1
人工智能的商業模式應該是什么樣？
每次談到這個問題，答案分兩個極端：
要么同質、無趣、世俗。
要么天馬行空，外行高呼震撼，內行斥其沒有常識。
在雷鋒網《AI冰與火之歌·五問》第一篇文章《依圖醫療「變賣」內幕：出走、截胡與派系整合》中，我們談到，依圖醫療成為棄子，其實是多數AI公司商業戰略搖擺不定的縮影。
無人能預知命運會陷入如此險境。短短幾年，AI市場的低氣壓不知何時開始盤旋成型。
商業化變現困境剝落了AI的優越，讓AI企業直面最粗糙的生死。
“AI做不了顛覆式創新，還是要走產業+AI的路。”
這句話雖是業內共識，但走這路的方法論其實是過時的，畢竟，這與十幾年前的信息化和IT軟件商業路徑，并無本質差異：以外包的姿態，啃項目，搭集成，做交付，任勞任怨，不怕吃苦。
紀北嘉（化名）笑著說，姿態低不低現在不是我們主要考慮的，賺錢嘛，不寒磣。
這些AI企業踐行了一個最糙也最為實在的真理：先活下去，再考慮怎么活好。
真理背后，則是盤旋在所有AI從業者頭上的四個問題：
AI標準化、通用化的美夢是如何破滅的？
高度定制化解決方案為什么走不通？
海外高利潤解決方案我們為何借鑒不來？
AI企業跳出低毛利死胡同的三種激進模式是什么？
我們一個個聊聊。
在全球權威的人臉識別算法測試中，XX企業獲得XX賽道冠軍。
XX在國際權威機構ACM MM主辦的大賽中，行為識別再奪一冠。
識別率提升、精度突破、榜單排行，是早期AI界的主旋律。
這段時期，中國的AI公司上演一場瘋狂的刷榜競賽，讓算法識別儼然間成了一項競技體育。
為什么熱衷刷榜？
在早期AI公司的藍圖里，他們只需研發出標準化的模塊，然后被集成在所有公司的各個解決方案里，如此，哪怕一個開發包（SDK）只賣幾萬、幾十萬，薄利多銷，一年的利潤也非?？捎^，而且作為被集成的軟件，所得幾乎均為凈利潤，說躺平賺錢也不為過。
這一意識形成后，很多公司將比拼算法精度作為頭等大事，甚至一度認為，不需要招銷售，客戶自然會聞訊榜單而來。
一級市場用揮金如土表達了樂觀的情緒，AI企業在宣傳上毫不掩飾科技標簽的高貴，似乎一套SDK掃天下的時代就在眼前。
但很快，在算法刷屏約兩年后，他們察覺不對勁，怎么投入不見少，銅子兒卻沒見著？
2017年是覺醒的一年，嘗試落地的他們發現，在賽事中頻頻拔得頭籌的算法，一旦走出實驗室或特定的場景進入實戰，根本玩不轉。
而且，作為最先落地的兩大行業，無論是公安還是銀行，客戶需要的不是單個模塊或開發包，也不具備集成SDK的能力，他們要的，是一套定制化的解決方案。
結果就是，在算法領域的神仙打架，在業務落地成了菜雞互啄。
SDK走天下夢碎后，他們的解決方案從輕變重，跟傳統IT企業一樣，走高度定制化解決方案的路子。
To B行業有什么特點？個性化定制；獲客周期長（決策流程較長）；產品有實施成本；成長較為線性；價值敏感。
而一旦進入高度定制化賽道，就意味著AI企業成為一家集成商，而非高大上的產品型科技公司。
陳冀（化名）表示，重型解決方案模式的最大弊病是，你能做的，別人也能做，這導致門檻大大降低，業務利潤大大降低，最后大多需要靠關系驅動。
他們吭哧吭哧地進入的重型解決方案行業，一不留神就走進利潤死胡同。
有人問，安防行業也定制化，為什么?？底叩猛?？
簡單來說，就是把“成本三低”做到了極致：
平均人力成本低
運營成本和銷售成本低
產量擴大后的邊際成本低
海康威視總裁胡揚忠曾告訴雷鋒網，他對科技公司做安防持審慎態度。
“以通訊行業為例，其運營和銷售成本比安防高很多，所以用高成本的人力去跑安防，就像拿步槍打蒼蠅一樣，投入與產出是非常不匹配的?！?/p>
這句話背后，也許是對高成本的科技公司走碎片化定制解決方案路徑的懷疑，甚至是否定。
大型IT公司之所以能在定制化賽道里存活，很大部分原因在于人效的極致追求，說得不好聽，就是用更低的成本，去省出更多的利潤空間。
?？低暱偛煤鷵P忠也曾發表對此的看法，他說：
這個行業場景碎片化，用戶需求差異化和定制化需求明顯，而且這個行業的平均回報并不高，每個項目貢獻度都不大。所以如果人力成本過高，會是個很關鍵的問題，會導致人均產出/費用比不劃算。
“從公開資料看，AI企業年度人均營收約50萬，人均費用也約50萬，即使毛利率能到50%，依然會有明顯的虧損?！标惣教寡?，“而且，他們很難達到50%的毛利率，想做大人均，很難。”
這也正是當初華為大張旗鼓地進入安防時，胡揚忠表示：華為是一家做大生意的公司，撿豆子、撿芝麻的生意不適合他，華為很快會認識到這一點。
“?？低暤娜司肆Τ杀局挥腥A為的三分之一，任正非歷來不提倡華為在低維市場的泥潭里死纏亂耗，華為如果以海康的方式做安防，被集團叫停只是時間問題?！睒I內人告訴雷鋒網。
華為安防后續轉換戰略，主推平臺，也側面證實這一點。
在人效優勢+規模化效應的前提下，海康做了20年，也才做到約600億元的營收。
與互聯網動輒千億戰果相比，這盤實在算不上大肉，與動輒估值幾百億、虧損幾十億的AI企業相比，這不像是經得起折騰的賽道。
這里提一句，彭易（化名）告訴雷鋒網，在他看來，云從之所以能夠上市，除了國家隊屬性，也在于他們的虧損率控制。
而虧損率不高，與人效或者說重慶人力成本低有關。同時，與其他幾位小龍喜歡重金聘請AI大牛和博士相比，云從則顯得低調得多，鮮少有盛名在外的科學家。
云從科技提交的IPO招股書顯示，2019年高管總薪酬僅890.47萬元，要知道，在不少企業，一個AI大牛的薪資就高達千萬。
千人級別員工規模下的高薪酬，一年的人力成本就可高達幾億到十幾億。
而且，AI企業雖技術優勢傍身，但作為不單純靠高科技能打下市場的行業，難以通過單點突破快速占領市場。
大多數AI企業逃不開“三高”?。ǜ咄度?、高虧損、高人才），同時又不具備規?；?，讓他們在高度定制化且毛利低的市場，轉不開磨盤、吃不飽。
AI企業放得下高大上的科技標簽，吃得了長苦，但就是賺不到錢。
所以無論是安防也好，金融、醫療、工業也罷，都面臨這個問題，無論是走平臺模式還是定制化模式，都難逃利潤的死胡同。
1.重型解決方案的困局：國內企業難做出高毛利的核心產品
有人說，海外走通此模式的大有人在，中國為什么玩不轉？
比如IBM，它就是在重型解決方案領域走出康莊大道的典型代表。
郭士納時期開始，IBM轉型成為一家高定制化的解決方案公司，但IBM卻并未受困于此，反而一直有著超高的利潤率。
雷鋒網在這先感嘆一句，真正的高人，往往能通過深入淺出的話語，道出核心本質，毛澤東是一個，郭士納是另一個。
他當初對IBM轉型解決方案公司的定位是：如果客戶需要馬桶，那IBM也賣。
這句話背后的本質是，以客戶為核心，牢牢把握住客戶，而這，正是一家解決方案公司的立身之本。
當然，IBM轉型成功，除了抓住了這一根本，也離不開IBM的核心產品、服務和并購。
這里重點談下IBM的核心產品。核心產品，是那些通用化的、高毛利的產品。
IBM的解決方案，集成了眾多生態伙伴的產品，但方案中有些重要的組件和中間件，由IBM自研把控，比如服務器、存儲。
這些技術門檻高、占據核心地位且通用的基礎系統硬件，也帶來了高利潤。
IBM看似在高度定制化解決方案里又苦又累，幫其他公司牽線搭橋，實則拿捏住了最核心的中間件，以至于一個項目可以拿到近五成的營收以及高毛利。
“以前銀行IT系統里最要命的中間件都是IBM在控制，成本不高，但服務費非常貴。十幾年前那批服務銀行業務的IBM銷售，真是躺著賺錢。”IBM 前員工告訴雷鋒網。
所以，即使他們做重解決方案，依然可以通過核心產品獲得高毛利。
同樣，SAP有ECC，甲骨文有數據庫。
數據庫是基礎軟件皇冠上的明珠，幾十年來與操作系統齊名，是每一家公司業務系統的核心，以剛需“收割”企業利潤。
這些都是解決方案里的利潤來源、客戶不得不買的核心產品。
那么為什么中國的解決方案公司缺少這類高毛利的核心產品？在雷鋒網看來，原因有四：
第一，復雜的系統性工程能力有限。吃透一個復雜業務系統，需要強大的工程能力，龐大的知識體系和深厚的經驗積累，中國在系統性工程能力上一直較為欠缺。
第二，浮躁，傾向于賺快錢。（其實這也是工程能力弱的原因）
這類核心產品，屬性重、壁壘高，需要極大的時間、資金、精力和研發投入，但中國發達的互聯網產業讓大多數企業習慣于短期獲利，在海量的客戶、海量的營收規模、高營收增長率、高利潤率的面前，難以沉下心來做各項要求極高，且不一定能成功的產品。
第三，對資金投入、戰略堅持要求極高。
以數據庫為例，在云計算的光芒下，這兩年中國數據庫領域進展迅速，阿里、騰訊、華為都初嘗甜頭。
在這背后，他們投入了巨大的人力、物力、財力，即便如此，因中國To B市場環境問題，在相當長一段時期內，這類產品的工作推進得尤為艱難。
在那些前路星光暗淡的日子里，能堅持至今，實屬不易，這離不開企業在戰略上堅定地支持。
第四，企業對有效專利的保護遠遠不夠，在法律手段上不夠狠，市場懲罰力度有限，導致抄襲成本低。仿制品多了，自然會進入打價格戰的惡性循環，沒有利潤。
這個問題過去20年沒有解決，可能未來10年也很難解決。
早期，AI公司以為AI技術就是類似ECC、Oracle的“中間件”，但是AI本身并不是一個產品，且門檻逐漸降低，同質化嚴重。
而IT軟件領域，中國至今也沒有一個保持高毛利率的軟件企業。以金蝶、用友為例，這些具有二、三十年歷史的公司，利潤一直在低位徘徊。
眼下的中國AI公司，大多缺錢、缺精力、缺戰略底氣去支持一款核心產品的開發。
2.輕量標準化產品模式：盤子是大，收費模式扭曲
做重不行，那就來輕的，比如SaaS模式。
的確，SaaS也是目前各大互聯網巨頭最為重視的產品形態之一。
它模式輕，無需定制，一套SaaS產品可以復用；收入可持續，不是一錘子買賣；高毛利，SaaS收入的毛利至少能達到70%。
它打通To B，通用化、標準化，是個突破困局的好苗子。
此模式也得到歐美市場認可，單2020年，美股的SaaS公司就有不少突破了百億甚至千億美金估值。
甚至有一種說法：美股過去十年屬于FAANG（互聯網），下一個十年屬于SaaS（軟件即服務），未來軟件定義世界。
理論上可行，但要明白，美國的企業服務程度遠在中國之上，且美國人口紅利弱勢下，長期以來注重人效比。
其次，中國環境較為尷尬，中國的付費意識有所提升，但依然不容樂觀，尤其在軟件領域。而有了免費的釘釘、企業微信、飛書后，更是加劇了國內小公司的軟件“白嫖”意識，愿意付出可觀費用的企業數量非常少。
其實，這間接導致SaaS也逐步進化成定制化項目。
其次，仔細想想，淘寶在以另一種SaaS的形態存在于市場，以羊毛出在豬身上的方式，賺走了多數小微企業的錢。
3.企業知識產權保護：不夠快、不夠狠、不夠全
當然，高毛利的困局，除了戰略堅持、工程能力，更在于當前知識產權保護環境的不成熟。
首先，中國企業一個重大認知誤區，就是“誰掌握的技術多，誰最需要加強知識產權保護”。
知識產權其實具備技術與法律的雙重屬性，本質上是運用于商業。
但中國大多數企業沒有意識到它不是一個法律問題，而是一個資產管理問題，知識產權長期得不到足夠的重視。
這一點上，硅谷地區尤為優秀。
《燒掉艦船》一書中，就鮮活地展示了知識產權的力量。
馬歇爾?菲爾普斯在任職IBM公司副總裁期間，利用知識產權武器，在IBM命懸一線之時，通過一系列組織架構及專利許可的改革，成功使得IBM公司擺脫經營困境：
當年，IBM的利潤收入總額中有25%來自于知識產權的與授權的項目。
如果說在IBM馬歇爾只是利用知識產權拯救IBM公司脫離水火困局，那么后來在微軟馬歇爾則利用知識產權所做的變革，讓知識產權成為微軟的戰略核心，并支撐巨輪前行。
而另一個依靠知識產權的運營為企業帶來盈利的典型案例，非甲骨文莫屬。
甲骨文的法務團隊是全公司最強勢的部門，有人調侃，它應該是一家大型律所，而不是一家軟件科技巨頭。
其法務團隊，已經形成一條完整的產業鏈，有負責起草滴水不漏的授權許可合同/格式合同的律師；有負責探索并調查市場上侵權公司，進行許可授權談判的律師；有負責訴訟的律師，開啟漫長的司法程序，并申請配套的訴訟保全或禁止令等，捆住目標公司的手腳。
這些法務團隊出現在董事會、在風控會、在談判現場、在危機處理等等場景，只要與公司業務相關，他們似乎無處不在。
一家一流公司，不僅需要能創造IP，更需要運營IP。
作為一個軟件系統公司，甲骨文前期需要為產品投入巨大的成本，此舉本意是為保護自身不受侵害，后來，這種架構融入企業生命，成為一種生產力。
只要他們開發出一款好的數據庫產品或組件，即舉整個公司之力保護權益，甚至經常通過一場官司就可贏得數億美金，以至于網上出現不少諸如此類的段子：
黑客：你好，在嗎？
受害企業：？
黑客：我在你公司網絡里安裝了幾個oracle數據庫，給我2-btc我就告訴具體安裝位置，要不我就告到oracle法務部。
受害企業：......大哥，有話好商量
這套機制在保護他們的核心產品的同時，也讓其在一段時間內形成市場壟斷。
公司業務上無處不在的法務團隊，其實是法務成熟的體現。顯然，國內仍不夠成熟：知識產權保護體系不健全，企業也缺乏相關的意識。
比如知識產權保護到位，是建立在一系列前提之上，大多數企業并沒有完備的團隊：
是合適利用知識產權保護還是適合商業秘密保護是否做了全面的或針對性的知識產權布局是否有團隊在監控和維護知識產權
比如實際執法問題多，處罰力度有限。不僅存在認知力度水平不一、地方保護主義等等問題，且目前知識產權界的不少重大侵權案件中的賠償金額也較為有限。
“真正的懲罰是市場禁入，真正的獎勵是國家允許的市場壟斷。”某法律從業者對雷鋒網表示。
中國的知識產權，大多數仍處于低端的專利代理和訴訟工作，很難去真正認識到知識產權保護這種無形資產對一個企業價值體。
整個知識產權結構的不成熟，讓拿來主義盛行。當企業嘔心瀝血開發的產品一轉手成為他人獲利的工具，得不到保護的創新，就是市場惡性競爭的開始。
難道沒有其他出路嗎？
未必，短道被擋，還有長道。在雷鋒網看來，AI未來的轉機，也許在以下三種路徑里。
路徑一：重定制集成項目實施→ 數字化咨詢 → 咨詢業務反哺重定制實施 → 與大型客戶建立高粘性和系統不可替代性
眼下，整個To B行業，一邊被傳統體系與落后的生產方式相互拉扯，一邊在紛繁復雜的新興技術洪流中被左右推搡。
在技術迭代的窗口，要么向上沖鋒，躍進下一個時代，要么混同撲面而來的泥沙，跌入時代的谷底。
轉型是不是找死不知道，但不轉型一定是等死。
身處其中的傳統企業們怎能不明白這個道理，但是AI時代，如何提升企業生產與管理效率？如何重構線上與線下的關系？換句話說，往哪里轉？怎么轉？
這些問題，單靠企業本身，難以全面回答，而咨詢機構可以。
德魯克說過：動蕩時代最大的危險不是動蕩本身，而是仍然用過去的邏輯做事。
數字化咨詢最大的價值不是解決細節的技術問題，而是通過對商業流程的把握，通過整個體系的重塑實現更高的企業運營效率。最終目的，是讓企業花費最小的金錢、時間等成本，實現企業數字化轉型。
為什么說AI公司，在當前適合開辟數字化咨詢業務？
先說說必要性。
首先以往的AI公司完全不需要做咨詢業務，因為它們只是給客戶提供單點技術服務，如人臉識別、語音交互、機器學習決策等等，遠沒到戰略咨詢、IT咨詢階段。
但現階段的AI企業，隨著業務不斷下沉，逐漸做重，本質上成了數字化企業。
數字化，用什么技術不重要，重要的是做好頂層設計、組織管理規劃、數據沉淀、數據流通、數據決策，最終實現智能化。
這個時候，做咨詢，勢在必行。
咨詢行業本身是高智力的工作，難以產生高規模營收、高利潤，但咨詢不是目的，盈利也不是。
如今的數字化轉型解決方案，不再是單純的軟硬件實施，而是對人、組織、流程、IT的整體改造。
AI企業可以設立“咨詢子公司”，自上而下摸清楚各種場景、客戶、領導的需求，拉通供應鏈關系，一來，以自身的方式經營客群關系，并幫助母公司去直接獲客，承接項目實施。二來，在更深入了解客戶需求后，反哺主公司的整體解決方案。
坦白講，咨詢只是引子，打通客戶決策層之際，為自己的項目實施業務拉客。更通過這個引子，吃透行業，了解更多客戶需求，讓解決方案更為健全、通用。
好比一家裝修實施公司，額外經營了一家家裝設計子公司，設計公司先給業主做出設計規劃，提供裝修的用料、實施商的選型參考，同時推薦自家的實施母公司，來做最終落地。
再說說可能性。
模式輕，市值高。
咨詢是輕模式，資金壓力小，AI企業入局風險較小。
其實IT數字化領域，走通此模式的咨詢企業不在少數。以埃森哲為例，其以IT咨詢起家，在咨詢領域站穩腳跟后做，逐步擴展到解決方案的實施和部署，目前年營收500億美元，市值達2000億美元。
即使不以巨頭參照，咨詢本身最大的成本是人力，項目人效高，利潤與重型解決方案相比，也較為可觀。
咨詢行業市場大。
未來智庫數據顯示，2018年全球咨詢行業達 2770 億美元，復合增長 4.3%。在增長方面，亞太地區是行業的最前沿。亞太地區 2018 年的市場規模為 470 億美元，約占全球管理咨詢業的 17%，其中中國市場是增長龍頭，年復合增速超過 10%，是全球市場的兩倍。
AI企業可根據自身基礎，選擇不同的模式組合：輕咨詢+重實施；重咨詢+輕實施；重咨詢+沒有實施。
其實目前不少AI企業已經在往咨詢領域發力，比如金融風控領域的頭部企業同盾就孵化了咨詢子品牌。
在定制化場景摸爬滾打的?？狄舶荡链恋赜袆幼?。
2018年12月，海康進行了組織架構調整，成立了全新的三大BG事業部（PBG、EBG、SMBG）。其中，EBG已經成為?？敌碌膭恿σ嬷?，承擔了海康推進企業數字化轉型業務重任，?？滴灾厝蔚腅BG負責人徐習明， 就是IT咨詢出身，曾是IBM咨詢部門的副總裁。
最鼎盛時期的IBM，是解決方案的集大成者，更是一只“高毛利的通用服務器、中間件產品 + 高定制化實施團隊 + IT咨詢服務部”三輪驅動的巨型航母。
路徑二：重定制集成項目實施 → 進入非標市場的標準市場（自動駕駛、芯片） → 形成標準化產品 → 低成本規?；瘡椭?/strong>
AI公司為何都在賠？
核心在于：AI未能標準化，項目需求又無窮多，也就有了做得越多虧得越多。
業務特性上，以項目制為主，產品和服務門檻高，生產流程復雜、定制化高；
行業特性上，周期長、反饋慢，不具備高增長性，投資回報率低。
競爭格局上，傳統巨頭林立，擴展業務邊界；互聯網大廠跨界，財大氣粗廣撒網，搭建生態。
說白了，非標市場，容不下AI企業浩瀚的AI夢。
那就去標準化市場？有人說。
標準化市場可以一夜之間把價格做到無窮低，高額運營支出會逼著他們重回定制化市場。
上不得，下不去，還不能不做，畢竟日子還得過？怎么辦？
在非標準化市場找到標準化賽道，這才是AI公司的路子。
沒找到之前，一定不賺錢，一定虧下去，一定成不了巨頭，一定被質疑。
所以不管他們現階段是否依賴于非標領域獲得營收，要在未來立足，必須瞄準更大的賽道，如此，才能支撐他們“昂貴的未來”。
這個“更大的賽道”在哪里呢？
場景上，自動駕駛、芯片都是明顯的非標市場中的標準市場。
技術上，軟件定義、人機協同一旦成型，可以一招吃遍天下鮮。
這些賽道長線、資本看好（熱錢關注）、短期無法盈利，能講出不一樣的故事。
正如《依圖醫療「變賣」內幕：出走、截胡與派系整合》中，前依圖員工的一句話點破了AI公司對標準化市場壯士斷腕般的執著：
安防和醫療都不是依圖未來的主業，安防只是規模比醫療大，哪一天無人車或者芯片做起來，安防也能像醫療一樣賣掉?，F在分管安防的高管Steve，背景是企業級產品研發，想做個類似數據庫的產品，什么行業都可以用。因此，對行業領域沒有太多的感知或者感情?！?/p>
路徑三：開源深度學習框架，占位國產化高地。
至今，主流的開源深度學習框架一直由國外科技巨頭主導，其中Google的TensorFlow以強大的工業部署能力深受工業界喜愛，Facebook的PyTorch以靈活性橫掃學術千軍，兩者占據了90%的市場份額。
在AI界，兩大開源框架的地位等同于IOS和安卓系統，算得上開源框架的雙煞。
既然巨頭成就在前，框架開源不受限，為什么要重復造輪子，勝算又在哪里？
1. 深度學習框架，一場潛在的制高點之爭。
如果把炒菜比作場景，優質的食材（大數據）、高超的方法（算法）、上等的鍋（框架），加上恰當的火力（算力），才能炒出一盤好菜。
作為底層語言和算法模型的骨架，深度學習框架省去了開發者從0到1地搭建地基的成本，提高開發效率。
開發人員可以像搭積木一般，根據自身行業的特點和場景需要，選擇框架中的模型，進行組裝或訓練自己的模型，導入數據并得到模型，最終實現部署。
深度學習框架其實將數據、算力、算法三者相連接，向下對接芯片（算力），向上支撐應用。
如果說芯片是算力平臺，那么深度學習框架就是編程生產力平臺，兩者已經成為AI基礎設施基座。
成為一家平臺型公司，建立以自身為主導的龐大的AI生態，是大多數科技巨頭的愿景，在“得開發者得天下”的影響下，開源深度學習框架將是企業躋身“平臺型AI”的關鍵。
開源本身，是將自家的獨門絕技分解成一招一式，慷慨對外，既是開誠布公的交流，也是明槍暗箭的較量。
深度學習框架話語權的爭奪，暗藏著對未來AI行業標準制定主話人的爭奪。
百度CTO、深度學習技術及應用國家工程實驗室主任王海峰也曾表示，深度學習框架是“智能時代的操作系統”。
深度學習框架的競爭，已經成為未來人工智能場上競賽的制高點。
Google有TensorFlow、Facebook有PyTorch，百度有Paddle Paddle、華為有華為 MindSpore。
你看，這一制高點，早已有無數巨頭爭相競奪。
2. 技術沒有終點，企業沒有永勝將軍。
當年TensorFlow橫貫世界，誰能想到PyTorch愣是沖破鐵幕，上演了后來居上的故事呢？
按理說如今TensorFlow和PyTorch牢牢把控市場，然而TensorFlow性能高、部署方式高效，但調試性不足，而PyTorch靈活易上手，但命令式編程運行效率低。
說白了，開發端的需求動態化、多元化，沒有哪一個框架能完全滿足市場需求。
這意味著，任何一個框架都不會有決定性的勝利。沒有永恒的強者，只有永恒的挑戰者——新的框架出現具有歷史必然性。
華為徐直軍曾對此表示：“我們現在還沒有看到哪一個框架能夠真正做到支撐全場景，而華為 MindSpore 的目標就是成為這樣一個框架”。
也因此，不斷有挑戰霸主地位的沖鋒者。
開源深度學習框架的代表性崛起出現在2012年-2015年間，歷史并不悠久，也許追著追著，就趕上了呢？
3. 局勢動蕩，國產替代勢頭大。
中國超九成的開發者使用的AI開源軟件包來自美國。
很顯然，中國的人工智能嚴重依賴美國的開源框架，往嚴重了說，中國人工智能產業，有相當一部分是建立在美國智能框架之上。
在中美關系緩解的前提下，尚且影響不大，但如果這個前提生變呢？
輕則影響工程進度，重則步中國芯片產業被美制裁的后塵。
中興、華為事件的爆發、美國至今仍在更新的實體清單，無不在提醒著中國企業，作為編程生產力平臺的深度學習框架，不是沒有成為下一目標的可能。
一旦中國AI企業成為制裁對象，關上了深度學習框架的大門，將是對中國開發人員甚至AI產業的致命一擊。
退一步講，目前在國家數據安全越加敏感的背景下，即使沒有中美科技戰，數據向國內遷移也將成為趨勢。
要知道，AI的訓練全部基于開源框架，這意味著海量的真實食材（數據）都將在美國企業的大鍋（開源框架）里烹飪，一旦上升到國家，數據安全將成重要隱患。
所以我們看到，百度開源了，華為開源了，阿里開源了，騰訊開源了，曠視開源了，清華也開源了......
從這個角度看，也許2020年國產深度學習框架開源集中爆發不是巧合。
而在這之中有個信號——少見的AI企業的身影。
2020年3月，曠視開源核心深度學習框架曠視天元（MegEngine），成為全球首個將底層框架開源的人工智能企業。
MegEngine開源發布會上，除了有圖靈獎得主姚期智、高文院士、懷進鵬院士坐鎮，還有前微軟人工智能領航人物沈向洋捧場，單從嘉賓陣容，可一窺曠視對其開源框架的重視。
曠視的出現，讓這場競爭不再是科技巨頭玩得起的游戲。
首先，前文提到目前AI公司的困境在于，AI并非核心技術，重型定制化解決方案容易進入死胡同，輕量的標準化產品模式收費潛力有限，可談得上“價值”的人才難以量化。
AI企業一直在尋找一個站得住、走得長的“價值”，基于上述分析，開源可以是那個“價值”。
站在曠視的角度，當初商湯以平臺型為目標，曠視若無亮眼標簽傍身，未來很可能與二線AI企業無異。
一知名投資人向雷鋒網透露，他們投資人看企業，更多看的是想象空間，不是看現在能賺多少錢，如果比賺錢，何不去投資集成商？
“當今的AI行業，除了極個別企業外，我們實在看不到任何大的想象空間。曠視的想象空間，我認為是深度學習開源框架，如果能把它做好，這就是他們的最大增量之一?！?/p>
再來談談現實，開源框架的商業價值。
TensorFlow和PyTorch其實都存在百億美元的營收潛力，Google和Facebook之所以不以此盈利，是因為開源承載的更多是戰略意義，是防止被對手吞噬的防御性措施。
安卓的免費開源，從戰略意義上講，是為了防止被iOS和Window卡脖子。
設想下，如果Google沒有自己的安卓陣營，幾十個應用全部架設在蘋果和微軟的操作系統之上，一旦發生巨頭之間的卡脖子事件，Google的處境會有多么艱難。
巨頭不缺錢，可以不在乎盈利，但AI企業在乎。他們需要錢，且理論上可操作。
方式一，可先提供一個基礎版本，針對高級版本收服務費；方式二，開源一段時期后閉源，按需使用收費；方式三，與使用框架的公司合作，開發新產品。
當然，這是一條可行的路，但并不是一條容易的路。
TensorFlow和PyTorch，背靠科技巨頭，框架性能強大、工具鏈成熟、社區生態龐大，它們匯聚了全球的工程師、頂尖的代碼和產品，仍然位居開源領域頂峰。
這個賽道里，創業公司極少，側面意味著高壁壘、周期長、生意慢，需要得到開發者認可，需要巨大的生態支持，才能變成大生意。
而且，這一路徑的成立必要前提，是科技制裁加劇、外國主流框架使用受限、中國相關政策支持，且成立后，僅有中國人使用，其生態環境無法與前兩者比擬，這是此模式天然的局限性。
距離那場讓各界激動不已的人機大戰，已經五年了，也才短短五年。
有人趕不上熱點，抓不緊核心，在隊伍末端吊墜。
有人挑最重的擔子，啃最硬的骨頭，無懼下沉。
有人交槍、搶跑、狂奔，全力以赴想搶先初達拐點。
有人羞羞答答，不知該破釜還是堅守，兩只手相互拉扯，左右為難。
無論以何種姿態閃亮登場，未能尋得一片安身之地的企業，都將被大浪沖散。商戰殘酷，無人憐惜薔薇橫臥，唯有在歷史的縫隙里，輾轉騰挪，活到下一時代。
但市場鐵律會摧毀秩序，也會重建規則，催生新的萬象。
數字化浪潮正引發新一輪社會進化，所有人將通過商業路徑選擇，完成一場公平競跑。
這既是一個AI企業賭命的關鍵節點，也是AI企業在新時代開篇建制的絕佳時機。最先適應的人，將收到時代饋贈的紅利。
AI商業化落地的鏡像里，誰能稱王，誰是敗寇？
新故事已然開始。讓我們拿起望遠鏡，隨著時代的曲線開始一場大變革浪潮的奇幻漂流吧。
————
人都說技術前進無終局，但AI基礎研究似乎逐漸進入了停滯期。
中國工程院院士、中科院計算所首席科學家李國杰近日提到，目前我國大學和企業的人工智能實驗室大多遇到頂天頂不了、立地又落不下去的困境。
他認為，不少科研項目要么是增量式的技術改進，要么是幾十年難以突破的理想型目標。
AI公司商業模式落寞背后，當然也離不開底層研究的支撐。
8月24日，我們將發布深度報道《鎖死AI基礎研究的「智子」是什么？》，從技術和人文角度，講述基礎研究難突破的深層原因，并探索未來AI研究的新方向。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
