在這個突然就冷起來的寒冬，以AI四小龍為代表的人工智能賽道突然又熱了起來。
據媒體披露，近十年時間中，人工智能賽道融資總額超8288億元，是最火熱、最受投資人看重的賽道之一。
然而，近兩年來，對于AI巨頭如何具備規?；驮煅芰Φ臓幾h之聲不斷。最近，商湯、曠視、云從、依圖等AI“小巨人們”集中沖刺IPO，讓人工智能公司再度成為焦點。
說是“小巨人”，其實也不“小”了，有的公司已經走了快10年，有的公司已經融資了近10輪，有的公司估值已經過百億美金。
然而，目前為止AI頭部區的絕大多數公司，都在面臨著持續虧損，仍舊沒有找到最合適的商業化落地場景的問題。這樣的境地，讓行業進入“平緩冷靜期”。
AI公司到底能不能規?；?？難道就沒有更好的把創新技術和商業模式進行有效的疊加式創新，并且在商業落地上真正闖關成功的企業么？
有，那就是一家叫薩摩耶云的公司，它的故事，我們慢慢展開。
中國人工智能行業的關鍵年
先說AI這一波浪潮，毫無疑問是一個真風口，而不是偽需求、偽風口。
從1956年達特茅斯會議到2006年深度學習概念被杰弗里·辛頓用論文的形式提出，人工智能的前50年雖然也掀起多次關注浪潮，但很快都被具體技術難以實用化所困擾，超高的期待和不完善的現狀之間的落差，很快的又把AI熱拽入低谷。
但最近的這一波人工智能浪潮，始于2016年阿爾法狗戰勝人類棋手，使AI進入公眾視野，開始進入加速發展期。這個時期的特殊性是，曾經困擾AI行業的數據、算力、賦能方式等，隨著AI、Big Data和Cloud的融合，已經不再成其為瓶頸，這就讓AI技術迎來了一個空前的大發展機遇期，到今天也就是2021年，人工智能在5年內的發展超過之前50年，而且解決了大量實際問題，無論是感知智能還是分析智能，都開始面對解決實實在在的問題而發力。
從全球來看，根據IDC等權威機構的報告，未來5年，AI全球投資仍保持2位數增長，其中，2021年全球企業在人工智能軟件、硬件和服務的總投資將超850億美元，并預計將在2025年增至2045億美元，五年復合增長率（CAGR）達24.5%。
從國內的形勢來看，“讓AI成為數字時代的核心生產力”已經從頂層設計高度確立下來，政府正在加大人工智能新型基礎設施建設，AI被視為拉動數字經濟向前發展的新動能，并成為實現支撐和引領數字經濟、智能產業、智慧城市、智慧社會發展的關鍵性信息基礎設施，各個領域、各個地方政府踴躍投資AI產業并展開良性競爭。
那為什么全球、全國對AI高度重視，政策、投資都向AI傾斜，但在微觀上，一些人工智能小巨頭們商業化落地仍是難題呢？
筆者認為有兩個方面的因素。
一方面，AI技術大發展，但還沒有得到實際環境的千錘百煉，所以在落地方式上仍然只能采取高成本、人工二次開發的模式，以求出現一批“標桿示范項目”。然而，隨著人工智能滲透進各個領域開始加速，空前的場景碎片化使得AI落地成本提高，并導致AI工程轉化率提升困難。
因此，與AI轟轟烈烈的撲面而來的宏觀局面相比，AI在具體的商業化落地上，困難仍很多，其中工程能力不足是關鍵，AI技術的實際工程轉化率僅53%，意味著大量的投資浪費，也使得目前主要AI企業的商業化落地在商業模式上未能全面跑通。
另一方面，很多AI企業雖然是“學霸”，但是同質化現象嚴重，而且它們考慮更多的如何做出“紙面上”的前沿科技，但對于如何靈活的把技術和商業模式疊加最終變成一種真正能以客戶為中心，為客戶提供持續真實價值的商業落地方案，缺少深入的洞察和思考，“強于技術而昧于商業”是普遍現象。
事實上，大量AI企業向客戶提供服務時，技術很先進，但缺乏用戶視角，他們依賴于傳統業務模式，并通常強調其服務的排他性。但對于如何應用多維先進信息處理技術并適應客戶的未竟需求，有效幫助企業主體解決業務痛點并推動業務增長等思考不足。
不過，也有企業在深耕技術的同時，也做到了商業落地的成功，例如前文所說的薩摩耶云，一家以中國AI決策應用引領者定位準備IPO的企業。
根據薩摩耶云的招股說明書披露，2018年至2020年，公司營收從4.8億元增至19.7億元，復合年增長率為102.6%；2021年前四個月，收入達到9.2億元，同比增長90.3%。
所以我們更有必要去研究薩摩耶云的案例，看它是否為破解數字化2.0轉型中商業化落地的問題，提供了一條可以摸索前進的通路。
薩摩耶云的生而不同
薩摩耶云是一家非常獨特的企業。
按照2020年來自云服務科技解決方案的收入計算，薩摩耶云是中國第三大獨立云服務科技解決方案供應商。
雖然比起BAT這樣的巨頭，薩摩耶云規模體量還不算大，但已經處于垂直賽道領導者象限，有非常獨特的發展路徑。
通過利用機器學習及深度學習等前沿AI技術，薩摩耶云持續對決策智能科技進行深度探究和運用，研發出一整套全鏈路的決策智能科學體系，以及該體系下的一系列具體技術和產品。
這里有必要介紹一下，在人工智能的演進中，有一條并不完全是線性發展的道路，即感知智能、分析智能、決策智能。它們有時候也是互相參差、相互影響的。但總的來說，這是一條由低向高的路線圖。
感知智能是最容易理解的，簡單的說就是讓AI具有人一樣的感知能力，能聽、能看、能觀察，它對應的目標包括語音、圖像、視頻等多源異構的數據來源；而分析智能則讓AI具有主動思考和理解的能力，進一步則不用人類事先編程就可以實現自我學習、有目的推理、甚至與人類自然交互。分析智能中開始有概念、推理、意識、觀念等模型，它們都是人類認知智能的表現。
而分析智能的發展高級階段必然是決策智能，在決策智能階段，AI通過對行業、領域知識的知識圖譜化，能夠洞察信息間的關系，不斷優化自己的決策能力，從而擁有專家級別的實力，輔助人類做出決策。
當然，即使進入決策智能階段，也有從部分具有決策能力的“前決策階段”和擁有超越人類能力的“超級決策階段”，后者是我們還在探求和奔赴的目標。
在中國的AI領域，大多數企業還停留在感知智能階段，部分企業開始探索分析智能，這并不是一條鄙視鏈，因為每個企業都有自己的具體化場景，每個企業都有路徑選擇的自由。
但就薩摩耶云這個體量的企業來說，筆者認為，選擇決策智能是一條非常正確的道路。
《孫子兵法》里面說到：“我專為一，敵分為十，是以十攻其一也，則我眾而敵寡”。
這說明了，在技術創新引領商業創新的智能經濟時代，對于中等體量的企業，與其“樣樣精通”，不如“聚焦一處”，選擇一個足夠差異化的競爭點，然后極致深耕。在一個方向上，人力、資源、組織意志都超強投入，是讓自己處于某個無人區絕對領先地位的最佳路徑。
用通俗的話說，決策智能是目前人工智能領域“皇冠上的明珠”，而薩摩耶云則通過路徑自信，成為最有可能探驪得珠的企業之一。
相對而言，BAT的AI業務部門、四小龍等先發團隊，倒未必是決策智能領域的制霸者，這或許與不同企業的技術追求有關系，例如做全棧型、平臺型的企業，在單點上未必突出；而決策智能的層次高、難度大，又不是任何企業都有能力實施，這就造成了在國內進入決策智能領域并產品化的企業相當稀缺，例如薩摩耶云、第四范式、魔數智擎等。
這里格外值得一提的是，與場景和產業的深度、緊密融合，是使得主攻決策智能的薩摩耶云能夠在商業變現上率先突圍的一個關鍵因素。
行業發展已經證明了，單純的輸出AI技術很容易淪為工具型公司，甚至很可能找不到應用場景，所以最好要和云原生結合，要和具體的產業場景結合，必要的時候甚至還要軟硬一體集合，這才是AI決策技術能夠具體發揮商業價值的前提。
薩摩耶云堅持云和智能雙輪驅動，這首先需要其決策智能產品要有具體結合的場景，也要求薩摩耶云有足夠的行業know-how，而由于創始團隊深厚的金融背景，使得薩摩耶云最初的產品也和這個行業密不可分，此后進一步拓展。
最新的招股書顯示，薩摩耶云將其主要業務劃分為金融云解決方案、產業云解決方案、信用云解決方案。這些整套的端到端科技解決方案中，薩摩耶云提供涵蓋營銷和獲客、風險管理、策略及模型建設、用戶運營、信貸資產管理、移動互聯網產品設計等業務。
以金融領域為例，對于金融機構客戶，薩摩耶云的決策智能平臺，提高了普惠金融自動化應用水平，提升了普惠金融業務的普及性，如提升了單一借款人的可得性、實用性，有效控制了違約風險，還幫助金融機構帶來了更多新客戶和老客戶挖潛。而且薩摩耶云賺的不是賣工具的錢，而是為最終效果和決策負責，賺效果的錢，這也是為什么薩摩耶云的營收能力高于其他AI工具型公司。
在非金融客戶中，薩摩耶云提供的是全周期的用戶生命管理，包括通過線上化方式帶來更多新客戶和喚醒沉默的老客戶，加上持續的智能運營服務，讓客戶持續留存、拉長生命周期長度，讓企業客戶獲得更多收益。
對于數字化轉型的服務企業來說，產品和服務是一枚硬幣的兩面，很多時候客戶并不情愿為技術買單、甚至不愿意為軟件買單，但愿意為能解決問題的服務付費。因此，決策智能的未來不在于工具多么先進、功能看起來多么齊全，而在于能否幫助客戶解決現實需求、擊中痛點難點，給客戶的業務增長助力。
因此，薩摩耶云也認為，市場上有兩種SaaS，一種是“X+SaaS”，先懂行業再做SaaS；一種是“SaaS+X”，有了工具總想到處找行業，拿著錘子找釘子。最終成功的一定是第一種“X+SaaS”，因為這樣才能知道市場要什么，才真正擁有商業化的本領。這也是為什么垂直型SaaS的想象空間更大于通用型SaaS的原因。
雙輪驅動 真正與產業共生長
云計算和人工智能，一個是動力單元，一個是頭腦單元。
一個東西要快，沒有動力不行，但沒有頭腦更不行，因為會跑偏。云計算負責底層大數據能力、治理、數據加工，更像是血液對人體的功能；人工智能則是神經系統，管協調和決策。
筆者認為，薩摩耶云的快速發展，正是因為實現了雙輪驅動，即云和AI的協同發展。
比如，從做互聯網起家的流量巨頭，互聯網色彩更濃厚，帶有比較鮮明的流量變現色彩；AI四小龍在人工智能硬件服務領域更多，反倒在云服務上少。而薩摩耶云是在兩個賽道上同時奔跑——定位SaaS行業，但帶有人工智能色彩牽引；定位在云賽道，但在技術上更偏重于AI決策智能；相對于純互聯網或AI工具型企業，薩摩耶云更偏重于產業本身。
或許你覺得，云和智能一體化，不是新鮮概念，很多企業都在做。但是，如果你仔細研究，就會發現大部分企業只是把云視為一種賦能通道，但薩摩耶云并不一樣，它也不是一般意義上的PaaS或者SaaS。它的特點，就是重度垂直，在決策智能這一點上打深打透，再和云的技術特性深度結合成產品，同時產品的路徑也非常明確，就是卡位“中國AI決策應用的引領者”。
前面我們提出過，決策智能分為四個階段，薩摩耶云走到第三階段也就是“完全決策智能階段”，這個階段的AI，已經可以由機器自主完成任務目標設置、問題發現和解決、自我更新迭代，基本擺脫人的經驗和邏輯，人只需要賦予機器新的樣本、新的學習算子，由機器自我驅動和學習，并直接做出決策和行動，就可以智能的達到“半人格化”屬性。例如其K3智能策略體系，目前市場上幾乎難以找到達到這一階段的競爭對手。
而在決策智能方面的絕對領先，必須通過一個好的形態來貼合用戶的業務需要，這就是云計算。云計算特別適合解決金融客戶部署的問題。這是因為，大部分金融機構本身都有云計算平臺來支撐，但傳統的IaaS和PaaS層云計算服務商的AI能力大多集中在感知智能層面，至少罕有決策智能級別的AI能力，這就使得其數字化預算的利用率很低。
而薩摩耶云用AI決策，用云部署，不需要用戶增加IT系統的投資，就可以在用戶熟悉的環境中把AI能力部署進去，借助決策智能幫助用戶不斷適應最新業務變化。
例如在普惠金融領域，一個很重要的環節是放款的審核執行。傳統人工審核（例如房貸、經營性貸款）大約是在1周左右，而智能策略考慮了更多的維度、更多的大數據，建立知識圖譜，一個審核僅需1分鐘級的時間，嚴格說來，花在決策上的時間不到1秒。
這就導致了，金融機構可以改變在策略制定方面嚴重依賴人工分析的現狀。以重大復雜策略為例，需要投入大量人力，耗費大約2周~4周時間來制定；而智能策略僅需告知策略目標，3~5分鐘即可出一版策略，加上人工檢查和核實的時間，一般不超過1天。
因此，業內評價認為，作為中國領先的AI決策解決方案供應商，薩摩耶云的模型致力取代傳統上憑人類經驗發現風險、價值等人力依賴型業務，具備大數據分析能力，并在其自行教導和自我優化方面具備人類屬性。
而且，由于AI的產品具有典型的“越用越聰明”的特點，薩摩耶云的技術和產品部署進金融行業后，真正的應用者會感覺其AI能力是在不斷生長的，實現了真正意義上的“與產業共生”。如果說不具備人類屬性的AI工具是消耗型的，那決策智能屬性的AI服務就是生長型的，它會不斷的自行進化、擴充邊界，而這種靈活生產的屬性又與云平臺的某些技術特征吻合。
依靠“決策智能+云服務”的創新商業模式，薩摩耶云一方面幫助客戶解決業務發展中的實際問題，通過高門檻的訂閱模式實現從客戶的盈利中“按效果收費”，另一方面則通過云原生技術和SaaS服務實現快速的、低成本的規?；瘮U張，進而實現高盈利、高增長。
這才是真正的“云智一體，雙輪驅動”。
值得一提的是，薩摩耶云的體量不算大，但非常精銳。首席科學家王明明曾供職于招商銀行，是國內首批將評分卡技術應用到風險控制領域的實踐者，主導和參與了招商銀行信用卡核心風險模型構建和方法研究，他在2015年6月作為創始團隊成員之一加入薩摩耶云，并成立人工智能部，帶領團隊在特征、算法、智能應用等多方面取得突破。
此外，截止到2021年4月30日，薩摩耶云的研發團隊達245人，占全部員工比例的57.6%，其中碩士占比超過20%，團隊既有銀行、消費金融背景，也有來自阿里、騰訊、百度、貝殼等互聯網基因強大的團隊，是一個非常融合的團隊。
精干的團隊和明晰的方向，讓薩摩耶云在AI和云計算領域都頗受矚目，截至2021年4月30日，薩摩耶云已連接約7370萬家小微商戶及客戶、50家金融機構、530家不同行業的企業、1470家互聯網平臺及70家數據供應商。
9月26日，薩摩耶云宣布，該公司入選深圳市工業和信息化局2021年質量品牌雙提升扶持計劃資助項目名單。
此外，薩摩耶云在決策智能方面也申請了眾多專利，如其《互聯網造數方法及系統》創新技術專利就獲得國家知識產權局發明專利。薩摩耶云已經將該專利成功應用到AutoMan自動建模工具包中，降低了造數開發難度和維護成本，減輕了技術工作量，使得擴展性變強，而薩摩耶云自動建模工具包已在各行業風險控制等特定領域取得了良好效果。
因此，我們看到的薩摩耶云2020年和2021年業績大漲，背后自然離不開上述技術能力、研發人才儲備、與產業場景需求的深度融合、私域流量的成功搭建，以及三大云解決方案的成功應用與協同效應。
做中國AI決策應用的引領者
薩摩耶云重點布局決策智能，與人工智能行業發展的大勢，若合符節。
Gartner發布的2021年重要戰略科技趨勢中，其中與智能相關的科技趨勢就占據三個，分別是組裝式智能企業、人工智能工程化以及超級自動化。
簡而言之，Gartner認為通過智能技術獲得更加強大的決策能力，將會是企業在2021年的重要命題。
組裝式智能企業和人工智能工程化兩項趨勢都跟智能決策在企業運營中的落地密切相關。
“過去靜態業務流程方式在當今市場多變環境下非常脆弱，這在疫情的沖擊下尤為突出。決策層意識到建立組裝式智能企業，適應業務快速變化極為重要。”Gartner專家表示。
簡而言之，決策智能依靠豐富的數據和洞見來做出更加敏銳的業務響應，從而徹底改變企業運營決策的方式，幫助企業在重新設計數字化業務流程、新業務模式、自主運營和新產品、各類服務及渠道等領域鋪平道路。
而人工智能工程化則是聚焦如何專注于各種人工智能操作化和決策模型的學科，可以幫助企業將人工智能轉化為生產力。這個過程需要對企業運營中的決策場景進行深讀剖析和整理，構造智能決策模型，以準確地刻畫客戶企業的決策過程，最終形成完整且具有可擴展性、可解釋性和可靠性的人工智能決策體系。
從全球人工智能發展的趨勢來看，一方面追求技術本身的突破性，另一方面還要追求與產業和場景的結合。
而場景上，決策智能是“最解決問題”的一種智能，其以最大化某業務指標為目標，結合精準度和穩定性求得“最優解”，為客戶提供“更先進的業務決策智能模式”，從而通過最前沿的創新科技及其應用，精準服務企業和政企客戶，進而“以科技賦能數字時代”。
如薩摩耶云首席科學家王明明所說，薩摩耶云把技術用對了地方，不是技術牛就一定能賺錢，幫客戶解決問題才能賺錢。這也是薩摩耶云的場景應用優勢所在。
關于未來，薩摩耶云既可以對標用友、金蝶、微盟、百融云創，以及美國to B巨頭Salesforce，但顯著地又與前者這些并不相同。用友和金蝶更像是上個時代的公司，Salesforce是典型的美國企業，薩摩耶云既具有科技的底層能力，又與產業和場景緊密結合，并且正走在揚帆出海的路上。
筆者不僅看好薩摩耶云選擇的技術發展路徑和模式，也看到其管理層在戰略決策上的高明，如聚焦決策智能、雙輪驅動、在產業云方面重點布局等，這些戰略和做法，無不體現了一種專注性。
克勞塞維茨在《戰爭論》中指出：“要取得相對優勢，就必須準確地選定決定性地點，并使自己的軍隊從一開始就有正確的方向，必須有決心為了主要的東西不惜犧牲次要的東西。”
在國內AI行業也免不了越來越內卷的當下，相比于AI四小龍、BAT，薩摩耶云在盡快解決技術和商業場景的結合、落地、應用問題上效率更高，它有望因為自己的專注成為垂直賽道的領跑者。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
