人工智能產(chǎn)業(yè)的商業(yè)模式探究

周及真

【摘要】運(yùn)用2×2矩陣分類法構(gòu)建人工智能商業(yè)模式的分類框架，以縱軸的短期盈利高低和橫軸的可防御性高低為標(biāo)準(zhǔn)，將人工智能產(chǎn)業(yè)的商業(yè)模式劃分為學(xué)術(shù)分蘗型、數(shù)據(jù)即服務(wù)型、模式即服務(wù)型、機(jī)器人即服務(wù)型。由此歸納提煉人工智能商業(yè)模式的四種顯著特征——深度思維戰(zhàn)略、“37-78范式”、預(yù)定授粉模式、免費(fèi)商業(yè)模式。在此基礎(chǔ)上，從地域集中分布、融資環(huán)境、增長規(guī)律等角度解析人工智能企業(yè)的運(yùn)營模式，并根據(jù)人工智能產(chǎn)業(yè)商業(yè)模式發(fā)展面臨的眾多挑戰(zhàn)提出相應(yīng)的對(duì)策建議。

【關(guān)鍵詞】人工智能;深度思維戰(zhàn)略;37-78范式;預(yù)定授粉模式;免費(fèi)商業(yè)模式

【中圖分類號(hào)】 F121.3? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2020）07-0130-5

中共中央總書記習(xí)近平曾強(qiáng)調(diào)：人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問題;人工智能是引領(lǐng)這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動(dòng)性很強(qiáng)的“頭雁”效應(yīng);要深刻認(rèn)識(shí)到加快發(fā)展新一代人工智能的重大意義，加強(qiáng)領(lǐng)導(dǎo)、做好規(guī)劃、明確任務(wù)、夯實(shí)基礎(chǔ)，促進(jìn)其同經(jīng)濟(jì)社會(huì)發(fā)展深度融合，推動(dòng)我國新一代人工智能健康發(fā)展。的確，人工智能產(chǎn)業(yè)的激進(jìn)式創(chuàng)新模式已徹底改變了理論界和實(shí)業(yè)界對(duì)商業(yè)模式的認(rèn)知。雖然其商業(yè)模式與生物制藥等其他產(chǎn)業(yè)有相似之處，但其演化具有一定的獨(dú)特性。到目前為止，大多數(shù)已有文獻(xiàn)只涉及該產(chǎn)業(yè)總體或特定大公司，而并未關(guān)注其總體商業(yè)模式的具體分類、獨(dú)特性以及投資環(huán)境，因此本文將其作為研究重點(diǎn)。

一、文獻(xiàn)綜述

當(dāng)前，人工智能產(chǎn)業(yè)方興未艾，國內(nèi)外學(xué)術(shù)界專門針對(duì)人工智能產(chǎn)業(yè)或從人工智能角度進(jìn)行學(xué)術(shù)研究的文獻(xiàn)層出不窮。朱巍、陳慧慧等[1] 從人工智能學(xué)科的學(xué)派與發(fā)展歷史、國際人工智能發(fā)展概況、國內(nèi)人工智能發(fā)展格局等方面入手，系統(tǒng)分析人工智能技術(shù)與產(chǎn)業(yè)發(fā)展現(xiàn)狀，并結(jié)合我國人工智能面臨的機(jī)遇與挑戰(zhàn)，對(duì)發(fā)展人工智能提出對(duì)策建議。喻國明[2] 分析了人工智能的內(nèi)涵、技術(shù)梯度及其在新聞傳播領(lǐng)域中的應(yīng)用，結(jié)合美聯(lián)社的智能傳媒實(shí)踐，認(rèn)為智能傳媒將導(dǎo)致傳播內(nèi)容從單一向全息傳播轉(zhuǎn)變，傳播方式從同質(zhì)化向分眾化、精準(zhǔn)化轉(zhuǎn)變，傳播主題從受眾向人機(jī)協(xié)同轉(zhuǎn)變。周振華[3] 研究了基于情感計(jì)算的人工智能的特征、功用和經(jīng)濟(jì)新實(shí)踐轉(zhuǎn)化，并對(duì)人工智能產(chǎn)業(yè)經(jīng)濟(jì)現(xiàn)狀與市場前景進(jìn)行分析。韓海雯[4] 則提出，我國目前的供給側(cè)結(jié)構(gòu)性改革宏觀政策，應(yīng)在微觀層面上落實(shí)為人工智能產(chǎn)業(yè)建設(shè)，以在人工智能技術(shù)帶來的智能機(jī)器和智能機(jī)器勞動(dòng)這一全新變革下，促進(jìn)智能機(jī)器大工業(yè)分工形態(tài)的形成和發(fā)展，克服現(xiàn)階段機(jī)器大工業(yè)分工形態(tài)的消極性作用，引領(lǐng)我國走出經(jīng)濟(jì)發(fā)展新常態(tài)，邁向分工更復(fù)雜、形態(tài)更高級(jí)的社會(huì)分工高級(jí)階段。但對(duì)于人工智能產(chǎn)業(yè)自身商業(yè)模式的分析模型和具體分類、獨(dú)特性以及相關(guān)實(shí)證研究、基于投資環(huán)境分析提出的對(duì)策建議等尚十分欠缺。

二、人工智能產(chǎn)業(yè)商業(yè)模式的類型

為了將不同人工智能初創(chuàng)企業(yè)的商業(yè)模式進(jìn)行分類，借鑒彭博社投資者于2015年提出的分類方法，考慮到太狹隘的框架可能會(huì)限制部門和機(jī)構(gòu)的靈活性轉(zhuǎn)變，因此本文創(chuàng)建了一個(gè)2×2分類矩陣，具體如圖1所示。

1. 學(xué)術(shù)分蘗型（Academic spin-offs）。這一組企業(yè)是解決棘手問題的長期研究型企業(yè)，其團(tuán)隊(duì)通常是在前沿領(lǐng)域獲得重大突破的、較有經(jīng)驗(yàn)的真正創(chuàng)新者。

2. 數(shù)據(jù)即服務(wù)型（Data-as-a-service，DaaS）。這一組企業(yè)收集特定的大數(shù)據(jù)集或創(chuàng)建與無關(guān)信息倉連接的新數(shù)據(jù)源。

3. 模式即服務(wù)型（Model-as-a-service，MaaS）。這一組企業(yè)類型最為普遍，是由大眾化企業(yè)將收入流的模式商業(yè)化，進(jìn)而呈現(xiàn)出三種不同的形式：一是狹隘的人工智能企業(yè)，只專注于通過新數(shù)據(jù)、創(chuàng)新算法或更好界面來解決一個(gè)特定問題。二是價(jià)值攫取型企業(yè)，通常是通過應(yīng)用程序界面或建立專門客戶平臺(tái)來提供針對(duì)特定客戶群體的解決方案或完整的集成化解決方案，提供的所有商業(yè)模式都可訓(xùn)練（運(yùn)營模型）或被訓(xùn)練（原始模式）。三是推動(dòng)型企業(yè)，使最終用戶通過一體化平臺(tái)實(shí)現(xiàn)自我分析，使日常工作流程更有效率，最終通過創(chuàng)建應(yīng)用程序等中間產(chǎn)品來創(chuàng)造新機(jī)會(huì)。

4. 機(jī)器人即服務(wù)型（RaaS）。這一組企業(yè)是人們可與之交互的虛擬和物理代理，其中一部分低成本企業(yè)主要涉及虛擬代理和聊天機(jī)器人。而無人駕駛汽車、傳感器等物理系統(tǒng)以及無人機(jī)和真實(shí)機(jī)器人等產(chǎn)品凸顯出這組企業(yè)的資本集聚和人才集聚特征。

本文將該分類結(jié)果總結(jié)為矩陣，橫軸為短期盈利程度，縱軸為商業(yè)可防御性程度。對(duì)于更可行的產(chǎn)品而言，模式即服務(wù)型企業(yè)在短期內(nèi)貨幣化其產(chǎn)品從而使企業(yè)獲得盈利的能力最強(qiáng)，但商業(yè)防御能力最弱;數(shù)據(jù)即服務(wù)型企業(yè)的短期盈利能力和有效規(guī)避復(fù)制侵權(quán)的能力都較強(qiáng);學(xué)術(shù)分蘗型企業(yè)則下了長期賭注，堅(jiān)實(shí)的科學(xué)研究使其具有高防御能力但短期盈利能力有限;機(jī)器人即服務(wù)型企業(yè)則可能面臨更多問題，例如過時(shí)的硬件組件和創(chuàng)建正確交互界面的困難。這種矩陣分類并不能說明某種類型的企業(yè)更好，也并不意味著屬于特定類型的特定公司不會(huì)盈利或成功（例如某家機(jī)器人即服務(wù)型人工智能企業(yè)也可能具有高盈利能力），這只是一種分析人工智能商業(yè)模式的有效工具。

三、人工智能產(chǎn)業(yè)商業(yè)模式的獨(dú)特性

1. 深度思維戰(zhàn)略。人工智能產(chǎn)業(yè)的增長模式正發(fā)生劇烈改變，現(xiàn)有大型企業(yè)并非與新興創(chuàng)業(yè)企業(yè)競爭，而是積極實(shí)施兼并收購，這種新型擴(kuò)張戰(zhàn)略被Francesco Corea[5] 稱為“深度思維戰(zhàn)略”，這一理念在谷歌成功收購深度思維（Deep Mind）之后逐漸普及。人工智能是唯一一個(gè)純團(tuán)隊(duì)價(jià)值超過業(yè)務(wù)價(jià)值的產(chǎn)業(yè)。深度思維被谷歌收購時(shí)仍處于早期發(fā)展階段，企業(yè)更多地關(guān)注于人力資本和純技術(shù)進(jìn)步而非營業(yè)收入，并保持原有品牌元素、保留整個(gè)團(tuán)隊(duì)、積極實(shí)施人才引進(jìn)，被收購后仍保持原有總部，在實(shí)體經(jīng)營和運(yùn)作模式上都保持完全獨(dú)立。這種獨(dú)立性賦予了深度思維實(shí)施并購戰(zhàn)略的能力，于2014年并購深藍(lán)實(shí)驗(yàn)室和視覺工廠，同時(shí)母公司利用子公司的服務(wù)來整合而非替換現(xiàn)有業(yè)務(wù)（如谷歌大腦和深度思維的整合）。考慮到收購成本遠(yuǎn)低于隨意設(shè)置總部的機(jī)會(huì)成本，因此人工智能企業(yè)現(xiàn)在就應(yīng)實(shí)施有效并購從而避免數(shù)年后喪失并購機(jī)會(huì)。從這個(gè)意義上來說，并購是純粹的實(shí)物期權(quán)工具，保證了現(xiàn)有企業(yè)未來可能獲得的收入和達(dá)到的層次。

2. “37-78范式”。人工智能顛覆了傳統(tǒng)的物聯(lián)網(wǎng)商業(yè)模式，因?yàn)槠湎蜃罱K客戶共享數(shù)據(jù)而實(shí)現(xiàn)了非集中化。人工智能促使企業(yè)在業(yè)務(wù)循環(huán)中維持顧客，主要表現(xiàn)在三個(gè)方面：一是建立客戶對(duì)產(chǎn)品和企業(yè)的信任;二是增加客戶習(xí)慣行為的忠誠度;三是通過反饋提高客戶的產(chǎn)品敏感性。關(guān)注那些作為產(chǎn)品開發(fā)重要組成部分的最終用戶具有重要意義，但人工智能正向一種新型商業(yè)模式轉(zhuǎn)型——“37-78范式”[5] 。此命名來源于2016年3月的圍棋人機(jī)大戰(zhàn)：微軟AlphaGo在第二場比賽的第37步擊敗了李世石，李世石驚訝于前者棋招非人類路數(shù)，在重新思考棋局后構(gòu)建新思考模式，終于在第四場比賽的第78步走出了出乎對(duì)手預(yù)料的棋招并最終贏得該場比賽?！?7-78范式”證明了用戶是構(gòu)建有效人工智能價(jià)值的真正驅(qū)動(dòng)引擎，人類與機(jī)器完全可以實(shí)現(xiàn)互利互惠。

3. 預(yù)定授粉模式。預(yù)定授粉模式是指由人工智能初創(chuàng)企業(yè)打造一家最優(yōu)秀的“選手”，這可能是市場上推出的第一個(gè)版本，企業(yè)通常獲得一兩輪風(fēng)險(xiǎn)投資后得以發(fā)展并雇傭員工。一旦初創(chuàng)企業(yè)經(jīng)營走上正軌后，員工便獲得其他風(fēng)險(xiǎn)資本業(yè)務(wù)的支持和資助而離職并開始自己創(chuàng)辦企業(yè)。

4. 免費(fèi)商業(yè)模式。人工智能產(chǎn)業(yè)具有兩個(gè)發(fā)展階段，一是快速和無痛的實(shí)驗(yàn)期，二是通常缺失的專利期，這迫使人工智能不斷發(fā)展并開始使用替代性收入模式——免費(fèi)商業(yè)模式?，F(xiàn)有企業(yè)投入巨額資金使得許多尖端技術(shù)和算法實(shí)現(xiàn)免費(fèi)且便于下載，創(chuàng)業(yè)公司也正努力嘗試這種免費(fèi)商業(yè)模式，其得益于科學(xué)家和學(xué)者倡導(dǎo)的共享理念并公開展示自己的研究成果。這種不基于高科技硬件的免費(fèi)軟件商業(yè)模式具有多項(xiàng)優(yōu)勢：①降低進(jìn)入壁壘，拉動(dòng)產(chǎn)品生產(chǎn);②排除故障，許多技術(shù)人員可更有效地發(fā)現(xiàn)和修復(fù)補(bǔ)丁并從不同角度看待問題;③人群驗(yàn)證，因?yàn)樽R(shí)別機(jī)制、基本原理以及影響經(jīng)常是不完全清晰的;④縮短產(chǎn)品周期，改變了技術(shù)論文發(fā)表或軟件發(fā)布后需數(shù)周才能獲得對(duì)應(yīng)產(chǎn)品的狀況;⑤獲得數(shù)據(jù)、吸引人才、創(chuàng)建基于底層技術(shù)的添加產(chǎn)品等多方面的競爭優(yōu)勢;⑥創(chuàng)建數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)，最終用戶或中間用戶都能使用該軟件創(chuàng)建更多數(shù)據(jù)，從而使算法更精明、產(chǎn)品更好，最后吸引更多用戶。免費(fèi)商業(yè)模式總體上運(yùn)作較成功，企業(yè)無需支付任何成本、無需付出任何代價(jià)就能以最好的方式傳播技術(shù)，同時(shí)還能擁有獨(dú)特的大型數(shù)據(jù)集、共享平臺(tái)和巨大的投資擴(kuò)張能力。

免費(fèi)商業(yè)模式對(duì)人工智能發(fā)展的影響也是多方面的。一方面，開源模式有助于提高知識(shí)和技術(shù)的吸收能力，可通過擁有互補(bǔ)性資產(chǎn)而獲得額外利潤，這種互補(bǔ)性資產(chǎn)的價(jià)值來自于增加的新技術(shù)和新思想，同時(shí)也有利于技術(shù)人才展示技能、建立聲譽(yù)、提高市場價(jià)值;另一方面，新興的開源模式與傳統(tǒng)的軟件即服務(wù)型（SaaS）企業(yè)難以調(diào)和，其提高了該領(lǐng)域潛在競爭對(duì)手進(jìn)入的技術(shù)壁壘。例如，如果要建立另一家接管谷歌的Tensor Flow公司，就應(yīng)公開證明企業(yè)至少能夠提供Tensor Flow所允許的技術(shù)和算法、培育現(xiàn)有公司未預(yù)想到的應(yīng)用案例以及開發(fā)基礎(chǔ)技術(shù)工具。軟件和知識(shí)是非競爭性商品，由于更多人使用而便于以低邊際成本構(gòu)建應(yīng)用程序和技術(shù)并修復(fù)補(bǔ)丁，對(duì)企業(yè)也有強(qiáng)大的品牌效應(yīng);但由于“搭便車”效應(yīng)的長期強(qiáng)化，企業(yè)普遍缺乏研發(fā)投資動(dòng)機(jī)并轉(zhuǎn)而投機(jī)取巧和追逐壟斷租，而現(xiàn)有企業(yè)也可能沒有最大限度地開放技術(shù)抑或釋放的是某種程度上將淘汰的技術(shù)。

四、人工智能企業(yè)的運(yùn)營模式

為了深入研究人工智能企業(yè)的運(yùn)營模式，F(xiàn)rancesco Corea[5] 創(chuàng)建了一個(gè)包含13833家人工智能初創(chuàng)企業(yè)（業(yè)務(wù)領(lǐng)域包括機(jī)器學(xué)習(xí)、大數(shù)據(jù)、分析、機(jī)器人、無人駕駛飛機(jī)等）的獨(dú)特定制數(shù)據(jù)集清單，追蹤這些企業(yè)提交給美國證券交易委員會(huì)的備案文件，主要選擇Crunch base數(shù)據(jù)集對(duì)這些公司的數(shù)據(jù)進(jìn)行分析?？梢钥闯?，人工智能初創(chuàng)企業(yè)的成功運(yùn)作具有許多共性特征，企業(yè)部門的活動(dòng)在很大程度上能夠影響企業(yè)結(jié)構(gòu)。

1. 人工智能企業(yè)的地域集中分布。圖2和圖3分別是初創(chuàng)型人工智能企業(yè)在各大洲的地理集中分布和人工智能企業(yè)集群在各國的分布。

根據(jù)圖2、圖3可知，人工智能企業(yè)呈現(xiàn)出地理集中分布的特點(diǎn)。其中：北美洲的企業(yè)數(shù)量最多，占全球的比重為61.2%;其次是歐洲，企業(yè)數(shù)量（占比23.6%）不到美國的一半;之后是亞洲，大多數(shù)亞洲人工智能企業(yè)（占比9.5%）著力于硬件和機(jī)器人行業(yè)。美國擁有57%以上的全球人工智能社區(qū)，此外英國（占比6.83%）和印度（占比5.13%）也擁有重要的人工智能集群。從城市層面進(jìn)一步分析，舊金山占據(jù)了幾乎整個(gè)全球市場的1/6，而倫敦或班加羅爾等城市也是重要組成部分。舊金山和紐約是全球兩大人工智能創(chuàng)業(yè)中心，倫敦和波士頓位居第三和第四。其中，倫敦和波士頓有很多相似之處：一是都處于強(qiáng)大的科學(xué)和學(xué)術(shù)三角形中間，倫敦有牛津、劍橋和帝國理工學(xué)院，波士頓有哈佛、麻省理工學(xué)院和波士頓大學(xué)，這促進(jìn)了學(xué)術(shù)分蘗的商業(yè)化，并形成了學(xué)生與教授的創(chuàng)業(yè)文化;二是過去幾年的這種創(chuàng)業(yè)浪潮中不斷涌現(xiàn)出多樣化的加速器和孵化器，這對(duì)于人工智能企業(yè)的早期發(fā)展非常重要;三是風(fēng)險(xiǎn)投資對(duì)于人工智能生態(tài)系統(tǒng)的成功至關(guān)重要?？偠灾瞬?、基礎(chǔ)設(shè)施和資金是倫敦和波士頓人工智能生態(tài)系統(tǒng)成功的主要原因。

2. 人工智能企業(yè)的融資環(huán)境。分析人工智能企業(yè)的融資環(huán)境，可從財(cái)務(wù)角度研究兩輪融資的時(shí)間序列。從2012年開始，早期融資的比例明顯減少，后期資金重新分配，但從2015年開始融資總量又急劇增加。這表明，人工智能初創(chuàng)企業(yè)通常很難完成C輪或更高輪次的融資，其中的原因是沒有能力提供承諾或被大企業(yè)收購。從退出融資的人工智能企業(yè)數(shù)量和類型來看，有相當(dāng)多的人工智能初創(chuàng)企業(yè)選擇了退出，在公共市場上能夠籌集到資金的企業(yè)很少。技術(shù)原因造成的理解產(chǎn)品困難，使得風(fēng)險(xiǎn)投資的貢獻(xiàn)有效性不足，但這僅限于用戶體驗(yàn)和市場策略領(lǐng)域。整個(gè)人工智能環(huán)境已被推到企業(yè)并購的風(fēng)口，考慮到經(jīng)濟(jì)周期的資金彈性，反向收回所有投資很難在短期內(nèi)看到利潤，同時(shí)可能會(huì)對(duì)整個(gè)行業(yè)產(chǎn)生負(fù)面影響。

3. 人工智能企業(yè)的增長規(guī)律。一是大多數(shù)人工智能初創(chuàng)企業(yè)擁有多達(dá)十名員工，某些企業(yè)的員工數(shù)量甚至能達(dá)到40 ～ 50人。通常最早聘請(qǐng)的十名員工大多是工程師或技術(shù)人員，在第一輪融資后進(jìn)一步招募更高層次的員工。從員工數(shù)量每月增長角度來看，每月員工數(shù)在-10%和+20%之間震蕩，較長一段時(shí)間內(nèi)許多人工智能初創(chuàng)企業(yè)達(dá)到40% ～ 50%的指數(shù)級(jí)增長率。二是人工智能初創(chuàng)企業(yè)通常通過Twitter、臉譜網(wǎng)和LinkedIn這樣的社交媒體對(duì)社會(huì)產(chǎn)生影響，每月社會(huì)媒體曝光數(shù)的增長率在-10%和+20%之間，這表明人工智能正逐漸被社會(huì)認(rèn)可，大眾廣泛對(duì)這一技術(shù)持樂觀態(tài)度。三是風(fēng)險(xiǎn)投資、加速器和孵化器無法真正起到加速人工智能初創(chuàng)企業(yè)發(fā)展的作用，只是在夸大人工智能產(chǎn)業(yè)的短期影響和市場預(yù)期。事實(shí)上，風(fēng)險(xiǎn)資本并不能加速一家大型人工智能企業(yè)的發(fā)展，只能將其平均退出時(shí)間縮短到平均值即3 ～ 5年。

五、人工智能產(chǎn)業(yè)發(fā)展面臨的挑戰(zhàn)及對(duì)策

人工智能企業(yè)在早期發(fā)展階段面臨著眾多挑戰(zhàn)，包括融資困難、商業(yè)或運(yùn)營方面的困境、硬件投資的復(fù)雜性、監(jiān)管環(huán)境的缺失等。針對(duì)這些挑戰(zhàn)，本文提出如下對(duì)策：

1. 針對(duì)專業(yè)投資者的缺乏，應(yīng)夯實(shí)資本基礎(chǔ)、提高風(fēng)險(xiǎn)承受能力。人工智能產(chǎn)業(yè)融資方面的主要問題是缺乏專業(yè)投資者。迄今為止，人工智能產(chǎn)業(yè)的發(fā)展一直處于缺乏資金的困境中，因而研究當(dāng)前的投資市場對(duì)于識(shí)別人工智能的未來發(fā)展方向至關(guān)重要。首先應(yīng)該明確，投資人工智能產(chǎn)業(yè)的難度較大，技術(shù)復(fù)雜程度超出一般的商業(yè)范圍，并非所有的風(fēng)險(xiǎn)投資家都能完全理解機(jī)器學(xué)習(xí)的功能細(xì)節(jié)。正因如此，“顧問”和“宅科學(xué)家”角色的重要性與日俱增，他們能夠辨別技術(shù)創(chuàng)新、商業(yè)模式的可行性并有助于制定正確的期望水平。人工智能產(chǎn)業(yè)投資者與其他投資者略有不同，他們應(yīng)具備深厚的資本基礎(chǔ)和高于平均水平的風(fēng)險(xiǎn)承受能力。并且投資于人工智能產(chǎn)業(yè)是一場馬拉松，可能需要十年以上才能看到真正的回報(bào)。投資人工智能產(chǎn)業(yè)應(yīng)幫助企業(yè)渡過潛在的“人工智能冬天”——經(jīng)濟(jì)蕭條期，甚至即使損害到短期利益也仍然要堅(jiān)持更高的研發(fā)強(qiáng)度。事實(shí)上，人工智能企業(yè)普遍并未認(rèn)識(shí)到，可增加公司價(jià)值的不僅僅是資金，還包括品牌、信譽(yù)、專利等。

2. 針對(duì)硬件投資的復(fù)雜性，應(yīng)加強(qiáng)技術(shù)理解、風(fēng)險(xiǎn)把控并創(chuàng)建創(chuàng)業(yè)團(tuán)隊(duì)。人工智能的硬件投資相對(duì)于軟件開發(fā)而言具有更高的淘汰率和替換成本，因而機(jī)會(huì)成本、可靠性、速度方面的因素進(jìn)一步增加了投資的復(fù)雜性。特別是如果能以更低的成本在RobotX Space（專門為人工智能創(chuàng)業(yè)公司提供服務(wù)的聯(lián)合辦公空間）工作，將降低投資者的風(fēng)險(xiǎn)厭惡，從而鼓勵(lì)其在低成本條件下承擔(dān)更大風(fēng)險(xiǎn)。企業(yè)創(chuàng)始人或CEO的技術(shù)專長能夠在早期發(fā)現(xiàn)潛在的良好投資機(jī)會(huì)，關(guān)鍵在于對(duì)技術(shù)的理解、對(duì)技術(shù)風(fēng)險(xiǎn)的把控、獲得更廣泛的網(wǎng)絡(luò)、留住杰出研究員以及建立多學(xué)科的合作創(chuàng)立者和研究團(tuán)隊(duì)。以人為本的創(chuàng)業(yè)更易成功，具有創(chuàng)建和支持開發(fā)者社區(qū)的能力并且產(chǎn)品設(shè)計(jì)更易被理解將減少企業(yè)可能產(chǎn)生的內(nèi)部摩擦。

3. 針對(duì)大數(shù)據(jù)集和持續(xù)前期投資與短期盈利策略不一致，應(yīng)實(shí)施“數(shù)據(jù)陷阱”策略。這一商業(yè)方面的困境在于產(chǎn)品雖然非常新穎但不易被用戶理解，因此企業(yè)面臨著怎樣識(shí)別目標(biāo)客戶和緊密圍繞現(xiàn)有資源建立開源模型，以及怎樣以更合適的方式來發(fā)布等問題。此外，人工智能的用戶體驗(yàn)和設(shè)計(jì)伸手可及，這造成了企業(yè)早期發(fā)展階段在工程師、業(yè)務(wù)員和設(shè)計(jì)師之間對(duì)有限資源分配的爭奪和由此產(chǎn)生的摩擦。所有這些挑戰(zhàn)產(chǎn)生了兩個(gè)橫向問題：一是可能在下一個(gè)未來投資節(jié)點(diǎn)來臨之前企業(yè)就耗盡了資金，二是為了實(shí)現(xiàn)收支平衡而追求特定業(yè)務(wù)應(yīng)用程序從而可能偏廢了產(chǎn)品開發(fā)。

單從數(shù)據(jù)的角度來看，可實(shí)施“數(shù)據(jù)陷阱”策略。風(fēng)險(xiǎn)投資家認(rèn)為可提供可初始化數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)（通常是免費(fèi)）的產(chǎn)品。數(shù)據(jù)網(wǎng)絡(luò)具有強(qiáng)大力量：用戶對(duì)該企業(yè)的產(chǎn)品使用越多，貢獻(xiàn)的數(shù)據(jù)就越多，更加智能的產(chǎn)品就能更好地提供服務(wù)，從而最終形成良性循環(huán)。例如，今日頭條通過打造一個(gè)高粘性的產(chǎn)品，從用戶處生成交互數(shù)據(jù)，這些數(shù)據(jù)被輸入到今日頭條的算法中，從而優(yōu)化產(chǎn)品質(zhì)量。最終，該公司計(jì)劃利用這一良性循環(huán)來優(yōu)化他們所稱的“內(nèi)容生命周期”的每個(gè)階段：內(nèi)容生成、內(nèi)容管理、推薦和互動(dòng)。

4. 針對(duì)監(jiān)管環(huán)境的缺失，政府應(yīng)介入并關(guān)注可投資節(jié)點(diǎn)。人工智能產(chǎn)業(yè)的監(jiān)管環(huán)境尚不完善，這就需要政府迅速采取相應(yīng)措施。涉及到人工智能硬件或機(jī)器人的應(yīng)用程序，投資者不應(yīng)顧及沉沒成本，投資節(jié)點(diǎn)應(yīng)緊跟技術(shù)前進(jìn)步伐。技術(shù)復(fù)雜性經(jīng)常使得創(chuàng)業(yè)企業(yè)成為黑匣子。一些狹隘的人工智能原型可能更容易建造，但總體來說創(chuàng)建GAI軟件的難度和不透明的收益成本分析很難吸引最初的投資基金。此時(shí)就需要政府介入并關(guān)注何時(shí)是可投資節(jié)點(diǎn)。

六、結(jié)語

經(jīng)過上文的分析，本文認(rèn)為人工智能時(shí)代商業(yè)模式的構(gòu)建和創(chuàng)新有三個(gè)不可或缺的要求：

1. 充分利用人工智能技術(shù)，為客戶和用戶帶來更好的體驗(yàn)。在人工智能時(shí)代，無論是與體驗(yàn)密切相關(guān)的醫(yī)療健康行業(yè)，還是不直接與客戶或用戶接觸的工業(yè)機(jī)械行業(yè)，都應(yīng)把體驗(yàn)作為構(gòu)建和創(chuàng)新商業(yè)模式的前提。真正的商業(yè)模式建構(gòu)大師，永遠(yuǎn)都是基于對(duì)“人”的理解，而不是對(duì)機(jī)器的理解。

2. 解決方案更多來源于不同算法，而不僅僅是獨(dú)特的想法。運(yùn)用獨(dú)特的解決方案才能使客戶更加滿意，形成企業(yè)的核心競爭優(yōu)勢。以往的獨(dú)特想法往往是由創(chuàng)意者靈機(jī)一動(dòng)、創(chuàng)業(yè)者和營銷人員的經(jīng)驗(yàn)觀察以及技術(shù)人員的數(shù)據(jù)分析而形成的。在人工智能時(shí)代，上述做法仍會(huì)沿用且有效，但最具影響力的仍然還是算法。

3. 商業(yè)模式的底層架構(gòu)仍以大數(shù)據(jù)為基礎(chǔ)。數(shù)據(jù)是迄今為止最完美的“商品”，其用途廣泛、可重復(fù)使用、可通過復(fù)制而實(shí)現(xiàn)共享、不隨時(shí)間推移而變化，這是任何機(jī)器學(xué)習(xí)企業(yè)的優(yōu)勢之一。能夠提供海量用戶數(shù)據(jù)的公司、業(yè)務(wù)或模式會(huì)受到投資人和企業(yè)龍頭的追捧。但同時(shí)，數(shù)據(jù)極化可能造成嚴(yán)重的排他性，只有幾家大企業(yè)引導(dǎo)和吸引大部分?jǐn)?shù)據(jù)流量，而其他企業(yè)幾乎完全被排擠，最終對(duì)進(jìn)入企業(yè)形成巨大的行業(yè)壁壘，但也會(huì)迫使新興企業(yè)積極與現(xiàn)有公司建立合作伙伴關(guān)系。

【 主 要 參 考 文 獻(xiàn) 】

[ 1 ]? ?朱巍，陳慧慧等.人工智能：從科學(xué)夢到新藍(lán)?！斯ぶ悄墚a(chǎn)業(yè)發(fā)展分析及對(duì)策[ J].科技進(jìn)步與對(duì)策，2016（21）：66 ～ 70.

[ 2 ]? ?喻國明.人工智能驅(qū)動(dòng)下的智能傳媒運(yùn)作范式的考察——兼介美聯(lián)社的智媒實(shí)踐[ J].江淮論壇，2017（3）：134 ～ 138.

[ 3 ]? ?周振華.情感計(jì)算：人工智能產(chǎn)業(yè)的經(jīng)濟(jì)新實(shí)踐——兼論對(duì)山西智慧轉(zhuǎn)型發(fā)展的啟示[ J].經(jīng)濟(jì)問題，2016（6）：60 ～ 63.

[ 4 ]? ?韓海雯.人工智能產(chǎn)業(yè)建設(shè)與供給側(cè)結(jié)構(gòu)性改革：馬克思分工理論視角[ J].華南師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016（12）：132 ～ 138.

[ 5 ]? ?Francesco Corea. Artificial Intelligence and Exponential Technologies：Business Models Evolution and New Investment Opportunities[M].Poland：Springer，2017：28 ～ 38.