微软这个很赚钱的AI，有哪些“变现术”？

作者：章蔚玮，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、雨点小几乎成为市场对人工智能商业落地的常态认知，概念很火，但商业化落地很难是人工智能创业企业最常面对的困境之一。

最近，一家刚完成第7代技术升级的人工智能研发团队向新零售商业评论透露，他们不仅实现了盈利，而且还“很赚钱”。这背后的秘诀是什么？

微软人工智能小冰的商业化之路或许给在风口下奔跑的创业团队一些启发。

“你好，我是小冰”，那个在大众印象中可以“陪聊”，也可以被“调戏”的人工智能小冰有了新角色——“服装面料设计师”，由小冰参与设计的服装已经在相关品牌门店上架开售。

五年时间，从单一的“文字、语音对话体系”到具备“人工智能创造力”的创作者，小冰提升的不仅仅是身份，更是强大的“吸金”力。

从去年开始，小冰在金融、地产、纺织，到服装等十个领域“商业落地”，不仅实现盈利，还“很赚钱”。

一个服装面料的设计师，以两年为周期，就会面临设计灵感和创意的枯竭；一家服装面料出口企业，以一年为周期，需要为海外市场提供几千种不同花色和款式的花布。

这样的企业，国内就有上百家，而符合需求的设计师却很紧缺。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，小冰初步掌握30种不同设计风格，可以提供上亿个纹样的绘图设计，达到上岗设计师的技术水平。

企业对小冰的考核标准也与人类设计师没有差别：

1. 设计是不是符合这个企业本身的商品定义。

2. 是不是符合市场上的流行趋势。

3. 最终是否会形成销售。

经过一年左右的试水，小冰表现稳定，短时间内能快速完成大量的设计任务，比普通人类设计师运作更为高效。

目前，小冰还在根据市场的反馈进行反复调试和学习，但商业化落地进程已经开始加速—— 一批由小冰参与设计的服装开始进入投产阶段。

小冰参与创造的产品

从“聊天机器人”到“智能助理”，再到“内容生产提供方”“智能零售助理”及“人工智能托管”，小冰跨领域的产品形态背后，是微软人工智能转型的脚步不断加快。

根据今年7月发布的2019财年第四季度财报显示，微软Azure云计算业务实现同比64%的营收增长，首次超过了传统Windows业务。在全年营收方面，智能云业务达到390亿美元，与个人计算业务的457亿美元收入规模十分接近。

而小冰，作为微软云业务基础上衍生的一款应用，正在成为云业务扩张的重要推动力——人工智能商业解决方案推广的背后是以云计算为基础的另一项合作。

小冰商业化的“试验田”主要集中在零售，金融，服装。在日本，小冰和LINE、罗森进行的商业合作实现47%的优惠券转化率。

在美国的“在线零售垂直领域”测试中，新的对话引擎让商品页面转化率高达68%，比上一个版本的转化率提高21%。在十轮对话之内，小冰就可以从在线货架中挑选出用户喜欢的商品并推荐。

与此同时，小冰不断升级的“写诗”“绘画”“朗诵”的创作能力也在向“设计”“金融摘要撰写”“设计”等产业转换，形成新的生产力。

小冰的艺术设计展

然而，小冰的商业化之路走得异常“谨慎”，在激烈的市场竞争中，如何找准竞争对手，摸准适合自己的商业模式，是小冰实现商业化的两件重要“利器”。

在此之前，小冰已经在日本、印度尼西亚、美国的市场试水商业化。而中国，是小冰看来是最具挑战性的市场。因此，他们一直在冷静观察和分析他们在这个市场中所具备的优势和劣势。

2017年，当人工智能在国内风头正劲，投资旺盛时，小冰团队却保持冷静。

在他们看来，人工智能作为一种新的技术，核心价值是提升传统行业效率，但新技术尚未催生新市场，AI企业依然面临与传统行业“老大”分抢市场的局面。

比如，研发AI电视语音遥控助手的AI企业，最大的竞争对手是电视遥控器——如果它们的体验都不如遥控器，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

“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 -