人工智能应用案例：AI产品，和SaaS是一回事吗？"

Posted 2021-04-26 AI地平线

拨开云雾见天日，守得云开见月明

不管承认与否，人工智能代表软件的未来。并不是因为现在的AI已经无所不能，而是其向我们展示了在一些特点领域的卓越成果。复杂的数据、先进的算法、无与伦比的算力，让人工智能成为”全村人民的希望“。作为众多AI从业者中的一员，我们虽怀着无比坚定的决心，却又在诚惶诚恐中找寻属于人工智能行之有效的商业模式（意思是，现在还没有找到）。

利润率并不高

现在的人工智能公司，利润率并不比软件公司高。传统软件巨头，如微软、SAP、Salesforce等公司，做完一次产品研发，可以循环销售他们的产品。他们也积累了大量专利，这些护城河为他们带来很高的利润空间，大概在60%-80%的毛利润率水平，甚至更高。而人工智能公司一般只有50%左右的毛利润率，甚至更低。这主要由以下几个原因造成：

难标准化

在大部分人的认知下，人工智能公司提供的产品和我们日常使用的各种应用软件、App原理是一样的。确实如此，人工智能应用程序本身就是建立在算法基础上，对大量非结构化数据进行分析。但这恰恰造成了难以标准化的事实。以自然语言处理类应用为例，为了能够让你的机器人有效、准确识别用户的自然语言，AI厂商不光要提供算法，还要提供大量数据清洗、标注回流等运营服务，并且这样的服务由于客户的不同，需要不断重复。

这个问题进一步细化，就延伸出AI产品在市场上不同的定价模式。一种是”包干制“，类似于项目的冷启动。在这种模式下，AI厂商将为其客户提供0-1的全部服务，核心产出就是让客户在自己的业务场景下，迅速用上AI技术。而为了增加客户数（比如，为下一轮融资更顺利），AI厂商需要承担前文中一定量的运营工作量，算上人力就会拉低整体项目的利润率。另一种是”工具输出式”，这个模式更像传统软件公司的销售模式。难以标准化的运营工作，将大部分由AI厂商的客户自己承担。但愿意投入成本、自建AI训练师团队的公司，除了把AI当做战略目标的企业，实在少之又少。

难规模化

需要配置额外运营资源，让大部分AI厂商变得越来越像是卖服务、而不是卖软件的公司。人工智能产品需要训练的事实，又让AI厂商难以规模化其服务。为了达到客户对模型准确率的要求，AI厂商需要对其模型不断调优，无论是提升底层数据的质量、或者优化预设模型的参数，让规模化基本无望。

更糟糕的是，这样的调优，越调越难，因为机器学习在处理长尾问题上从来就是难点。而当你成功搞定几个客户后，他们的需求终将落在数据的远端部分。事实上，AI厂商也没有很好经验和信心，判断这样的调优过程需要持续多久，只能在客户的要求下不断增加人力，直到在某些指标维度上，达到客户的预期。一个项目上的鏖战，意味着无法启动更多新的项目。

含隐性成本

这里的隐性成本主要指云服务、算力等硬件投入。能花上百万买NVIDIA GPUs的都是大厂，和愿意出钱买训练师服务、或自建训练师队伍是一个道理。虽然我们看到一些AI企业加大对自研芯片和硬件的投入，但自研能替代多少外采，短期仍未见到曙光。

最近一家AI独角兽企业，向交易所提交IPO申请。其招股书显示，其2016年、2017年、2018年和2019年上半年营业收入分别为6780万元、3.13亿元、14.27亿元和9.49亿元。净利润处于持续亏损状态，2016年、2017年、2018年和2019年上半年，分别为3.43亿元、7.59亿元、33.51亿元和52亿元，连续四年亏损，并有愈演愈烈的趋势。

说利润率不高，这是客气了。

如何破局

传统软件企业构建的护城河，比如：品牌影响力、核心技术和强大的销售网络，也是AI厂商努力的方向。虽然上述困难重重，但并不意味AI产品不能破局。我们总结了在实践中被证明行之有效的方向：

1.去头去尾：既然AI产品很难形成规模效应、很难标准化，我们看到一些企业选择了只做核心功能。比如，问答机器人技术提供商，可以仅提供基于FAQ的问答接口，FAQ拆分、长难句预处理、多轮对话等复杂功能，一概不提供。只要模型单一，其维护、迭代的成本就会显著下降，也能够腾挪出资源，做更多市场拓展。这就是所谓的：一招鲜、吃遍天。2.切片化：除了模型要单一，数据也要简单。有的AI厂商专门选定特点行业、特点场景提供服务。比如，果农为了将苹果按其质量分级打包和定价，图像识别的输入数据就是各种苹果的图片，不用考虑香蕉、芒果。这样的AI检测系统，数据量得到有效控制，模型准确率高，人工成本节约显著。3.交叉销售：既然人工运营仍是当前AI产品应用的主旋律，AI厂商提供一条龙服务，销售成功的概率也很高。大部分AI企业将其核心研发团队，建在北京、深圳等一线城市，同时在三、四线城市组建AI训练师队伍。无论是因为AI项目签了单，顺道把训练师也卖了，还是因为自带训练师，更容易签单。无论哪种，有卖就不亏。

今天的AI行业利润率还有待提升，并没有出现被市场完全认可的商业模式。这也恰恰揭示了人工智能仍然还是一个相对年轻的行业，激励我们不断优化产品和模式，从而建立自己的核心价值定位。

只要市场有需求，就可能成为一门好生意。