??点击上蓝字星标点击上蓝字星标Robinly获得更多重磅AI访谈
以硅谷视频内容平台为基础，通过与知名人工智能科学家、企业家、投资者和领导者的深入对话和现场交流活动，为全球工程师和研究人员服务，传播行业动态和商业技能，创造全面的人才竞争力。
No Market Need第一个原因是没有找到应该解决的问题，其次是市场竞争太激烈，是红海市场。在选择应该关注的领域和问题时，我们应该注意正确对待我们听到的反馈。当你有一个好主意时 ，别人也觉得很好（Sounds good, actually good），这个时候要小心，因为这个时候可能有很多人已经在做了，市场已经饱和了。更好的想法是听起来不好，但实际上是好的(Sounds bad, actually good)。
Ran Out of Cash通常是因为创始人讲故事的能力不够，或者是因为Unit Economy(单位经济)计算不好。以无人驾驶汽车为例。汽车本身的成本为3000到5000美元，传感器和计算单元的成本超过10000美元。此外，每个城市的研发成本、运营成本和地图建设成本可能约为每英里$2, 这和目前Uber的每英里$0.8-1比还是有不少成本的差距，如果无人车要做到市场接受，就必须找到这个降低成本的路径。
Not the Right Team也可以从两个方面来理解，一方面是团队本身的技能和个性问题，不够互补；另一方面是团队协调，我认为创始团队应该被视为高压婚姻，如何判断对方是否合适，取决于他们的反应，如果不是失去底线，而是正确的妥协或更好的意见，那么这个团队能在一起的时间就更长了。如果你听说一家公司的创始人被踢出去，那不一定是坏事。这是矛盾解决的结果，比没有解决办法一起死要好得多。
那么如何衡量企业的技术成熟度呢？我们提出了一个新的框架去分析技术成熟度，叫做 Value-Failure （VF）Framework。这个框架重点关注的是我们的技术能带来多大的价值 （Value），同时失误率又是多少（Failure）。
但是评估还存在一个比较大的问题，就是 AI 技术现在并不成熟，失败率还很高。我们把 AI 的失败率和人类的失败率做了比较，算出了我们到底能获得多大的价值。根据图灵测试的定义，到达人类的水平就是技术成熟度达到了 1，实现了这一点就相当于完成了从“0”到“1”的过程。这就是我们提出的一个想法，后续还会有一些相关的文章发布。这一想法能够为基于自动化的行业提供一些参考和帮助，因为通常这些行业都希望用 AI 替代人类做一些重复性的工作。
如果想提高 VF 指标，无非有两个方法，一个方法是我们能否找到一个高端行业的客户，让节省的时间的价值更大。另外一方面我们也可以提高关联价值。比如，你在跟智能语音助手对话的时候，它可能经常听不懂你在说什么，语音翻译也可能会错误百出，但是在你听音乐的时候可以自动调节音量，切换歌曲，能给你带来更多额外的价值。所以我们要去分析所在市场的需求，思考如何将其分解成两部分价值，一部分是时间价值，也就是自动化直接带来的收益，另一部分是关联价值，看能不能从中获得额外的收益和信息？
我们来看一看汽车市场发展的背景。跟成熟的智能手机市场不同，汽车产业一直没有被智能化。虽然汽车是刚需，相比智能手机，我们在汽车上的花销要高得多。目前整个汽车市场在经历软件化、电动化和智能化三个变革。根据预测，到 2026 年，汽车软件市场会达到 786 亿美元的规模。这个行业增长很快，也吸引了越来越多的投资。其中主要的创新包括驾驶辅助（ADAS）、无人驾驶、汽车电动化以及数据座舱。中国的汽车公司更注重多媒体软件的开发和改进，比如车载卡拉OK，这些都是主要的创新。另外，安全性和功能性也驱动了汽车计算平台的发展，比如有的车会配备 Nvidia 的 GPU。
这里有一份 2018 年的脱离报告（Disengagement report），说明了在不干预的情况下，无人车可以自主驾驶的最长距离。Waymo 的数据大概是 11000 多英里，Cruise 是 5000 多英里，Zoox 是近 2000 英里，Nuro 差不多有 1000 英里。我们可以通过这些数据来换算出失败率。这些失败率实际上是由于技术或者系统结构的问题，比如说 perception、planning、control，合起来就造成了失败。最后一家公司 Embark 是做无人卡车的公司，它产生的价值略有不同，因为它取代的是卡车司机。卡车司机的待遇按照美国的标准大概是 5 万美元一年，相当于每小时 24 美元。虽然这家初创公司目前的失败率还比较高，但是由于卡车的司机是专业司机，所以人工失误率更加低。但是要注意，卡车司机这个行业是一个通过运营可以优化的行业，如果大部分人都用这样的系统，实际上可以通过优化线路和其他因素来扩大关联价值。
2018年加州无人车公司脱离报告，来源：DMV
下面再谈谈机器人行业。现有的机器人产业是以教育机器人为主的，大部分热销的机器人都是为儿童设计的电动玩具机器人，已经形成了比较成熟的市场。现在的市场趋势正在转变为商用服务型机器人，比如酒店和机场里能看到的提供登记和咨询服务的机器人。那能够颠覆机器人市场的产品就是工业机器人。工业机器人市场，如何通过以AI驱动的高灵活度的制造机器人取代大量高成本的定制机器人，是未来的大趋势。对于机器人而言，例如抓取机器人，其识别、抓取的精确度离定制的机械手臂还有一定的差距，这影响了机器人市场的快速推进。
在达到技术成熟之后，企业需要解决如何从技术成熟度过渡到产品成熟度的问题。其中核心首先就在于需要找到一个很好的应用场景。当前 AI 的应用都是解决局部问题，要实现通用人工智能（AGI）是很难的，只能算是早期的 AI 研究人员过于乐观的设想。几年前还有人寄希望于 AI 来处理视觉语言等各种各样的问题，但是今天谈论的人已经很少了，大家发现这些算法都是针对某个具体领域的优化。这个领域里面存在一个长期的矛盾，在这个领域研究了十几二十年的人使用的是基于物理和统计学的传统方法，而新一批研究者使用的是基于深度学习，强化学习的新方法。人们也在探究能否将两者结合产生一个新的解决方案。比如可以先找到一个特殊的场景，在高速公路上测试无人卡车，场景比较简单一些，没什么行人，或者是园区里面的送货机器人。这些都是限定场景，需要解决的问题相对简单，可以很快提高产品的市场接纳度。我们同样也要注重产品的设计和特点，找到经济上潜在的刺激因素，提高产品的性能，降低生产成本。
从技术成熟度到产品成熟度，来源：Alex Ren
初创公司早期是更关注技术成熟度还是产品成熟度，实际上是有地域性的差别的。如果你在美国创业，大部分的投资人可能会更关注技术突破，不会急于要求投资回报。但是在中国，因为同一行业的收益本来就偏高，投资人很可能要求相对比较快的和比较高的回报。在这种情况下，你可能需要跟不同的客户交流，甚至很快就要做一个市场已有的产品，跟其他公司竞争。举个例子，假设你是做医疗成像技术的，迫于投资人尽快盈利的要求，就可以考虑做医院里面已有的系统，去跟其他同类公司竞争。这样做的优势就在于，第一，你是 AI 公司，估值很高，获得了大量的融资可以维持公司的正常运营。第二，作为一家 AI 公司，可以招很多优秀的工程师，在人才上也占据了优势。然而你的劣势就在于，你要以新人的身份跟市场上已有的玩家竞争。当前国内这些公司大都是靠已有的解决方案盈利。虽然有些行业也可以用 AI 进行强化，比如在安防领域，AI 已经显示出了强大的实力。但是如果身处非主流产品市场，难免要经历一个漫长的发展过程。从技术成熟度的角度来说，目前还没有很多很好的产品能够以AI 为特点实现大规模盈利。
如果你很关注产品的生命周期，可以读一读《Crossing the Chasm》。《The Innovator’s Dilemma》这本书讨论了如何和大企业进行竞争，其核心观点就是改变一个大企业是很难的，假如当初 Uber 的目标是给出租车公司提供软件系统，致力于改变出租车行业，那几乎是不可能的。最后他们决定自己成立一个公司，去跟出租车公司竞争，因为他们速度更快、决策果断、不怕冒险。
关于领导力，我认为读彼得.德鲁克的书就够了。很多时候，技术背景的人很容易忽略一些软技能带来的价值。当一家公司有了 30 个人的规模之后，判断一个人的能力就不仅仅是看技术，还需要判断力和决策力，以及管理和领导团队的能力，要能够不断招贤纳士，招来的人不但愿意废寝忘食的工作，彼此之间还能碰撞出创新的火花。
如果你在创业的时候选择了一个长远的方向，无论是 AI 针对医疗健康，保险会计行业，我认为都是好的方向，这些领域迟早都会有超级巨头出现，那为什么赢的是你而不是别人？所以就要看你的融资能力如何，能不能把优秀的人请进来，能不能持续性的做好的决策，带领公司不断的向前发展，等到技术足够成熟，你就成功了。很多无人车公司的创始人都会说，“我只要能活到无人车实现的那一天就行了”。我们最初在湾区创业的时候，曾经接触超过几百家很多公司后来都消失了。有些公司你可能觉得还不错，但是不知道什么原因就消失了。有时候在一个公司倒闭之后，我会去询问缘由，于是发现很少有公司是因为技术原因失败的，很多错误是很直接，很简单的，没有想象的那么复杂。（点击阅读原文访问Robin.ly或观看视频获取完整书单。）