本篇文章2274字，读完约6分钟
一只蚂蚁被一个轮胎压路机无情地碾压，压路机甚至没有注意到它。
诸如此类的事情实际上已经出现在人工智能领域，大公司已经以一种近乎“毁灭性”的方式将许多初创公司赶出了游戏。
例如，谷歌发布了Neural Machine Translation System(gnmt)，并将其应用到高难度系数的汉英翻译应用中，在相当程度上提高了准确率，这使得国内一些机器翻译的创业团队遭到了无情的打击。
视察员走访了国内人工智能领域的投资机构和公司，如顺威资本、声音与智能技术、文银互联等，总结了人工智能创业的一些误区。
第一个陷阱:大公司会怎么做
初创公司都生活在大公司的阴影下。
不幸的是，在许多情况下，大公司不是纸老虎。一方面，大公司拥有大量的人工智能人才和良好的人才储备；另一方面，大公司有大量的数据；此外，大公司有许多渠道和流程。
初创企业直面大公司，结果是可以想象的。
作为佐证，在硅谷的一家大公司收购了一家人工智能初创公司后，发现各项指标都在下滑，表现不如内部产品，因此所有被收购的团队都被派去制造产品，而不是研发。
例如，在上述例子中，一个机器翻译启动团队发现，在谷歌发布新版神经机器翻译系统后，其自身产品的翻译准确度落后于谷歌。
因此，我们必须考虑大公司的产品路线图，不要太自大。
那么，大公司必须做什么呢？
基本上有两条定律:
首先，底部的东西越多，就有越多的巨人会这么做
在人工智能产业链中，基础层是生态建设的基础，具有最高的价值，大公司将长期进行战略布局。基本计算能力、数据、通用算法、框架和技术的布局，以及大量开发人员和用户的聚集，基本上是军事战略家的战场。
例如，谷歌、亚马逊和微软都推出了自己的人工智能基础设施、api和开源框架，包括计算机视觉、语音、语言、知识地图、搜索等。
其次，通用产品越多，大公司就越多。
对于通用产品，大公司将实施以人工智能为主的策略，以提高效率和用户体验。对于通用技术来说，这是为大公司建造护城河的基础，大公司肯定会布局。
例如，谷歌实施人工智能优先战略，并改进智能助手(语音和自然语言处理)、谷歌翻译(机器翻译)、youtube(推荐算法)、图像搜索(计算机视觉)等。
顺威资本副总裁兼常驻企业家孟星在采访中强调了这一点。互联网产品越纯，大公司就越多。这背后的逻辑是，互联网产品具有网络效应，更具普遍性。因此，从这个角度来看，纯互联网产品对于大众来说不是人工智能初创企业的好方向。
事实上，对于初创企业来说，大举投资、一目了然地看到具有巨大价值的项目并不是一个理想的选择。
初创企业难道没有机会吗？
大型互联网公司正在发挥人工智能，依靠强大的力量成为一个平台，一个入口，控制流量和服务，连接关键节点。初创企业难道没有机会吗？
幸运的是，巨人也有局限性，他们很难深入到每个垂直领域，因为这不一定是他们的核心业务。
初创企业可以选择成为垂直领域的先锋，积累用户和数据，并结合技术和算法的优势，成为垂直领域的破坏者。
然而，即使在垂直领域，也不建议与传统公司对抗，而是绕道突破边缘。
初创公司还可以专注于细分场景应用程序、制作窄类应用程序、提供解决方案，以及直接指出行业中的痛点。
综上所述，初创企业应该不断从边缘创新，在巨人看不到或看不到的地方创新，不断拓展创新的边界，从而成长为价值中心，走农村包围城市的道路。
第二个坑:只追求技术而不注重产品体验或经济效益
盛智科技合伙人:“在2c产品上，消费者不会为算法和技术付费，技术必须转化为产品，以改善产品体验或提高效率”副总统李志勇在接受采访时说。
当产品落地时，内部链条非常长。除了技术和R&D，其余70%的人可能从事产品、销售、生产和渠道。如果是硬件，就要考虑硬件的年度开发周期。如果是面向企业的解决方案，还需要考虑不同企业和客户的繁琐需求。
人工智能领域的许多科学家创业，并拥有良好的技术背景。“这个领域确实适合科学家创业，但技术往往只是一个必要的、不充分的条件。”孟星在接受采访时说。
科学家在创业时经常面临一个问题。学术能力强的科学家往往发表最好的论文，而最好的论文往往是研究中最常见的问题。
正如我们之前所说的，制造一个通用的东西可能不会立即应用到工业实践中。即使有用，这也是大公司必须做的事情。
然而，拥有技术优势的出发点是对的，所以我们必须把它汇总起来。技术突破，产品落地，技术突破，滚动越大，它就越大，它就像雪球一样一步一步地长大。
李志勇强调说:“这个滚雪球过程是非常必要的，因为纯机器学习算法的优势不会持续很久，最多一年甚至三个月。”
即使在人工智能领域，技术在许多场合也不是最重要的。一方面，每个人的技术都相似，没有显著差异；另一方面，还有许多其他因素影响用户体验和购买选择。
第三个陷阱:我不知道谁会为你的产品买单
人工智能的创业家们必须对低痛苦点的伪需求保持谨慎，并且有必要考虑谁需要被满足。在人工智能领域，2b(针对企业)或2c(针对消费者)各有利弊。
2c的优势在于它可以建立自己的品牌，用户的购买决策是在一个相对市场化的竞争环境中进行的。一旦成功，就很容易形成规模效应，成长为巨人。2c的缺点是积累可能需要更长的时间，需要更大的团队，竞争也更激烈，因为消费者需要拿出真钱。
2c也可以分为两类，一类是新硬件和新产品，另一类是现有产品的改造。
新硬件和新产品可能是蓝色海洋或虚假需求。我们需要关心的是市场有多大，数量有多大，如何教育消费者，如何获得用户，周期有多长，以及它是否能持续到爆发日。
在现有产品的改造中，我们应该直面传统产品。我们需要考虑我们产品效率或用户体验的提高是否足以让用户放弃现有的成熟产品。无论我们关注的是股市还是增量市场，团队能否与传统公司多年甚至几十年积累的市场、品牌和渠道竞争。
2b的优势在于它相对容易实现，因为它更容易从企业用户那里收费，而且团队更专注于某些问题，这更适合创业团队；2b的缺点是规模效应不一定明显，2b的周期可能很长。此外，2b的缺点是某些领域的采购决策市场化程度可能很低，这需要企业资源或政府资源。此外，2b的入口点也很重要，如果找不到好的入口点，很容易撞到墙上。
2b或2c是一个问题。目前，大多数垂直应用是2b。如今，人工智能领域的企业家找到一个合适的行业，充分了解这个行业的需求，确定这个行业在某个时间点的变化，然后提供2b服务，这可能比惊喜2c的机会更快或更容易。
事实上，在2b领域找到一个方向来帮助企业或企业提高效率、节约资金或创造收入是一个很好的方向。用孟星的话说，“这是一个经济问题”。
无论你做2b还是2c，你都应该考虑一下障碍在哪里，优势在哪里。例如，如果优势是行业资源，如何找到正确的方向切入。如果障碍在于数据，那么第一波数据从何而来，以及如何累积数据的优势都是需要考虑的问题。
第四个坑:人员结构不合理
掌握R&D团队和产品工程团队的比例也是人工智能初创企业面临的一个问题。
许多人工智能初创企业由于团队基因等原因，盲目追求算法和技术上的领先，并招聘了大量的科研人才，但工程人才匮乏。拥有大量的科研人才有利于公关和吸引vc投资，但一方面，可能带来过高的成本，而且牛聚在一起后更难管理，没有人拒绝接受任何人，这可能会导致不同学术兴趣的“仙斗”，导致产品方向的偏差。
毕竟，这家初创公司不是一个研究机构，也不是为了促进学术发展或出版论文，而是一个以产品为核心的商业组织。
在2c中创业需要创始团队有大量的产品思维，这通常是科学家出生的团队最缺乏的，在垂直领域的应用也需要创始团队拥有行业资源。所有这些都需要找伙伴来弥补。
第五个坑:我不知道如何把握节奏
在中国，硅谷也在谈论时机。在大多数投资都有投资回报期要求的情况下，初创企业应该控制业务的方向和速度，找到合适的时机。
在互联网和移动互联网创业的时代，有一个窗口期的概念。如果你错过了窗口期，就很难成长。如果你进得太早，你会死得很快。在人工智能领域，时间和节奏非常重要。
时机判断是非常关键的，比如当当前的语音开发可以完全商业化的时候应该做什么，比如判断视野中的技术发展，判断无人机领域的前景，找到正确的时机及其关键，在不同的阶段做不同的事情。
节奏的控制不仅来自对人工智能技术发展程度的判断，还来自对融资环境的判断、对市场发展速度和变化的判断以及对竞争对手的判断。从这些方向判断，我们可能知道我们是否应该更进一步。
最后，我想说的是，人工智能领域的创业比技术驱动领域的创业更为明显，而且似乎与其他领域的创业没有太大区别。这些坑希望人工智能领域的企业家应该谨慎。
[说真的，他是麻省大学人工智能方向的研究生，也是硅谷的特工。他与通用汽车公司合作开展了一项为期两年的无人驾驶研究项目，并在国际人工智能联合会议等学术会议上发表了许多论文
