摘要：基於團隊成員多年的從業經驗和對AI行業的密切關注，LUCI.AI 在公司產品和業務部署上選擇提供端到端的高度定製化集成服務，實現 AI 技術的落地。近日，海創派 HiTrends 與 LUCI.AI 的創始人之一 David Wang 及技術總負責人張峯就公司團隊、產品及商業模式進行了交流。

海創派 HiTrends 作者訪問 LUCI.AI

海創派 HiTrends 報道，作者 June

近五年來，AI 熱度逐年攀升。

調研機構 CIFAR 預測2020年與 AI 相關的市場預計將達470億美元。德勤發佈的2019全球 AI 發展白皮書中預2025年世界 AI 市場將超過6萬億美元。PWC 也在2019年做出的一份關於 AI 行業預估報告指出，AI 到2030年對世界經濟貢獻的行業總產值將達15.7億萬美元。

分析機構的持續看好使 AI 類創業公司的數量也呈指數級增長。

隨着資本對 AI 的助推，投資市場和業屆對 AI 行業的認知不斷深入。投資市場逐步迴歸理性，AI 的行業發展重心也從前幾年對技術的追崇轉變爲近一到兩年來對其商業價值的挖掘。有跡象表明，行業中的玩家開始深耕垂直細分領域，致力於解決 AI 技術的落地和在商業上的盈利問題。

位於多倫多的 LUCI.AI 便是這樣一家深耕特定場景的 AI 類初創企業。LUCI.AI 於今年7月份由幾位華人正式創立，是一家很年輕的公司。然而，幾位創始人和公司核心成員都屬於經驗豐富的連續創業者或資深相關行業從業者。

近日，海創派 HiTrends 與 LUCI.AI 的創始人之一 David Wang 及技術總負責人張峯就公司團隊、產品及商業模式進行了交流。

David 本人在移民加拿大之前在 IT 行業做過系統集成，web 1.0時期曾在新浪網負責廣告業務，到 web  2.0時期又在阿里巴巴負責商務合作。移民後，又曾回國與前快滴打車的創始人之一一起創立移動過互聯網保險公司。技術總監張峯畢業於加拿大 Queens 大學計算機系，在國內工作創業期間曾申請過100多項關於 AI 的專利。

據透露，成立的前兩月，LUCI.AI 就完成了第一個產品的研發、測試和上線。這是一個基於送餐設計的實時優化系統，目前爲多倫多最大的幾家主要的華人外賣送餐類公司提供服務。受限於華人外賣公司的業務規模,該系統每天處理單量在1-2萬系統具備很強的可擴展性，但目前仍受限於華人外賣公司的業務規模，每天處理單量在1-2萬單。

賽道的選擇對於創業能否成功來說無疑至關重要。

選擇 AI 爲創業方向，除了團隊成員相關的從業背景以外，David 分享說，這也是因爲 AI 可以給在海外的華人創業者進入主流社會的機會。

他解釋說， 儘管近年來選擇在加拿大創業的華人越來越多，但依然集中在餐廳、超市、地產經紀等傳統行業。相對於西方國家已經根基深厚的傳統行業如石油、地產、傳媒，AI 作爲一個高科技行業，AI 可以給新創業者一個公平進入和競爭的機會。

David 表示加拿大素來有世界領先的 AI 土壤。人工智能領域的巨頭 Hinton、Sutton 和 Bengio 都來自加拿大，是深度學習和強化學習方向的領軍人物。這促成了加拿大本土以此爲根基的人才體系，而人才對於AI公司的重要性顯而易見。跟國內相比，加拿大的AI人才平均水平更高，總體差異化更小。人才的優勢也吸引了美國科技公司把研發中心搬過來加拿大，並在此注入資金。2017 年，相關部門出臺人工智能策略，撥款1.25 億加元（約合9000萬美元）支持與 AI 的相關生態鏈。

基於團隊成員多年的從業經驗和對AI行業的密切關注，LUCI.AI 在公司產品和業務部署上選擇提供端到端的高度定製化集成服務，實現 AI 技術的落地。具體來說，因爲 AI 社區的開源及信息化時代的快速知識流通，不同公司從技術代差上來說差異不到 AI 的技術代差1年正在逐步縮減，因而做單點的技術突破將面臨巨大的商業挑戰，技術落地成爲了立足的關鍵很難立足。這在過去幾年的 AI 創業熱潮中已有體現。

LUCI.AI 因此選擇了深耕建築和零售行業，將自身定位爲自主研發產品，致力於提升企業運行效率，資源精確匹配的AI高度定製化集成服務商。據麥肯錫最新的調研報告，目前市面上80%的公司有意進行 AI 方向的產業升級，而這些公司當中66%屬於零售和工業化行業，AI 行業總產值估計在2.6-4.6 億萬美元之間。

目前 LUCI.AI 正在逐步建立與上述行業的加拿大領頭企業合作。已建立與加拿大最大的建築商和最大零售商的合作。

對於落地和高度定製化服務，David 舉例說，建築工地的資源調配需要一整套程序的銜接，包括不同建築材料運輸時間、地點、順序、路徑和數量，而公司提供的解決方案便是調整這些參數，最優化施工效率和成本開支，實現材料和工序 Just- in- Time 的流程匹配。同時，在深度合作的過程中，因爲了解到客戶一直有材料丟失的痛點，定製針對“防盜”問題的算法，也將項目階段性的目標。

David 認爲，如果沒有深入客戶的需求場景，僅從 AI 技術出發設計的產品將很可能對客戶需求做出有偏差的理解，而導致不被市場買單。這一點對於 To B 的業務尤爲重要。

高度定製化也體現在數據上。基於數據建立的模型，因爲數據經常性的改變而需要迭代升級，因而過一段時間就需要對模型進行重新調整。這一點也決定了 AI 實現落地的關鍵一步是與場景綁定。在數據方面，LUCI.AI 結合跨平臺數據渠道，深耕應用場景，LUCI.AI 部署了無人機在工地的數據收集項目，以解決 AI 最依賴的數據問題。

盈利模式上，公司採用了收取一次性的項目費和模型升級迭代的定製費。從其他定製服務提供商的經驗來看，這是一個已被證實有效的營收模式。而從公司目前運營來看，該模式可以產生穩定現金流，是一種可靠的方式。

LUCI.AI 在技術方面的架構分爲三部分。對於項目核心的算法研究，產品開發，建模及程序實現，由公司全職算法及程序工程師完成。對於應用層面的軟件，因爲國內已有成熟和豐富經驗，公司選擇跟國內團隊合作，最大程度提高性價比。另外，得益於加拿大對於 AI 的項目支持，公司也建立了與大學的科研合作，這樣不僅是緊跟技術前沿的長期戰略部署，也節省了研發成本。

資金方面，公司成立之初已經完成天使輪50萬加元（約合37萬美元）的融資。創始人 David 透露，目前已與國內外一些不同的投資機構接觸，計劃在2020年初進行 pre-A 或 A 輪的融資。資金將主要用於招募 AI 人才，擴展更多應用場景以及服務器和基礎開發資源的投資。

對於投資者的選擇，除卻資金以外，公司更看重其背後的資源價值。因爲下一步的戰略計劃是在目前應用場景上做縱向深化，以不斷擴大市場並，以及拓展 AI 應用新場景，能夠帶來資源支持的投資機構是 LUCI.AI 的優先選擇。對於國內和海外的資金，David 認爲各有其優劣勢。加拿大的風投資金較之國內有數量上的劣勢，而且要求更繁瑣複雜麻煩，但其優勢是可以帶來本地的客戶資源，國內資金雖然數量和程序上則更有優勢。