在「街边小店」里挖金矿；在餐饮「一人食」趋势下找机会 | 36氪创投观察

进行过讨论。概括来看，在中国创业公司要想实现人工智能炒股分分钟赢钱，很可能还有两大难题要解决。一是机器可以智能抓取客观数据，但分析师的预期和基金经理的预期则无法被抓取到。以阿博茨科技科技为例，他们通过技术实现了抓取40-50家美国的中概股上市公司相关数据， 可以比财报发布早30-50天预测企业的营业收入，但在实际股票市场中即使收入超预期增长股价很可能还会跌，因为机器无法抓取到分析师和基金经理的心理预期。二是存在政策合规隐患。虽然利用AI技术进行交易合法，但在实际运行过程中，产生足够大的负面影响时，很可能面临合规风险。所以这一领域的国内初创公司很可能难以做大。这有可能意味着，创业公司以售卖数据的方式提供服务，可能更为稳妥。除用于交易场景外，人工智能也可以用于金融行业的其他场景，如投资研究辅助、大数据风控、金融诈骗识别等。商业航天火了，「立方星」要凉了吗？36氪资深分析师张达背景介绍立方星：小卫星的一类分支，体积较小，一般规格有 1U、3U、6U 与 12U，这里的单位 U 指的10cm X 10cm X10cm。它的出现与近年来微电子技术的进步、轻型材料的研制、高功率太阳能电池的出现以及卫星核心零部件成本的降低密不可分，它代表了微小卫星产业进入模块化与标准化时代。可靠性：元件、产品、系统在一定时间内、在一定条件下无故障地执行指定功能的能力或可能性。在传统航天领域，对可靠性的要求趋近于100%。随着资本与主流社会对商业航天的关注度逐渐升温，关于「立方星」是否能够作为一种可行的平台，拥有能够承担下游应用能力的问题，以及“「立方星」是「试验星」，而「大卫星」是「业务星」”等争议在资本圈有着不同的声音。对此，36氪尝试对以上两个问题提出自己的见解。立方星 VS 业务星 ？如上文所述，立方星是小卫星的一个分支，分类依据为其规格，特点是成本低（百万元人民币左右）、模块标准化。而试验星与业务星的分类标准是由其研发阶段和业务阶段作为评判依据，处于研发试验阶段的卫星为试验星，研发完毕，开始展开实际业务的卫星为业务星。因此立方星也可以是业务星，比如 Planet 带遥感载荷的数百颗立方星。所以立方星与业务星两者无法做比较，仅将立方星认为是试验星是一种错误的判断。「立方星」的价值被高估了吗？立方星由于其进入门槛低，功能单一，单颗卫星无法支持下游应用，被认为是被高估的平台。36氪认为，这类观点缺少了宏观视角与横向对比。首先，从全球宏观数据上，2017年全球共发射超450颗卫星，335颗为小卫星，其中290颗小卫星为立方星，占2017年发射卫星数总和的65%，为2012年的6倍之多，即全球市场对立方星的需求是客观存在且日趋增长。其次横向对比，以美国的立方星运营商 Planet 为例，迄今为止它一共发射了超过320颗立方星。依靠这320余颗立方星所组成的星座网络，Planet从卫星的研发制造转向下游的应用服务，为商业公司，政府提供了大量的遥感数据以及相关服务，营收过亿美元。以 Planet 为代表的立方星运营商背后，是其发展策略与思路的不同。传统航天机构一般都将可靠性放在第一位，而忽略了技术创新。 Planet 则认为，受益于立方星低成本的特性，产品的创新与研发在长远看来，其边际收益更加客观，对行业的推动也愈加有效。Planet 的立方星整星集成度高，3U 的翻板展开功率能做到50瓦的峰值功率，另一家美国卫星大数据公司 Capella Space 的 12U 立方星（6U的SAR载荷+6U的平台）翻板展开的功率峰值能达到120瓦，这比国内很多50公斤的小卫星的峰值功率都要高。36氪认为，“立方星被高估”甚至是“立方星无用论”等观点的落脚点不应在立方星平台本身，而应将注意力聚焦在立方星的应用场景以及前沿技术的研发上。就像10年前，军方代表参观 Gomspace，指着立方星说，“This is toy.” 而现在军方自己也在使用曾经他们口中的“Toy”了。企业服务场景>技术36氪资深分析师徐宁我们在上篇创投观察中论证过：“当AI成为一种标配，各公司的技术水平趋同，0.1%、0.2%的效果已经不足以称之为壁垒，客户需要的更多是针对某场景的解决方案。”所以，留给AI创业公司的窗口期只有6—18个月。也就是说，在一定程度上“场景>技术”这个命题是成立的，尤其是目前阶段。举两个36氪最近报道的项目来理解，什么算好场景？一、一家叫“盯盯科技”的公司，它给零售门店提供硬件摄像头，同时利用人脸识别等技术，生成用户画像，以及空间热力图等。可以说它的人脸识别技术并不是业界顶级水平，但它找到了一个很好的场景——“巡店”。第一，作为防盗、管理的基础设施，摄像头是刚需，从这上面做文章很讨巧。第二，零售企业门店众多、地域分散，公司需要派专人不断巡店，查看各门店运营情况、下达指令。靠人力出差访谈不仅效率低下，也不够客观。切这个场景，意味着团队对零售行业的需求比较了解，即避免在技术上死磕，还抓住了痛点，客户也愿意买单，百果园、阿里零售通、百丽集团、来伊份、都市丽人等都是其客户。试想，AI公司通常拿人脸识别讲什么故事？大概是提供用户画像，然后做精准营销。因为涉及到了后端的广告投放产业链条，所以对于“精不精准”的效果很难评估，久而久之，客户就会觉得没用。二、另一家公司叫“数心科技”，从电销机器人切CRM。单来看它把语义理解、多轮对话应用在电销这件事情上：此前，大部分AI公司都在讲“机器替代客服”的故事，但其实多应用在售中、售后过程中，这些场景用户问题非标，各行业的知识图谱又差异较大，机器所能替代的人力工作实在有限，还给用户带来比较差的体验。但售前就不同了，尤其是销售的第一通电话，询问你是否要买楼、买保险，这个场景中，问题基本固定，用户不感兴趣就挂机，感兴趣则问问地址价格，通常只涉及5-10轮对话。相比之下，机器人能代替的概率极大提升，还避免了人力客服反复被挂电话的情绪干扰。同时，通话记录就是天然的语料库，企业也希望监控和反馈，所以基本会开放给服务商，这样一来，语料数据用于机器训练，提升效果，可以说是不断良性循环。关于创投观察自 36氪成立以来，我们一直都与新商业领域的创业者、投资人保持高密度的、持续性的交流，成为了行业的“小信息枢纽”，并形成了36氪对商业、行业的观察与判断。事实上，这也是36氪记者、分析师们“核心竞争壁垒”之一。决定设立「创投观察」这个专栏，是希望我们的报道能对创投人群的行为决策提供有益的参考，从而最终帮助关注新商业的人群的成长，帮助新商业公司的成长。点击文末阅读原文进入36氪app创投频道，关注作者『创投观察』，可第一时间接收栏目更新提醒。当然，这件事情并不会那么容易，需要有赖于作者的长期积累和对行业的敏锐观察，仅依靠我们内部的力量能够产生的价值终究有限。5分钟看完近期行业趋势，做对商业最了解的人 | 36氪创投观察