现在国内的人工智能创业非常火爆，这里有一个主要原因，就是供求关系不平衡，投资方有钱，而国内技术比较好的人又比较稀缺，所以不管是不是刚需，有没有商业模式，都有资本想进来。前迅雷联合创始人程浩曾在一篇文章里说，随着技术的发展，人工智能技术方面的壁垒会越来越不明显，所以从长远来看，人工智能和别的创业领域一样，也要看你懂不懂行业，产品好不好，能不能卖出去，将来拼的一定是综合实力。

对于国内的人工智能创业，程浩说了自己的三点看法。

首先，程浩说，人工智能以及机器人在创业的时候，从本质上说有两种，一种是“关键性应用”，一种是“非关键性应用”。

关键性应用，就是一点儿错都不能犯的人工智能领域。比如自动驾驶，哪怕做到了99.9%都没问题，还是有千分之一的几率会出错。每天有那么多人开车上路，所以这千分之一就可能导致事故发生。再比如说手术机器人，如果精度也做到99.9%，后果同样很可怕，因为医疗事故关乎人命，要是在美国，一次医疗事故导致的巨额赔偿，甚至能让医疗企业破产。总之，在这些“关键性应用”的领域，必须做到99.9%的小数点后面有更多个“9”，做不到就没有办法商业化。

而且研发的时候，边际效益是递减的，越往后，投入的资源越多，所以这种关键性应用的项目会花很长时间，比如谷歌的无人车，从2009年到现在已有近10年的时间了。但是，这种项目一旦做成，优势就非常明显，因为竞争对手也要花同样的时间。所以这样的项目门槛比较高，不适合一般的创业者，如果有一流的科学家团队，那么就可以把这种项目作为创业的方向。

还有一种是“非关键性应用”，大多数人工智能和机器人创业都属于这种。这样的项目不追求99%后面的很多个“9”，而且很多都有更简单、更实用的解决方案。这样的项目通常能够更快落地。比如，用人脸扫描技术做一个迎宾机器人系统，99%和98%区别不大，实在不行还有前台的人工服务。

此外，面向企业的机器人，很多都能够通过“人机混合模式”来降低技术的难度，能更快地投入市场。拿外卖机器人举个例子，假设成功率是98%，100次里面不成功的那两次，可以用人通过后台去操控机器人，然后再慢慢提高这个比例就好了。即使是98%，也能节省很多人力，还是有很大的价值。

其次，人工智能或者机器人“能落地”变得非常重要。

想要落地，那就要比拼综合实力。包括对行业的理解，能找到行业的痛点在哪儿；还有就是产品化和工程化，要有好的产品和工程师团队；而且光在实验室里搞没用，你要能批量生产，产品出来之后，还要能把东西卖出去，这就要求有很强的销售能力。

所以这样的人工智能项目，并不需要技术大牛，反而看谁对行业有更深的洞察，知道什么方案能解决行业的痛点，甚至有上下游的能力，把产品卖出去。尤其像人脸识别、语音识别这些基础服务，已经有人在做了，领域并不大。更多的机会还是在于人工智能对各行各业的改造，去研发专门的机器人替代人工，这时候，肯定是最了解某个行业的人，最能发现机会和痛点。

最后，程浩认为，在短期内，机器人创业的机会主要还是在企业层面。

首先我们来看价格，拿机器人举例，整个供应链体系没那么成熟，市场需求有没有还不知道，每一个生产出来的机器人成本都不低。企业对成本承受的能力显然是比个人强很多。

企业买机器人的目的是为了省钱，是为了节省人力。但是消费者是在额外花钱。所以需求有明显的差别。对于企业来说，机器人只要做好一件事就行了。而对于消费者来说，恨不得买个机器人什么都能干，又能唱歌、又能跳舞、又能聊天，又能扫地。但是凭现在的技术根本做不到。

还有一点就是，给企业做的机器人应用更容易，因为很多这种应用都是“人机混合”的模式。过去5个人干的活，现在可能1个机器人加上2个工人就够了。也就是说，机器人替代了3个工人，把一些常规任务给干了，但是在一些特别复杂的工艺流程位置，还得让工人来做。这是一种很容易推行的混搭模式。但对消费者来说，就不存在这种混搭的模式。这就是为什么机器人创业，目前主要是在企业层面的原因。

大数据处理信息服务商金盛网聚WJFabric认为，普通用户对产品是否好用是有发言权的，但对于技术的发展则是后知后觉的；企业用户最直接的诉求是通过新技术提升效率。因此，面向企业用户的机器人产品更具有先发优势。企业用户看重的是技术，对于迭代是有耐心的；普通用户需要的是通过独立产品直接解决问题，对于产品迭代的态度是被动的。因此，掌握不同用户的需求特点，有助于初创企业选择创业方向及路径。