2020年6月23日，在第二届北京智源大会的 AI 创业主题论坛上，奇绩创坛（原 YC 中国）创始人兼 CEO 陆奇作了题为《AI 创业发展趋势：机会与挑战》的演讲。他分享了 AI 创新创业的发展趋势以及现阶段 AI 创业所面临的一些挑战，并为 AI 创业公司应该如何把握创新机会提供了建议。

以下内容根据陆奇的演讲整理。本文转载于InfoQ，作者刘燕。

一、AI 技术的本质与 AI 价值的产生模式

首先，陆奇从 AI 技术的本质与 AI 价值的产生模式出发来分析 AI 创业的趋势，同时讨论整个业界应该如何帮助创业者更好抓住 AI 带来的创业机会。

他表示，现代 AI 技术的内核是基于深度学习的新计算基实；在分布式重叠向量空间中学习特征表达能有效解决多种任务任务特征表达，本质上是知识的获取。

基于此作为基石，再加上工程化的能力，可以建立一个“三体合一”的系统架构，“三体”是指感知体系、思考体系、行动体系。三体合一的架构是任何智能体系的核心架构，因此 AI 系统的核心是通用的，AI 技术是获取知识，使用知识来达到目标的通用能力。

AI 产生商业价值的主要模式是怎样的？陆奇认为，首先要有完整的应用场景，这是其价值基础；其次，数据是价值创造的纽带，此外，从数据中抽取知识、解决任务是整个的价值核心，最后，能有更多数据产生闭环迭代是价值长期提升的关键。

二、AI 商业化的宏观趋势

陆奇表示，从信息工业化发展的历史去看从 AI 的核心技术、主流商业模式，可以推演出 AI 商业化的宏观趋势。主要体现在四个方面：

1. 建立新的 IT 基础。具体包括，

• 传感器及 on-sensor 计算（芯片 + 软件 + 模型）；

• 新的芯片技术栈，其对于开启垂直化时代的到来具有重要意义；

• 新的软件技术栈 software stack : 从底层到 fabric 到 middleware 到 device OS，再到应用，到工具链。

2. 开发应用。目前已经逐步转型到娱乐、制造、金融、医疗、教育、零售等所有产业和医生、分析师、客服、医生、教师等等所有职业。

3. 打造未来智能平台及相关产业生态，如，

• 如主系统（自动驾驶、机器人），新移动；

• 智能化场所：包括新工作与生活的空间和时间等；

• 个人助手：个人助手未来将是规模巨大的产业生态。

4. 形成产业发展基础环境，需齐备人才资本、金融资本、数据等主要生产资本、基础设施、及政策扶持等要素。

在明确了趋势和方向后，AI 创业公司应该如何推进商业化进程？陆奇认为，创业创新是发展 AI 商业化的核心路径。

创业创新包括三大要素：AI 技术、需求和市场。AI 技术是创新的核心驱动力；需求是创新落地的基础；市场是创新成长的环境。

创业者通过利用 AI 技术来打造产品，用产品试探市场，满足用户的需求，让新的产品发挥出商业价值。

AI 商业化需要不同的实体一起合作，AI 的发展过程中需要大量的技术投入，现有的大企业拥有丰富的资源和人才，基于其战略驱动可以做大量的、长周期的投入；现有的研究机构拥有高端的技术人才，也在不断开拓和探索前沿的 AI 技术。

在 AI 发展的过程中，其实创业公司是“主力军”的角色，它们比较灵活，能“见缝插针”，能够从 0-1-100 加速 AI 技术的商业化进程。当然需要注意的是，受限于资本规模结构和投入周期限制，并非所有的工作都适合创业公司来做。

三、哪些趋势创业公司可以把握住？

早期创业创新的趋势可以系统地从数字化进程发展的生态结构和趋势来推演。

工业数字化发展过去 60 多年的进程有节奏和规则的，基本上每隔 12 年就会出现新的平台和生态，这些生态有结构化的发展趋势。数字化发展进程的模式是由不同时代的计算平台所驱动，早期比较关注基础技术 — 早期的应用开发 —建立平台，形成生态，— 在生态环境下引发产业繁荣创新，在这个过程中核心驱动力是数字化的广度和深度。

数字化的深层次架构，生态核心是计算平台，包括前台，如交互能力，交互设备和体验端；后台，指计算规模，其支撑是基础设施的堆栈、服务器和服务网等，后台的能力深度学习是核心，智能云也有可能成为定义性能力。

在计算平台上有早期应用，到了大的应用后就可以建立生态了。早期开发应用诞生了很多个生态，具有广泛商业价值，未来有可能智能驾驶、智能场所、零售、机器人个人助手等早期应用有足够宽度成为未来的生态的技术。这些都是很大的 AI 早期应用，都是创业公司可以参与进入的新的领域和趋势。

云和移动是目前数字化创新的主流生态，AI、边缘及 5G 是正在早期发展的并逐步形成下一代数字化及智能化平台和相应产业生态。在 AI 之后，数字化进程，有新的技术在探索，如 AR，脑机接口等技术是驱动新前沿发展的驱动力。

目前 AI 创新创业的前沿领域有很多，例如在 AI 基础前沿技术、AI 交互能力、AI 前端、AI 未来产业生态、垂直行业、移动 / 云生态应用、数字化前沿应用等领域，很多创业公司非常活跃，都在积极参与。一些领域如智能云、AI 前端等领域虽然是大企业的战场或者较适合大的公司，但对于创业公司来说仍然有很大的机会。

四、AI 创业面临的挑战

陆奇表示，现阶段的 AI 创业还面临一些挑战。

从技术上看，AI 技术的最大弱点就是太脆弱了，特别是在一些特定的场景很难达到效果。算法层面鲁棒性不够；数据上获取比较难，数据标注的成本和代价高，此外，还面临着数据孤岛、数据割裂的问题。此外 AI 技术门槛高，例如自然语言处理技术等 AI 技术往往需要高端人才多年的积累，一些 AI 公司并没有核心技术，依赖第三方公司。

在产品层面，从体验上看，C 端应用针对效应往往不及格，B 端客户满意度较低。在交互方式是哪个，定制化过多，难以产品化和平台化，集成商生态不足。

市场层面，在上游，供应链资金和时间要求在某些生态对创业公司造成困难；在下游，往往销售周期长，渠道资源稀缺，2B 和 TG 的资源是成功要素。

人才层面，在技术上，聘用有效技术人才耗时耗资，内部管理效益需要提高；从行业上看，对 2B 细分行业需要聘用有深度行业能力的销售和 BD 人才。

在资本层面，AI 公司成长周期长，一些创业公司因为切细分赛道，天花板不够高，很难获得融资。

对于如何解决这些挑战，陆奇也提出了自己的建议。

在技术上，要提供新一代数据管理技术；要通过系统化的开放数据集、服务接口、软件体系等，将技术门槛大大降低；

在产品层面，要针对产品和体验上做很多工作，管理用户预期，可借鉴搜索引擎模式；在服务 B 端的要切的更细，可以从阶段性的流程上切入，从客户需求端切入。在交付方式上，通过项目合作累计平台能力，降低边际成本，提高集成商的能力。

市场层面，要帮助帮助创业公司利用政策环境，如“新基建”等抓住发展机遇。

人才上，要帮助创业公司聘用和管理技术和行业人才。要聘用技术核心人才，这些人才需要足够深的行业能力，了解 B 端企业，最好是在甲方做过的。另一方面加强对大专院校、研究机构人才的投入与引进。

资本上，帮助 AI 创业公司对接风投资金、银行贷款等，此外，风险投资机构也需要做适应调整，适应 AI 公司长期成长的特性，目前有很多 AI 公司虽然短期发展不足，但长期看，存在很大的价值。