人工智慧公司的場景躍遷理論
人工智慧公司和網際網路公司是不一樣的，不一樣的，不一樣的。 重複三遍。網際網路公司大概只要做一次PMF（Product-Market Fit，市場-產品結合點），但AI公司通常要做多次才行。
傳統的網際網路創業核心是抓緊使用者需求，只要不斷嘗試，找到了市場-產品結合點，技術不會是太大的障礙。 人工智慧創業則不僅要找這個點，而且找到了你也不一定做的出來。甚至明知道那個點在在哪，也不能去直接做，必須先把到那個點的路徑一點點分解出來，再尋找路徑上每一個點的場景-單元結合點。 每個點都是下一次躍遷的基礎。
這就是場景躍遷理論。
AI公司和網際網路公司很不一樣。網際網路應用是規模複雜系統complex system，關鍵的是可擴充套件性scalability，只要做出一個小原型，跑得通，之後後面的工程架構可能經歷多次的scale out，但是場景可以保持不變。但AI應用不同，是細緻複雜系統complicated system，關鍵是可演進性evolvability，從原型到最終的市場認可產品，不僅工廠架構會變，從產品形態到場景都會變。
通俗來講，網際網路公司是養雞場模式，養幾隻雞覺得感覺不錯，就複製一萬倍，養一萬隻雞。AI是養小孩模式，要很長時間，一點一點去培育，從吃奶開始，小學中學大學，沒辦法像養雞那樣養的。
“Complicated” 這種複雜是內在的不可簡約的複雜性。沒有辦法把養小孩簡約成養雞，真的，沒有辦法的。
人工智慧公司當然也和其他一切公司一樣，最重要的是深刻理解使用者的業務場景，設計一個能逐步盈利的路徑。 核心是場景，不是人工，也不是智慧。人工智慧公司的存活關鍵，是先在人工智障階段也能掙錢，然後再考慮用人工智慧掙錢。人工智慧能發揮作用，都是要大投入的。沒有什麼靈丹妙藥，一個什麼神奇的演算法就能解決問題。路徑設計才是生死的關鍵，如何一步步結合場景讓“智障”演算法也發揮價值，在不同的智障階段服務不同的場景。
場景躍遷就是一種路徑設計。這可能對網際網路時代的成功者有點反常識，但是再說一遍，不能把網際網路產品的邏輯套到人工智慧產品上，正如不能把PC產品的邏輯套到網際網路產品上。
所以AI公司一定要做場景躍遷，就是在養小孩的過程中，不斷把階段性的成果去商業化。 AI產品是複雜產品，但這種複雜產品是先有簡單產品而後演化為複雜產品。深入場景和產品，從現有低複雜度技術開始服務，提供小而立即可用的產品。 實現人工智慧場景的目標，演算法和框架其實沒有大的祕密，祕密就在於如何降低成本。在不同的複雜度上的產品，可能產品形態和服務人群都不同，甚至連領域都不同。
為什麼不能等到完全成熟了再去商業化呢？因為風險太大。而且，一個好的產品一定是總結出來的，不是設計出來的。AI公司必須在實踐中一個案例一個案例去總結出好產品來。那些設計出來的產品，成功的幾乎沒有。這些實踐案例，就是不斷把”人工智障“的階段性成果去運用的過程。所以AI公司開始都看起來像是“外包”公司，這個是符合規律的。
所以這些場景的躍遷，乍看起來好像公司不斷換客戶群。如果習慣了網際網路這種單次PMF的模式，會極為不理解AI產品的成長過程。是不是創始人在犯暈？為什麼不能直接一步到位到最後一個PMF呢？不可能，因為 product 需要成長，需要好幾次蛻皮才能從毛毛蟲變成美麗的蝴蝶。毛毛蟲階段的商業模式是吃葉子，蝴蝶的階段是吃花蜜，但你不能叫毛毛蟲去吃花蜜。
所以對於AI團隊，你看那些執行得特別好的，並不是非要是一堆大牛的集合，而是那些 最有演化能力的公司 。演化能力才是保證公司在一次又一次的“蛻皮”（即場景躍遷）中，保持團隊凝聚力的關鍵。演化力就是最主要的執行力，演化力是公司成敗的第一關鍵。
我覺得不管是對創業者也好，還是對投資人也好，這個“AI場景躍遷理論”恐怕是這個領域最大的“祕密”。其他的一切都可以從這個第一原理推匯出來。不能理解這個理論，就難以找到價值所在，執行就會碰壁，投資就會虧錢。不能用做網際網路產品的思路來做AI產品，更不能用投網際網路產品的思路來投資AI產品。
附：常見問題的回答
1. 疑問：AI作為一個技術，單純靠技術解決方案創業，本來就是不可行的。
解答：顯然，我們不會是為了一個技術而創業，而是要為了解決一個問題而創業。 但是一旦解決這個問題需要AI，我們就要尊重AI的規律，理解AI的過程和邊界。 我們看到太多太多的例子，對需求和市場理解得很好，但是因為不瞭解AI技術的特點，不能管理好產品邊界、使用者預期和團隊預期，而失敗。我們必須瞭解，具體在這個戰場，戰爭的規律是有自己的特點的。
2. 疑問：網際網路公司也有pivoting，要是追求每個pivoting都要存活下去，那容錯率不是更低了。
解答：場景躍遷並是不傳統意義上的 pivoting。傳統的 pivoting 是市場探索錯誤，所以要換一個方向試試。 在場景躍遷中，使用者和市場的升級是有規劃的，每個階段要和當時階段的服務能力相匹配。 比如在早期明知一個市場空間不大也會去服務，因為更大的市場是不可能去服務的，只有在服務小的市場，建立根據地後，逐步做市場空間的升級發展。這不是 pivoting。
3. 疑問：這不就是“我們目前還沒找到盈利模式，但我們會堅持找下去的”？
解答：我們講場景躍遷，並是流寇式的作戰，因為找不到掙錢的辦法所以不斷找。很多時候，如果技術是成熟的，比如AI診斷真的比醫生還準，那會沒有盈利模式嗎？ 問題是這種問題的解決，需要很長的週期，很大的投入，很專業的團隊，這和之前的網際網路創業是不一樣的。 在小型公司中，在資源全面短缺的情況下，有建立一種不斷長期地部分商業化中間結果的商業模式，這是之前從來沒有的事。“這種奇事的發生，有其獨特的原因。而其存在和發展，亦必有相當的條件。”
4. 疑問：AI和之前的資料庫之類沒有區別，沒有什麼特殊規律提出的必要？
解答：弓箭和火槍，都是遠端投射武器，但是他們對軍隊組織、後勤要求發生的作用是完全不同的。 資料庫是解決機器的效率的問題，AI是要解決人的效率的問題。 兩類應用，對能承載他們的組織的要求是全然不同的，絕不能不分析其中發展路徑和人的組織問題的特殊性，而照搬其他領域的成功經驗。實事求是地理解AI的客觀規律，才能不過於悲觀或樂觀，理解目標和路徑的矛盾，與解決這些矛盾的方法，而不能照搬任何教條。