有人認為AI距離我們太過遙遠，現在談論為時尚早；有人認為AI時代已經到來，我們應該抓住時代的紅利。那么，AI到底在春天還是寒冬？

  我們先來看幾個AI應用場景的案例。

  便利店的運營效率非常高。一家小小的便利店，它每一天的運營、維護都是復雜的過程，在過去20年里，這個產業(yè)的效率不斷提高，現在看來，可以說已經做到了極致。

  但是，在前兩年，有不少人開始用AI技術，也就是視覺識別去做便利店，最后的效果不太好，為什么呢？因為替代成本非常高，一個視覺結賬系統(tǒng)替代一個收銀員，這個系統(tǒng)需要更昂貴的IT工程師定期維護，一旦系統(tǒng)出錯，造成的損失也會更大。一句話說，在原有便利店的基礎上，使用AI技術并沒有提高產業(yè)效率。

  第二個例子是大家在銀行見到的輪式機器人，它會主動問好，并且能夠與你進行一些簡單的對話。但是現在來看，這樣的機器人沒有什么作用，因為它無法替代銀行的工作人員。銀行員工接受過良好的訓練，在與客戶溝通、處理矛盾、求助方面具有很大的柔性空間，這些都是機器人做不到的。開玩笑地說，下雪的時候客戶經理還能出門掃雪，如果有人搶銀行，工作人員還能起到一些安保作用，這些都是輪式機器人做不到的。這樣的產品只有一個智能化的噱頭，很快就不會有人使用。為什么會這樣？還是那句話，這種AI技術的應用，沒有提高銀行業(yè)的產業(yè)效率。

  第三個例子是大型倉儲物流中的機器人應用場景。幾千臺輪值機器人快速移動對貨物進行分揀，大大提高了物流的效率。正是這類技術的應用，才保證了我們對物流的高要求。AI技術在這里的應用是成功的，也是行業(yè)所追求的。

  總結起來，我們可以說：AI是春天還是冬天，取決于其提高產業(yè)效率的能力。

  產業(yè)效率的提高和人類的幸福息息相關

  什么叫效率？從系統(tǒng)的角度看，效率就是輸入一個系統(tǒng)的功，最后轉化成了多少的功，這個輸出功和輸入功的比值，可以理解成效率。

  在產業(yè)上，也存在產業(yè)效率。這里的輸入是雇傭員工的費用、土地租金、原材料成本等等，如果相同的輸入，我們獲得更高的輸出，我們就擁有了更高的產業(yè)效率。

  在古代的皇室，皇帝所擁有的御膳房的效率和今天的外賣平臺的效率相比如何呢？在那個時候，御膳房就是要不惜一切代價把飯做好，而且要時刻準備著。菜不管吃不吃都要備好，鍋里永遠在燉著東西，只要皇帝有需求，從做飯的到傳菜的整個環(huán)節(jié)都會調動起來，只為皇帝一個人服務，成本非常地高。

  而現在的外賣平臺，其所包含的菜品種類遠比御膳房的成百上千種菜還要多得多，由于產業(yè)效率的提升，今天的每個人都能享受到這種高效率下的便利。給我們送菜的不是太監(jiān)，而是騎士，他們通過搶單、拼單把配送成本降低到幾塊錢，但是一樣實現了為一個尊貴的客戶，提供專門的服務，這都是產業(yè)效率的提升帶來的。

  效率提升=性價比提升=需求量幾何級提升

  為什么效率提高如何重要？因為它的改善能夠帶來產品性價比的提升，從而引發(fā)需求的幾何級增長。福特的T型車就是一個經典的案例。

  在20世紀20年代，汽車作為一個只有富豪才消費得起的奢侈品，正在逐漸地走向平民化。福特通過流水線生產，把T型車的價格從4000美元降低到800美元，進而進一步降低到了200-300美元。這意味著對于普通的美國民眾而言，一年的工資也可以買一輛車，即使在1929年大蕭條的時候，汽車總銷量依然是攀升的。

  同樣的例子也發(fā)生在酒店行業(yè)身上，它們遵循同樣的邏輯。今天，五星級酒店對于一般的中產階級而言，不再是可望不可即，越來越多的人可以享受到這樣的服務，這是如何做到的？酒店管理公司對酒店運營進行了標準化，以前可能需要3個管家服務一個房間，現在通過分工與標準化，可以讓一個保潔人員清理20個房間，另一個采購人員負責給100個房間采購水果。

  我們通過工序的專業(yè)化大大降低了成本，從而提高了效率。在一個連鎖網絡系統(tǒng)中，讓最優(yōu)的實踐能夠固化成標準，然后向次優(yōu)的酒店推廣，這是酒店管理公司、或者說任何一種管理類公司業(yè)態(tài)存在的價值，因為它提高了行業(yè)的平均效率。

  從另一個角度來看，在酒店行業(yè)，酒店管理公司往往不擁有酒店，它只是幫助酒店擁有者運營酒店而已。那為什么這些擁有者愿意讓他們來管理，還同意同分走一部分利潤呢？因為這些管理公司雖然拿走了錢，但是把酒店的效率提高到了原先無論如何也達不到的水平。

  提高產業(yè)效率有哪些手段？

  雖然都說大道至簡，但是簡單到極致就是自然主義。去郊外撿一個蘋果，然后賣掉，很簡單，效率也很高，但如果是100萬個蘋果呢？

  效率來源于復雜性，復雜系統(tǒng)才能獲得超額的“節(jié)約”。

  案例1：擴大規(guī)模，攤薄成本

  最典型的例子就是連鎖酒店，通過把單體的酒店連接起來，降低成本，從而實現產業(yè)效率的提升。

  案例2：流水線分工，提高專業(yè)效率

  福特的T型車就是通過這種方式，通過流水線作業(yè)，提高了工人的勞動生產率，進而降低生產成本，提高產業(yè)效率。

  案例3：通過更復雜的工藝提高轉化效率

  比如原來做衣服用的原材料都是棉花、羊毛，現在可以用一些不是自然的材料來做衣服，比如特殊的纖維。造紙行業(yè)也是一樣，以前只能用高質量的樹皮才能造紙，現在用的材料是很豐富的。

  案例4：集合渠道，提高分發(fā)效率

  以沃爾瑪為代表的大型超市就是這樣的業(yè)態(tài)。把客戶邀請來了，就要賣給你更多的東西。為什么沃爾瑪可以打敗美國那么多的鄉(xiāng)村小店？正是因為沃爾瑪能夠一站式購齊，其他小店做不到。

  案例5：長期轉化，提高留存效率

  這是互聯(lián)網時代最常聽到的效率提高方式：送給你一個蘋果，但是未來你所有的豆腐都是從我們這里買的。

  案例6：復雜營銷，提高撮合效率

  通過不一樣的定價策略、定向地精準營銷，更快速的撮合交易。

  案例7：資產復用，提高成本效率

  鐵路的出現有深遠的意義，但是在最初，美國很難修建跨州的鐵路，因為成本太高，高到沒有公司愿意買單。后來有人發(fā)明的單線鐵路，在此之前鐵路都是雙線，要修兩個軌道，采用單線之后，成本可以降低30%。單線的鐵路不能對開，因此要修建多條單線，如何能保證效率呢？這時候就要依靠調度了。

  AI產業(yè)如何落地？

  在討論AI產業(yè)如何落地之前，要先看看AI時代帶來了什么？

  從技術涌現的規(guī)律來看，對單點技術判斷的對錯不是最重要的，更重要的是判斷對它的整體趨勢，你一樣能在這個技術應用中獲得很好的收益。

  1. AI不是無所不能的

  首先，AI無法直接進行“高級思考”，無法解決通用問題，因此開放性的任務不適合AI。再者，AI無法給出100%可靠的判斷。既然如此，用AI技術在原有的產業(yè)效率模型內打補丁，往往不是最好的選擇。因為原有的體系是面向高可靠性、自動化、高精準的。最后，在AI替代人的方面，我們認為，AI缺乏柔性，替代人的成本會非常高。拿話務員來說，他們受過專業(yè)的訓練，有很強的柔性能力，即便無法解決客戶的問題，也可以通過溝通技巧解決爭議，但是如果用AI代替他們，往往效果不好而且成本很高。

  2. 要發(fā)揮AI真正的優(yōu)勢

  AI時代的核心首先是智能決策的時代，AI的真正優(yōu)勢是決策能力。比如蘋果種植，可以根據蘋果在生長周期內的日照情況、降水情況、顏色變化、氣體釋放等數據，分析出來一個模型，判斷蘋果成熟的概率。這一點是人類和自動化所無法做到的。這樣的能力可能不太準確，但是隨著時間的推移，它具有很大的商業(yè)價值。

  3. AI時代是智能人機混合系統(tǒng)的時代

  既然AI是一個決策系統(tǒng)，那么這個決策系統(tǒng)具有何種架構呢？千萬不要認為AI就是一個狹義的算法，AI的數據計算本身是一個中間環(huán)節(jié)。以呼叫中心為例，AI可以通過歷史數據的分析，對每個來電的需求非常了解，這種了解遠超一般的話務員，但話務員有價值嗎？當然。他能夠聽懂很多口語化的表達，擅長情感上的溝通。如果把AI和話務員結合起來，這就是以機器決策為主的人機混合。

  AI產業(yè)落地的五個步驟

  第一步，找到絕對的痛點。

  用AI對給今天的行業(yè)模型打補丁，做別人也能做到的事，這不叫絕對的痛點。那什么叫絕對的痛點呢？這需要大家結合自己的行業(yè)經驗去找，但我可以告訴你什么不是。各種商業(yè)要素有強大約束的不是，這個時候，即使你的效率很高，也無法打敗效率低的人，因為重置成本過高。酒店管理公司做得好，酒店都愿意加盟，因為酒店的物業(yè)本身不稀缺。如果你把加油站的效率優(yōu)化的很多，是不是很多加油站會來加盟你呢？可能不會，因為要素的流轉不充分。

  2019年，中國的油氣勘探領域對民營資本放開，我們可以利用AI技術，去分析哪里可能有更好的油田。但是如果在2019年之前，這個領域還沒有開放的時候，即便你解決了這個問題，也無法撬動市場格局。

  第二步，判斷人工智能的潛力

  找到絕對的痛點之后，我們要判斷智能的潛力，因為不是所有的問題都適合AI（人工智能）去解決，比如設計一個太空飛船這樣一個開放性、創(chuàng)造性的問題。再就是有其他替代手段的關鍵性問題，這些問題對可靠性的要求往往非常高，也不太適合AI去解決。比如腫瘤的早期診斷，如果今天的所有的醫(yī)生都做不到，AI哪怕能起到一點作用也是一種能力補償，但是如何有其他的替代手段，AI的不準確性就會被成倍的放大。

  第三步，設計完整的系統(tǒng)

  如果找到的痛點足夠痛，AI也可以解，我們也無法期待簡單的應用AI技術就能解決這個問題。因此，面對這樣的情況，我們要敢于把系統(tǒng)做“重”，就是復雜一些。第一是敢于碰硬件，硬件雖然帶來了復雜性和更高的成本，但它能夠帶來信息采集的效能，并且形成決策實施的閉環(huán)。第二是敢于碰運營，不光是基于人-機的運營，還要敢于去做運營商。第三是不依賴已有的數據，而是逆向思考：為了解決這個痛點，我們需要把什么數據引入進來？

  第四步，尋找切入的路徑

  百度風投作為一家早期風險投資企業(yè)，我們和被投的每一個項目都會討論，未來的終局是什么？未來五年、十年到底能不能做出一些顛覆性、產業(yè)革命的事。即便創(chuàng)業(yè)者談清楚了，繞回到實施，很有可能也要從一件改良產品的小事做起。

  比如農業(yè)的種植，一上來就想開發(fā)一種新的種植方法，那么整個項目的驗證周期會非常的長。能不能利用現有的數據在原有的方法上提高一些效率，降低一些成本？這雖然不是終局，但是一個非常重要的切入途徑。

  第五步，尋求模式變革

  一旦切入進去，我們就要尋求模式的變革。但是要記住一點，項目落地之后的紅利期往往是有限的，如何在有限的時間之內找到模式變革的方法，尋求升維，這是一個很重要的命題。拿三文魚的養(yǎng)殖來說，三文魚只能生活在特定的水域內，這樣天然的水域不需要做很多人為的補償。而隨著AI技術的發(fā)展，有一些不適合養(yǎng)殖三文魚的地方，也變得合適了。比如有一片水域，三文魚可以生長的很好，但是突然來了一股寒流，魚都凍死了，對于這樣的環(huán)境變化，利用一套智能系統(tǒng)恰恰可以進行預測和補償。

  如果這樣的技術系統(tǒng)證明可行，我們就能夠在合適的時間，去圈占三文魚養(yǎng)殖的上游要素，把這個項目做大。最終通過模式的變化，把產業(yè)效率做上來。如果這件事別人也能做，而我們效率做的更高，這是一種溢價能力；如果我們把它升維到一件別人做不了的事，又是一個溢價能力。