上一次見到王曉梅，是五年前，她是IBM大數據的科學家、大數據與分析業務總監，這一次，她是知盛數據集團CEO。
文|李佳師
2016年10月24日，美國拉斯維加斯威尼斯酒店咖啡廳，剛剛在Mandalay Bay酒店IBM Watson大會做完演講的王曉梅，匆匆趕過來和從中國飛來的投資人見面。這不是王曉梅第一次被勸創業，作為IBM大數據與分析業務總監，負責大數據與分析業務在全球各個市場的落地和拓展，自然結識不少投資人。用IBM同事的話說，處在 “事業上升期”、“精力和經驗都在最好狀態”，要她脫離熟悉並清晰可見未來的職業軌道，選擇面臨諸多不確定性的創業，確實不容易。
“曉梅，知道你什麼都不缺，但你有一個使命沒有完成。有這麼多的經驗、這麼多的知識、這麼多的全球資源，遇到人工智能這個比互聯網更具顛覆意義的機會，你應該出來創業，改變更多的人和事，你的人生格局會完全不一樣。”投資人說。
這次王曉梅被說動了。
和很多外企出來創業的高管們一樣，王曉梅是激情、使命驅使加入其中。但在創業的“汪洋”裡，如果不能夠清晰、理性地設計，選擇切實可行的公司發展路徑，情懷很容易被現實“拍”碎。對於商業企業，初心和情懷是需要用持續商業成功來表達的。
設計全球化公司架構
“強者更強的時代，如果什麼都從頭做起,就太慢了,應該把優質資源以組樂高、搭積木方式組合，並讓其產生化學反應。”
儘管強調速度，王曉梅依然用了幾個月的時間，完成公司的架構設計。
2017年年初，知盛數據在美國紐約和杭州完成註冊，這是一個雙總部的公司架構。之所以用幾個月時間完成註冊，王曉梅希望公司架構從一開始就沒有漏洞，滿足以後上市要求，所以一遍一遍與跨國的律師團隊、財務團隊討論，最後完成註冊。避免走彎路，有不少公司是先野蠻生長，上市時才發現公司架構錯了，再修改得重新投入巨資耗費更多成本。
在組建初創團隊上，有人說王曉梅走了一條別人沒有走的“捷徑”。因為在她的聯合創始人團隊有美國哥倫比亞大學和英國倫敦大學的人工智能教授，再加上王曉梅原來就在IBM全球總部，所以知盛數據初創研發團隊順理成章的擁有了哥倫比亞大學、倫敦大學的AI博士生、研究生以及前IBM Watson科學家。在AI人才“天價又稀缺”的今天，這步棋走得就很不一般。
而在完成註冊之前，對於公司要進入的行業和場景，王曉梅在心裡盤旋了很久。
應該說人工智能在汽車、製造、金融、能源、健康等等18個行業每一個領域，都有用武之地。在IBM工作18年、做大數據分析生意的王曉梅知曉每一個領域的門道，有各個行業的數據比對，最後王曉梅選了從三個行業開始：預防性醫療、數字娛樂和電子商務。即Preventive Healthcare、Media, Entertainment &Sports、E-commerce。
王曉梅的判斷是“這三個行業數據‘豐盈’。”AI有機會在這幾個領域快速重構生產力和生產關係。
關於醫療市場。目前醫療市場正在發生幾個趨勢性的變化。
其一是醫療機構正在去中心化，逐步形成以病人/消費者為中心的模式，醫療健康產業一種新型意識形態正在形成。
其二是醫療的著眼點不僅僅是佔比20%的疾病市場，還有更廣闊的80%的健康市場。目前分為疾病治療和非疾病治療兩個市場，20%的疾病治療是大家熟悉的成熟市場，玩家非常多。另一個是佔據市場80%份額的非疾病市場、預防性醫療，市場非常大，市場正在開啟，如果預防市場能夠更好發展能夠惠及更多的人，減少疾病的發生。
其三是AI將在醫療的這幾個變化趨勢中扮演著非常重要的角色。有可能推動新物種的產生。
王曉梅將知盛在醫療領域定位利用AI重構新的預防性醫療生產力和生產關係上，降低AI技術使用門檻，助力健康產業體系化。這與她希望身邊人以及每一個人都能夠擺脫疾病和亞健康威脅的目標一致。
關於傳媒、娛樂與體育。按照“數據在哪裡，機會就在那裡，贏利點就在那裡”的原則，這個領域擁有巨量的數據，數據顯示2019年全球80%的數據是視頻、語音數據，這些數據都與傳媒業有關。
關於電子商務。這是成熟市場，無論是電子商務解決方案還是系統都十分成熟，而且大部分是十幾年前形成的成熟系統，這從本質上決定了它對人工智能和大數據分析的採納是遠遠不夠的，這其中必然有商機。
有人評價IBM人創業，戰略與格局不是問題，落地和持續運營才是市場想要的答案。
而從王曉梅在2017年最後一天給出的員工信上看，目前，除了紐約和倫敦的研發中心，知盛數據在西安的研發中心也即將開業，2017年業務在美國的體育場、中國的電子商務平臺和電視臺、新加坡醫療集團已經落地，2018年的目標是將業務拓展到北美、歐洲、亞洲和更多市場。其核心分析模型和算法在世界各地的許多項目中進行了開發、試驗和驗證，已經建立了包括 Mesos / Docker / Akka / Kafka / Spark / Elastic 等基於 Hadoop 和 Spark 生態系統的大數據平臺，擁有靈活的數據處理引擎，能處理包括結構化的、非結構化的，包括圖像、視頻、語音數據等的各種類型的數據，在機器學習、深度學習、文本和圖像分析等領域擁有150篇以上的研究論文、80多項全球專利能力。
尋找顛覆性商業模式
王曉梅有一個非常要好的朋友兒子被診斷為自閉症，王曉梅一直想為她的朋友做點什麼。於是在一次全球合作機會中，她和新加坡的一家AI公司合作，利用人工智能、物聯網技術給她的朋友孩子做了一個“愛的擁抱”電子背心。
這個背心的傳感器能夠捕捉身體信息進行分析，然後根據情緒的分析結果，自動觸發電子擁抱程序，當電子擁抱程序被觸發，會調節壓力點，模擬電子擁抱的感覺。電子背心送給朋友使用後，朋友非常欣喜，因為自從使用這個背心，自閉症孩子不僅能夠快速平復情緒，還可以更專注的做一件事情。
在中國，有一千多萬的自閉症患者，如果可以將這種人工智能“愛的擁抱”背心送到這些患者手中，就有可能改變一千萬個自閉症患者及其家人的生活。
如果只做一件背心，如果只幫助一個朋友，王曉梅沒有必要離開IBM公司。在預防性醫療領域有大量的類似的“背心”需求，要想找到方案做出各種各樣“愛的背心”，需要降低AI的使用門檻，需要預防醫療的AI平臺。
王曉梅有一個“發動機”和“生產線”的理論。電動機在十九世紀80年代出現，但是它在生產力方面的作用直到20世紀20年代才凸顯，原因是越來越多的工廠改建了生產線，才讓電動機的實力爆發。現在的AI的發展也從“電動機”進入“生產線”利用的階段。AI與行業應用深度融合，基於數據重新配置生產力和生產關係，找到顛覆性的商業模式，帶來巨大的行業變革。
就像Uber與出租車公司的IT解決方案之間的區別。Uber的定位是改變車與用戶之間適配關係，而出租車公司的IT解決方案只是提升了的出租車公司的運營效率。這兩者的設計思路和出發點完全不同，這不是技術的問題，如果Uber一開始的定位是站在出租車公司的背後，成為其IT解決方案，不可能帶來行業生產力和生產關係的重構。
所以，知盛與新加坡的預防醫療機構進行緊密合作，希望從一個機構深度解剖、探索出適合整個預防醫療領域的Uber平臺、模塊化的解決方案。希望重構這個領域的生產力和生產關係，成為平臺公司，建立預防醫療的生態，以最便捷的方式將健康交付給每個人，實現自我看護。
目前，西方的預防醫療公認的方法論中有幾個關鍵維度：其一是每個人的健康由自身的荷爾蒙、免疫系統和營養三大體系主導；其二是預防性醫療將分為“五步走”，即健康檢查、身體清洗、強化、優化、維持。這是一個閉環。
要利用AI平臺來構建每個人的健康360度的認知平臺，這其中涉及的健康數據包括兩大層面，一是由醫療機構產生的數據，包括電子病歷、檢測報告等；二是個人產生的健康數據，主要來自移動裝置、可穿戴設備。兩類數據來實現對每個人360度健康全面認知。
從知盛提供的信息來看，其在預防醫療領域主要提供醫療檢測、治療、個性化醫藥和醫療教育四個業務部，這四個業務部的背後皆為AI和大數據來提供支撐。
這讓人聯想到了滴滴、Uber、快的、易到、神州等喧囂的2017年以及摩拜與oFo火拼的2017年。在醫療與預防領域的去中心化、資源最大化，會以怎麼樣的式將健康交付給個人？目前，知盛正在打造利用AI來構建每個人的健康360度認知平臺。而它究竟如何來運營，它會如何帶來一個行業的巨大變革，在新加坡這個機構試運營之後，它會以怎麼樣的姿態複製到更大的舞臺？
有數據顯示2017年，大健康市場的規模超過3萬億美元。也就在這幾天東軟的公告3年將融資67億，目標是3年內大健康板塊獨立上市。2017年年初，馬雲說未來能夠超過他的人將會出現在大健康領域。種種信息都在傳遞，大健康產業山雨欲來。巴菲特曾經說，“人生就像滾雪球。重要的是發現很溼的雪和很長的坡。”現在的知盛已經在很溼的雪和很長坡道上，它的雪球會怎樣滾？留下了想象的空間。
做到極致就是壁壘
在王曉梅希望降低預防醫療、媒體、電子商務使用AI門檻的同時，自己被投資人問得最多的問題是，知盛公司的門檻和壁壘在哪裡？作為投資人，關心的是自己的投資回報，知盛能夠建立什麼樣的壁壘來讓投資人“物有所值”。因為醫療領域的AI賽道上，阿里巴巴、騰訊、東軟、IBM等公司同樣覬覦，他們有資金、有技術、也有資源。
王曉梅說，知盛數據預防醫療領域利用和行業玩家合作的方式開始，目標是深度結合對方在該行業幾十年的經驗積累和數據基礎，參透一個領域的AI運營的精髓。未來在每一個領域打造AI平臺，知盛也有可能是以這種方式來“參悟”。這其中有兩個關鍵，一是數據，二是行業經驗。
紅杉資本中國基金合夥人也是前阿里巴巴集團副總裁車品覺曾經被很多人問過：“大數據的本質是什麼？”“數據體量的背後隱藏著什麼樣的誘惑？”回答這個問題，車品覺用了拼圖做比喻：如果你玩過一個1000塊以上的拼圖，應該不難體會，開始的5%拼起來最為吃力，拼了25%後，就會漸入佳境。其中每一塊拼圖對完美信息（Perfect information）的貢獻都是不一樣的。
從數據的角度看，王曉梅認為，3-5年後，AI的算法不會是門檻，隨著資本的大量湧入、AI領域人才輩出、AI技術會普及化，技術不再是差異點，決定模型和算法是否優質的關鍵還在於數據，數據會成為競爭的焦點和門檻。行業合作能夠讓知盛獲得一個“數據永動機”。從行業關鍵維度看，“只有讓醫生與AI科學家一天至少有5-6小時在一起工作，真正水乳交融才可能找到解決問題的關鍵維度。”王曉梅曾經透露：“知盛在和這個新加坡醫療機構合作的前6個月， AI科學家和醫生是語言不通的，‘雞對鴨講’，儘管大家都講英語，但彼此並不知道對方在表達什麼。”
通用的AI落地每一個領域都必須與具體場景結合，都有關鍵維度。《中國電子報》記者曾採訪過做圖像識別的依圖科技的創始人朱瓏，他當時進入公安領域所獲得第一塊敲門磚也是他們建立起來的第一個壁壘，就是其算法在道路上識別車輛遠遠比別人的識別率要高很多。當時蘇州公安局長給了朱瓏一個月的時間，如果他能夠將套牌車的識別率從原來的30%提升到70%就用他的。
接到蘇州公安局長活兒，朱瓏和他的團隊做了兩件事情，其一是研究實際應用場景，找到解決問題的關鍵維度。其二把圖像識別理論和產業難題和業務結合，變成這個應用場景的算法模型。
在過去對車牌的識別焦點主要車牌上，光線、車速，都會影響它的識別效果，而且還有很多套牌車，隨時換牌。朱瓏他們想到如果能夠將“車牌”與“車臉”同時識別，其識別率精準率就大大提高。因為很多套牌車常常會更換車牌，但是“車臉”和“車型”卻不能更換，主流車型就那麼幾十種，“車臉”就那麼幾十種種，這兩者結合識別率就會大大提高。依圖是第一個想到把這兩個維度結合在一起的公司。找到這個關鍵點，朱瓏和團隊是和公安局一起工作摸爬滾打了20多天。
其實很多關鍵問題的破解都面臨“窗戶紙”，怎麼而捅破這層窗戶紙，找到這個關鍵點，就必須和這個領域實現“水乳交融”。
關於壁壘，王曉梅說：“全世界做人工智能AI的很多，但是全球既做預防性醫療，又做人工智能，而且是很強的團隊，並且用血脈相連的方式來做，提供閉環運營，目前除了知盛，好像還沒有看見其他的公司在做。”如果別人能夠預測風雪對電網的影響精準度是在20公里，而你的精準度在2公里之內；如果別人提供只是提供方案，你能夠實現平臺的運營+方案，而且還免費；如果別人只是將資源搭起了積木，你能夠將積木之間產生化學反應，做到極致，這可能就是門檻。”
關注科技和科技公司的方法論，一起交流吧
閱讀更多 科技有態度 的文章
