精专路线催生场景爆发

由于“四小龙”等早期AI企业创立时间比较早，当时人工智能还是一个较新的概念，因此可以利用人脸识别等通用技术在泛化层面产生许多应用，这时各行各业对该技术的热情也比较高。

经过数轮融资和商业版图扩张，“AI四小龙”已经在生态构建方面做到了行业领先。目前的人工智能领域还在行业的最初期，对AI后起之秀来说，还有许多条路可以走。

于是，新一代AI公司，不再走泛化路线，而是走精专路线：利用某一核心技术，抓住某一行业中的具体问题，再用AI去解决这些问题。相比于早期AI企业“拿锤子找钉子”，新一代AI公司则倾向于“根据钉子来定制锤子”。

这个过程中，选择“钉子”对于AI企业来说非常关键：一方面，团队技术背景要能够与行业相适配；另一方面，该场景要能实现商业化。换言之，应用AI技术后，要能切实影响企业经营生产水平，并在财务回报上得到直接体现，客户才会为此买单。

AI企业团队的技术路线，往往与团队成员背景密切相关。以“AI四小龙”为例，由于成立时间较早，当时的AI技术大多由国内外知名院校实验室孵化而来。因此，其团队成员均来自斯坦福大学、清华大学、香港中文大学等世界知名院校，或微软亚洲研究院等世界顶尖研究机构。比如商汤就集结了来自世界名校的120余名博士生。可以说，在通用型AI技术的积累上，AI四小龙占据了先发优势。

新一代AI初创企业创始团队背景往往更为多样。主要由于最早一批从实验室走出来的专家，已经在各行业进行了一些尝试，积累了一定行业认识和商业落地经验，他们的技术特色将更为显著。

在场景落地方面，正是由于不同企业的技术路线不同，哪怕面向同一场景，解决的都是不同层面的问题。

以智慧交通为例，早期AI公司更多利用人脸识别技术做人车的结构化，通过实时获取每一辆车所在位置，起到打击犯罪的目的；而像闪马智能这类新一代人工智能企业，运用的是视频异常分析技术，从而准确识别出路面上的异常行为，比如道路拥堵、交通事故、红绿灯损坏等，从而起到城市治理、提升城市运行效率的目的。二者在技术路径上具有较大差异。

闪马智能创始人彭垚表示：“对于企业来说，技术特性不同，在行业中将有着不同的强势地位。比如具备大数据AI智能分析能力的企业，它可以更多从事政务大数据相关服务，给政府层面提供决策依据，而闪马创始团队曾在七牛云、IBM积累了大量相关经验，因此通过视频异常分析赋能交管行业，是我们所擅长的。”

至于最终选择哪个行业落地，除与技术属性有关，还与该技术能为行业带来的价值有关。即AI技术，能否大大好于现有方式，倘若客户没有明显的体验差距，没有实现效率的显著提升，那么跨越价值去谈商业化则毫无意义。

彭垚表示：“AI企业倘若对场景本身认知不深刻，那么也解决不了任何社会问题。现在有一些项目，如果我们认为没有推广价值，没有对这个行业效率带来提升，我们也不会参与建设。”

红点创投执行董事刘岚也表示：“好的AI企业应该告诉客户‘你们付出可接受的成本，就能够用AI技术创造价值，并且所产生的价值能够为你创造收入’。这时候，客户才愿意从他的收入中拿出一部分购买解决方案。”

由此可见，对于新一代AI企业来说，选择将自身优势技术与具有价值的场景相结合。即以某一场景为切入口，找到场景中的最佳解，为客户提供可以计算的价值，并借此打动客户，成为了较为通用的发展路径。

当技术路径和聚焦场景已经确定，那么，在商业化的过程中，企业该如何获取行业Knowhow？在某一场景能够稳定输出后，又如何向其他场景复制，从而获得规模化盈利？

杀手级应用推动规模化

AI技术的基础，以及商业化价值产生，底层都是数据；要深刻认知行业Knowhow，更是离不开数据。数据之于AI企业，就像燃料之于飞机，起到驱动作用。

正由于数据价值在整个人工智能链条中至关重要，就不难理解为何BAT、华为等企业能够在云计算、AI、芯片等领域都能有所布局。这些巨头公司凭借极强的渗透能力，在平台上累积了海量数据，不仅能为自身业务创造价值；同时，其他企业需要数据时，需要接入他们的云平台，它们从中又能获利。

对于新一代AI企业来说，获取数据的方式根据用途不同将有所不同。在工业场景下，企业往往需要深入现场采集数据，通过对数据质量的严格筛选和把控，提升分析结果的准确性。

以流程工业中的热电行业为例，原材料投入设备中，将会产生一连串化学反应，由于反应速度非常快，生产过程难以控制。

为了提升煤炭能源转换为汽电能源的效率，致力于热电生产智能化的全应科技，打通了从数据生产到分析数据的全链条，通过构建模型不断优化工业效率。

全应科技董事长夏建涛博士表示：“热电行业已经具备相当完善的信息化基础，因此热电生产过程智能化的本质，就是深度钻研生产数据，再用数字化的模型在数字空间重构物理空间的工业过程，这样才能最大化发挥数据分析的价值。”

另外还有一部分企业采取“借力打力”的方式，比如闪马智能，创始团队成员曾是七牛云人工智能实验室的创建者，与国内领先的云计算服务商七牛云渊源颇深。由于具备七牛云背景，闪马团队在早期便能拥有远超其他计算机视觉公司的视频数据储备，这也为其选择立足视频异常分析领域提供了强力支撑。

成功获取行业数据，只是万里长征第一步，至于要赋能行业，则需要进一步形成“闭环数据反馈循环”。即从终端收集数据，然后训练模型，同时场景进一步产生数据，这就形成了闭环的数据反馈循环，算法得以完善和迭代，模型将越来越准确。

要实现闭环，不同企业具体采用的技术方式有所不同。闪马智能通过的是“ATOM深度学习平台”，一方面该平台支持多种数据采集的能力，包括国标摄像头或一些标准的协议；另一方面具备七牛云、阿里云、华为云等跨平台融合能力。当算法训练完成，再通过另一大核心平台VisionMind进行分发，从而形成闭环。