2018年是独角兽大年。创业家&i黑马开通了【中国独角兽】专栏，专注于挖掘具有中国特色的中国独角兽故事，总结出它们的成功经验，并将它们推向主流商业世界。
一场新的2B革命趋势正在兴起，而AI正在扮演其中的先行军。一些准独角兽们瞄准AI2B的大机遇，正朝着独角兽之路发展壮大。创新奇智就是其中一家。
仿佛一夜之间，2B不再是“少数派”关注的问题。无论是传统IT行业，还是互联网巨头，在C端流量日渐枯竭的今天，一个新的动向正在它们之中隐然兴起：通过技术赋能，重塑产业链条，提升企业效率。
但和以往不同，这场全新的B端革命伴随着的，是智能化和数字化结合，对传统行业带来的变革。其中的一个重要的关键词，就是人工智能。而当人工智能投资热潮渐趋冷静、环境日益理性，手握AI技术的巨头和创业新贵们，也在面临新技术如何在各行业中寻找合适场景落地的挑战。
只有真正产生商业价值、深入行业的AI企业，才能够在未来避免“裸泳”。
创新奇智依托创新工场品牌和背靠创新工场人工智能工程院的强大AI技术专家群，推动AI技术在企业应用落地的尖兵。
这家在今年3月成立的公司，通过AI技术为零售、制造、金融三个行业进行“赋能”。在成立六个月后，已经和原麦山丘、鸿海科技、徐工信息、邮储银行等行业头部企业建立了合作。
“博士创业的时代已经过去。”在创新奇智融资发布会上，李开复曾如是说。而没有选择在AI创业热潮最猛烈的时间入局，却又获得了快速发展的创新奇智，则是希望在一个全新的“后AI时代”，向未来的“AI2B”平台型公司进发。
1、后AI时代
创新奇智成立时，人工智能创投圈最热闹的时段已经过去。AlphaGo当年战胜李世石之后，不到两年的时间，AI技术的推动和资本热钱的涌入，催生了大大小小的AI创业公司，也带来了不少公司估值的节节攀升。
当时间进入到2018年，AI赛道进入了相对的平静期。当早期的喧嚣退去，中后期考验商业落地能力的时刻到来，越来越多的AI创业公司渐趋安静；AI独角兽们的资本雪球日益滚大的同时，“AI泡沫”是否将迎来破裂的疑虑也未曾停歇。
徐辉具有多年的商业化经验，曾历任IBM 金融事业部总经理、SAP 大中华区副总裁、微软大中华区副总裁、万达网络科技集团副总裁。但认真考虑在AI领域创业已经是2017年下半年的事情。这并非是为了在风口过去前抓紧最后一波，在徐辉看来，这个时候，AI创业的真正时间点才真正到。
在AI创投浪潮的初期，大量的资源投入AI通用技术的研发上，但大量AI初创公司在拿到了融资之后，技术成果是否能够向商业应用场景转化，而非停留在实验室式的科研阶段，是它们不得不面对的考验。
特别是当AI技术曾经爆发式的进步之后，算法、算力和数据的发展对产业升级的影响越来越突出。当移动互联时代流量红利的逐渐消逝，经济增长亟需提供生产提效和降本的新动能，新的AI技术也被寄予期望，是否能够在企业应用和生产制造领域加快应用。
“天时到来了。”徐辉对创业家&i黑马说，“AI技术发展到这个时点，已经具备了落地应用和推广商业价值的时机。”
AI落地的关键因素，除了技术外，就是场景和数据。2016年9月，创新工场人工智能工程院成立，承担起对AI技术研发和AI人才培养与储备的工作，并接触和考察了大约20个不同的垂直行业，而其中的一个重要结论，就是发现了大量适合AI技术落地应用适合的场景。“国内的很多行业已拥有数字化和智能化转型的条件。”徐辉说。同时，政府对于人工智能的政策引导力量日益加强，AI应用落地的“地利”条件也在日趋成熟。
徐辉和创始团队盘点和评估了合作的基础。立足于人工智能工程院的技术积累和人才资源，创业的最后一环“人”的需求也契合了。
“我们不是追逐风口的短程赛跑，而是要拿下一场马拉松。这不是风口最猛的时点，我们也没有追逐短期估值的想法。”徐辉说，“我们不想拿着PPT去讲故事，而是做产品和解决方案的公司。”
这也和CTO张发恩从技术角度对AI发展进程的理解不谋而合。人工智能在经历了从逻辑推理到机器学习和深度学习的阶段，近几年在语音和图像识别领域都实现了突破性的进展，大量算法涌现，这也推动了AI的热度在前两年达到高峰。然而，从去年开始，算法在经历了爆发式发展后，逐渐进入了新的冷静期。
在加入创新奇智之前，张发恩曾任百度主任研发架构师、百度云计算事业部技术委员会主席、百度云计算事业部大数据和人工智能首席架构师。而在技术研发的过程中，他却意识到，AI技术革命现在虽已平静，但是接下来，对于AI技术向应用转化而言，一个最好的时期到来了。而随着融资环境的缩紧，单纯投注在算法研发、依靠投资输血的公司，将面临越来越大的挑战。
从2017年下半年开始的时间，张发恩将之称为“后AI时代”。在他看来，这段时间不再适合于专注于算法和框架了，而是“应用为王。我们应该沉下心来，把AI技术应用于实际场景之中。”
张发恩在今年5月加盟创新奇智。创新奇智的管理团队也逐渐形成。徐辉担任CEO；前Google 商务工程部大中华区、韩国及亚太区总监王晶担任COO；张发恩担任CTO。随后，创新奇智也宣布，获得过亿元天使轮融资。
（创新奇智CTO 张发恩）
2、AI+2B的巨大蓝海
基于计算机视觉、自然语言处理、机器学习，创新奇智为企业客户提供AI技术平台和行业解决方案。
AI2B，和传统2B领域的集成商，以及企服软件和大数据公司也并不相同。“AI+在很大程度上，将重塑企业市场格局。”徐辉说。“在数字经济时代，人工智能技术对生产效率和商业价值的推动力，以及传统行业转型的速度和热情，都将远超我们的想象。到2030 年，中国的GDP 将达到38 万亿美金，其中7 万亿美金为AI 驱动。”
这是一片蕴藏着巨大机会的市场。当语音、图像识别等AI通用技术已经发展到一定程度，在人工智能这条聚集了巨头和新贵的赛道内，掌握技术武器，扎进垂直行业，是AI创业公司最为明智的打法。
但下沉落地的AI应用，又究竟应该先扎进哪些行业？
在商业领域中，可以和AI产生结合的行业已经多达数十个。但对于创业公司而言，技术和商业的结合，不仅仅是科研技术的落地，还要在商业能力上具备可形成正循环的能力。
经过调研和思考，徐辉和创始团队为创新奇智选择了零售、制造、金融三个行业。这是三块体量巨大的市场。徐辉向创业家&i黑马大致估算，它们合计差不多是万亿级的市场，赛道广阔，天花板很高。而在AI落地应用的难度上，对于在商业化方面颇具经验的徐辉而言，这也是更容易摘取的“挂得比较低的果实”。
数据是人工智能的基础要素之一，而这三个行业的信息化发展基础都相对较好，拥有大量可标注数据，数据成熟度较高；在其中，已经可以找到一批应用场景和AI技术相结合；而在应用过程中，这三个行业在B端应用上的基因，能够更快地培养客户的付费意愿，并且产品相对比较标准化，有利于快速复制，形成规模化的商业收益。
而真实的AI应用的场景，又应该是什么样子？
2018年上半年，在北京原麦山丘的中关村店和新奥店中，悄然添加了一台新的机器助手——人工智能自助结账机。这台机器基于计算机视觉技术，顾客挑选产品完毕后，将面包盘放置在台面上，机器将根据面包样式自动识别并显示价格，节省顾客的结算时间。
不同于去年曾经火爆一时的“无人零售”，这只是连锁零售实体店中一个常见的小小的细分环节。但在张发恩看来，从技术上而言，这是一个非常具有价值的独立且完整“闭环”场景——囊括了顾客购买、结账、包装、生成小票的完整过程。从技术上而言，它采用了计算机视觉识别、数据采集和交互设计解决方案，创新奇智的技术团队在图像识别上，特别对识别图像畸变方面进行了研发，落地在这台结算机上，它可以识别出不同的产品，以及同一产品的造型变化，并且能够识别面包堆叠情况。机器和店面订单管理等ERP系统打通；在即将推出的2.0版本上，店面管理员可以直接完成产品上新。
“人工智能落地，不能盲目的为了‘无人’而‘无人’。”徐辉说。AI落地基础是对场景和企业需求的了解。细化到零售行业，徐辉表示，创新奇智围绕着“人、货、场”的智能化，选择出若干核心场景“点”，和技术相匹配。原麦山丘的机器“收银员”，就是创新奇智在“场”方面提炼的刚需场景之一。与之类似的，创新奇智也研发了智能货柜等产品。在“货”方面，基于机器视觉技术，创新奇智还可提供渠道陈列、销量预测等解决方案等；而在“人”的方面，通过机器学习平台，提供个性化定价和智能推荐方案，和店面的管理系统打通。
创新奇智“不做PPT公司”并不只是讲讲而已，AI解决方案也并非一味追求尖端算法，而是将“落地”作为其中核心的考虑点。
智能制造正成为未来重点发展的行业，而创新奇智也已经扎了进去。尽管要进入这个行业，需要更深厚的行业理解，但对于AI创业公司而言，一旦形成行业纵深度，也是更高的壁垒。
大型制造业中，质检人员手持记录本，在人工检测同时记录，曾经是大多数人熟悉的场景。而采用AI技术，这些也正在发生改变。
钢铁行业在制造过程中，智能质检，诸如钢卷质量检测、焊缝检测是其中常见的场景。操作人员采用目测和人工记录的方式采集和录入数据，效率低下且错误率较高，也耗费了大量人力。目前，创新奇智的基于视觉检测的一体机，能够对制造领域中的产品表面缺陷进行检测。
在手机生产流水线的质检环节上，创新奇智的AI技术也得到了应用，代替人工，对手机边框和外壳瑕疵进行检测。
在选择行业和场景上，创新奇智一直保持着谨慎的心态。“我们拥有三位行业合伙人，他们在这三个行业中有20多年的工作经验，和技术团队一起找到最有商业价值并且AI可落地的场景。”张发恩表示。
“客户最懂行业。”徐辉说，“AI落地，是我们与客户一起，和场景融合的过程。”而他也强调，目的也并不是仅仅为了满足某个客户需求，他最为看重的，是从场景和技术的匹配性，以及行业商业化模式的可复制性出发，为未来的AI落地制定更清晰的路线图。
目前创新奇智已经与多家行业客户建立商业合作，其中包括鸿海科技、徐工信息、eBest、永辉超市、原麦山丘等大型企业。
3、跑通AI应用最后一公里
从最初，张发恩在技术布局方面，为创新奇智设置的“高墙”就是，打造AI应用全栈系统，人工智能的三要素——算法、算力、数据缺一不可。
在不同场景下实现AI应用落地，还需要面临更多的问题：部署的技术门槛、软硬件的兼容等。在零售、制造、金融目前三大行业应用解决方案的背后，就是创新奇智的人工智能技术栈。
在数据方面，创新奇智基于数据采集和标注平台，在收集和处理大量消费数据的同时，也在建设分布式爬虫平台抓取内容，并且扩充数据标注团队。
在无法获取更多可用数据、无法进入更多生产环境的情况下，为了保证算法的精度，创新奇智的技术团队也进行了创新，研发AI产生和标注数据技术，根据人工采集和标注的数据，通过AI技术产生更多的数据，对模型进行训练。“用AI方式产生大量场景中标注过的数据，可以以假乱真。”张发恩说。
在算力方面，创新奇智建设了统一的在线中台，为业务端提供CPU和GPU等算力，目标峰值计算力为1200 Teraflops；支持FPGA异构计算加速器；并且，张发恩透露，在部分产品上，创新奇智也开始计划应用ASIC芯片。
在算法方面，张发恩介绍，创新奇智自主研发了全分布式机器学习和深度学习平台，支持市面上多数分布式机器学习算法和深度学习框架，拥有超模型和超参数学习能力；并且创新奇智还开发了创新的深度神经网络模型，例如对畸变图像的标品识别，单品识别准确度已经达到99.92%。
在此基础上，创新奇智覆盖了感知智能、认知智能和决策分析等三大AI技术方向。
尽管人工智能概念已经为人所知，但真正落到企业的实际应用中，还需要跑通“最后一公里”。这是2B的难点，对于场景应用仍然待挖掘的AI技术而言，更是难上加难。要破除客户天然的不信任感，以及让他们愿意采纳，张发恩决定，要做到“端到端”，填平企业客户软硬件不匹配、制造生产能力不足等“坑”。“AI创业公司要做2B，和客户间100公里的距离，只跑90公里是不够的。”张发恩说。
围绕着AI应用技术栈，创新奇智采用了软硬一体的产品交付方式。针对不同行业需求场景，创新奇智提供了训练一体机、能耗管理一体机、智能质检一体机、OCR一体机等软硬一体交付解决方案。应用于原麦山丘等零售企业的自助结算机、智能货柜等，就是创新奇智为零售行业打造的智能一体机。
张发恩有自己独特的一套“AI+2B”企业发展阶段的“P3理论”，即公司从小到大的发展进程中，有三个重要阶段：Project（项目）、Product（产品）阶段和Platform（平台）。
小公司做项目，大公司做平台。而这也意味着，只有当公司成为真正的平台型公司，才能在市场上最终占据领先地位。
这也是创新奇智给自己制定的目标。在规划了技术路线之后，创新奇智也在国内不同城市开始了布局。半年时间里，创新奇智先后入驻了广州、重庆、南京、宁波、合肥等地。
“AI 产品的商业化落地，就像一个双轮驱动的车辆。”徐辉总结，“前轮是技术和产品，这是我们所铸的城墙；后轮是应用场景的选择，这是护城河。”城墙要够高，护城河要够宽、够深。当二者结合，在AI+B2B万亿市场中，也为新的AI领域独角兽的诞生，提供了契机。
匿名用户
