关于人工智能第三波创业浪潮，我们应该谈些什么

我们迎来了 人工智能 创业的第三波浪潮：人工智能应用公司。第一波是纯粹科研性质的公司，其中脱颖而出的是类似于Deepmind和Nnaissence这样的企业。绝大多数这类企业还没有真正实现商业化，有些在盈利前就被收购。第二波热潮的公司更多致力于构建机器学习的基础设施，这些初创公司的确创造了一定商业价值，但大多也在形成规模前被收购。典型的例子如Wit.ai，这家公司开发出了一种开源的 自然语言处理 （NLP）应用程序接口（API），后来被Facebook买下，应用于其虚拟助手「M」。

人工智能应用类初创公司正吸引越来越多的大型投资机构，同时占据了早期募集基金中的最大份额。单单在英国，这类公司的数量就占全部人工智能企业的85%。有趣的是，这样的趋势正在要求投资人们调整自己的分析框架和投资标准。根据MMCVentures的一篇博文，英国50%的后种子期初创公司虽然还没开始盈利，就已经融到比传统SaaS初创A轮还多20%—60%的资金。

从各种迹象看到，我们现在正处于第三波热潮的初期，而这次的主题是应用人工智能的解决方案。这类初创公司与以往的区别是，他们会针对特定产业或领域开发终端应用，而不仅仅是构建基础设施。

这些数据说明了什么：

1、这些大型人工智能应用公司都在哪里？ 规模较大的人工智能应用公司总部位置的差异，从我们资料库中的公司数据看到，69%来自美国，8%来自香港，7%来自德国。

2、在第三波浪潮中发展的公司平均雇员数量为133，中值为75。这两个数字都很小，表明了 这些公司每个员工能创造出很高的价值。

3、这些公司总共融到了6.4亿美元。平均每个公司的融资额在9千万美元左右，但是融资额的中值只有3千万美元。 制造业、广告技术、创作&娱乐、保险、管理、运输、健康医疗、销售&市场、金融行业应用人工智能公司的平均融资额

4、 在应用人工智能企业中，融资最多的领域依次为金融、销售与市场、医疗保健、运输和网络安全。 这五个领域的公司数量占了应用人工智能公司总数的65%，融资额占了总量的89%。这个数字存在严重的倾斜，仅金融领域就占据了总量的52%。 最大型人工智能应用公司重点分布在金融、网络安全与市场营销、医疗与运输行业。

从清单里的公司来看，我们应该能建立起一个有四种门类的框架体系：

首先，从整体上划分为两大类：

1、「全栈」公司，他们控制着整条价值链。 他们与客户和供应商都有联系，不会把软件卖给已有的企业。例如Babylonhealth，正致力于用人工智能建立下一代临床应用。

2、「人工智能技术驱动型」公司，这类公司销售包括人工智能的软件产品。

3、更深入的来看「人工智能技术驱动型」这个门类，我把他们进一步细分为垂直和横向通用型解决方案两种。垂直解决方案型迎合了特定产业的需要，而后者则没有专注于在某一特定领域。比如自动驾驶软件就是一种关键的垂直型解决方案，通用汽车会愿意花钱购买，并把它用在旗下任何一款车型上。而横向通用型软件最好的例子应该是像Salesforce提供CRM（客户关系管理）软件，任何产业中的公司都可以使用。

4、在技术驱动型公司构建的垂直解决方案中，我区分了那些行业挑战者类型的公司与新兴行业领头羊式的企业。在被Salesforce收购前，RelateIQ是它的挑战者。「新兴行业领头羊」的一个例子是Chorus.ai，它创造了一个新的产品类别—— 智能会话 （Conversation Intelligence）软件。

为了说明这一点，我们可以对比一下Oracle预置的CRM，Salesforce和RelateIQ。就像Salesforce在15年前通过对 云计算 的理解和应用而抢占市场份额，RelateIQ也是在同样的价值曲线上竞争同样的机会，但借助机器学习技术，它在用户管理、数据输入便利性、工作流程直观性三个方面上创造出了额外的价值。该公司仅仅创立三年后，Salesforce就39亿美金将其收购，现在重组为SalesforceIQ。

另一个有趣的地方，是思考这些公司给他们各自对应的市场带来的创新有什么不同，到底是创新还是颠覆。全栈公司和新兴行业领头羊就是典型的颠覆者。全栈公司目标在于取代已有的市场领先企业，新兴行业领头羊则用新产品创造出新的市场。垂直技术驱动和横向通用型行业挑战者则属于创新者，他们在现有业务类型上创造了增值价值。

这些公司中三分之二都是技术驱动型，剩下的是全栈公司。比较有趣的是，全栈公司融资额是技术促进者的5倍以上。这个结论也反映出全栈公司需要承受客户获取成本，并雇佣整个价值链的员工。数据也显示他们比其他门类的公司拥有更多的雇员。
技术驱动型公司中的三个门类目前总融资额相近。虽然这么说，垂直类人工智能公司的员工规模最小。就像在SaaS行业，垂直类人工智能公司也许比横向通用型公司更趋于工程驱动，因此更少的需要销售和营销人员。

六个风险和机会，值得一提：

1、填补全栈空缺，增加市场规模。

处于有利竞争位置的垂直人工智能公司能利用他们的客户数据和经验，向全栈公司转型。这些公司能提供整条价值链，甚至与他们以前的客户竞争。最终他们的总目标市场能增长10倍。Infermedica是一个很好的例子，它是一种机器学习驱动的工具，能帮助医生做出更好的决策。Infermedica可以转型成全栈，并与它已有的诊所竞争，正如Babylonhealth如今所做的那样。而其影响就是，作为投资者，我们需要考虑两个目标市场：在特定市场内的软件开销，和一旦人工智能获得更大认可度后，总市场规模上的开销。

2、垂直型人工智能公司的出现有助于现有企业与同领域中的新型全栈人工智能公司竞争。

通用汽车收购了Cruise Automation，以便其能够继续深耕自动驾驶汽车领域。Zestfinance帮助银行利用机器学习评估信用评分，同样还有Kreditech，Affirm和Avant。这让我们更加意识到，也许会有新的机会建立垂直人工智能公司，帮助全栈公司获得更大市场认可度。

3、不依靠人工智能构建第一步解决方案，产生有价值的交易数据并进一步自动化工作流程。

我们数据库中很多新兴赢家在集成机器学习组件之前就开始向顾客销售。他们提供的第一步方案能有效获取用户产生的数据，这是一个聪明的方式。然后，他们可以再通过及时补充关键功能来获得更多的价值。由于数据网络效应，这也给他们增加了可防御性。InsideSales应该算是这类公司最典型的代表，他们首先生成了大量销售效率数据，使销售流程游戏化。在这之后，他们才开始推出一个基于人工智能的销售预测平台。这里非常值得注意的一点是，用户这时已经打算购买他们的软件了，即便该产品并不包含人工智能技术。

4、产业挑战者被创新型老牌企业而取代的风险。

我们经常会担心，那些使用了来自大型SaaS企业数据的公司，其防御能力到底如何。举个例子，有家公司会用到Zendesk的数据。Zendesk有个很大的优势，就是他们坐拥着积累了好几年的大量票务数据。如果竞争优势来自于拥有的数据，而我们假设算法正逐渐成为一种商品，那么长远来看，依靠第三方数据的公司有多大可能会成为新赢家？我们相信，如果需要评估其中的风险，关键在于理解大型老牌企业的产品推进速度和数据策略。

5、收集并处理新的数据流，建立起自我防御能力。

有一种有趣的方式可以平衡上面提到的风险，就是去收集现有企业还没有的新数据流。InsideSales收集到了Salesforce的数据库以外的销售效率数据。Chorus收集的语音数据，也是Salesforce所没有的。

6、垂直型人工智能技术公司长期无法获取有效数据所面临的风险。

我们也许会疑惑，组建一个具备长期竞争力的垂直型技术公司的机会是否真的存在。目前很难判断，这类公司与垂直型人工智能初创公司运营一段时间后，是否仍愿意和其他公司共享数据。使用垂直型技术公司开发出的解决方案，他们能优化人工智能代理。与此同时，他们与竞争者也分享了同样的竞争优势，这种优势就存在于他们的数据中。在特定领域或垂直人工智能技术驱动型公司要想长期保持生命力，也许必须要向全栈公司转型。

总之，距离80年代的人工智能寒冬已经过去很久了，此刻，人工智能的垂直领域似乎正处于蓬勃发展期，也有更多的初创公司、资本和媒体在见证这一过程。可以预见的是，规模化的人工智能公司不久将取得更大进步。在经营和投资的临界点上，他们开始了很多有趣的探索。这些公司的技术壁垒在哪里？他们获胜的策略是什么？持久性成功的早期预兆又在哪里？或许，这个框架能让初创公司更清楚的认识现有市场，并帮助早期创始人应对相关的风险，同时抓住机会。