带着观点看商业。超级观点，来自新商业践行者的前沿观察。

口述 | 特约观察员 魏武挥

编辑 | 崔砚冬

特约观察员魏武挥

今天来和大家聊聊人工智能公司到底值不值钱。这些都是我的个人看法，不一定是对的，因为很多都是未来的东西，这些看法和判断，仅供大家参考。

B端公司必须要有打单能力

首先讲大的环境，这个大环境就是全球的经济，不仅仅是指中国经济。我们可以很明显地看到，全球经济正在进入到一个横盘整理的区间，整个资本市场对于一家公司的看法主要是要看营收、利润。如果我今天做一家公司，要烧一两年的钱，这个事情就很危险，资本市场对于这种公司的耐性就不够了，所以像拼多多这样的“五环外公司”如果放在今年这个时间段，它刚刚开始做A轮，这个事情就不好讲了。整个资本市场对于投资的标的物变得越来越谨慎，这个是没有任何疑问的。我们这样的风险投资基金，在投资项目时也会越来越谨慎。

接下来，我来说一些比较微观的东西。我们讲到AI公司，比如AI领域“四小龙”。这些公司的第一个特点都是面向B端客户或者是政府客户。产业领域当中的公司的接单能力、销售能力是非常重要的。从投资人角度来看，比如说我去投一个C端项目，像是七八年前说投头条。那头条说我一个广告客户都没有，我刚刚起来没有广告，我只有用户，我现在有一百万用户，或者是五十万用户，我的用户增长曲线放给你看。C端的公司是可能会在很长一段时间里面没有接单的可能性，或者是商业变现的可能性，这个没有问题。但是B端的公司不一样，B端公司上来就要有接单能力。

尤其是我前面讲了在今天的这样的客观环境上，你没有接单的能力，就形成不了收入，这是一个非常危险的事情。所谓的接单能力，其实就是我的投资款的周转率。比方说我这家企业今年在技术改进方面投了一千万，你没有任何的接单能力，今年一年的收入都没有，这个周转率太差了。但是如果你今年形成了一百万的单子，这个周转率就出现了。我们主要是要衡量资金使用的周转率，也就是资金使用的效率，这对一家2B或者是2G的企业是非常重要的。前面讲到AI“四小龙”，旷视、云从都说要上市。从披露的一些信息来看。它们有很大一块2G项目的商务。2G项目的商务，以及一些大型的国企，会是今天的AI的一个非常重要的目标。

2B的企业和2C的企业的投资逻辑不一样

这样的买方有什么特点？你会发现他们更喜欢购买有硬部件的东西，比方说，你跟他讲，我有这样一个设备，硬件两百万，设备里面有一套AI，有一个模型在里面跑，软件值三百万，整套设备卖你五百万。按这样的说法，它的成交概率远远大于我这个硬件只要五十万，我这套算法，这套软件值四百五十万。同样都是让别人掏五百万，你有一个很大的硬件的采购比例在里面，你就更容易成单。

它原因在什么地方呢？可能和固定资产有关系。硬件能上固定资产清单，然后慢慢核销，这个五年摊薄也好，十年摊薄也好，可以慢慢摊。而且硬件是看得见、摸得着的东西，非常酷炫，有科技感。在大的国企里，购买者不一定是使用者，这个是2B销售里面非常重要的一个规律，这个是所谓的“钥匙理论”，就是你打开一个企业的锁，得需要好几把钥匙，你得跟购买者打交道，跟决策人打交道，跟使用的人打交道。如果你售卖硬件，比较容易在购买者、决策者，第三方评估方通过。相反，从使用者的角度来说，他可能觉得这个软件更好用，对硬件的兴趣低于软件，但是决策者和购买者的视角是不一样的。所以，这就是为什么有些公司做得特别苦，打单能力上不去。打单能力上不去的一个非常重要的原因是因为它是一个纯软件公司，它不是硬件公司，它也不生产硬件。

我们讲2B的企业和2C的企业的投资逻辑是非常不一样的。当你在不同的领域中去做的时候，你会发现它可能是不通用的，它不像做C端的东西，人性是相通的。但是2B的决策流程是更偏向于理性的东西，他要不断地去算这里面的投资回报率。不同行业的特点也是非常非常明显的，所以很多2B的行当是不能通用的，比如我们都知道前阵子特别火的SaaS。如果你真的要往这个行当里生根的话，会发现我一个做汽车行业的SaaS和一个做餐饮行业的SaaS其实是不一样的。

B端的行当很多都是垂直类的，它也不怕别人冲进来把它干掉，这个我前面跟大家讲过了，B端的打单能力和人脉资源，和在行业里的耕耘有非常大的关系。顺便开个玩笑，我一向认为在2B端的创业，我个人的一个偏见，恐怕都得前浪来干，后浪最主要是人脉和资源的问题，后浪还得再等等。

2B的AI行业在大众层面上的认知度其实是很低的。AI这个行当特别有意思，大众对于AI的认知，其实很大程度上是科幻，但是真正在做的AI的东西，可能大众又认知不了。所以有很多AI公司会给你一种感觉，就是它不够性感，它的商业模式、产品，理解起来比较困难，没有一种酷炫感。然后它的整个业务增长曲线也很平缓，没有那种突然之间拉高，跑起来的业务曲线。做得也挺苦的，打单很苦，要不断跟人去接洽，好不容易成了一个单子，你还不是百分之一百能回来钱，还要去盯回款。所以这行当，可能没有外部所想象中的那么的科幻。

AI在不同的行业应用

分几个行业讲讲，因为在不同的行业，不同的应用也差很多。

第一个是农业。我们如何在AI上面去赋能农业，这个是一个蛮有趣的话题。AI在农业里边目前碰到了几个障碍。第一个障碍是数据量不够。我知道去年有人在干一件事情——猪脸识别。就像我们人一样，看上去这个人气色不好，生病了，亚健康状态，猪也会这样。通过猪脸我们来发现这只猪气色不好，是不是要生病了，我们是不是要去把它送去检查。或者是这只猪它怀胎了。通过猪脸来识别周围的母猪，它的怀胎和生产的准备。我们也可以通过猪脸来判断什么时候该喂食了，它是不是饿了，是不是渴了。可能站在我们人类的角度，会觉得所有的猪的脸长得都一样，其实还是有差别的。猪脸的照片存量比起人脸照片来，可真算是“小数据”了。第二个障碍是做标记。人的嘴角弧度往上翘一点，表示他开心了。这就需要有人去打标记，让计算机会学习这些标记。同样猪脸也需要有人去识别，给你十万张猪脸的照片，需要有人给猪脸照片打标记。给人脸照片打标记，这件事情挺简单的，但是猪脸打标记要求就高了，这个得有经验的养猪户可能会做一点。所以，猪脸识别光有照片不够，还得打标记，要把物理世界的存在的东西数据化，这是做智能化的前提。

第二个我想说一下人工智能在医疗行业里面临的问题，也是一个新的可能性，解决方案。我以眼科医疗为例。我们中国的眼科医生只有三万人，而很多人都有眼睛问题。中国人眼睛的毛病是越来越多，大家看一下一家上市公司，爱尔眼科股价飞涨，这个飞涨不是吹出来的泡沫，人家是实打实的生意。但中国总体市场上医生还是非常少。在眼科领域，我们能不能用AI的方式来改善中国眼科医生不足的情况。你去看眼睛的时候，都会给你拍个片子，然后我们都会讲，已经把它数字化了，你眼睛近视眼几度，所以眼科的数字化没有问题。那我们就在琢磨，我们是不是可以去拍这个眼底图。拍完以后，由AI来看你的眼球有什么异变，有什么病变，病变是什么等级的，轻度的还是中度的，有人去标识。标识以后，我们就可以做算法了，我们就可以就用AI看片的方式去做。AI看完眼底图，给医生一个辅助决策。这是我讲的以医疗行业为代表，AI在这个行业里面能起多大作用。

第三个是法律行业。现在对于各级法院来说，其实都有一个指标，就是结案率，你得快速结案。AI在法律文书上面，是不是能够帮助法官更高效率地去判案，能够把案结掉。在这里面，我们能够做的事情是AI辅助法官判案，让他在一个案子上花的时间更少，并不是替代法官判案。

我个人并不觉得AI一定会替代很多人，它是对劳动力的要求提高了。我前面讲了农业的例子，讲了医疗例子，讲了法律例子，你们大家都会注意到，无论你是农民，还是医生，还是法官，还是律师，你必须要会摆弄这个事情，你不会就白搭。我个人的看法是，AI其实对人有一些要求会在降低，有一些要求在提高。我只说这三五年的一个现象。现在网上也有一些说法，AI写作就可以把记者替代掉了，把老师都替代掉了。我对这种说法是嗤之以鼻的，有些说法挺荒谬的，完全就是编故事。

“超级观点”栏目现发起“特约观察员入驻”计划，邀请各赛道的创业者、大公司业务线带头人等一线的商业践行者，在这里分享你的创业体悟、干货、方法论，你的行业洞察、趋势判断，期待能听到来自最前沿的你的声音。

来源: 36氪