Xunlei 創設者 Cheng Hao: 人工知能起業における 6 つの核心課題

[[205875]]

まず第一に、今日ビジネスを始めようと決めたなら、インターネットよりも人工知能に重点を置くことをお勧めします。なぜそんなことを言うのですか？

1. インターネットのトラフィック配当は消滅した。

PCを例にとると、世界のPC出荷台数は5年連続で減少しています。中国最後の PC インターネット ユニコーンは誰かご存じですか? それは 2011 年初頭に立ち上げられた Zhihu です。それから何年も経ちますが、PC インターネット ユニコーンは登場していません。類推すると、2015 年のモバイル インターネットの普及率と競争レベルは、2011 年の PC インターネットの普及率と競争レベルと同程度であったことがわかります。類推すると、2015 年以降にモバイル アプリを開発してユニコーンを生み出すことは困難になります。

結局のところ、中国の携帯電話の出荷台数は2年連続で5億台を超えており、成長が鈍化しているため、無線トラフィックは基本的に横ばいになっています。あなたが1台多く売れれば、私は1台少なく売れ、既存の市場シェアをめぐる競争になっています。今日、起業家が純粋なインターネット アプリを作成する場合、投資家が最初に尋ねる質問は、どのように顧客を獲得するかということです。現在のトラフィック パターンが決定されているため、最初の画面にはいくつかのアプリのみが表示されます。

2. インターネット+の機会も限られている。

インターネットの最大の価値は、情報の非対称性と接続性を解決することにあります。したがって、電子商取引にとって特に価値があります。タオバオは、王冠やダイヤモンドなどの信用システムで情報の非対称性を解決し、同時に全国の多くの買い手と売り手を結び付けています。これがインターネットの価値です。

しかし、多くの業界情報やつながりは、問題点ではありません。医療を例に挙げてみましょう。中国の三次病院にいる​​医師の数は限られています。13億人の国民をこれらの医師に結びつけても無駄です。なぜなら、医師が1日に診られる患者の数は限られているからです。インターネットは医師の診察の効率を改善していない。ケータリングや医療などの伝統的な分野では、インターネットは限られた支援しか提供できません。

これには滴滴タクシーも含まれます。インターネットはタクシーを拾いにくいという問題を解決しましたが、タクシー料金の問題は解決していません。実際、補助金が撤廃された後、滴滴出行は全然安くないことが皆に分かりました。理由は簡単です。自家用車であろうとタクシーであろうと、やはり人が運転する必要があります。人件費を削減できなければ、安くはならないのです。

3. 人工知能は、社会の生産性を真に向上させ、需要と供給の不均衡を解決できるものである。

人工知能は社会の生産性の向上をもたらし、インターネットをはるかに超える影響を人類に与えるでしょう。

医療を例に挙げてみましょう。多くの一次病院の質は高くありません。将来的には、人工知能を活用して、CT、X線、その他の医療画像の読影を医師が支援できるようになります。例えば、今年、IBM Watson の皮膚悪性黒色腫の診断精度は 97% に向上し、人間の専門家の平均レベルである 75% ～ 84% をはるかに上回りました。

将来、自動運転車、ロボット、医療、金融、教育などの分野で、人工知能が大きな社会的利益をもたらすことは間違いありません。

現在の起業家は人工知能の分野における起業機会にもっと注意を払うべきだと私は提案します。

2番目の質問: AI vs AI+

人工知能は主に3つの層に分かれています。最下層は、クラウド コンピューティング、チップ、TensorFlow などのフレームワークを含むインフラストラクチャです。基本層の上には、画像認識、音声認識、意味理解、機械翻訳などの実現技術と呼ばれる中間層があります。

基本層と中間層は、インターネットの巨人たちの戦場です。例えば、チップ分野では、Intel、Nvidia、Qualcomm が多額の投資を行っており、競争は極めて熾烈になっています。クラウドコンピューティングやフレームワークについても同様であり、中小企業が関与できる分野ではありません。

現在、BAT は中間層の一般的な技術にも大きな重点を置いています。なぜなら、誰もが人工知能が産業革命の次の波であると信じているからです。テンセント、アリババ、バイドゥのような大企業がこの嵐を生き残りたいのであれば、人工知能のエコシステムを構築しなければなりません。核となるのは、これらの Enabling Technology テクノロジに依存することです。

[[205876]]

スタートアップと比較して、BAT の最大の利点は何でしょうか? まず、データが不足することはありません。 2 つ目は、独自のエコシステムを構築するために、将来的には一般的なテクノロジーがすべて無料になることです。 3 つ目は、一般的なテクノロジーは無料ですが、BAT にはそのメリットを享受する機会があるということです。これは典型的なインターネット戦略です。

ここで豚とは何でしょうか? 豚とはクラウド コンピューティングです。たとえば、Baidu の ABC 戦略は、人工知能 (AI)、ビッグデータ、クラウド コンピューティングを表しています。 AI でお金を稼がずに、すべての人に公開するという選択もできます。私のサービスを楽しみたいなら、私のクラウドを購入してください。

スタートアップにとって、画像認識、音声認識、意味理解、機械翻訳などの一般的な技術にのみ焦点を当て、SDKの販売で収益を得ることを望むのであれば、特にBATが無料サービスを提供するというプレッシャーの下では、将来の道はますます狭まるでしょう。

したがって、この観点からすると、スタートアップが次の 2 つのことを行うのはよりリスクが高くなります。スタートアップにとってのチャンスはトップレベルにあると思います。つまり、下位 2 レベルの成果を垂直産業に役立てることです。これを私たちは人工知能 + と呼んでいます。

3番目の質問: AI+ vs +AI

垂直産業に深く入り込む人工知能+は、「人工知能+産業」と「産業+人工知能」の2つのカテゴリに分けられ、それらの間には明らかな違いがあります。

簡単に言えば、「AI+ 業界」とは、AI テクノロジーが成熟する前にはこの業界や製品が存在しなかったことを意味します。たとえば、自動運転、Amazon の Echo スマートスピーカー、Apple の Siri 音声アシスタントなどです。人工知能技術の飛躍的進歩以前は、そのような製品は存在しませんでした。 AIのおかげで、まったく新しい産業チェーンが生まれました。

「産業＋AI」とは、産業自体はずっと存在し、産業チェーンは成熟しているが、以前は完全に手作業に依存しており、効率が比較的低かったことを意味します。現在、AI要素が加わったことで、産業の効率が大幅に向上しました。例えば、セキュリティや医療などの分野。

客観的に言えば、どちらのカテゴリーにも起業のチャンスは存在します。しかし、「AI+産業」は新しい産業チェーンであるため、スタートアップ企業とインターネット大手は実際には同じスタートラインに立っています。大手企業はデータ面で優位性を持っています。したがって、この観点から見ると、「産業 + AI」はスタートアップにとって比較的友好的であり、障壁を構築しやすいと言えます。

将来的には業界の障壁が人工知能のスタートアップにとって最大の防壁になるだろうと私は考えています。どの業界にも垂直的な深さがあるため、たとえ BAT が優れた技術を持っていたとしても、それは重要ではありません。医療＋AIを例にとると、最も重要なことは何でしょうか？医師がラベル付けした大量の正確なデータが最も重要です。データがなければ、どんなに優秀な科学者でも役に立たない。

しかし国内ではこうした医療データを入手するのは非常に困難です。したがって、さまざまな病院や部門からこれらのデータを収集するのは非常に面倒であるため、BAT は医療分野では有利ではありません。逆に、起業家が長年医療業界で働いていた場合、大企業よりもデータを拾いやすいかもしれません。

そのためには、創設チームのパートナーに、業界を理解し、業界のリソースを持つ人材が含まれている必要があります。これはインターネット+と同じです。特定の業界に細分化されると、BaiduとTencentは資金、トラフィック、人材を持っているからといって何でもできるわけではありません。業界のリソースとコネクションも競争する必要があります。

[[205877]]

私が皆さんとこの話題についてお話ししたい理由は、少し前に皆さんとコミュニケーションを取るために百度大学に行ったときに、彼らが自動運転車とDuerOSにおける百度の人工知能の応用について言及したからです。同時に、国内のセキュリティ分野における顔認識の応用価値は非常に大きいと私に尋ねました。例えば、ハイクビジョンの時価総額は約3,000億元で、年間純利益だけでも約100億元に上ります。 AIに関して、Baiduはこの分野への参入を検討すべきでしょうか？私は、絶対にそうではないと答えました。セキュリティは、大きな障壁がある典型的な「産業 + AI」分野だからです。

たとえ百度の技術の方が優れていたとしても、その顔認識率はHikvisionよりわずか1パーセント高いだけだ（Hikvisionには数百人規模のAI研究開発チームがあるため、現実には必ずしもそうではない）。しかし、これは百度がHikvisionに取って代わることができるという意味ではない。セキュリティは「ミッションクリティカルではないアプリケーション」であるため、私が 100 人の囚人のうち 95 人を特定し、あなたがさらに 1 人を特定して 96 人を達成したとしても、実際にはそれほど重要ではありません。

一方、Hikvision は Baidu に対してどのような優位性を持っているのでしょうか。まず、Hikvision はカメラメーカーであるため、独自のハードウェアを使用して独自のアルゴリズムを実行するのは当然のことです。 iPhone と同様に、ハードウェアとソフトウェアの統合エクスペリエンスが向上します。第二に、Hikvisionは長年セキュリティに携わっており、顔データ、環境データなど、多くのデータを蓄積しており、セキュリティ分野でデータ上の優位性を持っています。最後に、Hikvision は警察通信、基地局情報収集、ビューファイル管理、警察クラウドシステムなど、公共セキュリティシステム向けの多くの SaaS プラットフォーム製品を開発しました。 Hikvision は公共セキュリティシステムの IT 化に部分的に関与していると推測できます。

これらは利益を生まないかもしれないが、Hikvision にとって障壁となる。基盤となるインフラストラクチャを構築したのは私なので、フロントエンドのものは私のものしかできません (競合製品が私の製品と互換性がない理由は 100 個あります)。さらに、Hikvision は長年事業を展開しているため、大量の顧客リソース、特に政府公安局のリソースを蓄積しており、これらのリソースを開発するには多くの時間がかかります。

[[205878]]

これらは、業界の深さと呼ばれるものです。したがって、BAT にとっても、「産業 + AI」分野に参入したいのであれば、垂直的なトラックを選択する際には非常に慎重にならなければなりません。業界には大きな障壁がありますが、私のアルゴリズムがあなたのものより優れているわけではありません。市場は私のものです。技術的な優位性だけがまだ遠いのです。

「AI+産業」と「産業+AI」に戻ると、一般的に言えば、前者は産業の深さが浅く、後者は産業の障壁が非常に大きいです。業界の障壁はスタートアップにとって最大の防壁であり、BAT に抵抗するための鍵となります。

質問4: 重要なアプリケーションと重要でないアプリケーション

人工知能分野での起業に関しては、多くの人が誤解しています。つまり、私のチームにスタンフォード大学やMITの博士号取得者のような一流の科学者がいなければ、人工知能分野での起業について話すのは恥ずかしいだろう、ということです。実のところ、この認識は完全に間違っています。なぜなら、人工知能の分野では、アルゴリズムがどれだけ重要かは、どの業界に参入しようとしているかによって完全に決まるからです。

業界やアプリケーションのシナリオに応じて、AI 起業は本質的にミッションクリティカルであるか、非ミッションクリティカルであるかは異なると私は考えています。誰もが理解しやすいように、これらを「重要なアプリケーション」と「重要でないアプリケーション」と呼びます。

「クリティカルアプリケーション」は、99.9% を超える複数の 9 を追求する必要があり、これが達成されない場合は商品化できません。たとえば、99% の信頼性を持つ自動運転が道路上で実現できると思いますか? 絶対に無理です。つまり、事故は 100 回に 1 回しか起こらないということです。 99.9%でも許容範囲ではなく、1,000回に1回は事故が起きます。

99% の信頼性と 99.9% の信頼性の差は 0.9% ではなく、その逆では 10 倍の差があることを覚えておくことが重要です。これには手術用ロボットも含まれます。99.9%の信頼性率は非常に高いように聞こえますが、これは、米国では1,000回に1回の医療事故が発生すると、病院が巨額の賠償金で破産することを意味します。

したがって、「クリティカルアプリケーション」、つまり、わずかなミスも許されない人工知能の分野には、技術専門家、科学者、またはアルゴリズムの専門家が担当する必要があります。同時に、このようなプロジェクトの研究開発サイクルは非常に長くなります。

[[205879]]

今年3月にインテルに153億ドルで買収されたADAS（先進運転支援システム）ソリューションを提供するイスラエル企業、モービルアイも同様だ。この会社の研究開発サイクルがどれくらい長いかご存知ですか? Mobileye は 1999 年に設立され、最初の製品を発売して最初の収益を獲得したのは 2007 年のことでした。研究開発サイクルは最長 8 年間続きます。これはインターネット起業では想像もできないことです。例えば、グーグルの無人運転車は2009年から開発が進められているが、まだ商品化には至っていない。また、ダヴィンチ手術ロボットは開発開始から2000年に米国食品医薬品局（FDA）の認証を受けるまでに10年を要した。

これは「クリティカル アプリケーション」の一般的な特徴です。プロジェクトは通常、非常に高価で、研究開発サイクルは極めて長く、資金が不足しています。継続的な資金調達能力が必要です。チームはどのようにして継続的な資金調達を獲得できるでしょうか。少なくとも、非常に優れた履歴書と優れた経歴を持っている必要があります。これは持続可能な資金調達に必要な前提条件です。つまり、今日の自動運転車の開発に取り組んでいるスタートアップ チームは、全員背が高く、お金持ちで、ハンサムだということがわかります。背が高く、お金持ちで、ハンサムでなければ、あなたの製品が本当に商品化される日が来ることは決してないでしょう。

もちろん、人工知能の分野におけるすべてのアプリケーションが「クリティカルアプリケーション」である場合、ほとんどの起業家にとって居場所がなくなるでしょう。実際、人工知能分野のスタートアップ企業の 95% は「非ミッションクリティカルなアプリケーション」です。簡単に言えば、これらの領域では、AI の信頼性が基準を満たしていれば、それが高くても低くても大きな違いはありません。

最も単純な例としては、多くの企業がアクセス制御に顔認識を使い始めていることが挙げられます。今日は帽子をかぶっていても、明日はサングラスやマスクをすると、認識率は 99% に達しません。しかし、認識されなくても問題ありません。顔認識機能を備えたすべてのアクセス制御システムには、指紋を押す場所があるからです。指紋がスキャンできなくても大した問題ではないですね。会社にはまだフロントがあるんじゃないですか？

これは「重要でないアプリケーション」です。このタイプのプロジェクトでは、99% の後に 9 をあまり追求しません。実際、人工知能やロボット工学の分野における国内のスタートアップのほとんどは「非クリティカルなアプリケーション」です。もちろん、これはこの分野でアルゴリズムが重要ではないという意味ではありません。アルゴリズムを毎日認識しないわけにはいかないので、基本的なユーザビリティのしきい値を超えなければならず、時折問題が発生することは許容されます。 「重要なアプリケーション」は許容されません。

「非クリティカルアプリケーション」はハイエンドを追求せず、シンプルさ、実用性、高コストパフォーマンスを重視します。このようなプロジェクトは通常、総合力で競争します。含む：

• 業界への洞察。業界の問題点をよく理解する。
• 製品およびエンジニアリング能力。研究室でそれを実行するだけでは意味がありません。
• コスト管理。製品は製造できるだけでなく、安価に製造できなければなりません。
• サプライチェーンの機能。出荷できるだけでなく、大量生産も可能でなければなりません。
• マーケティング能力。商品が発売されたら、それを販売しなければなりません。重要なのは、チーム内にマーケティングの専門家がいるかどうか、そして彼らが最適なチャネルを確保できるかどうかです。

したがって、スタートアップのチームを編成するときは、選択したトラックの分野について慎重に検討する必要があります。トラックが異なれば、チームに対する要件も異なります。 「重要なアプリケーション」は技術専門家が主導する必要がありますが、「重要でないアプリケーション」では、より包括的かつ統合されたチームが必要です。

質問5: テクノロジープロバイダーとフルスタックサービスプロバイダー

今日、多くの AI 起業家は技術的なバックグラウンドを持っており、ビジネスを始める際の最初のアイデアは通常、テクノロジープロバイダーになることです。テクノロジープロバイダーは、起業への足がかりとして役立ちます。しかし、テクノロジープロバイダーとしてのみ位置付けると、将来の道は非常に狭くなります。なぜ、テクノロジープロバイダーであることの価値は今後ますます低下すると言われているのでしょうか? 理由はいくつかあります。

1. まず、一般的なテクノロジーは大企業の軌道でなければなりませんが、BATは将来必ずそれを無料で公開します。

大企業は、顔認識、音声認識、意味理解、機械翻訳などの実現技術を無料で提供しています。API 呼び出しからどのように収益を得る予定ですか? 今は少し儲かるかもしれませんが、長期的なビジネスになるのは難しいでしょう。

2. アルゴリズムに基づく技術的障壁はますます低くなります。

将来、基本的なコンピューティング プラットフォームとオープン ソース プラットフォームがより充実し、成熟するにつれて、技術的な障壁はますます目立たなくなり、人工知能全体の技術的な参入障壁はますます低くなります。 2008 年には iOS 開発者を見つけるのが困難でしたが、現在では非常に簡単になりました。すべてのテクノロジーの進化はこの法則に従います。特に、現在さまざまな大学のコンピュータサイエンス専攻で機械学習のコースが提供されているため、将来的に人材が不足することはなくなり、業界全体の参入障壁が低くなるでしょう。

同時に、Google の TensorFlow などのエコシステムが成熟するにつれて、多くの分野で参照可能なトレーニング済みモデルが存在するようになり (デモの作成が高速化される)、起業家はパラメータをトレーニングするのに十分なデータのみを用意すればよくなります。そのため、今後はアルゴリズムへの障壁はどんどん低くなるでしょう。企業の中核競争力がアルゴリズムだけであれば、非常に危険です。

3. テクノロジープロバイダーがユーザー/顧客に直接全体的なソリューションを提供しない場合、上流および下流の企業によって簡単に潰されてしまいます。

テクノロジープロバイダーやアルゴリズム企業の場合、技術的な障壁が十分に高くない場合は、アップストリームが直接その仕事を遂行する可能性が高くなります。 Hikvisionに顔認識アルゴリズムを提供した企業など、そのような例は数多くあります。問題は、Hikvision があなたのアルゴリズムを使用している一方で、独自のアルゴリズムを研究している大規模な研究開発チームも存在していることです。人々が今あなたを利用しているのは、彼らがまだ準備ができていないからです。準備ができたら、彼らはすぐにあなたに取って代わるでしょう。

特定の技術的障壁がある業界であっても、技術プロバイダーにとって容易なことではありません。たとえば、組み込みビジョン処理チップに重点を置くMovidiusは、DJIドローンに使用されています。しかし、DJI は消費者向けドローン市場を独占しているため、DJI が独自のチップの開発を開始するのは当然のことです。

理論上は、チップに対する技術的障壁は低くないが、業界の集中度が高い限り、勝者はすべてを奪うことを選択するだろう。たとえば、携帯電話メーカーは、出荷量が一定の基準に達すると、独自のチップを製造する動機を持つようになります。 Apple、Samsung、Huawei、そして今ではXiaomiなどの企業は、すべて独自の携帯電話CPUを製造することを選択しました。つまり、MediaTek や Qualcomm のようなテクノロジー プロバイダーは、実は非常に苦しんでいるのです。

これは実は産業チェーンにおける普遍的なルールです。産業チェーンの独占企業は利益を全て食いつぶし、上流または下流に拡大することに非常に意欲的です。 PC 業界チェーンを例に挙げてみましょう。メモリ、ハードディスク、マシン全体、モニター...どれも利益が出ません。誰が儲けたのか？利益の大部分は Windows と Intel が稼いだ。

[[205880]]

純粋な技術プロバイダーでは未来がないので、私たちは何をすべきでしょうか? Hao Ge は「1 つの水平と 1 つの垂直」理論を提唱しました。初期段階で技術的なサービスを行うのは問題ありませんが、それを一生続けることはできません。

「水平」とは、提供する技術サービスを指します。通常、「1 つの水平」は多くの業界に対応できます。市場機会が最も多く、自分に最も適していると思われる 1 つまたは 2 つの垂直分野を見つけて、その分野に深く入り込み、「フル スタック」を行う必要があります。つまり、テクノロジーを製品に変換し、ユーザーに販売して商業的な収益化を実現し、ビジネス フィードバックを使用してより多くのデータを取得し、独自のテクノロジーをさらに強化します。一言で言えば、テクノロジー、製品、ビジネス、データを統合した「フルスタック」になることが「ワンバーティカル」です。これは健全なビジネスモデルです。

自社の業種以外の業界でも、利益相反がないため、誠実に技術サービスを提供することができます。このように、ビジネス面では垂直産業を徹底的に理解できると同時に、技術面では水平協力を通じてより多くのデータループを形成し、技術を強化することができます。これが「水平1つ、垂直1つ」の理論です。

したがって、テクノロジー系スタートアップにとって、「水平」から「垂直」に移行する場合、どの垂直分野を選択するかは、次の 5 つの重要な要素によって決まります。

市場スペースは十分に大きいですか?

私たちは垂直分野のフルスタックプロバイダーになるべきでしょうか、それとも水平技術プロバイダーになるべきでしょうか? それはどちらの市場スペースが大きいかによって決まります。適切な垂直分野を見つけることができれば、たとえ小さな市場シェアしか占めていなくても、単に「水平」なビジネスを行うよりも利益が大きくなる可能性があります。 Meituを例に挙げてみましょう。MeituにはMeitu XiuXiu、Meipai、Meiyan Cameraなどのアプリがあり、多くの携帯電話メーカーと協力してカメラ写真の美化効果を提供しています。これは技術的なサービスであることがわかります。

しかし、2016年の財務報告を研究した後、Meitu XiuXiuが選択した「1つの垂直」が何であるかをご存知ですか？それはMeitu携帯電話です。上述の技術サービスは、垂直統合型の Meitu 携帯電話事業ほどの収益を上げるには程遠い。 Meituの携帯電話は同社の総収益の93%を占めている。美図の昨年の携帯電話販売台数は約74万8000台だったが、国内携帯電話市場の年間販売台数5億台超のわずか0.15％未満に過ぎなかった。

業界はどの程度集中しているのでしょうか?

「水平」な技術プロバイダーの場合、最大の懸念は上流または下流が集中しすぎていることです。言い換えれば、ヘッド効果が顕著であればあるほど、技術プロバイダーにとって不利になります。簡単な例を挙げると、IDCの時代はHPやDELLなどのメーカーが様々なIT企業に直接サーバーを販売し、誰もが快適な生活を送っていました。しかし、2010 年以降はクラウド コンピューティングの登場により、それが困難になりました。

クラウド コンピューティングを提供するベンダーはわずかしかなく、その数は両手で数えられるほどです。さらに、ヘッド効果は非常に顕著で、Alibaba Cloud だけで市場シェアの 50% 以上を占めています。あなたが技術プロバイダーであり、そのような独占業界と交渉する場合、交渉の材料がないことに気がつくでしょう。今ではとても悲しいです。もし私が Alibaba Cloud だったら、BOM コストをリストアップして 5% か 10% の利益を出すように要求するでしょう。このビジネスは非常に難しいでしょう。

この場合、あなたは間違いなく逆流して泳ぐつもりです。しかし、それはどのような問題をもたらすのでしょうか? 上流の集中度が高い場合、それは参入障壁が非常に高いことを意味し、テクノロジープロバイダーとして上昇することが困難になります。一方、上流の集中度が低い、または顧客が分散している場合は、それはあなたにとって良いことです。しかし、この市場はすでに非常に細分化されているため、上位に進出する動機はあまりありません。たとえ参入できたとしても、市場シェアはわずか 1% で、99% の人が競合相手になるでしょう。これはパラドックスです。

テクノロジーは改良なのか、それとも革命なのか?

この垂直分野に対する技術革新が革命的であればあるほど、上流に進むチャンスが増えます。単に改善したいだけなら、下流で一生懸命働いて、苦労して稼いだお金を稼ぐべきです。 何かがより破壊的であればあるほど、それが上流に移動するチャンスが増えます。なぜなら、上流側があなたなしではできないことが多ければ多いほど、あなたが彼の仕事をするチャンスが増えるからです。

空想的な例えを使うと、1 週間持続するバッテリーを提供できるなら、独自の携帯電話を作ることも考えられます。携帯電話に必要なのは、1 週間充電する必要がないという機能だけです。そして、それは世界で唯一のものになります。これだけで十分かもしれません。なぜなら、この技術は革命的だからです。逆に、技術が向上し、例えばバッテリーの待機時間が以前より 10 ～ 20% 長くなっただけであれば、正直にバッテリーを販売すればよいのです。

どちらの側に高い障壁があるでしょうか?

技術プロバイダーの障壁と上流の顧客の障壁のどちらの障壁が高いかによっても、「垂直」の成功または失敗が決まります。人気のライブストリーミングプラットフォームを例に挙げてみましょう。現在、これらのプラットフォームには、女の子に耳を生やすなどの美化機能が搭載されています。これは通常、サードパーティが提供するテクノロジーです。技術自体のハードルは高くなく、提供できる企業も多数あり、効果に若干の差はあるものの、明確な優位性はありません。

しかし、ライブストリーミングへの障壁はかなり高いです。これはネットワーク効果をもたらします。ユーザーが増えれば増えるほど、より多くのお金を稼ぐことができるため、より多くの美しいアンカーが引き寄せられます。美しいアンカーが増えれば増えるほど、より多くのユーザーを引き寄せます。同時に、お金を使う覚悟も必要ですし、トラフィックを購入したり優秀なアンカーと契約したりするには多額の資金が必要です。したがって、参入障壁は非常に高くなります。テクノロジープロバイダーになるための障壁は高くありません。この場合、テクノロジープロバイダーは苦労して稼いだお金しか得られず、昇進するチャンスはまだありません。

それはチームの遺伝子と一致していますか?

技術サービスを提供できるということは、垂直ソリューションやフルスタックを提供できるということを意味するわけではありません。チームに業界経験がない場合があり、これが大きな問題となります。アマゾンの無人コンビニ「Amazon Go」が登場した後、国内の多くの技術チームも同様の技術を提供したいと考え、2Cコンビニエンスストアをオープンしたいと考える人もいました。

彼らと話した後、私は彼らにもう一度考えるようにアドバイスします。どんなに優れたテクノロジーを持っていても、ユーザーにとって、何かを買うときに、コンビニが空いているか、空いているかを考慮するでしょうか？いいえ、これは優先オプションではありません。彼が最も気にするのは、どのコンビニが私から近いか、そしてそのコンビニに私が買いたいものがあるかどうかです。

この意味では、これは小売業の本質に立ち返ることになります。したがって、あなたのチームに小売業の遺伝子がなく、小売業を理解している人材がいない場合は、自分でコンビニエンス ストアを開店することなど考えないでください。この時点で、「業界を理解している役員を探せばいいのでは？」と疑問に思う人も多いでしょう。しかし、そう簡単なことではありません。CEOが業界の本質を理解していなければ、役員がそれを補うのは難しいのです。

私は特に遺伝的決定論を信じています。業界を理解している幹部を見つけることで、BAT があらゆる新規事業を処理できるのであれば、中国のすべてのインターネット事業は BAT のものとなり、スタートアップの居場所はなくなるでしょう。 BAT では、1 つは検索、1 つは電子商取引、そして 1 つはソーシャル ネットワーキングを行います。実際、3人ともお互いのことを試みましたが、結局すべて失敗しました。したがって、誰もが何ができて何ができないかは、その会社の遺伝子と大きく関係しています。

質問6: 2C vs 2B

最後の質問については、テクノロジーが成熟するにはある程度の時間がかかるということを申し上げたいと思います。なぜなら、あらゆる技術の普及の進化の観点から見ると、それはまず軍事産業（航空宇宙）から始まり、政府、企業、B2B2C、そして2Cへと進むというパターンにほぼ沿っているからです。人工知能についても同様です。現在、2C 市場では人工知能はまだ十分に成熟していません。

簡単に言えば、個人消費市場で出荷量が多いロボットは、掃除ロボット、ドローン、STEAM教育ロボット、Amazon ECHOに代表されるスマートスピーカーの4種類だけです。初期段階で 2C 市場の普及が困難だったのはなぜでしょうか。その理由はいくつかあります。

1. 未成熟な産業チェーン

私は革新的な製品を作っていますが、完成品には 10 個の部品があります。すべての部品を自社で製造する必要があり、出荷量が多くないため、部品ごとのスケール効果がなく、部品ごとの価格が非常に高くなり、最終製品は間違いなく非常に高価になります。これは非常に大きな問題です。

2. 2Cは余分なお金です

これも非常に重要な問題です。2C 側のユーザーは、自分のポケットマネーで支払い、余分なお金を使うため、価格に対してより敏感です。製品の価格が高いと、参入障壁が大きくなります。

3. 2C製品はユーザーの期待が高い

ユーザーがそのような高価な商品を購入する場合、当然その商品に対してより高い期待を抱くことになります。みんなは、私がロボットを買って、歌う、踊る、おしゃべりする、掃除する、英語を話すなど、何でもできたらいいのにと思っているようです。しかし、これは非現実的であり、現在の技術の成熟度はこれにはまだ程遠い。

[[205881]]

2C 側と比較すると、これらの問題は 2B 側の問題ではありません。

1. 2Bの顧客は価格に対する許容度が高い

まず、企業の価格負担能力は明らかに2Cよりもはるかに強力です。ロボットの値段が2万元だとすると、2Cの消費者は買わないでしょうが、企業はコストに対する許容度が高いので、大きな問題にはなりません。

2. 2Bの主目的はコスト削減である

たとえば産業用ロボットは1台あたり10万元かかり、非常に高価に聞こえます。しかし、産業用ロボット 1 台で 2 つの仕事が代替されます。これら 2 つの職位の年収は 10 万元で、これには 4 つの保険と 1 つの基金は含まれていません。そうすると、このロボットは 4 年間稼働でき、コストは元のコストの 25% かそれ以下になります。したがって、企業が計算してみると、それでもまだ非常に安いことがわかります。

3. 2Bは人間と機械のハイブリッドモードを採用できる

よりシンプルな2Bサイドロボットアプリケーションもあります。一方、それらのほとんどはシングルタスクであり、ロボットは 1 つのことをうまく実行するだけでよいため、実装が簡単です。さらに、それらの多くは「人間と機械のハイブリッド」モードで動作します。つまり、以前は仕事に10人必要でしたが、今ではその半分をロボットで代替しています。単純で反復的な作業はロボットに代替され、複雑な作業は残りの 5 人が代替します。これが「人間と機械のハイブリッド」モデルです。

例えば、決まったルートに沿って巡回する警備ロボットは国内外にすでに数多く存在します。これはモバイルカメラのようなもので、もちろんアルゴリズムにいくつかの認識要素が追加されています。固定ルートの巡回はすべてロボットで行うことができます。問題は、巡回中にお年寄りが倒れた場合、ロボットが助け起こすことができるが、現時点ではそれが不可能だということだ。

でも、それは問題ではありません。舞台裏にはまだ 5 人の人がいます。彼らを来させればいいのです。そのため、2Bでは人間と機械のハイブリッドがより主流のモデルとなり、ロボットの普及の難しさは大幅に軽減されます。

最後に、現在、ほとんどの AI スタートアップは技術専門家によって率いられています。これは、テクノロジーにはまだ障壁があるため、理解しやすいことです。技術専門家のリーダーシップがあれば、少なくとも製品を作ることができるようになります。しかし、将来的には、特に「非クリティカルアプリケーション」の分野で技術的なハードルが下がるにつれて、チームの中核リーダーシップは、ユーザーのニーズに最も近い製品マネージャーや業界の専門家に徐々に移行していくでしょう。 「非クリティカルアプリケーション」の分野では、技術的な実装よりもニーズを理解することの方が重要です。長期的には、AI 起業は、他の分野の起業と同様に、総合力の競争になるはずです。