先充分加法
行业机会：
拆解行业：随着短期经济前景的不明朗，很多制造业暂缓了大型数字化转型项目的投入，转向更具体点问题的解决。比如说钢铁生产过程中在高温环境下检测钢管的厚度是否达标，比如钢板是否平整等。这些都需要图像、视频实时识别和计算模型，并能告知技术人员如何处理。以往不同模型都要开发不同的应用，而制造业客户不同问题域需要多种模型。比如测量钢管厚度、钢板镰刀弯质量问题等。整体代驾高。
行业变化：不少企业对供应商鼓吹的数字化工厂不那么热衷了，因为周期长，组织改革变化大。而小模型是针对特定问题的解决方案，有没有效果很容易看到。
预判稳态：市面上已经有开源的算法模型训练平台。预计会有很多基于此训练平台的商业化产品出现。
行业周期：目前是刚刚开始。
行业天花板：行业增速不会太高，考虑到实施复杂度。有机会，是垂直领域的机会。
集中度变化：大企业不太愿意做这些小点，都是做整体解决方案。小公司的机会。
商业模式：
用户需求成立：目标用户有两类，一类是最终客户，比如钢铁企业，二类是行业问题研究机构。前者需要能解决最终问题的系统方案，后者提供模型算法。这两者都需要有平台支持。平台为前者提供运行环境，为后者提供测试和训练环境。
解决方案成立：解决方案目前还不算成熟，思路上可行，但需要从解决一个具体问题点开始构建真正的应用。
商业模式成立：可以尝试按效果比例收费。降低客户决策难度。
增长渠道成立：需要有更多模型算法，目前还在尝试。
长期壁垒成立：长期壁垒主要在于构建的系统简单易用，不需要很高的运维能力，方便客户使用。同时，算法模型可以远程更新升级。
创业初心：
兴趣度：有心愿提供制造业水平。
使命感：想做点贡献。
团队能力：
必备岗位职能：算法可以找到关系紧密的合作方，行业专家也能找到。
必备行业经验：钢铁行业。
必备竞争力：快速构建可稳定运行，简单可靠的运行的应用软件，快速交付。
外部资源：
必要资金：借助上一级供应商的客户订单。
必要合作：和算法、外包机构合作。
网友评论