走访12家前沿科技公司他们透露了关于技术、商业模式、人性和管理的秘密

　　最前沿的科学研究，创造着人类世界从未出现过的知识，推动着人类知识的边界。与此同时，技术也需要落地到具体的产品中，并寻求商业化。

　　这个过程并不轻松，有很多问题需要创业者一一探索：技术要如何落地？如何突破应用难点？人性对于商业化的影响？如何把研究成果变成真正规模化、产业化的应用？……

　　AI 技术的发展一定要和产业结合去赋能升级，一定要落地应用。因为落地才有数据，有数据才能够不断地做技术迭代。

　　AI 在某个行业落地一定要触及到它的核心业务价值。AI 可做的事情非常多，但做出来到底有多大贡献？很多时候需要你非常仔细地去想，去落实，而不是主观决定。

　　市场上有人会说 AI 有泡沫，这个泡沫一定是有的。但是特别棒的公司，还是能跑出来，特别是那些以价值驱动、真正在落地的公司，最后一定都能跑出来。

　　从科研人员转型到创业者的一个重要的思维跳跃是：作为技术人，一定要先忘记“具体能解决什么技术问题”这件事情。技术问题，只要能招到人，永远可以做得到。更重要的是怎么设计商业模式，怎么解决这个行业的痛点。

　　如果一个 AI 公司到了很后期的阶段，还在谈算法性的问题，只能说明一件事——产品还没有真正落地。AI 真正意义上落地的时候，最难的是跟客户现有的业务流程与场景的融合，而不是提高模型的精确度。

　　XX AI 主要是 XX 而不是 AI。就像医疗 AI 主要是医疗而不是 AI。产品落地的最后一公里跟 AI 没什么关系，实际上公司的绝大多数运营、人力资源都要投放在 XX 上，而非 AI 上。

　　千万不要用互联网的那套 MVP 理论——迭代、小步快跑去指导你的 to B 产品研发，这会出事的，因为 to B 产品有它的生命周期，有自己严谨的体系。AI 主要做 to B 的业务，所以一定要让懂 to B 产品生命周期管理的人起作用，这会极大地避免公司早期的浪费。

　　To B 业务都叫做标杆销售，就是口碑传播+标杆销售，所以都是做标杆，然后做口碑，让你的客户当你的代理人。

　　现在大家看到的市场分析其实并不全面和完整，原因很简单，这是在一个正在发生并不断发展的动态市场。

　　云端AI 芯片市场的痛点主要有：性能上，当前 GPU、CPU 都不是专为AI设计，因而性能并未达到最优；价格上，头部企业缺少竞争者，高企的AI 加速卡价格限制了大规模应用；开放性上，生态封闭，限制了应用落地的效率以及差异化的实现。

　　在人工智能发展的进程中，整个市场会有鸡生蛋蛋生鸡的问题。当更多企业可以用得起训练加速卡，从而训练出更多更好的模型，并方便地部署于各类应用时，训练和推理的市场规模就会同时扩大。

　　人工智能和集成电路是近年来的投资热点，风口当然会有泡沫。AI高端芯片领域具有人才密集、资金密集、开发周期长、竞争对手强等特点，燧原恰好处在人工智能和集成电路的交叉赛道上，正是由于资金的流入和“追捧”，才让我们有机会有资源进入这个领域，深耕技术、创新产品、挑战垄断、弥补空白。

　　精准营销。我们希望通过 AI，增进我们对用户的理解，圈定更精准的人群，适配更有效的营销方式。

　　产业+AI。之前大家说 AI+产业，但是现在更多的是产业+AI，从产业价值链出发，结合行业Know-how（专业知识、实际经验），嵌入人工智能技术，形成流程再造和创新，达到产业降本增效的目的。

　　生态联合。产业+AI不仅是一个企业的事情，也有上游整个知识体系的更新、技术的突破、新的工具产生等等因素，在这个过程中，跟你在同一个生态里面的伙伴，他们在做什么？对下游伙伴有什么影响？如果你很好地利用了生态、伙伴，以及相应的工具、资源，产业+AI就不需要都从头做起。

　　机器人本质是一种自动化工具，考虑清楚它的本质，我们下一步就是选择行业。选择行业需要满足 3 个基本条件，第一个是劳动密集型，第二个是快速增长型，第三个是劳动力缺口足够大。所以我们选择了两大类行业，一个是快递市场，一个是本地生活。

　　机器人作为工具本身，价值评判主要看这个工具用在哪个行业，是否能帮助这个行业降本增效，这才是这个工具本身存在的意义。

　　现在国内的服务机器人，名字取得非常好，服务-机器人，其实是人要去服务机器人。我们认为做机器人的机制在于民用，在于生产产品，想做的是一个能完成任务的机器人，而不是为了迎合人，讨好人。在 to B 领域更注重提供服务，其次才是技术。

　　其实我们在做的就是创造一个新的物种，给予它人类社会的行为准则，让它理解在一个人类社会的场景下，应该如何完成它的任务。

　　室内无人配送技术和无人驾驶思维相似，但比无人驾驶更麻烦，原因有二，其一在于无人驾驶有 GPS 的辅助，但室内机器人却没有，其二在于，我们的机器人需要理解在室内生活场景下如何与人共存，而无人驾驶是在有一定交通规则的交通场景之下的技术。

　　在做 AI to B 这一块，有一个很大的难点：我们很难了解客户的需求，了解用户场景，同时客户也不了解人工智能到底能实现什么，不能实现什么。这是一个很大的挑战。

　　标杆案例非常重要，为什么客户愿意用你的系统？因为和他一样行业的，比他大的已经用了这套系统了，他就很愿意去用。

　　企业的发展很难一马平川，往往是阶梯式，某个时刻抓住一个关键点就能突飞猛进，但是这个点一定要提前琢磨，否则机会来了还没意识到就错过了。

　　产品是为了给大多数人用的。作为医疗领域的创业公司，我们会听很多专家的意见，然后综合判断行业需要什么产品，应该往什么方向去做。要吸纳所有医生，特别是基层和中间层医生的意见，过于关注个别专家的观点往往更像做科研而非产品。

　　企业和产品的定位要清晰明确，定位后一定要有清晰的界限，什么可以做，什么不能做。我们对于Remebot的定位就是——它是医生的高级工具，不是要替代医生，而是做医生大脑眼睛和手的延伸。

　　技术出身的人，很容易从过去的经验出发否定一个想法，相反，外行人的心态会比较放松，思路也更加跳跃，抱着试试看的想法能解决多少就解决多少，也许最终就解决了，企业遇到必须解决的困难问题要善于听外行“纸上谈兵。

　　硬科技创业周期较长，需要不同阶段的钱，千万不要想一次解决，一定要根据需求。一次的钱不是越多越好，这一轮拿到的钱够把公司带到下一个阶段就好，到了下一个阶段，要么自己盈利要么又有新机构愿意投钱，融资的时候小口慢咽更容易消化。

　　仓库一般都很偏远，但我们一定会去，即便大家是博士硕士毕业，还是需要深入一线，跑各个仓库。一定要深入基层，知道客户到底需要什么。

　　我们刚开始没有想过融资，后来发现如果你有好的 idea 并且想在短时间内把它放大，还是需要资本的帮助。另一方面，专业的资本可以帮助初创企业评估每一个发展阶段，自己闷头苦干可能没人买单，去谈投资可以得到专业的反馈。

　　当你迷失的时候，应该回归最本质的东西——创新。要想怎么创新，以及如何通过创新为客户提供价值，继而创造商业利益。

　　不要迷信 AI，现在的 AI 主要还是机器学习算法在各个具体场景的落地。随着各种开发工具的成熟，慢慢 AI 开发的门槛在降低，未来 AI 就是技术产品的一个环节，不等于商业模式的全部。

　　Innovator （创新者） 因为相信而去看，follower （跟随者）因为看到而相信。

　　有人会说，为了奔向“有用”的那一天，需要做很多“无用”的功课。这里的“无用功”，我更想理解为“基础功”，创业不是急功近利，如果你不追求“基础功”，不在技术原创性和研发前瞻性的基础上稳扎稳打中快速突破创新，你永远不可能等到胜利。

　　刚才有同学问是否有可能通过改变道路的基础设施来做高精地图，我想说的是，作为创业公司，更应该思考能在行业中什么是适合我们做的，战略聚焦，做擅长的并且做精才是建立护城河的方式。

　　数据、数据驱动的算法及两者之间的迭代闭环，可以加快自动驾驶规模化，加快我们发现问题解决问题的步伐。闭环自动化让技术、产品形成很好的正反馈。

　　我一开始以为成功的创业者都久经历练，很有手段，但是后来才发现其实相反，他们特别单纯，做一件事特别有热情。

　　从创业者的角度，你必须先创造一个问题再去解决。你还没有成功创造这个问题，就先想着解决，一定会失败。创业很不容易，如果在早期顾手顾脚，指望在法律上是完全安全的，那么 google 就不会产生。

　　创业不是关于你个人，不是“我”未来十年要变成怎么样的人——这个世界没人在乎。创业唯一正当的理由是你认为有一件事应该做，这件事会对商业社会等多方面产生正面贡献。如果你不去做这个事，这事就推迟发生或者不发生。那么你是最合适的。一个人一定要找到自己的价值，哪怕是偏执的。

　　我最核心的一个体验就是，要去思考如何让最优秀的人聚在一起开发最强的产品，这是一个非常重要的东西。最重要的还是得找到最好的人，你只有和这些最好的人在一起，才能够吸引到人，吸引到资本，服务好客户。

　　我算是草根创业，没有任何工作经历，在这个过程中，你就是在成长，你得学会各种各样的东西。在不同的阶段可能不一样，比如早期最重要的是技术，后期可能就是销售能力管理能力，核心是要快速迭代。

　　怎么进入一个大的市场，怎么去为现有客户创造更多价值，怎么让它的分成提高一些，其实是关乎企业命脉的问题。返回搜狐，查看更多