人工智能公司和互联网公司是不一样的，不一样的，不一样的。重复三遍。互联网公司大概只要做一次PMF（Product－Market Fit，市场－产品结合点），但AI公司通常要做多次才行。

传统的互联网创业核心是抓紧用户需求，只要不断尝试，找到了市场－产品结合点，技术不会是太大的障碍。人工智能创业则不仅要找这个点，而且找到了你也不一定做的出来。甚至明知道那个点在哪，也不能去直接做，必须先把到那个点的路径一点点分解出来，再寻找路径上每一个点的场景－单元结合点。每个点都是下一次跃迁的基础。

这就是场景跃迁理论。

AI公司和互联网公司很不一样。互联网应用是规模复杂系统complex system，关键的是可扩展性scalability，只要做出一个小原型，跑得通，之后后面的工程架构可能经历多次的scale out，但是场景可以保持不变。

但AI应用不同，是细致复杂系统complicated system，关键是可演进性evolvability，从原型到最终的市场认可产品，不仅工厂架构会变，从产品形态到场景都会变。

通俗来讲，互联网公司是养鸡场模式，养几只鸡觉得感觉不错，就复制一万倍，养一万只鸡。AI是养小孩模式，要很长时间，一点一点去培育，从吃奶开始，小学中学大学，没办法像养鸡那样养的。

“Complicated” 这种复杂是内在的不可简约的复杂性。没有办法把养小孩简约成养鸡，真的，没有办法的。

场景是核心，需在“人工智障”阶段也能生存

人工智能公司当然也和其他一切公司一样，最重要的是深刻理解用户的业务场景，设计一个能逐步盈利的路径。

核心是场景，不是人工，也不是智能。人工智能公司的存活关键，是现在人工智障阶段也能挣钱，然后再考虑用人工智能挣钱。人工智能能发挥作用，都是要大投入的。没有什么灵丹妙药，一个什么神奇的算法就能解决问题。路径设计才是生死的关键，如何一步步结合场景让“智障”算法也发挥价值，在不同的智障阶段服务不同的场景。

场景跃迁就是一种路径设计。这可能对互联网时代的成功者有点反常识，但是再说一遍，不能把互联网产品的逻辑套到人工智能产品上，正如不能把PC产品的逻辑套到互联网产品上。

所以AI公司一定要做场景跃迁，就是在养小孩的过程中，不断把阶段性的成果去商业化。AI产品是复杂产品，但这种复杂产品是先有简单产品而后演化为复杂产品。深入场景和产品，从现有低复杂度技术开始服务，提供小而立即可用的产品。实现人工智能场景的目标，算法和框架其实没有大的秘密，秘密就在于如何降低成本。在不同的复杂度上的产品，可能产品形态和服务人群都不同，甚至连领域都不同。

为什么不能等到完全成熟了再去商业化呢？因为风险太大。而且，一个好的产品一定是总结出来的，不是设计出来的。AI公司必须在实践中一个案例一个案例去总结出好产品来。那些设计出来的产品，成功的几乎没有。这些实践案例，就是不断把”人工智障“的阶段性成果去运用的过程。所以AI公司开始都看起来像是“外包”公司，这个是符合规律的。

所以这些场景的跃迁，乍看起来好像公司不断换客户群。如果习惯了互联网这种单次PMF的模式，会极为不理解AI产品的成长过程。是不是创始人在犯晕？为什么不能直接一步到位到最后一个PMF呢？不可能，因为 product 需要成长，需要好几次蜕皮才能从毛毛虫变成美丽的蝴蝶。毛毛虫阶段的商业模式是吃叶子，蝴蝶的阶段是吃花蜜，但你不能叫毛毛虫去吃花蜜。

所以对于AI团队，你看那些执行得特别好的，并不是非要是一堆大牛的集合，而是那些最有演化能力的公司。演化能力才是保证公司在一次又一次的“蜕皮”（即场景跃迁）中，保持团队凝聚力的关键。演化力就是最主要的执行力，演化力是公司成败的第一关键。

我觉得不管是对创业者也好，还是对投资人也好，这个“AI场景跃迁理论”恐怕是这个领域最大的“秘密”。其他的一切都可以从这个第一原理推导出来。不能理解这个理论，就难以找到价值所在，执行就会碰壁，投资就会亏钱。不能用做互联网产品的思路来做AI产品，更不能用投互联网产品的思路来投资AI产品。

附：常见问题的回答

1． 疑问：AI作为一个技术，单纯靠技术解决方案创业，本来就是不可行的。

解答：显然，我们不会是为了一个技术而创业，而是要为了解决一个问题而创业。但是一旦解决这个问题需要AI，我们就要尊重AI的规律，理解AI的过程和边界。我们看到太多太多的例子，对需求和市场理解得很好，但是因为不了解AI技术的特点，不能管理好产品边界、用户预期和团队预期，而失败。我们必须了解，具体在这个战场，战争的规律是有自己的特点的。

2． 疑问：互联网公司也有pivoting，要是追求每个pivoting都要存活下去，那容错率不是更低了。

解答：场景跃迁并是不传统意义上的 pivoting。传统的 pivoting 是市场探索错误，所以要换一个方向试试。在场景跃迁中，用户和市场的升级是有规划的，每个阶段要和当时阶段的服务能力相匹配。比如在早期明知一个市场空间不大也会去服务，因为更大的市场是不可能去服务的，只有在服务小的市场，建立根据地后，逐步做市场空间的升级发展。这不是 pivoting。

3． 疑问：这不就是“我们目前还没找到盈利模式，但我们会坚持找下去的”？

解答：我们讲场景跃迁，并是流寇式的作战，因为找不到挣钱的办法所以不断找。很多时候，如果技术是成熟的，比如AI诊断真的比医生还准，那会没有盈利模式吗？问题是这种问题的解决，需要很长的周期，很大的投入，很专业的团队，这和之前的互联网创业是不一样的。在小型公司中，在资源全面短缺的情况下，有建立一种不断长期地部分商业化中间结果的商业模式，这是之前从来没有的事。“这种奇事的发生，有其独特的原因。而其存在和发展，亦必有相当的条件。”

4． 疑问：AI和之前的数据库之类没有区别，没有什么特殊规律提出的必要？

解答：弓箭和火枪，都是远程投射武器，但是他们对军队组织、后勤要求发生的作用是完全不同的。数据库是解决机器的效率的问题，AI是要解决人的效率的问题。两类应用，对能承载他们的组织的要求是全然不同的，绝不能不分析其中发展路径和人的组织问题的特殊性，而照搬其他领域的成功经验。实事求是地理解AI的客观规律，才能不过于悲观或乐观，理解目标和路径的矛盾，与解决这些矛盾的方法，而不能照搬任何教条。