2019年，人工智能要落地，更要小心被“摔死”

可以充分笃定的是，从2019年开始，在科技媒体的选题列表里，400多年前莎士比亚提出的那个深邃问题：“To B or not To B”，将变得不再是问题，没人会怀疑，未来十年中国科技的新战场将向ToB一端转移。

事实上，不同于美国ToB市场的兴旺，中国最大ToB公司或许连最大ToC公司十分之一都不到，尽管很难复盘这种失衡的全貌，但可以肯定的是，中国互联网过去庞大的人口红利，在无意中“吞噬”了中国ToB巨兽们的崛起路径。

嗯，过去二十年，中国C端市场完全是一片水草丰美的良田，只需将大洋彼岸的种子撒在这里，就可以种啥长啥，遍地开花，动辄几亿的活跃流量，浇灌出一大批C端的互联网新贵，也浇灭了B端巨头的生长空间。毕竟当一切唾手可得，你很难指望人们去干脏活累活——不过现在，广袤土地已被过度开垦，资本市场摘完低垂之果，才开始想起要寻找新的疆域，无疑要转向ToB领域。

而在这片新大陆，生命力最旺盛的一颗种子，就是人工智能——且不同于互联网时代的种子更多是舶来品，在中国，由于传统机构借助AI实现转型升级的需求更迫切（比如降低人力和管理成本），论及AI场景的创新方式，中国或许将成为先行者。

不过，人工智能的种子想要落地生根，先要完成一番去魅过程。而市场凛冬利好的一面，正是用低温过滤掉了投机者。在刚刚过去的2018年，AI从业者普遍脱离亢奋状态，把AI当锤子到处找钉子的妄人逐渐被市场淘汰。而在2019年，人们更是意识到，环境愈是寒冷，投资AI的天平就愈会向场景倾斜，AI融资门槛已经从最早的demo，后来的产品，转向如今最现实的客户订单，2019年，能在垂直领域找到应用场景的AI企业，将赢得更大生存空间。

然而，相较于上述共识，我今天更想说的是这个：2019年，AI要落地，更要小心被“摔死”。

没有“大鹏展翅”，只有“方寸之间”

场景如此关键，但问题是，AI场景该如何搭建？

回答这个问题前，先要明确一点：产品是连接不同场景之间的唯一中介，人工智能企业必须拥有强大的产品化能力，为什么ToB市场很难呈现指数级增长？就像远望资本创始人程浩所言：“一个非常重要的原因是，所有ToB类项目都有实施成本和实施周期，产品化能力好坏，直接决定了实施成本。产品化能力强，可能一个人三天就能完成一个case，产品化能力非常弱，可能三个人干三个月这个项目才能实施好。”

依我之见，衡量产品化能力的唯一心法，就是看它能否短平快地满足客户需求，而在AI领域，满足客户需求不可能只凭“技术＋应用”的简单匹配，更多是依靠对某个行业垂直流程的了然于胸，这也是为什么如今AI投资者已达成共识：最理想的AI被投者，应该既懂行业又懂技术，前者比后者重要。只有巨头列阵中以行业纵深度突围，AI创业才可能出现胜算。

而行业纵深度的其中一个意涵，是指AI落地必须要关注“周边环境”。当AI企业者深入到一个行业的细枝末节，就会发现包括资源和能力在内的一系列约束条件，真实的落地场景很少允许你大鹏展翅，更多时候需要你落于方寸之间，比如你不可能仅靠算法突破完成落地，那样或许会摔得很惨，因为很可能到了行业应用时才发现，数据并不像你想象的那样充盈。

下一批“三个字母”的小巨头在哪

理清上述逻辑，也就不难理解“AI场景如何搭建”。事实上，一个AI场景的构建，往往伴随着五个要素的闭环。

第一当然是业务，目前AI落地最大程度上取决于业务和方案，没有最具体的业务，场景就不会存在。

第二是数据，数据是支撑起场景的关键，也是哈耶克眼中最纯粹的“一手知识”，也是人类还原真实世界最值得仰仗的颗粒度，尤其在大数据时代，任何场景都会以数据的形式存储下来。

第三是行业知识，更像是一种认知递进关系，数据在经过系统性整理变成信息，信息经过简洁抽象加工变成知识，现在任何一个行业的知识总量，都在爆炸式增长，任何一个“不足为外人道”，都显得弥足珍贵，作为影响场景的核心，行业知识也构成了企业之间最难逾越的门槛。

第四是以AI为代表的黑科技，它通常是打破行业均衡，带来场景质变的最大变量，技术的不断迭代，督促着场景的不断跃迁。

第五是决策，也是构建场景的最终目的。

这五要素结合在一起，就可以拥有构建AI使用场景的能力，而在上述理论的提出者——最近风头正劲的海云数据看来，借助于这套场景方法论，他们完全可以把这种“能力”服务赋予用户。

以他们刚刚发布的图易7 AI能力服务平台为例，围绕场景五要素，图易7能专注于AI场景设计与应用，通过调动一切行业知识和技术资源，帮助行业用户高效决策。

按照官方叙述，图易AI能力服务平台依托顶层设计视野与经验，能在最大程度上发掘不同场景中各异的商业模式与价值空间。聚焦平台层、应用层、场景层能力需求，将有价值的软件、硬件、数据、算法变为资源，从而全面构建图易能力服务资源平台、能力平台、赋能平台，赋能用户业务场景的自我进化，并基于深度学习、知识图谱、可视分析等技术，满足场景创新中对行业知识与能力的需求升级。

而具体到产品逻辑上，按照海云数据CEO夏耘的说法，图易7的四大基本特征，保证了决策效率的跃升：“一是场景应用，图易7无码化资源搭建更加快速。二是知识图谱，一旦拥有知识图谱平台和相应知识，深度学习与智能应用的效率就会更高，知识图谱里的快速查找以及知识积累都可以来运作。三是能力定义，通过能力和场景的关联，使能力积累越来越多，行业场景更丰富和深入。四是赋能服务，通过赋能让更多人使用，在更多场合下使用，通过赋能服务使得我们以前依赖于人对这些功能和对IT的理解，变成是自动化的智慧能力输出。”

对于C端用户，上述描述可能有些晦涩，你可以这么理解，如同“7”在佛法中的轮回和圆满之意，在公安和交通等海云数据的深耕领域，图易7是一个重视交付和结果的“行业大熔炉”，将行业知识、数据、技术等一切资源作为助燃方式，放在图易7里融会贯通，待到熔炼为一体，就会以产品化的方式落地，为行业输出符合当前所有边界条件的最佳决策，满足用户业务原有场景升级迭变与细分场景创新中的不同能力需求，而这些不同能力需求所产生的新资源，最终又会“回炉”到整个熔炉里，让它能在今后适应和创造新的场景。

而如今，图易AI能力服务平台已覆盖公安、交通、应急管理和数字城市等十大行业，服务全球超过100家行业代表用户，打造超过500个细分场景应用，同时服务保障了一大批国家级大型项目建设，而在赋能他人的过程中，海云数据逐渐地褪去“创业公司”的外衣，成为了拥有自己产品护城河的创新型企业。

嗯，从海云数据的迅猛发展不难发现，ToB这条路虽然漫长而艰难，却远非巨头的专利，虽有些姗姗来迟，但未来几年，中国终将迎来一个ToB业务爆发的时代。

其实命运自有时间表，科技领域总是这样，一个新的浪头打过来，就会扎堆浮现出一批伟大的企业：1998－2000年，互联网来了，BAT就都来了；2010－2012 年，移动互联网来了，TMD也就都来了。

如今，在以AI为底座的ToB疆域，对不同垂直行业的改造才刚刚开始，这种改造迸发出的巨大能量，足以将一批深潜于海底的生物推至舞台中央，哪怕它们短期内成为不了鲸鲨，但谁又能说，它们之中不能诞生下一批“三个字母”的小巨头呢？

最后，对于这些刚刚踏上浪潮之巅的ToB企业，不妨以王兴热爱的一句话作结，2019年，我不祝你们一帆风顺，我祝你们乘风破浪。