2013年归国创业时，赵勇创立的格灵深瞳算是国内较早成立的AI公司之一。创立之初，团队的技术背景就非常亮眼。随后，人工智能逐步走入大众的视线，格灵深瞳也逐渐步入创业深水区。

  过去8年，格灵深瞳见证了人工智能的热潮，也亲历了行业的跌宕起伏。作为AI领域的资深从业者，赵勇个人也从一位技术型创业者，变成了一位更关注商业经济价值的创业者。在聊天过程中，他强调最多的两个词是“产品”和“价值”。

  格灵深瞳和赵勇的创业经历，其实与整个AI行业的发展密切交织。在这次聊天中，我们深深感受到了在这波AI技术浪潮中，作为“冲浪人”的赵勇对“浪”的变化感知、思考和成长。特将内容整理成文，与大家分享。

  我们一直对AI有很深的信仰，并且一直试图尝试在不同的时间段去回答一个问题在此阶段，人工智能能够发挥最大价值的形态是什么？

  在过去的8年里，我们的回答是“大数据”，但在未来的一二十年，我认为答案是“机器人”和“人机交互”。大数据、机器人和人机交互，是计算机视觉的三大用途。先简单说说这三大用途：

  公共安全、交通管理等信息系统，都需要来自真实世界的大数据去建立解决方案。

  比如客户传感器获取到的各种图像资料，我们将其生成有业务价值的数据，再进行结构化处理，从而帮助客户形成更好的辅助决策的解决方案。

  目前工业机器人主要是在一个精密校准的环境中做简单重复的运动，不需要太多智能。但是未来的机器人会需要更强的适应能力，完成复杂环境中更多种类的工作。

  比如我们现在推出的高铁检修机器人，它需要检修各种各样不同型号的高铁、动车、地铁列车，像我国的复兴号CR400AF车型，一个短编列车就要有18000多个零部件需要检查，而不同的车型不同的轨道场景还在持续增加。

  智慧的一部分来自视觉。Siri跟人对话，需要能听懂用户；机器和人的视觉交流，则需要机器能看懂用户。在看懂的这样的一个过程中，计算机视觉就能有很大的应用空间。

  举个例子，体育运动本身就是一种“交互游戏”。现在的计步器只能告诉你每天走了多少步，但未来可能每一项运动的过程都能被传感器记录下来，智能系统主动给你推送建议姿势哪里不对、配速有无问题、怎样跑得更快

  这样一来，对于儿童来说，体育运动会变得很有意思，像玩游戏一样；对于成年人来说，体育运动将变得有社交属性，而且能接收到专业的反馈和指导。

  基于这么一个想法，我们开始尝试做一些人工智能+体育的产品。我相信随AI的发展，体育运动的面貌可完全变成像游戏一样交互式的运动。人与机器交互、与内容交互，人与远处的人交互，这些都是AI和互联网带给我们的可能性。

  纵观计算设备的发展史，大家能清楚的看到，它的尺寸是越变越小的。从家用电脑到笔记本，再到pad，甚至很多人用手机就能完成日常工作。

  现在信息服务的工具只需装在裤兜里，也许以后戴在脸上就够了。我把这种个人计算系统叫做“小宇宙”。

  过去，人们希望更便利地获取更多信息，但是现在大家发现生活中的信息太多了。当我们消费更多信息之后，生活真的变得更好了吗？

  我认为一个健康的社会和个人，不应该是以消费慢慢的变多的信息作为发展目的，还有很多其他应该关注的指标：健康、效率、公平、安全等。

  而这些指标，不一定要塞在个人设备里，更应该全社会共享。这就需要一个“大宇宙”去收集这一些信息，然后反馈给不同的用户。比如一个城市的安全保障，是由遍布在街道、酒店、餐厅、机场、车站的很多摄像头构成的。

  大宇宙的特别之处就在于，它通过收敛信息、压缩信息，把信息变成更有价值的东西，再用不同的方式反馈给人们。

  我认为AI是推动大宇宙计算的一个支柱，当人工智能把大宇宙这个坎迈过去以后，我们整个社会的智能化程度又会迈进非常大的一步。

  我不觉得商业应用和技术本身是矛盾的，但是我觉得很多勇于探索商业模式的公司容易犯一个巨大的错误，并且我们自己曾经也犯过，那就是把一个有趣的令人眼前一亮的闪耀的技术原型等同于商业价值。

  其实从一个技术原型到一个优秀且成功的产品，中间隔着巨大的鸿沟，这条鸿沟里包括了各种东西：更好的产品体验；对客户的真实需求的精准把握；怎么样更精确的找到市场定位，使得你的产品能被用户采购

  有时候，一个产品还有很多问题都没解决好的时候，公司就非常急迫的去推广了，这是个大问题。因为你交付的不是一个软件或硬件，而是一个成功的体验。我要确保我的用户钟爱这一个产品，确保我的用户因为使用这样的产品而成功。

  从一个brilliant new idea到一个successful business中间，有一条很长的路。过去几年我们在这上面犯过一些错，比如我们在早期我们成立了很多创新团队，做了一些最后没有坚持能完成落地的产品线。但是在这之后我们做了很多变化。

  我们上一次融资在19年1月份，到今天快三年了，但我们现金流的状况其实一直在好转。这就从另一方面代表着当我们去创新的时候，是有别的业务的利润在支撑的。

  大多数创新离商业化落地是比较远的，我发现有很多公司不太重视创新，喜欢从业务里选择更容易落地的方向。我觉得难的事情不是做不做创新，而是怎么去平衡创新和主营业务之间的关系。这个关系不仅仅是财务关系，还有他们之间的文化关系创新是为吸引外界目光，还是真的有一天可以滋养你的主营业务。

  说回到 AI 行业。我实际上并不觉得人工智能作为一个技术的新潮流，跟过去已发生或者现在正在发生的其他潮流，有什么本质的差异。

  所有的新技术最早都是在实验室诞生的，而所有的新技术在落地的过程中都经历过很多艰难，从来就没一帆风顺过。这也是怎么回事会有Gartner Hype Cycle（技术成熟度曲线）。

  只不过是每一次当它发生的时候，置身其中的人会很焦虑，或是根本不了解这一个流程在发生，他们误认为成功是近在眼前的。

  别忘了Macintosh 1984年推出的时候是一个巨大的失败，直到90年代才真正获得成功。Microsoft 1975年成立，线年代初的。

  所有的技术创新都要经历一个比较长的流程，我不认为AI已经完成了这个流程，说不定才刚刚进入。与互联网不同的是，如今的AI应用大多数都是面向政府和企业的，所以AI的规模化、爆发式发展一定比To C行业来得更慢甚至永远都不可能有爆发式发展，而是呈现一定规律的指数化成长。

  今天整个AI行业依赖巨大的投资，在竞争的过程中，很少有公司能够实现营收平衡，更别论盈利。这在某种程度上预示着整个行业是以一种亏损的方式在运行，但这样的情况不可能长期持续下去。

  我们从实验室走到产业界，不过是七八年前的事。今天跟那时相比，技术更加可靠，成本更低了，并且我们在很多行业已经初步说服了客户。现在我们比较少会焦虑某个技术问题能不能够实现，而是更多在思考，当我们把一项技术包装成产品，交付到市场上的时候，它是不是一个商业意义上的成熟的方案？我们能不能从这里面获得合理的利润？我们怎么样能让它变成一个合格的好生意？这是我们现在最大的挑战。

  尤其是这两年，人工智能创业进入到一个深水区，16年到18年的热劲过去了，大量的钱投到这样的领域后发现大量公司落不了地，外界对AI创业也产生了负面的声音，这种负面的氛围会使得初创公司变得更困难，可能会劝退那些没明确的目标和意义的勇于探索商业模式的公司贸然成立。某一些程度上，这也是一件好事。

  进入什么样的行业，怎样提高交付效率、降低交付成本，如何让客户在采购使用产品后实现降本增效，这是我们这个行业所有公司一定要去解决的问题。否则AI企业无论融多少钱，无论完成了多少订单和合同，最终有一天你都会赔本。

  创业能不能成功，最终取决于这个公司做的事情对社会有没有价值。如果当前解决某个问题是需要用很高的成本，那么低成本的解决方案就有机会获得成功。

  免责声明：本文转载自真格基金，文章版权属于原本的作者所有，内容仅供参考并不构成任何投资及应用建议。

  风险提示：投资有风险。有关数据仅供参考，不构成投资建议。投资人请详阅基金合同和基金招募说明书，确认您自觉履行投资人的各项义务，并自行承担投资风险。