算法并不决定一切！迅雷创始人程浩谈国内机器人创业

正文

请到「今天看啥」查看全文

Mission-critical的应用，就是一丁点儿错都不能犯的人工智能领域。比如自动驾驶，哪怕已经做到了99.9%，但仍然是千分之一的事故率。想想每天驾车上路的人有多少，这千分之一的故障率会导致多少致命事故。所以自动驾驶，必须要做到99.…%后面有多个9才能上路。

还有将人工智能用在医疗行业，像手术机器人做到精度99.9%，千分之一的出错率同样是极其可怕的后果，医疗事故关乎人命。要是在美国，这千分之一事故导致的巨额赔偿，恐怕就已让企业完蛋了。

总之在“关键性应用”的领域，必须做到99.9…%小数点后面有多个9，做不到就没法商业化。其背后的核心竞争力是算法和科学家。这类项目往往需要有top的科学家来坐镇背书。 所以项目通常很贵（因为周期长，需要的钱自然多，同时这类人才又很贵），要投入大量的研发资源来消灭万分之一、十万分之一的出错率。

大家都明白研发的边际效益逐减， 做到90%很容易，做到99%要投入不止10倍的资源，因为要消灭各种corner case，更别说99.9%和99.99%了 ，所以这类项目时间周期会很长（ 类似于Google的无人车，从2009年到现在已经7年了；Mobileye从1999年做汽车辅助驾驶，2007年才商业化；达芬奇手术机器人项目更是起源于1980年代末的一项非营利性研究，直到2000年才拿到了美国食品药品管理局FDA的首个手术认证 ）。但一旦做成，这类项目优势就非常明显，因为竞争对手同样也要花这些时间。

这样的项目门槛高，不适合一般的创业者，所以通常比较贵，商业变现的时间周期比较长，资本也需要更多的耐心。一流的科学家团队适合选择这样壁垒高的关键性应用作为创业方向。

但实际上大多数AI/机器人的创业属于第二类，也就是“非关键性应用（none-mission-critical）”。 这类项目不追求99%后面的很多个9，而且很多都有更简单实用的解决方案，或者有“人机混合”的方案。总之就是不追求高大上，简单、实用、性价比高更重要，这样的项目通常能够更快落地。

请到「今天看啥」查看全文