AI公司挣钱么？
这是一个哪痛往哪戳的问题，因为大多数号称人工智能的公司还没学会挣钱，即便是在报表意义上。
在挣钱还是一个特别稀缺的瞬间满血技能时，探讨一些“稀有物种”就很有意义了。
或许，你会想象AI公司赚钱的方式会很“人工智能”。但从经营方式来看，中国AI公司赚钱的方式，还难以逃脱这片土地的地心引力。
要么铺人，要么铺钱。在越来越讲究“落地”的当下，为了迎合客户的需求，AI公司们为客户量体裁衣，做起了私人定制业务。
这无可厚非。一个招投标有不低于十个同行，在竞争如此激烈的PK现场，不管客户要的是什么，有多少人工智能，AI公司只能硬着头皮上。
用“修罗场”来形容中国的AI赛道，应该是不过分的。
AI公司被逼着进化：员工派驻客户现场，尽可能满足甲方爸爸的所有需求，这些公司似乎越来越像它们的前辈——软件公司。但如果只是一个软件公司，那和咸鱼有什么区别？
本质上来讲，AI公司服务于中国的新一轮信息化建设，一如软件公司以往的使命。
但是，经过近二十年的积淀，AI公司所拥有的人才优势，天生赋予了它们不一样的使命。
AI化是中国博士的“双创”运动。在硬科技领域拥有最高阶智商的人才，必然拥有超乎寻常的技术使命感。他们不只是想着信息化，还有产品化。
产品化，应该是现阶段指导AI公司的最高纲领。在AI公司的CEO们看来，这是盈利的不二法门。产品化意味着尽可能多的可复制模块，尽可能少的人力成本，与一站式的集成采购。
赚钱的要诀是什么？CV智识采访了三家盈利的AI公司：云从科技，2019年实现盈利；数之联，2019年净利润超过5000万，连续3年盈利；健培科技，连续2年实现盈利。同时，我们也采访了两家硬科技投资机构：普华资本与高捷资本。以下采访，凝练了他们的心法，供读者参考。
“云从的定位是一个产品型的公司”
云从科技联合创始人，姚志强
云从的定位是一个产品型的公司，所以会从产品的角度去看项目。
第一，已有的产品能否在项目里得到好的应用，并不需要一个非常大的定制化过程。第二，项目机会是否能够抽象出来一个行业模板，有树立一些产品的可能性。如果说存在这样的机会，公司也会去做。
产品化是逐渐建立起来的。云从的技术中台，负责建立适用于不同行业的通用模块。一开始中台以研究小组的形式存在，发展了一年，在18年下半年成为了一个部门。
把收入按行业划分，安防、金融行业各占40%，剩下20%是交通等创新业务。就利润率而言，公安等政府部门业务是最高的，其次是银行业务。
安防、金融两类客户，在技术认知、销售渠道等方面各有不同。
公安等政府客户，我们会提前接触，让他们试用我们的产品。在发标的时候，客户其实已经比较清楚需要什么、哪个产品好用，会在招投标中就一些技术限定供应商名单。但是，最终实施项目，我们还是通过供应商的方式，最终被集成商整合进去。因而，在政府客户上，我们会广泛利用各地集成商的经销渠道，但是在平时已有与潜在客户的单点联系。
银行项目比较复杂。银行下属一般有自己的科技公司，他们本身技术能力已经比较强，因而能够承担总包的角色。银行客户要求技术严谨、安全，他们会希望供应商直接过来回应需求。因而，公司自己的销售直接对接银行客户。
在项目的实施上，云从一般少做集成，不会主动承担总包的角色，而多是解决方案。集成多涉及很多实施开发的工作，解决方案更多是技术架构层面的工作。比方说，为了做好解决方案，我们正在从人脸识别扩展到人体识别，此外还有大数据、自然语言理解、知识图谱、语音识别等。
一个完整的产品不会只用到一个技术，而需要把多种技术融合起来。做好了解决方案，我们还需要去客户那里演示，告诉他们怎么去优化业务流程和用户体验，这样才能发挥一个产品的最大价值。
“客户不看你是AI、BI还是CI，他们更重视实力”
数之联CEO，周俊临
数之联12年成立以后，我们当时是什么都可以做。
最开始的发展模式，是成立多个行业子公司。这种模式在12~15年的时候走得很好。但是后面我们遇到一个瓶颈，子公司发展前期，最需要资本和人才。我们本来是一家创业公司，人才有限，把人都分走以后，自己就没法发展了。
子公司要作为一个独立的公司发展，不可能还被一个母公司控股。所以，我们慢慢淡出了各个子公司，公司的业务聚焦在政府与军工。
15年，因为一个偶然的契机，我们把业务拓展到了工业行业。当时，富士康、京东方等大型制造业工厂来电子科大等高校找资源，看学校老师能否帮它们解决一些业务问题。要知道那个时候，大家对工厂的认识还很不到位，做制造业客户，是需要很强的技术实力和严苛的工业级的验收标准，因此工业并不受科技公司青睐，没人愿意做这一块。
之后，公司业务就聚焦在政府、军工、工业三个主航道上，这三个行业形成了一个很好的组合。政府业务为我们提供了很好的现金流和利润，军工、工业逐渐成为新的业务增长点。这三个行业增长各自受不同的因素驱动，可以有效地对冲风险，保证我们实现比较稳妥的增长。
政府、军工、工业三个行业，都是面向大B的。做大B，不是说要花很多钱去做影响力，客户不看你是AI、BI，还是CI，他们更重视实力，在乎你现在能否解决他们的问题。所以，我们不面向全行业去做推广，而是专注于细分领域的大客户。这样，市场营销成本控制在10%以下。一般来说，只要攻下来大B，客户的粘性都很强，坏账也很少。
以工业领域为例，我们基本上都投国际标。国际标不看应标者的国籍，不在意声誉资本这种虚的东西。现在，我们在面板缺陷检测业务这一块，已经服务多家主流的面板龙头企业。面板行业的竞争很激烈，服务好了龙头，其他客户出于赶超的需要，也会马上跟上来。
所以，我认为，AI公司赚钱与否，不仅来自技术，更来自行业。别人只能检测20种面板缺陷，我们能多检测10种。而要做到比别人好，就不能只做赚钱的业务。在项目组合里面，需要有30%做战略性投入，保证公司的技术优于别人，形成差异化的竞争优势。
同时，我们在项目上需要做好取舍。
比如说，现在有一个医院信息化项目很挣钱，但我们不一定去做。首先，做这个项目偏离了主航道；其次，做这个事情可能短期盈利，但放长远来看，项目会消耗人力资源和组织架构。信息化项目跟医院业务本身结合紧密，它要求对医院的所有流程特别了解，但是跟我们的主业——数据分析，就没那么紧密了。
因而，我们会聚焦在有限的细分行业，往深去做。在面板检测业务方面，我们从市场上招聘了有资深经验的一线高级工程师，作为我们的行业顾问。这些行业专家们以前负责生产加工工艺，能够和客户高效沟通，快速挖掘客户的痛点和需求场景。在项目实施过程中，算法检测出缺陷的时候，他们也能直接告诉技术团队，到底是哪种缺陷，缺陷成因和机理特征，这样子可以更进一步促进技术的发展。
在做好了数据分析环节后，我们才在今年考虑，接下来把工业摄像机集成进来。我们的数据主要来自于摄像头，做好软硬结合，可以缩短实施周期，同时增加客单价。但是，对于进一步的硬件研发，我们是比较慎重的，因为硬件并非AI公司的强项，风险较高。
从我们的经验看，产品化是没错的。但AI公司不能一上来就说产品化，在不了解行业需求的情况下，怎么可能做出来一个覆盖行业需求的产品？
因而，产品化只能从一个、两个、三个项目开始。积攒了项目经验后，我们才能收集客户的需求，抽象出可复制的功能需求，我们才能做一个面向细分行业的产品。有了这个产品，才能做一个面向更大行业的产品。
在起步阶段，AI公司不妨放低自己的心理预期，学院派的创业者更需如此。高校出去的学者，一贯受优待，但不应该带着这种心理优势创业。竞标失败、业绩低迷、裁人…这些事情对于高校老师来说都是不小的压力。要做好一个AI公司，首先要经受市场洗礼。
“我们在杭州有一个自己的工厂”
健培科技创始人，程国华
健培是做医疗AI解决方案的。不同于大多数AI公司，我们在杭州有一个自己的工厂，用来生产阅片机器等产品。
自有工厂有三个好处。
首先，所需劳动力不多，投入不大；其次，如果拥有自己的工厂，生产工艺可以更快迭代，对市场的反应速度更快，然后形成自己的技术壁垒，能够做很多别人做不出来的东西；最后，我们自己生产的阅片机器，生产成本会比同类竞品低1/3，在报价的时候有优势。
赚钱和不赚钱的AI公司，区别在哪呢？我觉得关键在于，亏钱的可能还没产品化。
产品化怎么去定义？打个比方，如果做医疗AI，一定要对接医院的所有流程，最终把软硬件做出来。有一些公司还是demo版，你去看好像是有的，但他们没有去对接医院里的各个系统，还没形成一个产品上市版。
这个demo版就好像概念车，怎么改都可以。很多AI公司说什么都能做，其实他们就是在做一个概念车。但如果真的产品化了，要大规模生产，模块就需要基本定型，固定的版本在工程上不能随意改了，这叫产品化。
怎么做到产品化呢？健培早在2012年开始在医疗行业深耕，当时机会比较多，我们跟医院一起研发，医院给的权限比较多。经过长时间的积累，我们总结了三条产品化的经验：第一，在一线做研发；第二，IT、数学、医学等多学科融合；第三，紧抓市场渠道。
第一点有没有做到，很简单的一个评价标准：你的团队是不是经常在医院里面？你待在公司里面，研究不出医院要的东西。要做到第二点，需要公司和医院的专家团队一起，同时做学科建设和研发投入。时间长了，专家资源就积累起来了。在第三点上，健培的市场部，负责系统地培训经销商团队，在售后服务上，技术支持团队给与经销商完全的支持。
现在，大的AI公司开始进军医疗行业。我认为，医疗AI市场远大于供给，每一个细分领域都值得重新做一遍。同时，这个行业有其特殊性，原来的合作不是说一下子就会没了。很多人犯了一个错误，觉得短期内就可以做好医疗市场，但其实不是。医疗AI需要长期投入，成果需要慢慢出。
“没有料，肯定炒不了菜”
普华资本合伙人，吴晓丰
AI公司能否赚钱，主要看三点。
首先，找到了有强烈需求痛点的行业。像政府、大公司客户，付费能力和意愿都是比较强的，他们的需求也比较明确。
其次，目标行业的信息化程度要高。没有料，肯定炒不了菜。有了比较好的前置环境，AI公司才容易发挥核心优势，不必为其他工作环节所打扰。比方说，如果大部分数据打上了标签，开展AI业务就会便利很多。
因为前置环境的不同，AI公司主要还是处理新增的业务数据。以银行为例，历史数据可能是非结构化的，如果处理不慎，一不小心就把关键的库删了。这就是非常严重的“矿难”了，没把矿挖着，反而增添了新的技术问题。
最后，所在行业形成了类规模效应。
不同于自动驾驶等还需要大量研发的细分行业，视觉识别、数据分析等技术已经走向了大规模落地应用，人力成本结构里面，已经不需要那么多研究人员了。可能七八个人的核心团队掌握了核心算法，之后再招实施的人就可以。这样，成本其实是可控的。
AI公司在细分行业找到了突破点后，模型、算法的复用率越来越高。如果这个复用率能够达到80%，AI公司做业务就会比较轻松。
怎么去判断AI公司的复用率高低？我们在做客户访谈的时候，会问实施周期有多长，客单价有无提高。如果实施周期缩短，客单价提高了，那说明AI公司的产品复用率是逐渐提高的。
做完上述工作，还是不够的。按照国内的行情，客户为纯软件付费还是比较困难。AI公司不得不向下整合，把自己的算法搭载在一些硬件上。
软硬结合，不仅需要工业设计，还需要一个专门的团队和代工厂对接，以满足公司的硬件客制化需求。如果AI公司去找大厂，因为业务潜在的竞争关系，对硬件的细化定制需要和软硬件优化调试，不一定配合到位。
那么，AI公司就需要找到产能中等、但是配合度更高的工厂，与它们通力合作，对生产工艺做更多研究，这样才能逐渐把产品良率提升上来。人工智能产业链的这个变化，和智能手机行业是比较类似的，苹果等终端厂商，都需要和工厂合作。
“客户需要的是智能验布机”
高捷资本董事总经理，李俨
AI公司首先要考虑产品化的问题，要从客户的需求和使用场景出发，把技术封装成为具备完整功能的产品，而后才会形成销售。单独的技术所解决的中间态的技术问题，客户是不买单的。这就需要系统性的考虑客户需求，并设计商业模式。
举例而言，用视觉算法做布料缺陷检测，搞定了数据获取和算法模型后，是没办法把软件直接卖给客户的。客户需要的是智能验布机，而不是两个摄像头加一个工控机。因此可能需要AI公司集成其他软硬件，把具备智能验布功能、与客户生产节拍匹配的整套验布机，提供给客户。
在这个过程中，仅仅具备AI技术能力是不够的，还需要深入理解客户需求，并具备集成其他软硬件技术的能力，最后交付的可能是产品，可能是服务，也可能是整套解决方案。
在挖掘行业痛点、客户需求，并实现产品化的过程中，大致会形成三种商业化路线。
根据行业和技术特点的不同，部分具备通用化、标准化或模块化能力的PaaS或SaaS产品平台化了。对于初创公司而言，这当然是最理想的商业模式，但除非门槛很高、且有高效的推广获客手段，否则在国内激烈的竞争格局下，很难长期维持竞争优势。
因此我们看到的，更多的是深扎某个细分领域的公司，不断挖掘客户需求，为客户提供定制化的产品或服务。这就需要公司不但有AI方面的技术能力，更需要有集成和定制开发能力。而定制开发往往意味着更高的成本，需要公司不断的平衡高昂的成本，和行业竞争优势二者之间的关系。最后，AI公司需要探索、积累和沉淀通用化的技术能力，使之平台化并摊薄项目实施成本。
再有一些头部的，同时具备技术和资金优势的公司，在深扎细分领域、细分需求的同时横向拓展。通过做大集成做生态，通过为客户垫资拿单，擅长的部分自己做，不擅长的让合作伙伴做，通过规模化维持市场优势地位。
综上，AI公司需要扎到行业里，沉到客户那，从客户的需求和使用场景出发，认真考虑如何将技术封装为产品，自己有什么没有什么，如何系统性的解决用户需求。
稀有物种
新实业公司，这是中国AI公司被赋予的历史使命。
或许你很难想象，一家AI公司会有工厂，会有十几年工龄的老师傅，会为一个模组做很好的工业设计，会做织布机……这不是实业公司是什么？
艰难的市场竞争催生了这样的“稀有物种”。在中国这片复杂、瑰丽的土地上，AI公司为了生存下去，不知不觉之间，它们向中国的制造业进军，并提升了整个工业的档次。在中国跨过刘易斯拐点后，工业的AI化，是再一次提升国家竞争力的新一轮工业化浪潮。
实业化，正是AI公司下一轮的竞争焦点。
这意味着，现在AI公司比拼的重点，或许不在于算法的高低，炫技的优劣，而在于它们能否走进中国二三线城市的工厂，走进二三甲医院的每个科室，真正听懂每个工人和医生的需求，进而研发一个好用的产品，帮他们服务好十四亿人。
当然，这都是苦活、累活。但AI公司已经不能仅靠政府的财政补贴，来做出一份好看的财务报表。真正市场化的空间才是AI公司的用武之地，也是它们真正的价值所在。
AI公司的实业化本质，正在重构整个价值体系。
垂直一体化的分工方式，正在把有着资深劳作经验的蓝领工人，与有着高学历文凭的办公室白领，置于一个办公场域，或一条价值链之下。知识正在跨域流动，也必将激发更多的创新，将深陷泥淖的制造业挽救出来。
这种愈发复杂的分工方式，完全不同于过往的互联网公司。即便是O2O公司，其本质依然是脱实向虚，但AI公司不可能这样做。
这也就意味着，AI公司和传统的BAT巨头是无法相互取代的。两者很多时候生存在同一个场域下，互为需要。巨头们需要AI公司去满足实业繁复而具体的需求，AI公司需要巨头提供最具经济性的云服务和芯片。
而实业纷繁复杂的场景，与尚不能通用的人工智能，注定了AI公司之间的竞争不是赢家通吃的。每个行业都存在壁垒，每个行业都需要精耕细作，AI公司可以跨界，但不能轻易击败每一个对手。
在过去的几年，政府、投资基金们，为AI公司提供了大量资金。当巨量资金投入市场后，AI公司实际上在以自身的亏损，以倾销的方式，补贴国家的新一轮信息化建设。但是，这场补贴运动现在明显进入了尾声，那些依然找不着北的AI公司，或许会第一个被疫情淘汰。
谁才能胜出呢？毫无疑问，是那些盈利的“稀有物种”。
17329985575