作者：张维为，《新零售商业评论》编辑。
“人工智能商业化的特殊之处在于，搭载人工智能技术的商品在到达用户手上时，有价值的运作才刚刚开始。”
雷声大雨点小几乎已经成为市场对人工智能业务落地的常态认知，概念非常火爆，但商业化的落地几乎不是人工智能创业公司面临的最常见困难之一。
最近，一个人工智能研发；刚刚完成第7代技术升级的d团队向新零售业务点评透露，他们不仅实现了盈利，还“赚了不少钱”。这背后的秘密是什么？
微软人工智能萧冰的商业化或许能给在风中奔跑的创业团队一些启发。
#萧冰，这非常有利可图。
“你好，我是萧冰”。萧冰，一个可以被大众“聊”或“逗”的人工智能，有了一个新角色——“服装面料设计师”。萧冰设计的服装已在相关品牌商店出售。
在过去的五年里，从一个单一的“文字与语音对话系统”到一个拥有“人工智能创造力”的创作者，萧冰不仅提升了自己的身份，更是一股强大的“吸金”力量。
从去年开始，萧冰在金融、房地产、纺织、服装等十个领域“做生意”，不仅盈利，还“赚了很多钱”。
一个服装面料的设计师，以两年为一个周期，会面临设计灵感和创意的枯竭；一家服装面料出口企业每年需要为海外市场提供成千上万种不同设计和款式的布料。
国内这样的企业有几百家，但满足需求的设计师供不应求。巨大的人才市场缺口，让小冰找到了“商机”。
在纺织中心，经过9个月上万次的模型迭代，萧冰已经掌握了30种不同的设计风格，能够提供上亿的图案绘制设计，达到了岗位设计师的技术水平。
企业对萧冰的评价标准与人类设计师没有什么不同：
1.设计是否符合企业自身的商品定义。
2.是否符合市场流行趋势？
3.最终是否会形成销售。
经过一年左右的试水，萧冰的表现还算稳定，能够在短时间内快速完成大量的设计任务，比普通的人类设计师效率更高。
目前，萧冰仍在根据市场反馈反复调试学习，但商业化进程已经开始加速——一批由萧冰设计的服装已经开始进入生产阶段。
萧冰创造的产品
从“聊天机器人”到“智能助手”，再到“内容生产提供商”、“智能零售助手”和“人工智能托管”，在萧冰跨领域产品形态的背后，微软人工智能转型的步伐正在加快。
根据今年7月发布的2019财年第四季度财务报告，微软Azure云计算业务实现了64%的营收同比增长，首次超越传统Windows业务。从年营收来看，智能云业务达到390亿美元，与个人计算业务的457亿美元非常接近。
萧冰作为微软云业务衍生的应用，正在成为云业务拓展的重要驱动力——人工智能业务解决方案的推广背后，是基于云计算的又一次合作。
萧冰商业化的“试验田”主要集中在零售、金融和服装。在日本，萧冰与LINE和Rosen的业务合作实现了47%的息票转化率。
在美国“在线零售垂直领域”的测试中，新的对话引擎使产品页面的转化率高达68%，较之前版本提升了21%。在十轮对话中，萧冰可以从网上货架上挑选出用户喜欢的产品并推荐。
与此同时，萧冰不断升级的写诗、画画、朗读的创作能力也在向设计、金融抽象写作、设计等行业转型，形成新的生产力。
萧冰艺术设计展
#先看对手是谁。
然而，萧冰的商业化极其谨慎。在激烈的市场竞争中，如何找到合适的竞争对手，找到合适的商业模式，是萧冰实现商业化的两大重要工具。
在此之前，萧冰已经在日本、印尼和美国测试了水的商业化。中国，尤其是萧冰，似乎是最具挑战性的市场。因此，他们一直在冷静地观察和分析自己在这个市场上的优势和劣势。
2017年，当人工智能在中国风头正盛，投资强劲时，萧冰团队保持冷静。
在他们看来，人工智能作为一种新技术，其核心价值在于提升传统行业的效率，但新技术尚未催生新市场，AI公司仍面临与传统行业“大老板”竞争的局面。
比如AI公司开发AI电视语音遥控助手最大的竞争对手就是电视遥控器——如果他们的体验不如遥控器，那么竞争就没有意义。因此，在这个领域，真正的竞争对手不是同行，而是移动互联网。
。“在中国，移动互联网产业化成熟度高，留给“后来者”的机会没有那么多。”
在微软（亚洲）研究院互联网工程院副院长、小冰团队总负责人李笛看来，目前在中国，移动支付，外卖、订餐的服务和运作体系都已经非常完善，人工智能想要介入，空间就很小。
“是推一款人工智能订餐助手吗？竞争力在哪里？仅仅因为它酷吗？不是，应该是它比原来的订单体系有更成熟的运作方式。”
因此，微软小冰在选择切入的领域时异常谨慎，在他们看来，“ AI商业化这件事，不怕慢，就怕‘站’ ”――
“每开拓一个新的垂直领域，都需要付出大量成本，尤其是时间成本。如果我们贸然切入一个市场，投入时间、人力，财力之后，才发现这个市场不够好，就会让自己处于进不去又出不来的尴尬境地。”
因此，微软小冰团队对市场的判断有一套严格的标准：
如果一个行业目前的发展模式是成熟的，但他们无法找到产品商业化的解决方案，让行业内存在的问题得到解决，那即便这个行业当下再热，他们也会选择放弃 。
比如备受资本市场瞩目的“AI+教育”领域，小冰就迟迟没有切入，“因为时机还不成熟”。
小冰对话EQ能力不断提升
# 找准商业模式
“ 在中国市场不打价格战 ”，是小冰在国内推行商业化后提出的第一条发展准则，也是推动小冰“很赚钱”的基础。
至今，小冰的AI相关解决方案的报价始终在同行3倍以上，这样的打法与国内人工智能的竞争环境有些“格格不入”。但这也是小冰在商业化进程中，坚持往下走的根本动力，
探索真正的人工智能的商业模式。
据中国信息通信研究院数据，截至2018年9月，中国（不包含港澳台地区）共有1122家人工智能企业，这些企业分布于AI产业链的各个环节。
2016年，中国在人工智能的投资额约为635亿元，占到全球的33%，仅次于美国的51%。资本泡沫在这个领域不断显现――技术突破缓慢，商业化却迫在眉睫，畸形竞争模式由此诞生。
比如，最早被产品化、商业化的人工智能技术――智能音箱，一经问世，技术尚未成熟，就已经率先打响价格战：不到一年时间，迅速从几千元不等的价位暴跌至几十元，由于缺乏明显技术优势，智能音箱一度只能用低价抢夺市场，这也几乎成为扼杀智能音箱发展的“隐形杀手”。
“资本补贴下刺激用户购买，收入由投入直接转化，这个不是商业模式。”在李笛看来，小冰试图通过技术“代际”升级来探索商业化模式，“我们会探索比较前沿性的技术，比如像全双工，2年半前试水，1年半前向市场开放，比谷歌等同类技术还早一年多落地，但我们已经把全双工变成产品，产品已经迭代到成熟阶段，所以当技术真正在市场大规模兴起之后，我们已经拥有了成熟的落地方案，有技术代际时间差的领先优势。”
从生产、应用到销售，整个人工智能商业环境的“急功近利”正在限制当下的人工智能发展。
因此，在合作伙伴的选择中，小冰团队也在不断筛选――那些为了迅速获得订单，不断夸大技术在产业升级中的作用的；那些试图将人工智能包装成产品卖点的企业都被排除在外。“这不是商业模式，这不过是大家一起让消费者为卖点买单。”
在李笛看来， 人工智能商业化的特殊之处在于，搭载人工智能技术的商品在到达用户手上时，有价值的运作才刚刚开始。
而不是像那些“急功近利”的企业所认为的，“这是一场交易的结束”。
_\- End -_
