　笔者个人倾向于认为它正处于1995年的互联网的那个时间点，就是马云去美国看到互联网后兴奋地受不了的那个时间，所不同的有3点：

　　第一，当时的互联网革命的中心在美国，这次的智能革命中国可能会扮演某种“核心领导层之重要一员”的角色。

　　第二，互联网用了几十年才有今天的成就，而人工智能的发展速度可能会远远快于互联网，有可能5-10年就顶其20年。

　　第三，人工智能对人类社会所带来的改变将会比互联网更大，商业规模也要大得多，按李开复老师所言，可能上千倍。

　　除以上3点外，笔者认为人工智能当前的产业发展阶段就相当于1995年的互联网——初级技术开始成熟、资本供给基本管够、社会关注指数放大、产业应用严重不足。

　　基于这个认识，笔者觉得对于任何一个企业和普通人来讲，机会都很大。因为1995年有了Yahoo、网景、微软、思科等，但还没有BAT、Facebook、京东、小米、360……

　人工智能的浪潮如何把握?

　　机会真的很大，时间点也很好，但是这次留给我们的时间可没有那么久，几年时间内很大概率会出现新的人工智能时代的BAT。那么，非AI类企业究竟如何迎接这样大的一个风口呢?

　　未来几年“服务智能”时代卡位人工智能的5种模式：

　　模式一：生态构建者——全产业链生态+场景应用作为突破口。

　　模式二：技术算法驱动者——技术层+场景应用作为突破口。

　　模式三：应用聚焦者——场景应用。

　　模式四：垂直领域先行者——杀手级应用+逐渐构建垂直领域生态。

　　模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展。

　　非AI类企业如何赶上人工智能浪潮

　　那么，以上5种模式怎么选呢?我们把非AI类企业(也不包含BAT等早已布局AI的大型企业，他们会走第一种、第二种或第五种模式)粗略分成3类来讨论：

　　第一类：以线上和高科技为主体的大企业(独角兽及以上级别)

　　这类企业资源好、名气大，对人才、资源和资金的吸引力都要比其他两类大得多。但是因为AI浪潮来得实在太猛，有些企业会担心自己资源不多，没法投入太多精力在AI方面，但又很担心错过这波浪潮，后面追赶的成本会更大。对于这个担忧，首先要思考一个问题，明确AI是否真的对你的业务会产生巨大的积极影响，是否是你业务成败的关键?如果答案是yes，那么就努力去做AI，注意AI是要做的，不是看的、学的，赶紧做起来就比别人领先了一点。注意，现在做一点也不晚，恰逢其时。当前AI相关的资源开源是大趋势，基于开源的软件做些上面的应用是性价比最高的AI解决方案。上面也说了，这类企业有点钱也有点名气，所以还是特别建议成立自己的AI团队，这样有助于构建门槛，应用AI技术的效率也会高很多。

　　第二类：以线上和高科技为主体的小企业(达不到独角兽规模)

　　这类企业的嗅觉非常灵敏，但是钱、人、资源都相对匮乏，跟第一类企业一样，先搞清楚AI是否是自己赢下战争称霸行业的积极因素，决定好做了，可以走第3种或第4种模式。但是因为并不那么财大气粗，可以直接使用各大巨头提供的云上的AI服务，把大公司当做自己的基础设施就可以了。

　　第三类：以线下为主体的非科技类企业

　　众所周知，人工智能需要“算法+硬件+数据”的结合，在这3个因素中，本类企业占有数据。同样要问上述的问题，如果答案是否，那就踏踏实实把现有业务进一步做大做强，再过三五年再走AI战略问题也不大(但也建议你关注AI的动向，说不定哪天对AI的需求就冒出来了)。如果2017年就想明白要赶人工智能这波浪潮，笔者建议这么几点：

　　首先，大部分此类企业之前并不重视数据的积累，虽有天时地利却无人和，那么之后一定要开始重视起来。

　　其次，以二次创业的心态以及体外孵化的方式走第3种模式，基于上述积累的数据做本行业的场景应用。进一步条件成熟了可以走第4种模式。

　　最后，跟第二类企业一样千万别自己建AI团队，用大企业提供的开源软件以及云端AI服务就行了，这类服务2017年一定会冒出来很多——因为他们缺数据。