这几乎是对“行业壁垒”理论的一种极端化描述：这家公司属于AI产业链最上层，选择了安防和航空等几个“行业+AI”深耕;他们技术不错，但不靠技术本身赚钱，却赚了更多的钱。剖析这家闷声赚钱的公司，可能是探究AI商业模式的一条捷径。

　　而读完这篇文章，我希望你相信一件事：在广袤AI的疆域，神仙有神仙的活法，精灵有精灵的活法，巨头们的生态博弈，并没有堵死创业者的路。

　　只靠技术赚钱，可能性不大

　　在采访中，冯一村的一个观点令人印象深刻：科技世界，最赚钱的公司往往不是聚光灯下的公司。

　　譬如在大数据时代(短暂流行过后，这个词已经老了)，最赚钱的不是大数据公司，而是为大数据提供底层支持的云计算公司;而在人工智能时代，真正激发的是大数据市场：“因为AI最重要的逻辑是用数据做智能化训练，所以在人工智能时代，最赚钱的公司并不是像商汤和Face++这类的公司，不是说这些公司不赚钱，他们也赚钱，但他们的盈利模式并没有呈现很清晰的特点。”

　　事实上，在不少投资人眼中，倘若人工智能团队的自我定位永远是“技术提供商”，没有给客户提供一套整体解决方案，那么它在产业链中的价值将会日趋暗淡。

　　这不难理解。原因之一，如前所述，就像那篇《保卫科大讯飞》所写，巨头会免费提供图像和语音识别等通用技术。原因之二，AI本身的技术门槛正在下降，就像猎豹移动傅盛所言：“深度学习的核心是数据驱动，虽然有模型调参，有自己的优势，但别人有更多的数据调参会很快拉平优势，很难真的想像一家公司通过提供技术输出就能成功。未来深度学习是基础的技术运用，很多公司都具备深度学习的研发能力。”

　　举个例子，在过去，初创AI团队的进展受制于软件开发所花费的时间，但如今，巨头们纷纷开源了自家的深度学习框架，初创团队可以如插件一般，将人脸识别等技术嫁接到自己的系统中，让没有太多深度学习背景的开发者也能容易上手。

　　换句话说，单纯靠技术本身卖钱，天花板很低，也很危险。

　　那么问题来了，AI创业路在何方?

　　我认为，最可行的出路，来自于程浩提出的“一横一纵”理论：“一横”是指你提供的技术服务，通常“一横”能服务很多行业，但一定要找到几个最有机会的垂直市场，深扎进去，升级为“一纵”——也就是，把技术转化为产品，卖给客户，商业变现，再通过商业反馈更多数据，夯实技术，形成商业闭环。

　　总之在我看来，随着未来技术门槛的下降，AI创业者的身份认同，要从最原始的“技术提供者”，逐渐转向成为一个“行业专家”。而在这个过程中，他们应时刻谨记两点：1，面对自己时，深耕几个垂直领域，然后等待时间的回报;2，面对客户时，从技术提供者进化为一个“赋能者”，授之以鱼不如授之以渔。

　　授之以鱼不如授之以渔

　　AI创业者深耕具体行业，还有另外一个原因：AI将在To B和To G领域率先落地。

　　其实不止人工智能，追溯历史、计算机、互联网、智能手机，任何颠覆性技术的发展路径大抵相似：缘起于军方和政府(我一直觉得，冷战时期的美军是人类史上最大的“黑科技集中营”，这篇不赘述了)，待到技术相对成熟后交还与企业，然后用于特定行业，最后变成大众消费品——AI亦如此，去年AI的落地过程，其实更多是向To B和To G等传统行业渗透的过程。

　　而人工智能To B和To G落地的第一站，很多都是在传统行业，用AI进行辅助决策。拿海云举例，他们以大数据可视分析起家，现在则把AI与可视分析技术结合，然后选择四个“行业+AI”深耕：公共安全，交通运输，军民融合和智慧城市，推出与这些行业结合紧密的解决方案，提升客户的数据决策能力。

　　颇值一提的是，作为真正意义上的“行业观察者”，他们在与行业客户多年的交流中发现，客户真正需要的不是提出的具体“技术需求”，而是一整套随机应变的综合能力——别忘了，授之以鱼不如授之以渔，海云数据也因此提出了“能力服务”的概念，这一概念现阶段的标志物，就是图易AI能力服务平台。