为AI祛魅，小笨智能打造垂直领域“小而精”的AI机器人

为AI祛魅，小笨智能打造垂直领域“小而精”的AI机器人

毫不夸张地说，ChatGPT的问世可谓“一石激起千层浪”，倒逼所有企业都开始思考一个问题：如何搭上这趟时代列车?

自彼时起，全球的目光都紧盯着这个确凿无疑的时代风口。AI投资激增，各公司开始开发、采用或将AI集成到产品或业务中，全世界已经进入“AI竞赛”的时代。

尽管AI浪潮为人工智能技术与传统产业的融合创新提供了新的想象空间，但纸上谈兵容易，真要到了落地应用的阶段，又何其困难。

这其中，有人砸钱不休，屡败屡战，在红海中疯狂内卷;也有人另辟蹊径，用小单品在垂直赛道悄然成长。

　　在人民网智慧党建体验中心，小笨智能机器人在提供党建知识讲解的同时，其搭载的大语言模型还可以根据访客的需求，对红色党史进行深度解析和广泛延伸，提升访客对红色党史的认知深度。

AI赋能一切，但“落地”才是目的

从去年开始，国内外科技、AI企业纷纷下场试水，掀起“百模大战”，行业很热闹，创业者很兴奋。

“AI赋能一切”这句话，乍听起来的确很燃，但大模型具体怎么落地商用，很多人似乎摸不着头脑，落入了“好像什么都能做，又好像什么都做不好”的困境——事实上，在疯狂投资和过度期望之后，那些站在行业前沿的选手们已纷纷陷入“AI亏损魔咒”。

君不见，商汤科技五年巨亏468亿;ChatGPT也在去年下半年陷入增长停滞、烧钱不断的泥潭;就连推出大狗、Atlas双足机器人、机械狗Spot等一系列顶级产品的波士顿动力机器人，也由于过高的价格和使用难度极大限制了旗下产品的规模化应用场景，导致七年三次易主，风光不再。

这也说明，在AI领域，技术强并不意味着产品就会畅销。而究其原因，问题就在于：产品并没有实现最大程度市场化。换言之：“只有应用直接创造价值。”

毕竟，杀成血海的通用大模型注定只是少数人的游戏，下一阶段的机会在更加明朗清晰的行业大模型、垂类大模型身上。

那么，应用如何落地?技术如何变现?当诸多AI应用还处于艰难探索期的时候，那些选择在垂直领域商业落地的企业已经一马当先，悄然走到了时代的前列。

　　高铁智能洗车机器人专注于高铁智慧清洗，机器人行驶至高铁清洗区域后，自动升起滚刷、喷液杆，清洗过程中，机器人自动识别作业路线上的障碍物，遇到障碍物后停止作业，障碍物移除后重新清洗，清洗至车位后，自动停止作业，并收回滚刷、喷液杆，并自动远离车体。

专注垂直领域，打造可“应用”的AI产品

对科技企业来说，要想取得商业成功，必须找准市场契合点，需要背靠大市场，并且抓住应用的机会。

其中，专注于家用智能清洁机器人的石头科技，便堪称“小单品”的标杆。石头科技将无人驾驶的激光雷达技术，用在了扫地机器人身上——虽然用途只是扫地，但却走进了千家万户，让机器人能为家庭服务，实现了真正的“落地”。

长期专注于B端垂直领域的小笨智能，则用一个个落地的“AI+机器人”，成为行业智慧服务解决方案服务商。事实上，小笨智能的悄然壮大，也是对“在充分竞争的市场上，机会总是留给那些有准备、有实力的人”这句话的精准诠释。

　　上图为小笨智能根据杭州地铁需求，在颜色、外观等方面进行了个性化定制，机器人可根据乘客的需求，提供购票指导、问题咨询、路线引导等智慧服务。

一方面，小笨智能没有在“大而全”的AI应用方面耗费过多精力，而是倾斜自身资源，专攻那些不起眼的“冷门”领域。比如在政务大厅、银行、科技馆、博物馆等场景提供智能接待、智能引导等工作的机器人，以及智能盘点机器人、清扫机器人、消毒机器人，和从事高铁外皮清洗、底盘巡检等工作的铁路系统特种机器人——这些产品都是具有针对性、专一性，为一个个实实在在的使用场景解决问题，做到了“单一而精准”，也即意味着“更好地落地”。

另一方面，小笨智能深谙科技企业的根本之道：深耕技术。除了在AI智盒、室内无人驾驶技术、室内导航技术、NLP算法和视觉识别算法等领域持续投入，巩固其技术优势，还构建了独特的“标准化模块”，支持功能深度定制与二次开发，能更好地专注于实现客户的各类定制化需求——灵活打造满足不同用户、不同使用场景需求的产品，从而大幅提高企业效率，实现产品更快、更精准的“落地”。

　　根据广汽传祺吉祥物“小祺”定制的智能服务机器人，可为顾客提供车辆性能介绍、爆款推荐、质保时间等服务，在解放人力的同时，提升公司展厅形象。

无他，一切目标唯“落地”尔。

某种程度上来说，能够“落地应用”的智能产品，也正在为“AI+”祛魅，让人们意识到，AI并不是只能在高大上的宣传视频中看到，“赋能”也不是价值模糊的说辞，“AI+产品”是能够真正走入日常的——小笨智能和石头科技都是很好的例子。

在这方面，也许“大而全”的大模型比之“小而精”的小单品，要逊色得多。

总体而言，在技术上探索需花费大量时间和资金，且已有技术未找到合适商业化路径，成为当前AI领域的桎梏。AI科技革命的未来，将更多取决于AI模型的落地和应用。谁能在这方面取得突破，才能在行业中占得一席之地。