上一次见到王晓梅，是五年前，她是IBM大数据的科学家、大数据与分析业务总监，这一次，她是知盛数据集团CEO。

文|李佳师

2016年10月24日，美国拉斯维加斯威尼斯酒店咖啡厅，刚刚在Mandalay Bay酒店IBM Watson大会做完演讲的王晓梅，匆匆赶过来和从中国飞来的投资人见面。这不是王晓梅第一次被劝创业，作为IBM大数据与分析业务总监，负责大数据与分析业务在全球各个市场的落地和拓展，自然结识不少投资人。用IBM同事的话说，处在 “事业上升期”、“精力和经验都在最好状态”，要她脱离熟悉并清晰可见未来的职业轨道，选择面临诸多不确定性的创业，确实不容易。

“晓梅，知道你什么都不缺，但你有一个使命没有完成。有这么多的经验、这么多的知识、这么多的全球资源，遇到人工智能这个比互联网更具颠覆意义的机会，你应该出来创业，改变更多的人和事，你的人生格局会完全不一样。”投资人说。

这次王晓梅被说动了。

和很多外企出来创业的高管们一样，王晓梅是激情、使命驱使加入其中。但在创业的“汪洋”里，如果不能够清晰、理性地设计，选择切实可行的公司发展路径，情怀很容易被现实“拍”碎。对于商业企业，初心和情怀是需要用持续商业成功来表达的。

设计全球化公司架构

“强者更强的时代，如果什么都从头做起,就太慢了,应该把优质资源以组乐高、搭积木方式组合，并让其产生化学反应。”

尽管强调速度，王晓梅依然用了几个月的时间，完成公司的架构设计。

2017年年初，知盛数据在美国纽约和杭州完成注册，这是一个双总部的公司架构。之所以用几个月时间完成注册，王晓梅希望公司架构从一开始就没有漏洞，满足以后上市要求，所以一遍一遍与跨国的律师团队、财务团队讨论，最后完成注册。避免走弯路，有不少公司是先野蛮生长，上市时才发现公司架构错了，再修改得重新投入巨资耗费更多成本。

在组建初创团队上，有人说王晓梅走了一条别人没有走的“捷径”。因为在她的联合创始人团队有美国哥伦比亚大学和英国伦敦大学的人工智能教授，再加上王晓梅原来就在IBM全球总部，所以知盛数据初创研发团队顺理成章的拥有了哥伦比亚大学、伦敦大学的AI博士生、研究生以及前IBM Watson科学家。在AI人才“天价又稀缺”的今天，这步棋走得就很不一般。

而在完成注册之前，对于公司要进入的行业和场景，王晓梅在心里盘旋了很久。

应该说人工智能在汽车、制造、金融、能源、健康等等18个行业每一个领域，都有用武之地。在IBM工作18年、做大数据分析生意的王晓梅知晓每一个领域的门道，有各个行业的数据比对，最后王晓梅选了从三个行业开始：预防性医疗、数字娱乐和电子商务。即Preventive Healthcare、Media, Entertainment &Sports、E-commerce。

王晓梅的判断是“这三个行业数据‘丰盈’。”AI有机会在这几个领域快速重构生产力和生产关系。

关于医疗市场。目前医疗市场正在发生几个趋势性的变化。

其一是医疗机构正在去中心化，逐步形成以病人/消费者为中心的模式，医疗健康产业一种新型意识形态正在形成。

其二是医疗的着眼点不仅仅是占比20%的疾病市场，还有更广阔的80%的健康市场。目前分为疾病治疗和非疾病治疗两个市场，20%的疾病治疗是大家熟悉的成熟市场，玩家非常多。另一个是占据市场80%份额的非疾病市场、预防性医疗，市场非常大，市场正在开启，如果预防市场能够更好发展能够惠及更多的人，减少疾病的发生。

其三是AI将在医疗的这几个变化趋势中扮演着非常重要的角色。有可能推动新物种的产生。

王晓梅将知盛在医疗领域定位利用AI重构新的预防性医疗生产力和生产关系上，降低AI技术使用门槛，助力健康产业体系化。这与她希望身边人以及每一个人都能够摆脱疾病和亚健康威胁的目标一致。

关于传媒、娱乐与体育。按照“数据在哪里，机会就在那里，赢利点就在那里”的原则，这个领域拥有巨量的数据，数据显示2019年全球80%的数据是视频、语音数据，这些数据都与传媒业有关。

关于电子商务。这是成熟市场，无论是电子商务解决方案还是系统都十分成熟，而且大部分是十几年前形成的成熟系统，这从本质上决定了它对人工智能和大数据分析的采纳是远远不够的，这其中必然有商机。

有人评价IBM人创业，战略与格局不是问题，落地和持续运营才是市场想要的答案。

而从王晓梅在2017年最后一天给出的员工信上看，目前，除了纽约和伦敦的研发中心，知盛数据在西安的研发中心也即将开业，2017年业务在美国的体育场、中国的电子商务平台和电视台、新加坡医疗集团已经落地，2018年的目标是将业务拓展到北美、欧洲、亚洲和更多市场。其核心分析模型和算法在世界各地的许多项目中进行了开发、试验和验证，已经建立了包括 Mesos / Docker / Akka / Kafka / Spark / Elastic 等基于 Hadoop 和 Spark 生态系统的大数据平台，拥有灵活的数据处理引擎，能处理包括结构化的、非结构化的，包括图像、视频、语音数据等的各种类型的数据，在机器学习、深度学习、文本和图像分析等领域拥有150篇以上的研究论文、80多项全球专利能力。

寻找颠覆性商业模式

王晓梅有一个非常要好的朋友儿子被诊断为自闭症，王晓梅一直想为她的朋友做点什么。于是在一次全球合作机会中，她和新加坡的一家AI公司合作，利用人工智能、物联网技术给她的朋友孩子做了一个“爱的拥抱”电子背心。

这个背心的传感器能够捕捉身体信息进行分析，然后根据情绪的分析结果，自动触发电子拥抱程序，当电子拥抱程序被触发，会调节压力点，模拟电子拥抱的感觉。电子背心送给朋友使用后，朋友非常欣喜，因为自从使用这个背心，自闭症孩子不仅能够快速平复情绪，还可以更专注的做一件事情。

在中国，有一千多万的自闭症患者，如果可以将这种人工智能“爱的拥抱”背心送到这些患者手中，就有可能改变一千万个自闭症患者及其家人的生活。

如果只做一件背心，如果只帮助一个朋友，王晓梅没有必要离开IBM公司。在预防性医疗领域有大量的类似的“背心”需求，要想找到方案做出各种各样“爱的背心”，需要降低AI的使用门槛，需要预防医疗的AI平台。

王晓梅有一个“发动机”和“生产线”的理论。电动机在十九世纪80年代出现，但是它在生产力方面的作用直到20世纪20年代才凸显，原因是越来越多的工厂改建了生产线，才让电动机的实力爆发。现在的AI的发展也从“电动机”进入“生产线”利用的阶段。AI与行业应用深度融合，基于数据重新配置生产力和生产关系，找到颠覆性的商业模式，带来巨大的行业变革。

就像Uber与出租车公司的IT解决方案之间的区别。Uber的定位是改变车与用户之间适配关系，而出租车公司的IT解决方案只是提升了的出租车公司的运营效率。这两者的设计思路和出发点完全不同，这不是技术的问题，如果Uber一开始的定位是站在出租车公司的背后，成为其IT解决方案，不可能带来行业生产力和生产关系的重构。

所以，知盛与新加坡的预防医疗机构进行紧密合作，希望从一个机构深度解剖、探索出适合整个预防医疗领域的Uber平台、模块化的解决方案。希望重构这个领域的生产力和生产关系，成为平台公司，建立预防医疗的生态，以最便捷的方式将健康交付给每个人，实现自我看护。

目前，西方的预防医疗公认的方法论中有几个关键维度：其一是每个人的健康由自身的荷尔蒙、免疫系统和营养三大体系主导；其二是预防性医疗将分为“五步走”，即健康检查、身体清洗、强化、优化、维持。这是一个闭环。

要利用AI平台来构建每个人的健康360度的认知平台，这其中涉及的健康数据包括两大层面，一是由医疗机构产生的数据，包括电子病历、检测报告等；二是个人产生的健康数据，主要来自移动装置、可穿戴设备。两类数据来实现对每个人360度健康全面认知。

从知盛提供的信息来看，其在预防医疗领域主要提供医疗检测、治疗、个性化医药和医疗教育四个业务部，这四个业务部的背后皆为AI和大数据来提供支撑。

这让人联想到了滴滴、Uber、快的、易到、神州等喧嚣的2017年以及摩拜与oFo火拼的2017年。在医疗与预防领域的去中心化、资源最大化，会以怎么样的式将健康交付给个人？目前，知盛正在打造利用AI来构建每个人的健康360度认知平台。而它究竟如何来运营，它会如何带来一个行业的巨大变革，在新加坡这个机构试运营之后，它会以怎么样的姿态复制到更大的舞台？

有数据显示2017年，大健康市场的规模超过3万亿美元。也就在这几天东软的公告3年将融资67亿，目标是3年内大健康板块独立上市。2017年年初，马云说未来能够超过他的人将会出现在大健康领域。种种信息都在传递，大健康产业山雨欲来。巴菲特曾经说，“人生就像滚雪球。重要的是发现很湿的雪和很长的坡。”现在的知盛已经在很湿的雪和很长坡道上，它的雪球会怎样滚？留下了想象的空间。

做到极致就是壁垒

在王晓梅希望降低预防医疗、媒体、电子商务使用AI门槛的同时，自己被投资人问得最多的问题是，知盛公司的门槛和壁垒在哪里？作为投资人，关心的是自己的投资回报，知盛能够建立什么样的壁垒来让投资人“物有所值”。因为医疗领域的AI赛道上，阿里巴巴、腾讯、东软、IBM等公司同样觊觎，他们有资金、有技术、也有资源。

王晓梅说，知盛数据预防医疗领域利用和行业玩家合作的方式开始，目标是深度结合对方在该行业几十年的经验积累和数据基础，参透一个领域的AI运营的精髓。未来在每一个领域打造AI平台，知盛也有可能是以这种方式来“参悟”。这其中有两个关键，一是数据，二是行业经验。

红杉资本中国基金合伙人也是前阿里巴巴集团副总裁车品觉曾经被很多人问过：“大数据的本质是什么？”“数据体量的背后隐藏着什么样的诱惑？”回答这个问题，车品觉用了拼图做比喻：如果你玩过一个1000块以上的拼图，应该不难体会，开始的5%拼起来最为吃力，拼了25%后，就会渐入佳境。其中每一块拼图对完美信息（Perfect information）的贡献都是不一样的。

从数据的角度看，王晓梅认为，3-5年后，AI的算法不会是门槛，随着资本的大量涌入、AI领域人才辈出、AI技术会普及化，技术不再是差异点，决定模型和算法是否优质的关键还在于数据，数据会成为竞争的焦点和门槛。行业合作能够让知盛获得一个“数据永动机”。从行业关键维度看，“只有让医生与AI科学家一天至少有5-6小时在一起工作，真正水乳交融才可能找到解决问题的关键维度。”王晓梅曾经透露：“知盛在和这个新加坡医疗机构合作的前6个月， AI科学家和医生是语言不通的，‘鸡对鸭讲’，尽管大家都讲英语，但彼此并不知道对方在表达什么。”

通用的AI落地每一个领域都必须与具体场景结合，都有关键维度。《中国电子报》记者曾采访过做图像识别的依图科技的创始人朱珑，他当时进入公安领域所获得第一块敲门砖也是他们建立起来的第一个壁垒，就是其算法在道路上识别车辆远远比别人的识别率要高很多。当时苏州公安局长给了朱珑一个月的时间，如果他能够将套牌车的识别率从原来的30%提升到70%就用他的。

接到苏州公安局长活儿，朱珑和他的团队做了两件事情，其一是研究实际应用场景，找到解决问题的关键维度。其二把图像识别理论和产业难题和业务结合，变成这个应用场景的算法模型。

在过去对车牌的识别焦点主要车牌上，光线、车速，都会影响它的识别效果，而且还有很多套牌车，随时换牌。朱珑他们想到如果能够将“车牌”与“车脸”同时识别，其识别率精准率就大大提高。因为很多套牌车常常会更换车牌，但是“车脸”和“车型”却不能更换，主流车型就那么几十种，“车脸”就那么几十种种，这两者结合识别率就会大大提高。依图是第一个想到把这两个维度结合在一起的公司。找到这个关键点，朱珑和团队是和公安局一起工作摸爬滚打了20多天。

其实很多关键问题的破解都面临“窗户纸”，怎么而捅破这层窗户纸，找到这个关键点，就必须和这个领域实现“水乳交融”。

关于壁垒，王晓梅说：“全世界做人工智能AI的很多，但是全球既做预防性医疗，又做人工智能，而且是很强的团队，并且用血脉相连的方式来做，提供闭环运营，目前除了知盛，好像还没有看见其他的公司在做。”如果别人能够预测风雪对电网的影响精准度是在20公里，而你的精准度在2公里之内；如果别人提供只是提供方案，你能够实现平台的运营+方案，而且还免费；如果别人只是将资源搭起了积木，你能够将积木之间产生化学反应，做到极致，这可能就是门槛。”

关注科技和科技公司的方法论，一起交流吧