摘要：一份AI企業的落地樣本。
導語：
到今天，AI落地的口號已經談了5年了，但理想很豐滿，現實卻骨感，能在AI商業化上有出色表現的企業卻屈指可數。在技術象牙塔里描繪的漂亮藍圖，擺到財報里，即使是頭部企業也沒法用數字講一個好看的商業故事。而商業化程度究竟如何，只能通過看覆蓋率、看降本增效的多寡，最后再看復購率來進行計算。
“你不能僅從合作方、合作范圍來看一家AI公司，因為現在連合作方都已經開始趨同了。”一位長期觀察AI行業的投資人曾向「甲子光年」表示，各家技術的差距如今越來越小，誰能在商業化上快速實現突破，誰就有望抓住AI時代的紅利，彎道超車。
但是，能夠抓住AI時代紅利的新一輪技術革命首先是真正的硬科技，它具有較高技術門檻和明確應用場景，同時，時代的機遇也并不一定都長在大夢想里，它需要和產業緊密相連，能夠用成熟的底層技術去服務越來越多的中國企業。
比如，僅就人機語音交互的領域就已經足夠大有作為了。2017年，杭州一知智能科技有限公司成立。創始人、CEO陳哲乾博士認為，新一輪技術革命將從效率、成本和體驗上根本性改變人們的生產生活方式。數智技術將賦能世界實現更高質量的復雜鏈接，而驅動未來中國底層創新的才是真正的硬科技。
（一知智能創始團隊，從左至右依次是：CTO李一夫、CEO陳哲乾、AI Lab主任姜興華、CFO張蕾、CMO顧澤良）
扎根進產業的方法可以分為兩種，一種橫向發展，專注于通用式的模型，提高規模化和可復制性，可以賦能到更多的行業中去；另一種縱向深入，專注于某一行業、某一場景的細分領域中，讓傳統行業的產業鏈條更加清晰透明，上下游操作更加靈活......
“無論是做橫向的還是縱向的，其實沒有好壞之分，因為即使在非常細分的行業中，也還有更細分的節點、鏈條和覆蓋面，重點在于從數據的角度去理解自己的產品，產品可以拿到多大的機會、適合什么樣的市場。”一位AI行業從業者向「甲子光年」表示。
眾多AI企業甚至巨頭沒能實現AI商業化，一個很重要的原因是在場景挖掘上不夠深入，把產品拿到場景中發現不斷有新障礙出現，不同節點中要處理的新關系不是標準產品可以解決的等等，都是落地要遇到的絆腳石。
一知智能則在成立的5年中始終圍繞營銷自動化等場景做深耕。目前，其已布局了泛消費、公共服務兩大板塊，深入了全國20多個省市，2年內，服務80%泛消費頭部客戶，總合作客戶達2萬多家，還在智慧政務上在進行全新嘗試。
用一知的話說，他們想做的是“中國最大的AI員工提供商，創新新一代的生產力”，首先從點切入，從想要降本增效的細節處入手；其次，抓住核心痛點，做真正創新的產品而不是內卷；第三，不斷完善技術底層，把產品打磨得更好。
AI如何真正好商業化，一知把回答寫在了產品落地上。
part1. 一個初心，從技術使命走進產業互聯網
2017年，時逢AI落地之始。
在一眾AI公司都在估值瘋狂時，在SQUAD比賽上斬獲全球第二佳績的一知智能創始團隊卻顯得很獨特。“我們本身就在浙江大學人工智能所在做人機對話，今天的主營業務也就是實驗室一直做的事情。”杭州一知智能科技有限公司創始人、CEO陳哲乾博士如是說道。陳博士畢業于浙江大學計算機學院國家重點實驗室，擁有多篇國際頂級會議期刊論文及發明專利，為CCF語音專委會委員、Paperweekly語音領域發起人、APEC中國創變之星，還被評為福布斯亞洲30under30科技精英榜人物、最年輕的浙江省級領軍人才。
其CTO李一夫也為浙江大學人工智能研究所碩士、前網易AI實驗室核心成員，福布斯亞洲30under30科技精英榜人物，多次在KDD Physica A等國際頂級會議與期刊上發表學術論文；AI Lab主任姜興華擁有領先的NLP算法框架開發經驗，曾負責阿里小蜜等的算法開發，獲ByteCup 2018國際機器學習大賽第一名、、2021全球人工智能技術創新大賽第一名等等......
接連拿下國際性比賽的獎杯，讓投資人也對這個團隊產生好奇，甚至慕名邀請他們出來創業。
甚至一位接觸了一知的投資人也選擇加入該團隊。這位投資人便是一知智能現任CMO顧澤良。
顧澤良曾任職于以色列美元基金Go Capital，之后回國加入金沙江聯合資本，負責人工智能領域投資，也是福布斯亞洲30under30科技精英榜人物。
2017年，一知智能項目還處在學校paper的階段。但懷揣對技術和產業的信仰，他意識到一知智能會是激起他激情的地方，于是說服團隊踏入創業之路。
張蕾也是在這段時間加入一知智能的。
張蕾曾先后就職于畢馬威華振會計師事務所和九鼎投資，負責過多家公司的IPO，履歷寫起來可以摞成上一摞紙。用她的話說，對人生轉折點上的選擇，更想去“貢獻我自己能貢獻的東西”。基于這個原因，她發現了還處于非常早期的一知智能。
在正式加入一知之前，張蕾用不拿薪水的方式參與到團隊里。“不拿薪水的原因是，我并不確定一知是否真的需要引進一個需要上股東會、董事會的CFO職務。”那段時間，其實是一個雙方的相互試探。
而這次試探性感受的結果就是：她不僅被團隊所吸引，還被業務所吸引。
“一方面團隊上包括中層都非常有內驅力；另一方面業務上，一知做的事情是連我們自己都很驚訝，原來AI可以用在這樣的場景里，并且能帶來這么好效果的。”這種發現新大陸、創造新市場的體驗讓張蕾感到興奮，然后她做出決定，加入一知智能團隊。
但是，一知不只有技術腦袋，還有商業腦袋。在創業之前，李一夫就確定了面向市場做產品的三個階段：先找市場、再找機會，最后才是產品。
具體來說，第一是要定義市場，要解決什么問題、市場有多大、客戶是誰等等；其次則是定義機會，市場需要什么，團隊擁有的關鍵資源能力在哪里，能夠在市場里拿到的機會有多大；第三才是產品本身，產品形態、產品邊界、go to market的策略等等。
這番思考，為日后一知智能的商業化奠定了方向。
part2.AI賦能營銷自動化
AI落地，最重要的是找到場景、發現痛點，解決核心矛盾。
從一知目前的產品形態上看，其主要業務人機語音交互技術服務目前已經布局了泛消費和公共服務兩大業務板塊。在泛消費板塊，一知通過“智能語音外呼+RPA+SCRM”形成效果閉環，幫助客戶實現了全鏈路的顯著增長。
最初，一知對產品塑造的想法純粹簡單，即找到最容易落地、最需要人工智能的痛點切入。“當時語音交互的賽道剛剛興起，我們還在浙大的時候，中國人工智能白皮書2.0發布，提到未來哪些行業最容易被AI取代，里面就講電話銷售，電話客服被AI取代的概率超過了98%，這就成為了我們的切入點。”李一夫稱。
顧澤良告訴「甲子光年」，當時的AI智能語音外呼市場非常混亂，由于當時機器人的對話體驗和對話能力不足，所以幾乎所有的智能語音創業公司都被限制在了騷擾電話這個場景，“而且由于這個行業的毛利很高，所以友商們一開始很能賺錢。”
如何從陌客營銷轉向和規模化會員觸達，背后的核心矛盾是機器人的對話體驗，而提升對話體驗的“鑰匙”是算法。顧澤良說，“我們認為當時那些公司是偏銷售驅動型的創業公司，他們缺乏底層架構，這種方式也可以在短期賺到很多錢，但這樣的工具是抓不到用戶真正痛點的、也不符合長期價值，而我們是技術驅動型的公司，所以要做提升對話能力的底層基因”，這也形成了一知今天穩固的護城河。
穩固體現于一知扎實的算法上。比如，浙江大學與微軟亞研院聯合研發的FastSpeech算法，合成速度已經比谷歌快上260倍，而改進版的FastSpeech 2在語音質量和語音合成速度上也比之前有了很大提升。
在這基礎之上，一知智能對算法會有進一步的升級。姜興華向「甲子光年」舉了一個例子，意圖識別是外呼機器人最關鍵的一個算法，一般情況下可以達到75%的成功率，而通過算法的升級，則可以做到90%的準確率。
此外，許多技術公司都會存在一個問題——算法和業務存在一定隔閡。由于算法和業務的語言體系、思維習慣不同，所以算法部門很難沉入到業務場景去理解，而業務部門也很難對算法提出真正能夠解決的需求。AI Lab主任姜興華向「甲子光年」表示，自己在公司實際上做的便是對接兩者的“翻譯”工作。
這種翻譯工作在一知并不是大問題，姜興華說，“在一知，部門之間的邊界感沒那么強，算法同學可以和業務同學交流，沉入業務場景里面去看真實的數據，并且得到快速的反饋。”
更大的沉淀和機遇則來自消費形態上出現的變量。陳哲乾表示，未來消費形態將是以人為中心，而不是當前的以貨為中心。所以，消費本質會逐漸去中心化，而技術是核心驅動。“那么，產品認知也將不再僅限于功能與需求，具備數字化和情感的產品表達，這意味著開創新的精準營銷服務時代。”
隨著公域流量見頂，當企業只能盯著存量市場搶蛋糕時，獲客成本也就不斷走高。所以，學會在私域流量中掘金幾乎是企業在2021年想要做好生意的充分且必要條件，商家需要搭建自己的流量池，才能增強用戶留存和粘性，降低獲客成本，那么私域流量無疑是不錯的選擇，而精準營銷服務則給商家提供了一把在私域流量中掘金的鏟子。
陳哲乾將工具分為兩種類型，一種是效率工具，一種叫做效果工具。顧名思義，效率工具指的是可以幫企業降低成本的工具，而效果工具為客戶增加銷售業務。AI的能力則是提升一個從來沒有過的業務。
基于過去積累的AI能力，一知智能將算法賦能營銷自動化，推出精準營銷的服務。“我們不是去做效率工具，而是遵循幫客戶賺到更多錢的邏輯。”陳哲乾說道。
在精準營銷之上，一知還開展了會員服務，可以把搭建好的底層架構，更加精準的面向已經在企業中注冊的會員進行服務，不僅可以對癥下藥的展開營銷，還能夠更明確不同行業、不同消費品的會員所需，幫助客戶提高與消費者之間的粘性。
搭好底層，扎根到產業里去做精準營銷，讓一知在趨于冷靜的AI市場中火熱起來。
part3.什么是真正的底層邏輯？
早期AI企業go to market常常會遇到的一個問題是，工具的賦能效力難以量化、產品評估上也難以用數字來分出高下。
顧澤良認為，公司的產品走向市場可以被分為三個階段，階段一是PMF，也就是產品找市場契合點的階段，當契合點找的不錯，第二個階段是go to market，也就是真正推向市場的時期，階段三是規模化的時期，這個時候產品已經相對穩定，需要做的是業務和市場的擴張。
而to B和to C的銷售方式有很大差異的一點在于，軟件公司大多是按照項目制的方式收費的。這就導致了產品力高下很可能只能在購買產品并使用一年之后，看第二年的復購情況才能判斷。
顧澤良表示，“這意味著，當一個用戶把它的尾款付完以后，全公司除了一個很弱的售后會在乎這個客戶的價值，其他人都撲向了第二第三、第四個項目，所以這本質是這個商業模式的驗證，而并非價值驅動。”
基于此，一知提出了預充值的付費方式，“用戶充值的金額完全可退，而且，用戶隨時可以告訴我說，你已經不是市面上服務最好和對話體驗最好的公司了，所以我不想用了，那么用戶任何時刻都可以用自己手上的預算投票，而且公司也會非常在乎用戶的任何時候的體驗和我們給客戶帶來的業務價值。”
這種改變付費方式的做法，能夠讓產品服務更加聚焦和植根于客戶的訴求，以產品和解決方案的創新和實踐，支撐客戶的全鏈路、全生命周期的數字化轉型。這正是著眼于為客戶提供長期價值的思考。
而敢于這樣做恰恰是對自身技術能應用于市場的自信。同時，這種自信也能過在一知的融資歷程中得到體現，與大部分資本追逐的明星AI公司不同，一知似乎在資本進度上表現的很“佛系”。
一知CFO張蕾向「甲子光年」表示，“在前幾年，我們對自己的產品、行業的認知不清晰的時候，如果去做資本加持，核心是對資本不負責，也對自己也不負責。”
對于融資節奏上的把控，一知也有自己的看法。張蕾認為，融資的一個大前提是雙方已經知道對方的需求，也就是要拿這個錢去干什么。“比如有些一次性的投入，to B公司需要投入很高的獲客成本；再比如我們希望可以和客戶越來越深度的合作，在產品很好的情況下，客戶會提出新的需求，比如怎么樣去解決更多的方案，這個時候也需要用到錢。”
而適合融資的階段是被張蕾稱為“規模化復制”，也就是說，當從0到1的階段已經完成了，客戶體驗也相對完善的時候，可以確認盈利模式沒有問題，下一個階段的目標是需要跑的比別人更快，“這個時候融資才是最有用的”，張蕾說。
“資本的本質，它其實只是加杠桿，它是幫企業去更快成長的，所以在企業基石不健康的情況下，有資本是沒有用的。”張蕾告訴「甲子光年」。
回望2017年，在AI行業資本流向最為火熱的時間里，也難有不眼饞的冷靜時刻，尤其對于早期創業公司來說，資本流入的決定權有時候并不取決于資本，或者創始團隊，而更取決于市場。但是，做出正確決策的唯一標準應該是，跟著初心和價值本身走。
而無論是知一對結算方式的選擇還是融資節奏的把控，似乎從來都沒有離開過一個初心，要深度落地、產品做出來，真正賦能于企業的，才是人工智能本身的力量。
