为了探究AI赋能时代创业的特点，李开复对64家海外科技巨头（北美44家，欧洲15家，以色列5家）的创业模式做了深度分析。他发现以下六条规律：

1、成功的科学家企业，拥有技术独占性和领先性的硬科技公司为主流。

2、拥有技术领先性的硬科技公司也需要强大的产品和销售团队。

3、成功的科学家企业，通常有两类：科学家创始人自身曾有产品商业经验，或者早期引入了商业背景的高级合伙人。

4、成功的科学家企业，在成立企业前已有成功的技术落地案例占很高比例。

5、成功创业的科学家，30-40岁创业的比例最高。

6、部分行业成功的科学家企业具有典型行业特征。

比较有意思的一点是，通过比较这64家企业，李开复发现，只有20%的成功企业脱胎于校园/实验室，而接近60% 来自于工业界/工业实验室，另外有超过22%的是经过投资者撮合，也即将一个技术强硬的科学家与一个商业合伙人组成团队。

李开复指出，从投资者的角度来看，他们更倾向于最后一种，“因为很多科学家可能自认为可以做，但我们要投资钱进去之前，还是要看他的商业经验是否充足，许多科学家本身并不很擅长商业。所以如果他没有，就要找一个商业合伙人。”

精益创业之父 Steve Blank培训过500个科学家团队，辅导过 261个成型创业项目，他得出一个结论便是：科学家往往很不愿承认自己并不具备把技术商业化的洞察与能力。

科学家有自己的特质，从读博的时候就要求追求创新突破，要求学术严谨，慢工出细活，写篇论文可能要五六年的时间。然而企业家的要求是务实地追求商业回报，要求效率速度，希望产品快速迭代。这两种人本质上是完全不同的类型。一个科学家做CEO，如果他自己不是很理解和尊重商业化的重要性，没有找一个重要的合伙人来管理公司，没有恰当地分配股权，那么他就可能面临灾难。这也是为什么我们看到许多有很强技术的初创公司在产品化、商业化的时候掉进了死亡谷。主要原因就在于，在搭建整个团队的时候，他们没有足够地尊重商业化人才的重要性。

因此，李开复呼吁：“科学家主导关键技术之外，还需补齐产品化、商业化的能力。”

在技术研发之外，一定要重视商业化的能力，这并不是找个人来打工就好，而是需要多元化地进行行业探索、市场开拓、初期产品、市场化等，这可能需要好几种不同的人。一个创业团队里，科学家固然是关键，但产品运营、商务拓展、售前售后、BD销售合作等也同样非常重要。

回归到AI 创业本身，认清当前的创业环境特别重要。李开复指出，AI 技术产品化、商业化的门槛已经大大降低，这主要得益于以下四个因素：

1）TensorFlow和PyTorch为代表的深度学习框架已经成熟；

2）绝大多数深度学习模型及核心开发工具都以开源形式发布，这大幅简化了科研与工程复杂度。

1）Nvidia的GPU系列，Google的TPU系列，华为昇腾系列等AI加速芯片构成的硬件生态日趋完善；

2）服务器端和边缘计算端目前都拥有成熟的AI加速方案。

1）云平台、容器、虚拟环境等技术大幅降低了AI算法的实施与部署成本；

2）现有的大数据平台、商业智能平台或传统商业系统与AI算法之间的连接越来越容易。

1）纯科研型的人才结构已经转变为科研型、工程型、产品型、商业型的复合人才结构；

2）工程型、产品型、商业型人才在人工智能落地的过程中，越来越居于关键位置。

这就导致AI 已经不再是Rocket Science。从CNN发明到成功商业化，花了30年时间；而谷歌从提出Transformer模型到大规模商用仅用了2年。

这说明，新技术成功商业化的时间越来越短了。

任何人都不能期望因为是自己发明的新技术，别人就学不会。大公司有的是技术，有的是人才，有的是资金，初创公司如果不能在两年内成功商业化，就很难具备竞争优势。

“我们可以看到现在整个行业有巨大的改变，我们必须要尊重这个环境。AI 已经度过了发明期，进入了应用期，这是一个很大的跳跃，所以我们要用不同的心态来看待AI创业。”

李开复博士正、反两面举了六个例子来说明情况：

1. 旷视科技：从游戏探索到商业落地。旷视科技创立于2011年，时值AI的“发明期”。旷视科技的创始团队是一支科研团队，在初期没有可以借鉴的行业经验，他们利用领先的科技优势尝试过不同的产品领域，例如To C类产品“乌鸦来了”、“相面大师”等，尽管这些产品的商业价值有限，但他们有足够长的时间保持竞争优势，来做商业探索；后来在创新工场等机构伙伴的帮助下，他们找到了更具价值的To B 商业场景，营收得以大幅提升。

2. 创新奇智：以商业落地为根本，充分利用AI技术。创新奇智成立于 2018 年，这个时候已经是AI的“应用期”，AI公司林立，巨头们也已经进入。这个时候成立公司，就应该意识得到除了AI技术领先性，商业落地也很重要。因此，创新奇智提出“技术产品”+“行业场景”双轮驱动模式，深挖应用场景，打造面向业务价值的人工智能产品及解决方案，2019年营收相比2018年实现5倍多成长。

3. 河小象：AI是赋能教学评测端的强大工具，AI可以提升教育质量，降低整体成本。需要注意的是，教育的核心仍是优质内容。河小象是一家AI教育的典型公司，AI是它的加分项，而精心打造的内容才是决定是否成功的关键，也是最深的护城河。

4. 艾登科技：医疗行业先明确商业模式，再利用AI赋能。艾登科技是一家医疗+AI的公司，它发现了医疗行业中存在的几个痛点，例如诊疗数据质量不过关、医院间信息无共享机制，同一病症的医疗治疗方案和支出在不同地区差异巨大等。于是艾登推出了一套SaaS软件，这个软件能解决以上的痛点，而且定价也很合理，目前，3000多家医院已经在使用这套软件。更重要的是，医院日常使用企业软件的过程，就是在帮助企业用脱敏数据来训练算法和模型，从而帮助医生来选择最佳的诊断方案。艾登的这种商业策略，不仅能够以充足的理由获得脱敏数据，而且医院也愿意为之付费。如果是一位AI科学家来做，一个很大可能的方案是去和某一家医院签一个独家合作，甚至要付出很大的费用才能获得医院的数据，渗透会很有限，规模化落地也会受限。

5. 反面案例：医疗影像读片技术公司，难以找到商业落地。当前，CV技术的发展如火如荼，在许多领域AI的识别精度都已经超过了人类，但我们却发现医疗影像读片公司都发展得很困难。为什么？首先如何拿到数据是一个大问题。训练AI需要大量数据，这需要与多家医院进行合作；而另一方面，医生的标注水平决定了机器学习的结果；AI也只能达到部分病症标注，这极大地限制了AI的发挥空间。其次，医院普遍不会为软件买单，而生产硬件（读片机器）成本却非常高，医院同样不想购买。所以这些公司现在都面临着商业的困境，虽然技术足够好，但仍难以发展。

6. 反面案例：教育公司尝试前沿AI技术，却脱离市场需求。这是创新工场曾PASS掉的一个项目，这家教育公司有非常前沿的AI技术，他们希望做一个真的机器人老师。这个技术非常酷，应该也是最难的AI问题之一。但他们没有想到市场的需求在哪，在什么场景取代老师？是谁来付费买单？家长心理上是否接受？

总结来讲，当前已经不再是那种草莽初创的时代，AI技术已经没有太高的壁垒，AI科学家创业，必须要充分理解商业，才能避免掉入死亡谷。

慎之！

在报告的最后部分，李开复博士针对想要创业的AI科学家们提出了若干建议，如下：

1. 科研的问题还非常多，如果喜欢做科研，可以尝试做System 2的问题。System 1 中AI技术的“发明期”已经过去了，如果想要创业，想要做伟大的技术，就要针对System 2进行科研储备，一旦这些技术成熟，你便有一次机会做“发明期”的事情了。但这个有可能需要非常长期的投入，因为我们花了60多年时间的才让感知达到科研突破期，下一次是井喷是什么时候没有人能够确定。

2. 对于真的想参与创业的AI科学家，要放低姿态，理解商业。投身AI赋能的方式有几种：1）像吴恩达那样，撸起袖子创业，但必须要意识到现在已经不再是发明期了，在应用期创业难度会更高，所以一定要找懂行的合伙人；2）加入传统公司，前面提到AI赋能传统公司将是未来一大机遇，但这时候需要考虑你是否能融入传统公司的企业文化等问题；3）加入AI赋能公司，去帮助传统公司做AI 赋能。

3. 如果真的决定撸起袖子创业，李开复博士给出四点建议。1）扭转心态，你的上帝是用户，要做有用并且有市场的创新；2）做擅长的事，如果不擅长比如商业化等领重要领域，就要找擅长的人加入核心团队；3）科研突破与商业回报并重，强调效率速度，快速迭代，创业就要有创业者的速度；4）要找到懂科技又懂商业的投资人，这可以补足你可能存在的需求和短板。

4. 有许多AI专家并不想创业，但仍然希望能够将自己的研究产生实际价值。李开复博士也总结了三种模式，分别为：1）Hinton模式。Hinton自己专注于理论研究，希望能够推动下一轮的AI发展，但是他会让他的学生去企业，帮助他们做AI应用，而自己并不受市场、竞争等因素的干扰；2）李凯模式。李凯教授自己出去创业，创办了Data Domain公司并上市，开辟了数十亿美元的新市场，成功之后回归学校，在技术与商业层面指导学生继续创业；3）李飞飞模式。身在学术圈，但利用学术休假等机会在企业兼职参与创业，之后再回归学术。这三位大师的模式，事实上也是一种可以让你参与AI创业或创造价值的方式。

道路千万条，对于AI科学家，重要的一点在于认清现实，认清自我。如此，才能有效利用自己的专长，做更有价值的事情。

2012年至今，在深度学习推动下，这一波人工智能的蓬勃发展已进入第十个年头。

在初期，一系列由AI科学家创建的初创公司，经过大浪淘沙，如今已有多家脱颖而出成为独角兽企业；榜样在先，于是有不少 AI 领域的学者，也寄望于自己在该领域深厚的研究功底，想乘风破浪，闯出一番事业来。