人工智能产业的商业模式探究

周及真

【摘要】运用2×2矩阵分类法构建人工智能商业模式的分类框架，以纵轴的短期盈利高低和横轴的可防御性高低为标准，将人工智能产业的商业模式划分为学术分蘖型、数据即服务型、模式即服务型、机器人即服务型。由此归纳提炼人工智能商业模式的四种显著特征——深度思维战略、“37-78范式”、预定授粉模式、免费商业模式。在此基础上，从地域集中分布、融资环境、增长规律等角度解析人工智能企业的运营模式，并根据人工智能产业商业模式发展面临的众多挑战提出相应的对策建议。

【关键词】人工智能;深度思维战略;37-78范式;预定授粉模式;免费商业模式

【中图分类号】 F121.3     【文献标识码】A      【文章编号】1004-0994（2020）07-0130-5

中共中央总书记习近平曾强调：人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题;人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应;要深刻认识到加快发展新一代人工智能的重大意义，加强领导、做好规划、明确任务、夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展。的确，人工智能产业的激进式创新模式已彻底改变了理论界和实业界对商业模式的认知。虽然其商业模式与生物制药等其他产业有相似之处，但其演化具有一定的独特性。到目前为止，大多数已有文献只涉及该产业总体或特定大公司，而并未关注其总体商业模式的具体分类、独特性以及投资环境，因此本文将其作为研究重点。

一、文献综述

当前，人工智能产业方兴未艾，国内外学术界专门针对人工智能产业或从人工智能角度进行学术研究的文献层出不穷。朱巍、陈慧慧等[1] 从人工智能学科的学派与发展历史、国际人工智能发展概况、国内人工智能发展格局等方面入手，系统分析人工智能技术与产业发展现状，并结合我国人工智能面临的机遇与挑战，对发展人工智能提出对策建议。喻国明[2] 分析了人工智能的内涵、技术梯度及其在新闻传播领域中的应用，结合美联社的智能传媒实践，认为智能传媒将导致传播内容从单一向全息传播转变，传播方式从同质化向分众化、精准化转变，传播主题从受众向人机协同转变。周振华[3] 研究了基于情感计算的人工智能的特征、功用和经济新实践转化，并对人工智能产业经济现状与市场前景进行分析。韩海雯[4] 则提出，我国目前的供给侧结构性改革宏观政策，应在微观层面上落实为人工智能产业建设，以在人工智能技术带来的智能机器和智能机器劳动这一全新变革下，促进智能机器大工业分工形态的形成和发展，克服现阶段机器大工业分工形态的消极性作用，引领我国走出经济发展新常态，迈向分工更复杂、形态更高级的社会分工高级阶段。但对于人工智能产业自身商业模式的分析模型和具体分类、独特性以及相关实证研究、基于投资环境分析提出的对策建议等尚十分欠缺。

二、人工智能产业商业模式的类型

为了将不同人工智能初创企业的商业模式进行分类，借鉴彭博社投资者于2015年提出的分类方法，考虑到太狭隘的框架可能会限制部门和机构的灵活性转变，因此本文创建了一个2×2分类矩阵，具体如图1所示。

1. 学术分蘖型（Academic spin-offs）。这一组企业是解决棘手问题的长期研究型企业，其团队通常是在前沿领域获得重大突破的、较有经验的真正创新者。

2. 数据即服务型（Data-as-a-service，DaaS）。这一组企业收集特定的大数据集或创建与无关信息仓连接的新数据源。

3. 模式即服务型（Model-as-a-service，MaaS）。这一组企业类型最为普遍，是由大众化企业将收入流的模式商业化，进而呈现出三种不同的形式：一是狭隘的人工智能企业，只专注于通过新数据、创新算法或更好界面来解决一个特定问题。二是价值攫取型企业，通常是通过应用程序界面或建立专门客户平台来提供针对特定客户群体的解决方案或完整的集成化解决方案，提供的所有商业模式都可训练（运营模型）或被训练（原始模式）。三是推动型企业，使最终用户通过一体化平台实现自我分析，使日常工作流程更有效率，最終通过创建应用程序等中间产品来创造新机会。

4. 机器人即服务型（RaaS）。这一组企业是人们可与之交互的虚拟和物理代理，其中一部分低成本企业主要涉及虚拟代理和聊天机器人。而无人驾驶汽车、传感器等物理系统以及无人机和真实机器人等产品凸显出这组企业的资本集聚和人才集聚特征。

本文将该分类结果总结为矩阵，横轴为短期盈利程度，纵轴为商业可防御性程度。对于更可行的产品而言，模式即服务型企业在短期内货币化其产品从而使企业获得盈利的能力最强，但商业防御能力最弱;数据即服务型企业的短期盈利能力和有效规避复制侵权的能力都较强;学术分蘖型企业则下了长期赌注，坚实的科学研究使其具有高防御能力但短期盈利能力有限;机器人即服务型企业则可能面临更多问题，例如过时的硬件组件和创建正确交互界面的困难。这种矩阵分类并不能说明某种类型的企业更好，也并不意味着属于特定类型的特定公司不会盈利或成功（例如某家机器人即服务型人工智能企业也可能具有高盈利能力），这只是一种分析人工智能商业模式的有效工具。

三、人工智能产业商业模式的独特性

1. 深度思维战略。人工智能产业的增长模式正发生剧烈改变，现有大型企业并非与新兴创业企业竞争，而是积极实施兼并收购，这种新型扩张战略被Francesco Corea[5] 称为“深度思维战略”，这一理念在谷歌成功收购深度思维（Deep Mind）之后逐渐普及。人工智能是唯一一个纯团队价值超过业务价值的产业。深度思维被谷歌收购时仍处于早期发展阶段，企业更多地关注于人力资本和纯技术进步而非营业收入，并保持原有品牌元素、保留整个团队、积极实施人才引进，被收购后仍保持原有总部，在实体经营和运作模式上都保持完全独立。这种独立性赋予了深度思维实施并购战略的能力，于2014年并购深蓝实验室和视觉工厂，同时母公司利用子公司的服务来整合而非替换现有业务（如谷歌大脑和深度思维的整合）。考虑到收购成本远低于随意设置总部的机会成本，因此人工智能企业现在就应实施有效并购从而避免数年后丧失并购机会。从这个意义上来说，并购是纯粹的实物期权工具，保证了现有企业未来可能获得的收入和达到的层次。

2. “37-78范式”。人工智能颠覆了传统的物联网商业模式，因为其向最终客户共享数据而实现了非集中化。人工智能促使企業在业务循环中维持顾客，主要表现在三个方面：一是建立客户对产品和企业的信任;二是增加客户习惯行为的忠诚度;三是通过反馈提高客户的产品敏感性。关注那些作为产品开发重要组成部分的最终用户具有重要意义，但人工智能正向一种新型商业模式转型——“37-78范式”[5] 。此命名来源于2016年3月的围棋人机大战：微软AlphaGo在第二场比赛的第37步击败了李世石，李世石惊讶于前者棋招非人类路数，在重新思考棋局后构建新思考模式，终于在第四场比赛的第78步走出了出乎对手预料的棋招并最终赢得该场比赛。“37-78范式”证明了用户是构建有效人工智能价值的真正驱动引擎，人类与机器完全可以实现互利互惠。

3. 预定授粉模式。预定授粉模式是指由人工智能初创企业打造一家最优秀的“选手”，这可能是市场上推出的第一个版本，企业通常获得一两轮风险投资后得以发展并雇佣员工。一旦初创企业经营走上正轨后，员工便获得其他风险资本业务的支持和资助而离职并开始自己创办企业。

4. 免费商业模式。人工智能产业具有两个发展阶段，一是快速和无痛的实验期，二是通常缺失的专利期，这迫使人工智能不断发展并开始使用替代性收入模式——免费商业模式。现有企业投入巨额资金使得许多尖端技术和算法实现免费且便于下载，创业公司也正努力尝试这种免费商业模式，其得益于科学家和学者倡导的共享理念并公开展示自己的研究成果。这种不基于高科技硬件的免费软件商业模式具有多项优势：①降低进入壁垒，拉动产品生产;②排除故障，许多技术人员可更有效地发现和修复补丁并从不同角度看待问题;③人群验证，因为识别机制、基本原理以及影响经常是不完全清晰的;④缩短产品周期，改变了技术论文发表或软件发布后需数周才能获得对应产品的状况;⑤获得数据、吸引人才、创建基于底层技术的添加产品等多方面的竞争优势;⑥创建数据网络效应，最终用户或中间用户都能使用该软件创建更多数据，从而使算法更精明、产品更好，最后吸引更多用户。免费商业模式总体上运作较成功，企业无需支付任何成本、无需付出任何代价就能以最好的方式传播技术，同时还能拥有独特的大型数据集、共享平台和巨大的投资扩张能力。

免费商业模式对人工智能发展的影响也是多方面的。一方面，开源模式有助于提高知识和技术的吸收能力，可通过拥有互补性资产而获得额外利润，这种互补性资产的价值来自于增加的新技术和新思想，同时也有利于技术人才展示技能、建立声誉、提高市场价值;另一方面，新兴的开源模式与传统的软件即服务型（SaaS）企业难以调和，其提高了该领域潜在竞争对手进入的技术壁垒。例如，如果要建立另一家接管谷歌的Tensor Flow公司，就应公开证明企业至少能够提供Tensor Flow所允许的技术和算法、培育现有公司未预想到的应用案例以及开发基础技术工具。软件和知识是非竞争性商品，由于更多人使用而便于以低边际成本构建应用程序和技术并修复补丁，对企业也有强大的品牌效应;但由于“搭便车”效应的长期强化，企业普遍缺乏研发投资动机并转而投机取巧和追逐垄断租，而现有企业也可能没有最大限度地开放技术抑或释放的是某种程度上将淘汰的技术。

四、人工智能企业的运营模式

为了深入研究人工智能企业的运营模式，Francesco Corea[5] 创建了一个包含13833家人工智能初创企业（业务领域包括机器学习、大数据、分析、机器人、无人驾驶飞机等）的独特定制数据集清单，追踪这些企业提交给美国证券交易委员会的备案文件，主要选择Crunch base数据集对这些公司的数据进行分析。可以看出，人工智能初创企业的成功运作具有许多共性特征，企业部门的活动在很大程度上能够影响企业结构。

1. 人工智能企业的地域集中分布。图2和图3分别是初创型人工智能企业在各大洲的地理集中分布和人工智能企业集群在各国的分布。

根据图2、图3可知，人工智能企业呈现出地理集中分布的特点。其中：北美洲的企业数量最多，占全球的比重为61.2%;其次是欧洲，企业数量（占比23.6%）不到美国的一半;之后是亚洲，大多数亚洲人工智能企业（占比9.5%）着力于硬件和机器人行业。美国拥有57%以上的全球人工智能社区，此外英国（占比6.83%）和印度（占比5.13%）也拥有重要的人工智能集群。从城市层面进一步分析，旧金山占据了几乎整个全球市场的1/6，而伦敦或班加罗尔等城市也是重要组成部分。旧金山和纽约是全球两大人工智能创业中心，伦敦和波士顿位居第三和第四。其中，伦敦和波士顿有很多相似之处：一是都处于强大的科学和学术三角形中间，伦敦有牛津、剑桥和帝国理工学院，波士顿有哈佛、麻省理工学院和波士顿大学，这促进了学术分蘖的商业化，并形成了学生与教授的创业文化;二是过去几年的这种创业浪潮中不断涌现出多样化的加速器和孵化器，这对于人工智能企业的早期发展非常重要;三是风险投资对于人工智能生态系统的成功至关重要。总而言之，人才、基础设施和资金是伦敦和波士顿人工智能生态系统成功的主要原因。

2. 人工智能企业的融资环境。分析人工智能企业的融资环境，可从财务角度研究两轮融资的时间序列。从2012年开始，早期融资的比例明显减少，后期资金重新分配，但从2015年开始融资总量又急剧增加。这表明，人工智能初创企业通常很难完成C轮或更高轮次的融资，其中的原因是没有能力提供承诺或被大企业收购。从退出融资的人工智能企业数量和类型来看，有相当多的人工智能初创企业选择了退出，在公共市场上能够筹集到资金的企业很少。技术原因造成的理解产品困难，使得风险投资的贡献有效性不足，但这仅限于用户体验和市场策略领域。整个人工智能环境已被推到企业并购的风口，考虑到经济周期的资金弹性，反向收回所有投资很难在短期内看到利润，同时可能会对整个行业产生负面影响。

3. 人工智能企业的增长规律。一是大多数人工智能初创企业拥有多达十名员工，某些企业的员工数量甚至能达到40 ～ 50人。通常最早聘请的十名员工大多是工程师或技术人员，在第一轮融资后进一步招募更高层次的员工。从员工数量每月增长角度来看，每月员工数在-10%和+20%之间震荡，较长一段时间内许多人工智能初创企业达到40% ～ 50%的指数级增长率。二是人工智能初创企业通常通过Twitter、脸谱网和LinkedIn这样的社交媒体对社会产生影响，每月社会媒体曝光数的增长率在-10%和+20%之间，这表明人工智能正逐渐被社会认可，大众广泛对这一技术持乐观态度。三是风险投资、加速器和孵化器无法真正起到加速人工智能初创企业发展的作用，只是在夸大人工智能产业的短期影响和市场预期。事实上，风险资本并不能加速一家大型人工智能企业的发展，只能将其平均退出时间缩短到平均值即3 ～ 5年。

五、人工智能产业发展面临的挑战及对策

人工智能企业在早期发展阶段面临着众多挑战，包括融资困难、商业或运营方面的困境、硬件投资的复杂性、监管环境的缺失等。针对这些挑战，本文提出如下对策：

1. 针对专业投资者的缺乏，应夯实资本基础、提高风险承受能力。人工智能产业融资方面的主要问题是缺乏专业投资者。迄今为止，人工智能产业的发展一直处于缺乏资金的困境中，因而研究当前的投资市场对于识别人工智能的未来发展方向至关重要。首先应该明确，投资人工智能产业的难度较大，技术复杂程度超出一般的商业范围，并非所有的风险投资家都能完全理解机器学习的功能细节。正因如此，“顾问”和“宅科学家”角色的重要性与日俱增，他们能够辨别技术创新、商业模式的可行性并有助于制定正确的期望水平。人工智能产业投资者与其他投资者略有不同，他们应具备深厚的资本基础和高于平均水平的风险承受能力。并且投资于人工智能产业是一场马拉松，可能需要十年以上才能看到真正的回报。投资人工智能产业应帮助企业渡过潜在的“人工智能冬天”——经济萧条期，甚至即使损害到短期利益也仍然要坚持更高的研发强度。事实上，人工智能企业普遍并未认识到，可增加公司价值的不仅仅是资金，还包括品牌、信誉、专利等。

2. 针对硬件投资的复杂性，应加强技术理解、风险把控并创建创业团队。人工智能的硬件投资相对于软件开发而言具有更高的淘汰率和替换成本，因而机会成本、可靠性、速度方面的因素进一步增加了投资的复杂性。特别是如果能以更低的成本在RobotX Space（专门为人工智能创业公司提供服务的联合办公空间）工作，将降低投资者的风险厌恶，从而鼓励其在低成本条件下承担更大风险。企业创始人或CEO的技术专长能够在早期发现潜在的良好投资机会，关键在于对技术的理解、对技术风险的把控、获得更广泛的网络、留住杰出研究員以及建立多学科的合作创立者和研究团队。以人为本的创业更易成功，具有创建和支持开发者社区的能力并且产品设计更易被理解将减少企业可能产生的内部摩擦。

3. 针对大数据集和持续前期投资与短期盈利策略不一致，应实施“数据陷阱”策略。这一商业方面的困境在于产品虽然非常新颖但不易被用户理解，因此企业面临着怎样识别目标客户和紧密围绕现有资源建立开源模型，以及怎样以更合适的方式来发布等问题。此外，人工智能的用户体验和设计伸手可及，这造成了企业早期发展阶段在工程师、业务员和设计师之间对有限资源分配的争夺和由此产生的摩擦。所有这些挑战产生了两个横向问题：一是可能在下一个未来投资节点来临之前企业就耗尽了资金，二是为了实现收支平衡而追求特定业务应用程序从而可能偏废了产品开发。

单从数据的角度来看，可实施“数据陷阱”策略。风险投资家认为可提供可初始化数据网络效应（通常是免费）的产品。数据网络具有强大力量：用户对该企业的产品使用越多，贡献的数据就越多，更加智能的产品就能更好地提供服务，从而最终形成良性循环。例如，今日头条通过打造一个高粘性的产品，从用户处生成交互数据，这些数据被输入到今日头条的算法中，从而优化产品质量。最终，该公司计划利用这一良性循环来优化他们所称的“内容生命周期”的每个阶段：内容生成、内容管理、推荐和互动。

4. 针对监管环境的缺失，政府应介入并关注可投资节点。人工智能产业的监管环境尚不完善，这就需要政府迅速采取相应措施。涉及到人工智能硬件或机器人的应用程序，投资者不应顾及沉没成本，投资节点应紧跟技术前进步伐。技术复杂性经常使得创业企业成为黑匣子。一些狭隘的人工智能原型可能更容易建造，但总体来说创建GAI软件的难度和不透明的收益成本分析很难吸引最初的投资基金。此时就需要政府介入并关注何时是可投资节点。

六、结语

经过上文的分析，本文认为人工智能时代商业模式的构建和创新有三个不可或缺的要求：

1. 充分利用人工智能技术，为客户和用户带来更好的体验。在人工智能时代，无论是与体验密切相关的医疗健康行业，还是不直接与客户或用户接触的工业机械行业，都应把体验作为构建和创新商业模式的前提。真正的商业模式建构大师，永远都是基于对“人”的理解，而不是对机器的理解。

2. 解决方案更多来源于不同算法，而不仅仅是独特的想法。运用独特的解决方案才能使客户更加满意，形成企业的核心竞争优势。以往的独特想法往往是由创意者灵机一动、创业者和营销人员的经验观察以及技术人员的数据分析而形成的。在人工智能时代，上述做法仍会沿用且有效，但最具影响力的仍然还是算法。

3. 商业模式的底层架构仍以大数据为基础。数据是迄今为止最完美的“商品”，其用途广泛、可重复使用、可通过复制而实现共享、不随时间推移而变化，这是任何机器学习企业的优势之一。能够提供海量用户数据的公司、业务或模式会受到投资人和企业龙头的追捧。但同时，数据极化可能造成严重的排他性，只有几家大企业引导和吸引大部分数据流量，而其他企业几乎完全被排挤，最终对进入企业形成巨大的行业壁垒，但也会迫使新兴企业积极与现有公司建立合作伙伴关系。

【 主 要 参 考 文 献 】

[ 1 ]   朱巍，陈慧慧等.人工智能：从科学梦到新蓝海——人工智能产业发展分析及对策[ J].科技进步与对策，2016（21）：66 ～ 70.

[ 2 ]   喻国明.人工智能驱动下的智能传媒运作范式的考察——兼介美联社的智媒实践[ J].江淮论坛，2017（3）：134 ～ 138.

[ 3 ]   周振华.情感计算：人工智能产业的经济新实践——兼论对山西智慧转型发展的启示[ J].经济问题，2016（6）：60 ～ 63.

[ 4 ]   韩海雯.人工智能产业建设与供给侧结构性改革：马克思分工理论视角[ J].华南师范大学学报（社会科学版），2016（12）：132 ～ 138.

[ 5 ]   Francesco Corea. Artificial Intelligence and Exponential Technologies：Business Models Evolution and New Investment Opportunities[M].Poland：Springer，2017：28 ～ 38.