文丨陈选滨
来源丨智能相对论（ID：aixdlun）
日前，德勤发布了“全球人工智能高增长企业”的榜单，共有14家中国企业入围登榜。
其中，云从科技更是位列榜单第十六位，一度超越商汤科技、阿里巴巴等国内知名企业。
不禁令人感慨，一个是同为“AI四小龙”的商汤，另一个是国内互联网、AI、云技术等新领域的集大成者——阿里，云从科技以超过600%的增长率入围榜单，位列两者之前，确实精彩。
作为国内人工智能领域的独角兽企业，云从科技不算高调，资本融资也相对保守，在发展上有诸多值得行业关注的热点。
领跑金融科技赛道，“AI四小龙”的另类
云从科技以“国家队”的出身一直以来便被认为是“AI四小龙”一个另类的存在，被媒体与外界津津乐道。
但实际上，从业务模式来看，云从科技也有着远比其他三家人工智能企业突出的站位。
在未来图灵发布的“图灵AI指数”榜单中，金融领域的排名就十分有趣，位居榜首的是图灵指数782的云从科技，其后再是平安集团与蚂蚁金服位列第二、第三。
“AI+金融”是一个明显的跨赛道模式，除了云从科技，“AI四小龙”的商汤科技、依图科技或多或少都有所涉猎。
但若说能与平安集团与蚂蚁金服这两位行业大咖同列金融指数榜top3的，云从科技可算是跨界玩家的第一个，令人惊叹。
虽然同是“AI+金融”的跨界玩家，但两者（云从科技与平安集团、蚂蚁金服）还是有本质上的区别。
这里的区别就在于金融与AI，何者为主，何者为辅？
很显然，平安集团与蚂蚁金服以金融为主，是一个为用户提供理财、贷款、投资、保险等金融业务的金融服务商（或平台）。而AI只是其提高服务效率与改善用户体验的一个技术手段。
而云从科技则不同，AI是其专攻的技术领域，是产品与服务的基础。金融只是技术应用的一个领域，最常见的表现便是与银行、互金、第三方支付公司达成合作，将AI技术应用于他们的各项业务渠道，自身不涉猎金融业务。
总而言之，前者是业务型公司，以金融服务为品牌背书；后者是技术型公司，以技术落地为发展方向。
所以，当我们看到一家技术型公司位列金融指数榜的榜首，难免有些诧异，没有金融业务的云从科技何以在金融赛道胜过蚂蚁金服与平安集团两家金融巨头？
事实上，在产品落地方面，云从科技比其他的AI公司更加专注于金融领域的开拓，是目前银行业人脸识别技术的第一大供应商。
数据显示，云从科技的市场占有率约为72.7%，中标的银行总行平台超过90家，客户已有中行、农行、建行等全国400多家银行，为其提供对比服务日均超过2亿次。
因此，不难想象，云从科技在“AI+金融”跨界赛道的领跑正是其专注于银行业务智能化落地的结果。
而在此，云从科技作为一家技术型公司，其商业发展的路径也开始清晰，专注有限赛道，迅速的覆盖行业客户，提高技术的渗透率，或将成为人工智能企业发展的一大方向。
在有限赛道快跑，AI公司是否需要以小博大？
重新梳理云从科技的产品与服务，可以发现，云从科技目前的行业覆盖并不多，主要集中在金融、安防领域，应用于机场、园区、营业厅等场景，可见，云从科技的赛道开拓上显得十分的克制。
除此之外，据悉，云从科技的产品已经覆盖民航领域的50多家机场，其中就有最新投入运营的大兴机场；安防产品在全国29个省级行政区上线，备受有关部门青睐。
此外，据国际权威调研机构Gen Market Insights于2018年发布的《全球人脸识别设备市场调研报告》数据显示，云从科技的市场份额达到12.88%，成功入围行业第一梯队。
因此，云从科技的市场成效不错，商业前景并未因赛道的有限而走入困局。
那么，回归云从科技的商业模式讨论。在各个AI企业都在探索各自的商业发展路径，且尚未有明确的市场标准之前，云从科技的克制与专注有限赛道的做法确有值得讨论的地方。
AI技术的应用范畴如此广泛，人工智能企业是否要进行无边界扩展，进行行业覆盖？还是在有限的行业赛道内快跑，这对于企业的发展有什么意义？
对此，智能相对论认为，有以下三点关键逻辑可供参考。
1.绑定客户发展，“跑马圈地”的另一个思路
对于“跑马圈地”的认知，一般常见于C端市场，如美团做外卖、做共享经济、做票务等等，就是典型的先覆盖行业，再深入运营的逻辑。
但对于B端市场，这样的思路似乎有些走不通，主要有两个难点——
第一，to B的产品一般是打包整合的一体化解决方案，如云从与中行的合作便是覆盖各个银行业务渠道的应用，连贯性、协同性的需求高；
第二，B端市场的本质并不是简单销售产品与服务的买卖逻辑，而是两家企业（或组织）的合作与赋能，行业的专业认知成为了合作的基础条件之一。
所以，云从科技的发展路径无法类同于美团的行业覆盖，另一个思路即绑定行业客户成为了选择。
这个思路也恰好成就了B端市场的“跑马圈地”，一旦与B端客户建立深度合作，未来两者的发展在某种程度上便绑定了在一起。因为当技术被应用在B端客户的各个业务渠道，一旦出现改变，便面临着巨大的转移成本。
如此，抓住行业中的重点客户往往成为了人工智能企业开拓B端市场的首要选择，远比浅层的行业覆盖更具经济效益。
2. 重新定义“人、货、场”三要素，技术落地的第一步是找场景
当技术发展到一定的阶段，商业落地是必要的。在今天的人工智能资讯当中，强调技术落地逐渐成为了主旋律。
而技术落地的关键便在于确定“人、货、场”三要素的界定。传统的关系是“货-场-人”，先生产，再找渠道，对应销售给客户；如今主流的关系是“人-货-场”，先确认客户，再精准生产，最后进行渠道选择。
但是，类似的两种关系似乎都不太适于AI技术的落地，特别是B端市场。“场-人-货”的重新定义，即先找场景，如银行；再确定客户，如银行的客户；最后对此进行产品的调整与输出，如云从AI对银行业务的赋能，整体路径就基本确定。
在这个过程，找场景无疑是最重要的一步。若将整个AI应用的流程厘清，简化便是一个B2B2C模式。只有找准了2B的场景，才能满足2C的需求。
所以，无边界扩张在某种程度来说，是与这种路径偏离的，不太适用于云从科技一类的人工智能企业发展。
3. 警惕“规模不经济”，商业变现的最大需求
在经济学理论中，存在一种与“规模经济”相反的结论，即规模不经济。简单来说，是指企业生产规模的扩大可能会带来经济成本提高的非经济性。
那么，以人工智能的应用来看，可能会存在这样的“规模不经济”陷阱。B端客户的专业需求高，具有明显的专业边界，每次变更技术落地的行业（或场景）都将意味着重新对产品与服务进行调整，面临巨大的成本投入。
举例来看，金融领域用到的AI识别与交易指数（交易代码、时间、金额等）评估显然不适用与安防领域，在面对两个领域的B端客户，必须做出产品与服务的调整来满足不同场景的需求。
跨界便会产生跨界所带来的成本投入，为了商业变现的最化大实现，AI企业往往会选择专注于某个垂直领域，积累专业经验，来最大限度的获取客户。
云从科技目前服务于400多家银行，不难理解，除了其自身国家队的出身外，更有其一直以来对于银行业务的专精与掌握。
成果看得见，人工智能企业的专注
那么，当技术推开应用的大门，下一阶段的商业化如何走逐渐成为了人工智能企业面临的问题。
从云从科技的发展路径上，我们可以看到其对于专一细分领域的深耕与聚焦，来慢慢建立自己的行业辨识度和提高行业影响力。
这样的趋势在其他人工智能企业的发展上也能看得见，比如“AI四小龙”。
实际上，“AI四小龙”除了商汤科技打出“1+1+x”赋能百业的旗号外，其他两家的路径与云从科技的相似。
商汤科技目前的估值接近60亿美元，是“AI四小龙”估值最高的独角兽，素有四家中的小巨头之姿，所以它的业务也是其中最广泛的，覆盖安防、智能汽车、移动业务、金融等多个领域，权重相对平衡。
而其他三家的发展便出现了各有侧重的局面。旷视科技深耕智能安防领域，收入占比超过40%；依图科技专注于医疗影像而知名，此前联合合作伙伴在《Nature Medicine》上发表了NLP辅诊研究成果，正在将AI成果向智能诊断应用扩张。
一方面，C端与B端市场存在大量的应用空白，正处于上升期的人工智能企业或多或少的会选择进入不同的领域进行技术落地，涉猎广泛。
另一方面，随着市场竞争日趋激烈，独角兽企业为了尽快实现盈利与高估值的目标，开始圈层扎根，聚焦有限的赛道建立各自的行业优势。
那么，未来各大人工智能企业之间的跨界也将呈现出更加专业的姿态，开放仅是第一阶段，垂直成为下一阶段的主旋律！
【完】
智能相对论（微信id:aixdlun）AI新媒体，今日头条青云计划获奖者TOP10，澎湃新闻科技榜单月度top5, 文章长期“霸占”钛媒体热门文章排行榜TOP10,著有《人工智能 十万个为什么》，重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
