ToB行业头条（微信：wwwqifu）报道

2019年3月30日，中关村赛德科技企业成长互助促进会2019年会在北京百川汇召开。本次年会以“暖、凝聚、认知升级”为主题，邀请百位创盟企业家、投资人等各界人士共同参与。首个圆桌论坛主题为“科技To B领域的洗牌和应对”，分享嘉宾为牟晓勇（汇影医疗创始人），钱雨（第十区资本创始人），鲍捷（文因互联创始人），张怀清（精一天使公社联合创始人），林其玲（创新工场市场副总裁）。

以下为《科技To B领域的洗牌和应对》圆桌论坛实录，由中关村赛德科技企业成长互助促进会（公众号：创盟成长）精编整理，有删减：

主持人林其玲：非常感谢创盟的邀请，也非常荣幸能够参加今天这个活动，主持这个环节。今天一进来发现这个主题是关于暖的，来的时候我在路上看到今天天还挺冷的，一进会场，尤其是听了前面三位嘉宾的分享，觉得确实很热。这个热是因为环境热，也是因为这些嘉宾确实掏心掏肺给大家讲的都是干货，在这个环节四位嘉宾也会给大家分享满满的干货，第一个环节还是请我们四位嘉宾简单的来做一下自己企业的介绍，一分钟的时间，从虎歌（张怀清）开始。

张怀清：我从15年基本是退休状态，开始进入企业家的最后一份职业：天使投资。刚开始也在学习，系统的学习这样一个赛道。在这过程中，我有个体会，其实天使投资也是一份创业，原以为它是一个休闲的过程，其实和创业比一点也不简单。在这个过程，我发现尤其种子期的企业、早期企业死亡率特别高的原因是因为对老创业者来说的常识，对初创企业来说都是巨大的坑。所以我就产生了一个新想法，利用这帮退下来的老创业者的教训，所形成的这些经验，帮助创业者成长，形成了一个模式叫“陪跑”。这两年在继续的推动过程中，发现大家对整个的创业，包括我们自己过去，都是自然创业，用自己的血汗钱和时间在一次次的试错，于是我又想起用精益创业科学方法论能对企业有更大的帮助，所以这几年就带着企业沿着科学方法论，用极短的时间，比如说六个月一年，就把原本3到5年商业模式探索的过程压缩了，即便是失败也要早死早托生。在这种情况下，我又加入了精一天使公社，它是一个大的社群，有800多位天使，一对一个帮助创业者往前走。当然中间也有很多的坑，方法论也是一直在慢慢往前摸索，而且科学创业对创业者来说也不一定百分之百接受。这些过程也是一个发展的过程，这就是我现在退休以后在做的一件事情。

主持人林其玲：谢谢虎歌，待会下一个问题可以仔细来探讨您讲的坑在哪里。

鲍捷：从我进入人工智能这个领域到现在二十多年了。之前十几年在学校里，即使到了MIT那样一个全球最好的科研环境，我还是有一种强烈的无力感，感觉离开了力量源泉。那么源泉在哪里？还是在应用上面。到2015年前后的时候，深深感受到其实人工智能不是科学而是一种技术，技术和应用的结合是最重要的。人工智能算法最近30年没有任何颠覆性的进步，真正的改进全部都是在技术落地层面以及与其他技术的交融方面。我们有很好的 “发动机”，比如各种规则引擎、推理机、各种查询引擎。但是如果我们想造一辆汽车，我们需要轮子、车厢、传动装置、刹车装置，这些全都要有。所以这个领域要落地，当前的发展瓶颈是解决人工智能的传动问题。我们有了问题，也有了引擎，要解决问题必须要把中间的这些环节全部做了，而且必须极大地降低成本。把成本降到现在的 1%，才能 work，这就是实验室和工程的区别。把成本降低到原来的 1%，需求自然就能解决了。我们要想能够做到这一点，就必须在工业、企业才能做到，这就是我一开始创业的初衷。”

2015年我成立了文因互联，以金融作为主要的切入点，探索如何将 AI和金融的结合，主要做金融的知识图谱构造。用通俗话来说，就是我们如何让200万金融人每天手工简单重复劳动的工作，包括读文档、抠数字、算DCF等转为机器的工作，去建设金融大工业。金融领域需求真实、付费意愿强、示范作用强，领域扩散能力也强，以金融行业为切入点能更好触达更多行业。经过一段时间的探索，我们战略性地调整到 TOB的方向，通过服务头部客户切实满足需求，进而完成产品化。现在，我们在监管科技、银行科技方面都有不少突破，获得了权威监管机构如上海证券交易所、全国股转系统，以及头部银行如招商银行、平安银行以及南京银行等的认可。

钱雨：我其实只做一个行业的投资，只投人工智能这个行业。但说到人工智能，其实它又是千千万万个行业，实际上作为行业概念，是不存在人工智能的。我们只投两类公司，一类是“管理咨询公司”，一类是“小家电公司”，后面我会讲为什么这么说。我们投的也不多，我们投的行业很早期，但我觉得这个行业很好，去年投的项目今年都能实现业绩翻倍。人工智能其实眼前主要的业务形态是TO B，这也是为什么今天我会想来参加这个活动的原因。

牟晓勇：我算是创盟的老人，当年我是创盟最年轻的创业者，现在过了十年以后还在持续创业。我的行业是医学影像，在里面做了快20年，从成像设备的核心部件到整机，后来延伸到产业链下游的人工智能诊断、影像中心和医生集团。我们现在也是把人工智能包括大型影像设备的小型化作为未来我们的发展方向，也在摸索。因为之前我们做所有事情是TO大B的，甚至医院都不是我们的客户，我们的客户是代理商，通过代理商再到医院，这个链条非常长，而且非常复杂。所以这里面我们有很多的思考和经验教训跟大家分享。

主持人林其玲：我也快速的做一个自我介绍，创新工场由李开复博士创办于2009年9月，旨在用全方位的创业服务，帮助中国年轻创业者打造世界级企业，也是国内第一个TechVC。工场一半以上的投资人都是理工背景。2016年9月，创新工场成立 “人工智能工程院”，引领了独特的 “VC+AI” 风险投资模式，探索技术与商业价值的结合，同时着重推动人工智能生态系在人才培训、数据开源的建设、以及AI+传统企业的升级赋能。所以这也是为什么今天欧阳建平请我来主持这个话题的原因。那么接下来问问四位嘉宾，创业其实分为模式创新和技术创新，纯的AI它并不是一个赛道，更多的是AI和产业做结合，创新出一个模式来。四位可能在各自的领域里面都有自己很专业的一些模式创新或技术创新，或者说刚才讲的科技的创新，从你们的角度来看，你们在这个领域能做到TOP，你们的成功的优势是什么？ 

牟晓勇：我们是做传统大型医疗设备，其实最近在探索，华为说自己很长时间才走到无人区，但其实我们很快就走到无人区。大家一说医疗设备都觉得我们很赚钱，做个简单比较的话，我们是做超声设备，超声在医院里面就是印钞机，我们是生产印钞机的。

但是生产印钞机的公司其实蛮辛苦的，核心产业链里面最近发生很大的变化，一是需求量暴增，但供给严重不足。主要是受专业医生的能力和数量的限制，这种设备需要很专业的医生来操作，所以只能在医院里面使用。我们从几年前开始尝试做人工智能技术，结合起来以后有没有可能性通过人工智能辅助，让非专业医生就能够把这个设备玩转？而且一旦突破了这个事情以后，这种专业设备会进入到千家万户，在个人手里面。之前这种产品和模式从来没有发生过，那这个事怎么去应对？包括商业模式怎么变化？其实我们也很纠结，但是没有可参考的目标公司。我们跟很多投资人讲他们也不懂，觉得这个很玄乎。一是有的人觉得这个太难了，你们搞不定，觉得不可能；有的觉得一定要看到现实的这种东西。我们要回答这一疑问的话，简单说就是不光要拿出一个高质量的产品，同时还要去做商业落地，所有的环节都要走一遍，所有的疑问要趟一遍，最后才能说我们逐渐的开始闭环，才能回答我们的商业闭环的问题。

我们面对这种所谓的人工智能的冲击和疑问的时候，总结一句话就是：人工智能不是一个单一的环节，它是一个系统性的工程。我们跟大家吹牛说人工智能一定要替代人，但是实际上现实生活中很可能短期替代不了。但我们做企业的不能等遥远的那一天，来不了怎么办？我们现在总结得很简单，在某一特定领域里面一定要融入人工智能，产生价值，替代掉某一部分人，而且完全替代。把它变成一个新的物种，类似虎歌（张怀清）说的半人半妖的这种状态，它才能真正产生商业价值，这也需要一个模式或者一个概念去定义和证实我们真正的人工智能落地。

主持人林其玲：总结一下，所谓的AI和赋能，是找一个很小的切口，然后我们把这个切口切进去，先在这个领域里面我们做到TOP，超过人的效率，然后再来看上下游，找到更多的机会，是这样吗？ 

牟晓勇：对，它的核心就是一定要在某一个可能足够小、足够明确的场景里面，完全替代之前那个人，这样的话才会产生非常有爆发力的商业价值。人是所有经营活动最核心的部分，一旦拿掉人以后，所有的商业逻辑、商业模式、成本结构完全不一样，甚至以前可能参照的行动方式、扩展方式、管理方式都完全不一样，这是一个非常大的一个挑战。

主持人林其玲：请鲍总来分享一下，在你的领域里面，你们的AI技术是怎么来发挥作用，让你们成为TOP的公司？

鲍捷：我们主要做金融业，人工智能金融听起来是个特别好的行业，但实际上这个行业的失败率极其之高。我们行业没有笨人，大家都很聪明。但之前的第一代的公司基本上全完蛋了，为什么？我们自己最早期的探索的时候，也发现同样的问题，一开始所有用户都嗷嗷叫要的那些东西给你做出来的时候都没人要，比如所有人都说我要一个更好的投资模型，但其实你真的卖不掉的。

所以往后我们越来越发现不仅仅是技术创新，这是基础，基础之上还有模式创新，这个模式就是人工智能应用在商业领域，一个新的事物是一个无人区。之前的人工智能因为绝大多数都是大组织，像IBM级别的，或者是国家级国防的应用，有大量的投入。像我们整个知识图谱领域全都是美国国防积起来的，但对于小型组织，在实际落地的TO C或者TO B的应用当中，如何去真正去落地，其实不仅中国没有经验，美国也没有经验。再深入去想，为什么那些客户不买单，如果我们顺着金融手工业的思维去做的话，比如说如果真找了一个很好的投资模型，我为什么要卖掉它？正常的逻辑肯定是我自己去投资，事实就是这样，结果也确实是这样，当有一些机构认为自己能够找到好的计算机投资算法之后，肯定就自己去做了。 

但是这会带来另外一个问题，其实从长期角度，这种投资模型从商业上来说，是没有办法做得很大的，它只能变成一个作坊，最后又回到了手工业的状态。假如说我们有一天成为一个千亿级的公司，那我们一定不是去做一个更好的作坊，我们一定是帮助金融变成一个大工业，建立协作体系。这个大定位在2017年想清楚之后，我们把整个状态全转过来了，就往这方向走，什么事情能够帮助金融建立起大型的协作系统，我们就做这些事情。也就是说当一个软件拿出去以后，立即就可以拿钱、挣快钱这种事我们不做。这和之前的想法其实蛮拧的，以前没有人这样去想金融的未来，但是真的把市场所有可能的路先探讨一遍，我认为在未来能够走通的就是这个路。

比如说去服务监管、服务合规这个决策，在研究中我们发现在美国，其实科技金融最大的投资点不是在投资模型，而是在合规上面。这一点也启发我们，这可能是目前金融革命最大的突破口。 到了17年年中，我又想通另外一件事情，就是我们一定要一开始选一个特别小的点投入进去， 这个点最开始是一个小场景，可能市场空间特别小，就只有一个亿，你把这一个亿垄断了，拿下其中百分之四十、百分之五十的市场，这就是一个非常好的市场。然后你从一个亿的市场变成十个亿的市场，变成100亿以上再到1000亿的市场，保证你的组织始终有这种能力，这个组织才是一个好的组织，才能够赢得最后的战争。

主持人林其玲：你们在选项目的时候最看重的是它什么特点？它才能成为TO B类一个好的公司？

钱雨：我们会把人工智能企业分四个大类，这四个大类里面可能只有少半个类是能投的。首先先识别企业是哪一类，第一类叫伪人工智能，它根本就不是人工智能，这种企业听起来好像挺可笑，有一个所谓的智能音箱企业，最后发现里面一点智能都没有，里面只写了50条判断的代码，总共就会听50句话，但这不影响销售。这是人工智能的一个困境，这种企业肯定不能投的。

第二类企业叫概念型人工智能，它没有太多落地的场景，这些企业在创立的时候是围绕一个概念起来的。当然从另外一个角度来讲，在资本市场上，它其实是以这个概念来做融资和估值的。这种企业会有一个很大的风险，如果没有办法很快找到落地场景的话之后，它的估值和它的盈利能力是完全倒挂的，按照科创板五条标准，它会出非常严重的问题，最后是很难退的。

第三类企业也算是某种概念型企业，但是还不如概念型企业，它叫做不可实现的人工智能，换句话说就是提出一个极其宏伟远大的目标，可能是为了有一个足够远大的目标，才能支撑一个足够大的理想，才能支撑一个足够大的估值。这种其实风险更大，一定要识别出来。

最后一种就回到说我们之前说的有半种是可以投的，这种有可落地的人工智能。那么可落地的人工智能简单讲就是找到一些落地场景，这里又会出现一个情况，这种企业最初，都是体现在外包的形式。如果这个企业只能做到外包形式，它的管理能力和它的产品能力，不能再跃迁，也是不能投的，因为没有人去投一个外包企业，再投也很难做出像东软这一类的企业。

能投的那一小部分，是由外包服务变成一个产品型的企业，这样又有很多东西要看了。首先这个产品它究竟是一个通用型的，还是一个表面看是一个产品，但实际上可能定制化的外包服务还是非常的重，如果这样的话那时候还是很难。

我投的企业可能是两类，一类叫做管理咨询公司，一类叫小家电公司。因为人工智能它本身是赋能技术，它本身只是一个技术，那么它的价值在于它和所有行业的结合，反过来说它和行业结合的时候，有一个特殊的工具，比如说像牟总的话，AI向医生提供了一套新的工具，像鲍总是给金融监管机构提供了新的工具，那么他们本身是在重塑医院医生，或者是重塑监管机构金融从业人员的管理工作流程。他们本身是以AI为技术工具来做管理咨询的公司，这样的公司工具是非常具有通用性的。

另外一类叫小家电公司，因为还有一些AI产品它是TO C的，没有直接TO B。比如像扫地小机器人这种很普通的东西，如果你把人工智能加上去以后，它的很多行为会和过去发生很大的变化，反过来就会形成一种对传统小家电企业的升级，因为最后综合起来这两类企业都是可以投的，但是要区别出来还是挺难的。

主持人林其玲：虎歌长期与创业项目做深度的交流，您看到很多坑，也知道坑在哪里，CEO们尤其是TO B的CEO可能会出现的问题，或者说当下他们需要迈过的几个比较普遍的坑是什么？

张怀清：我觉得最大的坑还是认知的坑，人工智能这两年非常热，其实人工智能的坑非常多，比如我们的系统性对赛道的方法论，赛道之母、赛道之轨、赛道之雷、赛道之窗、赛道之点。人工智能其实分了上下两层，一个是神道，基于平台类的创业机会非常少了；一个是狼道，基于沼泽地面向应用直接砸出订单和场景的这种创业。

我们看人工智能的创业企业，其实是AI+。我们主推的是机器学习而不是泛人工智能，而且我们投资或陪跑创业企业有点急功近利，既然我们不碰神道，就狼道来说，在前期对企业进行分析的时候就要进行入戏、摸骨、开荒，要看出它的订单的走向。对企业头狼就有明确的要求，就是半年到一年内AI要有大量的订单和盈利。

比如18年年初我们陪跑的企业就加入了机器学习这个概念，也是今天后期分享嘉宾之一，他的机器人每个月就能收大量的钱回来，产生订单，而且进行细致的单元化封装，以后大规模单元爆发，那它的爆发能量就非常强。所以创业者要特别关注把认知打开，知道在人工智能领域里头有哪些坑，不要轻易进入神道。

自从AlphaGo把这个世界打开以后，觉得机器学习到来了，这个时代到来了，实际上平台相关的创业机会、初创企业非常少。尤其在国内环境，我们其实只赌狼道，既然在狼道AI+具体的业务场景，最后财务和时间的效率表现出来，这样的动能就变得非常大了，对创业者来说能不能接受新的认知，用我们术语来说，他能不能开天眼最为重要，开不了天眼没有任何办法。 

主持人林其玲：我站在创新工场的角度，也非常赞同虎歌的观点。创新工厂早期，五年之前我们当时投AI的时候其实还是会投一些纯AI的公司，因为那个时候大家对AI没有一个认知，可能你是一个特别聪明的AI的技术者，在某一个领域拿着AI的技术就能获得成功。

但是经过五年之后，大部分公司尤其是传统的产业公司已经意识到AI是什么，在他原来实业的基础上再加上AI的模块，其实很就容易完成企业效率的提升。所以从去年开始，创新工厂在投这块领域的时候，其实已经很少投纯AI的公司了，我们更看重的是AI和产业的结合。就像刚才晓勇讲的，要有很清晰的场景，在很窄的领域里面，你到底能给传统企业带来什么样的帮助和赋能。如果你能够给传统企业提供价值，那就是TO B公司的求生之道。

张怀清：为了给陪跑的大量企业赋能，我们今年甚至建立了人妖实验室，对它的具体订单的场景直接给予服务，这样的话对传统的创业企业或者改造型的创业，避免了大量从头摸索的时间。我给你范本、给你样本，让你去学，不管是借鉴还是搬走模块，时间都会大量节省，这种生态以后会慢慢形成。

主持人林其玲：作为一个TO B的公司，可能前几年大家觉得你跟客户搞好关系能拿单子就行，但是在现在的环境下，作为一个TO B类的公司，跟客户应该怎么样来把控这个关系？是通过关系取胜、技术取胜，还是怎么样能有更好的结合？ 

牟晓勇：我觉得TO B、 TO C只是个名词，我们服务医院很多年，有一种感觉，现在中国的医疗市场发生非常大的变化，简单说就是医保没钱了，老龄化又来了。之前我们还有各种机会，现在马云的话肯定要应验了，但不是全体医生失业，而是人工智能代替医生，减轻医生工作量，否则供给严重不足。

现在大家对医学影像的人工智能也非常热衷，包括在做很多国家级的试点，但是我们认为目前有点缓慢，医疗的进展没有想象的那么快，同时医疗的复杂程度非常大，设定了一个不太可能短期完成的目标，我个人认为是不会在短期10年、20年里面能完成的。简单说人工智能真的能完全替代医生看病的话，短期的是不可能达成的，因为看病这个行为本身它不是特别客观和科学的，有很多复杂的心理因素和其他因素在里面。

现在医院也要算账，能不能开源，能不能节流？如果能多做病人同时少给医生发工资，就达成目标了。所以我们之前遇到很多国内像钱总提到所谓概念型的AI，就是用人工智能完全替代影像医生诊断写报告，这个是我们认为不太能落地。为什么？因为即使医院应用这样的人工智能，也不能把医生开掉，医生的工资还得发，报告还得他签字，从法规上要求的话，这个成本是省不掉的。

这种跟用户利益相悖的商业模式永远不可能落地，即使落地的话比例非常小，那我们就反转了一个思路，能不能让以前需要专业医生、很贵的医生来做的事，让护士把活干了，或者老百姓自己在家里面就把活干了，那这样就把成本省下来。

所以我们在产品矩阵里面反复的筛选，哪些病是不那么严重的，但是医生觉得特别烦，天天排着队。比如超声天天排队很长时间，医生也非常忙，患者在旁边一等就是半个小时一个小时，甚至可能要排一两个星期，这是我们真实的医院场景。像这类的工作，不太重要的病，能不能护士或者患者自己做了？这样的话跟医院的利益体系完全不矛盾，收费也是国家定的，收费还可以。

主持人林其玲：很多客户其实他们不懂AI，他们只希望能达到一个在他领域里面的一套话语，那么这个话语你们怎么来对接，能够让他明白AI是怎么运作的，而且又不会让他觉得这个事很简单，我自己就可以做了，我为什么要花那么多钱来请你来做？

牟晓勇：医疗行业不一样，医疗行业的客户是非常高智商的，也偏技术范儿。 实际上他们是很难说服的，特别是大医院的专家。但反过来我们的基层医院不是这样的，希望通过新的智能设备服务百姓，同时创收。所以我们发现叫人工智能也好或者叫新的东西也好，真正的落地场景，它其实也是分客户对象的。

所以当时我们从TO B再到TO C转型的话，其实有点像从大医院转到了小基层医院，从大专家级的大夫到了农村的大夫，我们后台有很多数据，就知道基层医生的诊断正确率非常低，终于有人工智能替他把这活干了，干得还可以，他们求之不得。而且如果还能产生一些增量的收入，他们就有信心去使用这个工具了。而且很多不产生临床纠纷的领域，他们非常乐意。

筛选这样的场景和用途，其实不是单纯的TO B和TO C。最后我们的B其实也是要给C服务的，特别是健康领域，都是给老百姓服务，最后解决他们的问题。无论是是TO B 还是TO C，最终还是在完成这一件事本身上，它的的性价比或者说是成本是怎么算的，把人员成本干掉以后，这里面有没有发生一个非常大的变化，发生的变化越大我的价值就越高。如果不需要专业医生，等于一个新家电机器人产生了，他自己可以干很多活，可能是扫地的活、可能是看病的活。最早期的话，我们今天做的是最简单的，是不涉及到生命的，不要做肿瘤，因为我们现在也在承担十三五的项目，做肿瘤的人工智能筛查，我们基本上觉得是给国家完成科研任务，到实际落地应用还很漫长，但是积累了很多经验。

主持人林其玲：晓勇大概的意思是先找了一个赛道，把赛道切开来看，它可能有好多的切口可以切进去，那么我先找了一个比较浅的，能够短期见效果的，先把事先做了，然后慢慢的再去做更多的事情。

牟晓勇：没错，我们像是转了一大圈，花了几年时间最后又找到一个最low的办法来实现人工智能落地，做市场和需求的增量。其实客户是支持我们的，这是真需求，实际上我们也推过一阵希望完全用人工智能去替代医生诊断的，但本质上医生是抵触的，一方面技术还不能保证病种全面覆盖和足够的正确率和稳定性，另一方面，他认为人工智能替代我了，领导觉得我没用了要给我降工资了，还有我的绩效就没有了，深层次人性的东西会反映出来。

主持人林其玲：医疗是一个很大的赛道，我们也判断未来会有一个很大的发展。

鲍捷：其实金融这个赛道以前有投资人就问过我，进这个赛道你平均要给甲方多少回扣？可能这就是之前很多年金融it行业做生意的一个基本的原则，10%- 20% 都是有的，但我们从来没有给过。而且我们现在每天在拒绝客户，过去四个月中我们拒绝了大概将近200个客户，

为什么要拒绝客户？因为我们现在的团队没有办法服务这么多客户，我们同时应该有差不多20个客户在服务，无法再承担更多的客户了。而且我们没有做任何市场的投入，基本上都是客户主动来找我们，但这并不是我们从第一天就开始做到这样的，就是你要找到一个赛道，然后你要精确地寻找其中的细分场景，这个场景一定是真实的需求。

太大的需求都不是真的需求，而真实的需求通常一开始都看起来很小。我们开始做的时候，就是从经营报告文本结构上开始做的，可能听起来不是特别sexy，仔细一算的话，很难在很短时间内成为一个独角兽。

但需求是真的，这个需求是用户愿意为你付费的，而不是多少年之后才给你付款。当你能够给客户解决问题，你就聚焦在这件事情上，哪怕这件事情非常小，你在这件事情中做到极致，聚焦聚焦再聚焦，把这一件事情最关键的痛点解决好，也就拥有了和客户的议价能力和尊重。

林其玲：你服务的客户都是很大体量的，他们对安全性要求都很高，包括晓勇你们这个客户都是很大体量，那么你们作为一个小的创业公司，怎么来说服这样的客户能够采用你们的产品？

鲍捷：这需要一个过程，首先还是要赢得他们的信任，当然一般来说一开始都是要内网部署的大型机构，所以你要保证数据的完整性以及数据的安全性，降低风险；另一方面你要真正解决客户的需求，只有这样才能真正赢得客户的支持，扎扎实实一步一步去获取信任和认可，把客户变成你真正的朋友，最后他们持续多少年都会为你说话，我们每一个客户都是这样过来的。

主持人林其玲：所以回过头来问问两位投资人，刚才这两位CEO分享的，大概的思路都差不多，TO B类的公司要找到一个小的切口，做小切口里面最简单的业务，不要走的太快，慢慢发展赢得企业的信任，然后慢慢的把蛋糕做大。这也是TO B类公司的一个特点，就是很慢。所以对于投资人来讲这不是一件好的事情，资本是有时间成本的，发展得很慢，退出的时候能赚的钱就没有TO C的公司多，所以你们为什么还要把钱放在TO B类的领域？你们投的时候是怎么选的？你们会给CEO有哪些建议？

钱雨：所有的创业项目在做第一个突破某场景单子的时候，一定是要有资源的。没有资源的话，客户需要什么你不知道，客户有什么数据你也拿不到。没有资源是不可能的，我们首先要投的项目是你在做的行业肯定有合伙人是干过这行业的，不然这事是属于没有任何可能性的。

首先我们投的项目里，一旦突破场景以后就不应该单纯依靠资源来销售的。我觉得AI本身是一个节约成本和提高效率的技术，现在AI根本就没有做到大家都很懂，我相信在路上问十个人AI是什么，有什么用，里面有九个人可能并不懂。如果在这个时间段，还需要单纯依靠深度资源才能去完成销售，只能说明做的是伪AI或者是不能落地的AI，根本没有找到用户痛点或者没有解决能力。

简单讲现在AI其实是个稀缺资源，所以它应该是一个卖方市场。只要你做的是正确的，它一定是卖方市场。然后反过来的话，后面就回到跑道快慢的问题上了。能变成产品化的企业只有两种，第一种是跑得极快的，会迅速的扩大并且垄断市场。这种的话我总结，一定在产品和最终用户之间是有少数寡头垄断了一个中间商市场的，当然这些少数寡头可能有的是主机厂商，有的可能是一些别的身份，但他们一定会垄断最终市场。然后只要你进入少数寡头的合作伙伴里，很快你就会进入市场，并且把整个市场在一两年之内垄断掉，这是一个非常快的速度。

另外一种其实就是市场可能存在着大量的中间商，我觉得AI企业不应该直接服务海量的中小直接客户，因为如果这样的话的确成长很慢，它其实就是要给中间商赋能。比如说工业检测的例子，中国有数以万计的工业自动化公司，他们其实都没什么AI能力，但如果你能做出一个很好的工具给他们赋能的话，那你的业务生长也会很快。

这两种比起来的话，其实前一种我更愿意把它叫做静营销，因为它的特点是产品一旦通过少数寡头部署在海量的企业里面，你会拿到大量的需求，AI还有一个特点，它不能百分之百的通用，它一定会有点定制。当你的最终用户用了你的产品时，它一定会有新的想象力出现。过去由于用户不了解自己有什么需求，这时大量需求可能会通过你的中间商或通过你的前台服务人员回来。作为创业企业来讲，把不能变成产品化东西砍掉，然后从中再找出三个五个能产品化的东西。而且我相信如果做的是一个核心的东西，一定不会出现说依赖中间商有什么资源关系才能广泛推广，最后都可以跑得很快。但前提还是要看企业的能力和选择赛道以及未来发展的空间，特别是创始人的管理空间有多大。

张怀清：大家都在说TO B的市场比较慢，为什么慢？ 最重的一块就在交易成本。时间和实际支出成本都是巨大的，所以TO B市场整个慢。但这一切都在发生变化，而且这个变化会加速度。

我讲一个小的故事，最刚性的一个政府类需求，比如现在整个森林的卫片全是卫星24小时内刷，然后人工智能就能快速的把违规的东西找出来，它会在24小时之内给偏远地方的林业局，比如管理的处长们发工单，在24小时内必须拿出解决方案。你看这样一个小故事，原先这种刚性的流程现在都变成机器在管，原先我们都是凭借资源来创业的，其实成也资源败也资源，所以有些企业发展很慢。但现在有几个大的变化已经出现了，TO B的市场出现了入口效应，想进入供应链，进入采购的订单，你可能要进入五种入口，入口效应越来越强烈。 

第二智慧供应链逐步发展起来，支付供应链背后也是有人工智能的成分在里面。所以这两个变化就导致了以后的TO B的交易环节慢慢发生改变。政府在发标，大的企业在发标，既然有手段能够减少中间的支出，它一定会减少，传统的形式是要靠人face to face去解决，那么中间的大量交易成本是根本低不下来的。如果有可能一定会用，这样的交易成本就会降低，TO B的市场也会发生大变。

第三AI的机器销售出现了，机器销售会慢慢在一个行业一点一点的蔓延，它的起来会对TO B的快慢环节有重大的影响。所以我认为下一个环节，下一个五年或者十年TO B市场传统的刀耕火种方式可能会发生重大的变化。智慧供应链的发展，尤其像手机这个行业供应链，包括云计算等等这些空间都发生巨大的变化，而不是我们过去face to face就能解决的。很多创业者都是围绕这几个关系去做，未来可能会发生变化，有一天关系就变成了机器，你怎么办？所以未来的机会应该是比较大的，因为市场在变，交易的方式在变，一切都是因为成本和效率所推动的。

主持人林其玲：虎歌讲得很好，其实也点到我们今天这个主题：to B领域的洗牌和应对。那么回到各位几个CEO的领域，包括我们投资人在投的领域，你们认为现在所在的领域正处于一个什么样的阶段，是洗牌期吗？洗牌的原因和动力是什么？比如像一些大型的企业或是传统的企业，他们会在洗牌期里扮演什么样的角色，你们主要的竞争对手会是哪些？

牟晓勇：TO C实际上是看你怎么定义它，如果我们把医院看作B的话，我的患者就是C，但实际上我是很难去直接给患者服务的，还是通过对医院的赋能和对医院的合作升级。TO B能直接赚钱，这是好处，To C是要更多的市场投入等等。我们其实在TO B场景里面磨练了足够的产品、算法和数据、赚了钱，还建立了很好的客户关系，也能真正提升他们的营收。

中国也在讲医院市场化和法人治理，整个大格局变化的话，医院也一直希望更多更好的服务百姓和获得阳光收入。但是现在医保支出严重不足，我们怎么能提供更好的工具让他们降低成本，然后提高他们的服务范围？最近我去了几个医院，他们不谈营业收入和规模，讲工作量实在太大了，还是希望服务好最终的TO C的患者。我们能把患者服务好、效率高，实际上就是完成了TO B的交代。而之前传统隐形的商业关系没有这么透明和直接，但现在要真正服务好患者的话，其实是要和医院是站在一起的。

中国无论是政策还是技术都发生了很大的变化，正处在技术、商业模式和社会分配体系发生变化的一个阶段，我们只需要做好我们的事情。现在医疗负担特别重，怎么能完成这么多人口的健康保障？是非常不容易的，人工智能有可能缓解这个负担，这是一个最核心的工作，而且我觉得这里面有很多的创业机会。

主持人林其玲：它会吸引更多优秀的创业者和资本涌入，在你看来就这么好的一个医疗创业的项目，你们未来可能最大的危机是来自哪里？

牟晓勇：竞争，以及政策的不确定性。但是我觉得人的健康诉求越来越宽广，选择出哪个需求是真需求，这是一个最大的风险。当选了一个看上去很好，但是实现难度太大，基础没有被验证，收费没有验证的需求，风险是非常高的。如果是真正的刚需，在短期内能够体现出来。无论是TO B还是TO C都愿意先付钱，对公司来讲的话，这种商业风险会相对降低很多。还是不要踩坑，踩到了一个假需求里面，这个浪费的时间更大。 

鲍捷：金融赛道进入了一个新阶段，前面那个阶段我们是以触达的革命为主的，主要是把线下渠道搬到线上来，比如钱包、支付或者线上销售。在这个阶段，传统的大公司是很有优势的。

但是从2016年开始进入了一个重构阶段，无论是BAT还是传统的金融IT公司，那些上市公司，他们这三年来的投入在市场上没有产生可感知的竞争优势。也就是说我们在客户那里几乎看不到这些大公司提供的服务，或者说在跟他们进行PK的时候，基本上都能赢。这就是大有大的问题，小有小的问题。

一方面大公司虽然人很多，但是真正在某一具体赛道上面具体的方向，投资的人力并不会很多。整个团队可能也就十几个人，是远远不如我们的，赛道上服务的质量也是不如我们的。

另一方面更重要的就是创新者的窘境，那些新的重构型业务实际上是在破坏原有的业务，也就是说当它开始投入的时候，内部原有的部门一定是要嗷嗷叫的，甚至用谋杀的心态先把新业务给杀死。所以对我们而言，从来不担心那些大公司。而且在从某种程度来说资源越多越有一种诅咒，对我们来说真正的竞争对手是比我还小的公司，是我们还没有看到的公司，是比我们更有活力的公司。

林其玲：给两位投资人再留一个问题，今天主题是暖，但大家都知道今年确实比较冷，在比较冷的资本环境下，你们的投资的方式有没有一些变化和投资的要求？尤其对于在座的创业者来讲，来谈谈今年你们的创业投资的需求？

钱雨：其实是对资金来讲，就像虎歌说的，我们每天都在募资，并且我们募的量比每个单个创业项目项目投资额要大十几二十倍，所以难度一定是有的。因为LP都很痛苦，重点是LP没钱会导致基金钱少，基金钱少会导致大家对项目的选择会更加的苛刻。

更优质的项目还是会拿到钱，如果不是最优质的项目拿到钱的概率可能会变小，但对优质项目拿到钱的周期可能会变得更长。所以对于项目，第一点需求要足够优质；第二点是自我造血能力还是要有的。因为即便基金选中你，到之后能给钱，可能也是也比过去要长很多的一个时间。好项目其实永远都不用担心，真正有问题的是本来就不该拿到钱的项目现在真的拿不到钱了。

张怀清：其实我们也是在投资的过程中一路坑踩过来的，我们现在也根据时代做出很大的调整。比如说我们会发现创业的本质是什么？从0到1它的本质是在创立一个商业模式，商业模式的成立才是从0到1这个过程中创业者最大的使命。所以钱不是问题，问题就是商业模式成不成立，你要是商业模式好，有落地的数据，钱是追着你的。

比如我们去年陪跑的一个项目，去年6月份精益创业三四个人30万，年底就2550万的销售额，这样的项目目前资本是投不进去的，它会发展得非常好。既然商业模式是痛点，我们就陪跑，就垂直往下，我们把整个创意商业模式的过程，按照精益创业的方法抽象成3步16关，我带着创业者16关一关关的打。在半年内打不出来的，早死早托生；打出来的，资本自然就跟上了。按这种方法批量去做，不经过活检你根本不知道头狼合适不合适，有的时候交往十年的人碰到紧急状况，你会发现他的本性都不是一个称职的创业者。所以对投资人来讲，一定要经过半年时间的活检，所以我们把商业模式赋能变成未来这几年的重心。

林其玲：最后一个问题，每个人一句话，留给我们在座的创业者们，在今年2019年做TO B类的公司，你们觉得最重要和最关键的一件事或者一个心态是什么？ 

牟晓勇：守住现金流创造价值。

钱雨：我非常赞同晓勇这句话。

鲍捷：聚焦再聚焦聚焦，聚焦在你最有优势能带来钱的事情上来。

张怀清：无场景不AI，无订单不AI。