很难相信，仅仅在50年前，高通公司全球5G multi-SIM解决方案旨在提供一流的蜂窝性能，覆盖范围和功率效率，支持包括mmWave和6 GHz以下频谱在内的所有关键区域和频段-为消费者提供了使用的灵活性Snapdragon multi-SIM设备几乎可在他们希望的任何国家/地区使用，并有助于5G网络运营商在全球范围内部署。我们还在依靠人类来管理电话交换机。曾经需要大量人力进行大规模操作的计算机很快就被以微处理器为动力的计算机所取代。如今，我们大多数人都无法想象一个要求人类打电话的世界。
数据科学正处于一场类似的革命之中。虽然从数据中进行预测的数学工具已经存在了几个世纪，而算法工具已经存在了几十年，但所有这些工具都需要人类来管理数据输入和解释/迭代输出。
人工智能(AI)有潜力改变这一切。曾经需要几个月才能做出的预测和经常需要手工调整的预测，现在可以由近乎自主操作的强大技术来处理。有创新精神的公司了解这项技术的巨大潜力，许多公司正试图迁移到以人工智能为中心的运营模式。
马克·库班(Mark Cuban)是众多预见到人工智能无与伦比的影响力的投资者之一。他曾说过:“尽管个人电脑有影响力，互联网也有影响力，但人工智能只会让它相形见绌。”如果你不理解它，你就会落后。尤其是当你经营一家企业的时候。的确，有力的证据支持库班的预测——据估计，人工智能将在未来十年为全球经济增加13万亿美元，这是一个惊人的数字。
然而，尽管有这么大的机会，人工智能的使用率却出奇地低，因为现有的工具仍然很复杂，需要专业人才，而且(最重要的是)要求企业重新考虑它们的数据管理战略。为了加快人工智能的采用速度，减少跨每个业务部署所需的时间和资金，需要进行新的创新。
风险资本规范与建立一家ai优先型公司的现实脱节，是采用速度缓慢的主要原因之一。具体来说，与传统SaaS公司相比，人工智能公司需要3-6倍的前期投资，但作为回报，它们拥有3-6倍的市场机会。因此，实现有意义的商业牵引的时间范围要长得多;一般情况下，大约需要5到6年的时间，以及至少1000万美元的投资，才能从概念发展到可工作的原型，大约需要10年的时间，才能获得有意义的商业牵引。这种时间安排与大多数风险投资基金的偏好不相符，这些基金通常将投资期限定为7年。
尽管专注于ai的风险投资基金正在崛起，但投资者在评估ai先行的公司时，仍坚持SaaS的市盈率。大数据分析公司unicorn Sisense的首席执行官阿米尔•奥拉德(Amir Orad)是众多人工智能创始人之一，他认为这种倾向很成问题。他向我解释道:“有些风险投资家的激励方式存在时间问题。典型的风投结构实际上是行不通的，如果需要5年的时间来进行研发，然后才能将人工智能原型机投入使用。”
与期望AI公司在类似的“系列”阶段获得与SaaS公司相同的吸引力不同，以下大致的资金数字、里程碑和年经常性收入(ARR)值与构建AI优先平台的公司相比，更符合构建SaaS工作流应用程序的公司的实际情况。简而言之，我们需要重新定义ai为先的公司未来的投资要求和预期，以推动转型创新:
风险投资公司Andreessen Horowitz的合伙人马丁•卡萨多(Martin Casado)和马特•伯恩斯坦(Matt Bornstein)在最近的一篇文章中重申了ai为先的公司和传统软件公司之间的区别。他们指出,基于他们的经验,AI公司看起来和行为不像传统软件公司由于其相对较低的毛利率(一般在50 - 60%范围比60 - 80% +基准可比较的SaaS的公司),扩展的挑战,和较弱的防御壕沟商品化的人工智能模型,以及IP的事实可能是由客户和缺乏广泛的适用性。由于这些原因，除了目前运营所需的持续人力支持和物质可变成本外，AI-first公司的财务指标通常与服务公司类似，尤其是在初期。
尽管人工智能被誉为企业的毁灭球，但企业采用人工智能的情况非常糟糕——这并非因为缺乏意愿。大多数公司都不明白，人工智能的潜力取决于对数据的理解——它在哪里，如何聚合、清理和规范它，以及如何构建处理和收集信息所需的数据架构。让赢、元素的首席执行官AI(生产可以实现人工智能产品由一流的AI人才),向我解释,“市场仍在早期采用者市场,大多数组织中,不仅不知道他们的数据,他们没有正确的基础设施来支持它。”
事实上，人工智能宣传与执行之间的差距很大，只要企业未能制定出一套人工智能优先的数据战略，这种差距就会继续存在。这种关键的数据聚合要求将公司内部和应用程序数据与从公司和构成其生态系统的人员收集的数据结合起来。综上所述，人工智能优先的初创公司需要进军数据业务，在蓝冠代理机器人技术领域，人工智能可用于从实时决策到路径查找和对象检测的所有蓝冠官网内容。因为目前市场上还没有一种能够跨越端到端数据选择和预测的人工智能工具。ai优先的公司将不可避免地需要筹集更多的资金以进入市场，这样他们就可以引导客户找到所需的解决方案，直到市场成熟。
横向人工智能公司往往被忽视
投资者没有投资于AI优先的公司，而是被两家准AI公司所吸引:声称拥有“少量AI”的垂直工作流增强SaaS应用程序公司，以及为了最终为企业打造一套AI产品而进行长期博弈的人才收购公司。这两家公司之外的公司在获得所需资金方面面临着一场硬仗，这反过来又阻碍了物质创新的发展。
横向人工智能公司尤其有前途，但往往被习惯于为垂直化SaaS解决方案提供资金的风险资本家所忽视。横向人工智能公司有效地处理了许多不同的用例，并消除了企业构建内部利用人工智能力量所需的DNA的需要。虽然横向人工智能公司进入市场需要更长的时间，但它们有潜力在加速人工智能的采用方面改变游戏规则。我最近与Horizon 3 Venture Capital (H3VC)的创始总经理、埃森哲风险投资(Accenture Ventures)和开放创新(Open Innovation)的前联合创始董事总经理吉腾德拉•卡瓦瑟卡尔(Jitendra Kavathekar)进行了交谈，他强调了横向人工智能公司的潜力:
“数字转型要求在整个企业范围内对运营和执行行动进行全面的转型，在职能层面应用数据驱动和智能能力，以推动增长和效率。”由此产生的智能结缔组织，或水平人工智能，这些见解跨越功能筒仓，可以驱动游戏改变的结果。一个动态的企业，它利用一个组织的智能来成倍增加另一个组织对企业的影响。更进一步，使新的类工作者能够以自助的方式查找和定义智能跨功能功能，并且可以在底层驱动转换。这种动态的数字转型将会在未来带来巨大的价值，但前提是需要大量的服务和咨询。大型服务和咨询公司处于有利地位，可以通过平台+服务的方式为企业客户提供部分初始价值。”
为了确保横向人工智能公司获得实现其潜力所需的资金，需要改变风险投资的定义和预期，以鼓励人工智能优先的公司建立伟大的改变游戏规则的公司，而不是因为缺乏资金而过早退出。加涅亲眼目睹了这一切。他向我解释道:“我意识到，有很多公司实际上资金严重不足，被迫不忠于他们的论点，即他们利用人工智能来做X、Y或Z。考虑到市场机会和开发时间，以SaaS倍数来评估ai优先的公司，并不是以技术进步的名义，也没有任何意义。
解决业务问题
人工智能采用的另一个主要障碍与人工智能公司兜售的相关价值主张有关。特别是，大多数公司宣传人工智能帮助实现的解决方案，而不是它要解决的问题。人工智能公司Kyndi的创始人瑞恩•威尔士(Ryan Welsh)表示，这种转变很重要，因为多数企业往往不知道自己有问题。例如，一个人工智能解决方案承诺用一台可以在90分钟内完成任务的机器取代100个人在90天内手动阅读文档的工作。威尔士向我解释道，
”与转换技术的最大挑战是他们所解决的问题都不是首选的人…他们不知道这是一个问题,因为他们有这个业务流程使用100人阅读文档超过90天,他们业务流程存在了30年。直到你向他们展示他们可以用一台机器在90分钟内完成而不是100个人在90天内完成，他们才知道他们有问题。我们需要宣传这个问题。一旦他们明白他们有一个根本的问题，我们就可以宣传解决方案。”
这意味着，对于真正以ai为先的公司来说，销售周期更长，营销所需的资金更多，而这些公司最终可能会创造出全新的机会市场。
雪上加霜的是，人工智能优先的公司还在努力应对市场对人工智能究竟是什么的不确定性。我们已经达到了Orad创造的“人工智能污染”的顶峰，市场和媒体不清楚什么是人工智能，什么不是。".人工智能的领域正在涌现，左，右，中心，几乎每个技术公司都把人工智能作为其营销策略的核心——不管公司是否真正利用人工智能。即使是老练的投资者，也很难从这些噪音中甄别出来。
要实现人工智能的潜力，重要的一步是明确而具体地教育人们什么是人工智能，什么不是。正如投资于处于成长阶段的科技公司的风险投资公司Sapphire Ventures向我解释的那样:
“关于人工智能的各种术语和定义到处都是，没有标准的定义。如果你没有一个共同的定义事物的方式，就很难有一个有吸引力的对话。”
Persado公司使用自然语言处理和机器学习来提高在选择用于市场营销、销售和为大公司与其客户之间的沟通服务的词语时的效率，该公司首席执行官亚历克斯·弗拉茨基德斯(Alex Vratskides)在我与他交谈时也认同这种观点:
“人工智能这个词已经被滥用了。如果你问大多数学者，他们会告诉你它实际上不在这里，因为它实际上意味着别的东西。就像大多数新趋势一样，硅谷在这个词出现之前就接受了它——任何使用聚类算法的人都声称自己是人工智能。”
总结
尽管市场一片混乱，人工智能仍处于起步阶段。企业市场至少还需要几年的时间才能成熟，人工智能才能被广泛采用，而不需要大量的支持服务。然而，这并不意味着人工智能的进步和投资应该被过度削减。相反，我们需要重新校准真正的AI-first公司的资金定义，并认识到横向AI平台的价值(它们的ROI收益和市场机会比纵向解决方案要好得多)。我们还需要在一个共同的语言上保持一致，这样所有各方都可以明智地讨论人工智能，而不会有过度热心的营销人员带来污染的风险。在这样做的过程中，蓝冠注册AI正在通过自然语言处理来帮助驱动各种形式的机器人，以帮助人类。例如，机器人可以用来将饮料运送到酒店房间，或将比萨饼运送到房屋，同时让接收者提出问题以获取信息。我们可能会看到一波创新的、以人工智能为先的公司获得必要的资金和支持，以构建下一代转型技术。