最近刚读完何帆老师刚刚出版的《变量》一书，在上一节保险渠道的两极之路：长险2B化，短险2C化 | 保险新渠道（一）中，为了说清楚保险业不会一直处于依靠代理人销售信息不对称发财，引入了快慢变量的思路。何帆老师的这本书也是在论述快慢变量，非常值得一读，其中有一个案例很值得思考，可以借鉴来讨论我们关于IoT场景寻找的问题。

1、AIoT生态当前面临的问题

几乎人人都认为，AIoT就是未来五年甚至十年、二十年最大的趋势，通过长线思考和终局思维，AIoT生态是未来十年后商业竞争的终局，但除了智能手机这个应用最为广泛的IoT设备以外，几乎所有企业都没能找到一个真正有效的可落地的场景，来支撑AIoT生态的演化。国内最被看好的AIoT公司小米，最大的应用场景也依然是智能手机和手机中的一个个App...这就是趋势来临时，几乎所有人都面临的问题：场景！到底合适的场景在哪！？？？

那么，如果你是一家立志AIoT生态的创业者，除了智能手机，你应该选择什么样的场景切入？

2、寻找场景的难题

我们在AIoT生态中寻找一个细分类别来具体论述，例如的机器人领域。之所以选择机器人领域作为AIoT生态建设的切入领域，是因为机器人是所有人认为最具潜力但技术挑战最大的领域。但大多数人对机器人的理解要么就是家里的扫地机器人这样简单的场景应用，要么就是机器人要像人一样。

图：波士顿机器人惊人的三级跳

图：机器人索菲亚（右一）

例如波士顿机器人模仿人三级跳，索菲亚模仿人交流等等，实际上这很可能都是错的，希望通过这个案例，可以找到不一样的思路。

确定了具体类别，现在需要我们考虑的问题是：如果你作为一家机器人公司的创始人，你会找到什么场景切入从而做出生态？

3、终局思维：产业拆解

我们无法靠天天盯着机器人发呆来寻找场景，所以确定了进入的行业，第一步是要对行业进行拆分：行业拆解。

PS：（前面大健康领域最具价值的资源分析，也是用行业拆解的方法：建设如阳光般的大健康互联网生态｜新保险（八），你可以移步查看）。

机器人可以分为工业机器人和服务型机器人两个领域，他们的差别非常的大。

工业领域发展近七十年，非常成熟，在工业生产线上，有大量的机器人应用场景，而且都比较标准化，好落地。从20世纪60年代世界上第一个工业机器人诞生，到现在像成熟的汽车生产线、富士康的手机生产线，遍布了各种各样成熟应用的工业机器人。这个领域最大的特点就是高端机器人及应用场景都被四大家垄断，就是四个跨国公司，也就是瑞士的ABB、德国的库卡、日本的发那科和安川电机一共四家企业。按照何帆老师对参访者的描述，国内工业机器人公司拼的都是成本优势，但依然竞争力薄弱。显然对于初创公司而言，没有巨大的工业应用场景做实验，贸然进入工业机器人领域不太明智。

服务型机器人领域呢？这个领域的特点是它起步晚，现在几乎是一片没有航海图的水域，前景广阔但是没有航线。它的优点也明显，市场规模实在太大，所有跟生活相关的场景，都可能用到服务机器人。假设我们决定聚焦服务机器人，那怎么继续拆解这个领域呢？有三个维度，一个是空间，一个是时间，一个是工作流程是否可标准化可量化。

（1）空间

空间的基本分发就是大、中、小三种，所谓的小的是居家环境，像“低端”的扫地机器人就是一个典型的应用场景；中等的是办公室、酒店、医院等等，像早期的自动贩卖机也算一个典型的应用场景；大的是我们居住小区、社区，还有中关村软件园这样的园区等等，目前很难能找到社区内穿行服务的机器人应用落地的场景。

小场景中，机器人在家里最多扫个地，要是给我们做饭、倒茶、叠被子，都还做不到，有一些基础的应用场景，但是很难找到场景的演化或者深度的拓展从而进一步发展迭代。那大空间呢？环境太复杂，比如小区里会有狗追机器人，会有人想去偷机器人。实际上这个大小空间是什么呢？就是我在IAB物智链公众号一直重复的场景颗粒度的问题。颗粒多过大也会导致场景太复杂，不太容易实现，颗粒多过小会导致场景价值大大缩水，因此导致拓展演化非常困难。所以，服务机器人最适合的场景就是中等空间，任务明确，环境简单，可拓展性强的场景。

这是空间的选择上：选中等颗粒度的空间场景。

（2）时间

时间分长短，一般的工作是八小时制，有的地方是两班倒，比如超市，还有些地方是通宵营业三班倒或者四班倒，比如钢厂这类生产线，再例如酒店和医院这类服务场所。人因为无法长时间高度聚焦注意力，所以高效工作时间有限，需要休息。但是对机器人而言，24小时工作也不会疲倦，所以长时间性质的工作场所对机器人需求也就越强。

这是时间维度的选择：选长时间工作场景。

（3）标准化

第三个是工作性质的问题，例如创意性工作，机器人肯定不适合，比如让它做产品经理、UXD设计师这类工作，机器人是没办法胜任的，至少在短期内不可能。再例如医院的工作，特别是医生和心理咨询类工作，机器人也是短期内没办法胜任的。机器人能胜任的是那些标准、可量化、简单重复的工作。例如最早应用在金融业的“机器人”化的场景就是取款机。

这是标准化维度的选择：选的场景越标准化越好。

（4）怎么选择？

结合中等颗粒度空间、长时间工作、越标准化越好等等，其实可供选择场景已经非常有限了，酒店就是一个非常典型，且市场空间巨大场景，24小时餐饮服务也是一个场景。我们以酒店为例，在场景里干什么呢？当然不是迎宾了。通过拆解酒店所有工作场景，你会发现，最好的应用是让机器人送货。比如，晚上航班延误了，凌晨两三点才入住，肚子很饿，可是餐厅已经关门了，怎么办呢？这个时候，机器人就能发挥作用了：

在酒店放个二维码、或者pad一类操作屏幕，扫一扫二维码或者通过pad就能下单，然后机器人送货上楼，一直到门口，通过门铃或者手机PUSH通知你开门取货。

4、AIoT生态演化之路

如果场景分析到这，最多也就只能算一个精准定位场景的创业案例，创业公司生产很多机器人卖给酒店的同时，还要训练机器人熟悉酒店的内部结构，例如按楼梯、识别楼层、识别门牌号等等。这这是一个费力的生意，但并不能演化为IoT生态。所以我们要对场景升级，让场景不断按照“点、线、面、体”的路径演化。

（1）演化V1.0：相互改造

机器人和人不一样，上电梯要按楼层号、识别房间号等等，这个难度并不小。根据场景四要素：空间、时间、情绪触发、交互，场景不是产品的终点，而是产品的起点。产品投入场景之后，它会跟这个场景交互，在交互过程中不断的适应，相互改造，就好像农民在种农作物时都会夹杂种植豆类植物一样，因为豆类植物可以产生氮这种对其它植物至关重要的营养元素，这就相当于豆类植物改造了土壤的品质。

按照一开始的设计，机器人要能在酒店送货，一定要学会对酒店具体的场景做出识别和反应，就实现这一能力所耗费的研究投入就会巨大无比。所以我们要进行场景升级，更高级的方案是：主动改造酒店。

为了让机器人学会做这些事情，主动改造酒店的设施。比如机器人来到酒店之前，可以把门禁闸机、电梯、房门、购物机都变得更智能。这样机器人就不是在一个智能荒漠里面孤军奋战了，它可以跟身边的一切进行交流，互相协同。你坐电梯还是要按楼层按钮，但是机器人不需要，它能跟电梯直接“心灵感应”，如果是楼梯，不需要机器人爬楼梯，而是楼梯载机器人，这个难度就不一样了，载人载物是楼梯的天性，但爬楼梯不是机器人的核心能力。这就能推动整个酒店行业的设施和标准来一次大升级，让酒店更接受机器人，释放更多的红利。谁做这个机器人的公司，很可能就是这波红利的领跑者。

这是我们场景的第二个认知层次，产品和场景要相互适应、相互改造。

（2）演化V2.0：打破空间，创造场景

紧接着，寻找更高级的打法：就是产品从一个相对简明的场景切入真实世界之后，能够打通旧场景的边界，重新界定场景，甚至给自己创造一个新场景。因为机器人的进驻，酒店这个场景本身会经历一次底层的颠覆。一般意义上，人对酒店的定义，就是一个临时住宿的场所，而且是一个不怎么方便的住宿场所。比如很多酒店是不允许外卖小哥进入客房区的，我们在酒店里点外卖，外卖小哥还要电话让我们下去取。但是如果酒店里用了送货机器人，我们就会发现，酒店的消费场景从隔离状态进入了一个对外全联通的状态。

这是什么？区别于网上订酒店这种简单的场景，这是第一次让酒店服务实现了联网，实现了在线化。这么复杂的场景真正实现在线化，居然是通过机器人来实现的，而不是在线预订这种人类常规思维下的交互方式实现的。由于第一步实现了真正的在线化，接下来数据化、网络化就有了演化的可能性，如果能演化出数据化和网络化，就有演化出生态的可能性。

当酒店服务实现真正在线化以后，以酒店为中心的一个商圈就被打通了，那想象空间就大了。我们可以在酒店里点餐、买一些水果蔬菜、租游戏机、租高尔夫球杆、订景区的门票，甚至还能够从图书馆里借书。所以，以后酒店这个场景可能就不存在了。因为机器人的介入，以后人们再说这个场景的时候，会说酒店生态，虽然这个只是生态雏形。如果酒店的电梯、门禁也是智能的，机器人是不是通过所谓的“意识层”就可以和酒店硬件互动了？这一步非常重要，通过服务机器人一项，就实现了酒店所有场景的撬动，从而对整个酒店进行了改造。

这里再插一句，如果对像亚朵这样的主题酒店进行智能化改造，可想象的空间是不是更大？

（3）演化V3.0：数据智能的诞生

关于生态建设和平台建设的讨论中，屡次强调过生态和平台的本质是数据智能和形成多边网络效应（双边网络效应）。再回头看机器人这个案例，我们需要再一次对场景进行升级，这一次，我们只租赁、不销售机器人。

像一个劳务中介公司一样，把机器人“雇佣”给酒店。这是为什么呢？你想，一旦酒店生态这个新场景打开，会有成千上万的机器人穿梭在全球各个地方的酒店商圈里面。

但是机器人跟人不一样，它是能通过互联网，实时信息交互、实时相互协作的。所以，机器人这个物种从来就没有单数，它永远是一支“军队的力量”。这个时候，机器人之间的互相协作，就能产生巨量的数据和巨大的效益。

只租不卖带来的好处就是所有酒店用户和机器人互动的数据，全部可以沉淀到机器人租赁公司的后台服务器中，用来分析服务用户，从而迭代机器人、提升用户服务的精准程度，这不就形成了我一直强调的“反馈闭环”吗？

淘宝这样依托于App平台的生态企业，要想做到精准的千人千面，也是依赖于数据智能下的反馈闭环，不断迭代才有更准确的商品或服务的推荐，推荐的精确度越高，用户体验越好，用户体验越好，交互频率就越高，潜在的转化率就越高。区别在于淘宝生态的载体是App，机器人为枢纽的生态载体是机器人这个IoT设备。

这一步，实现了初步的数据智能，但是由于场景单一，还无法形成立体的用户画像，也没有完全形成比较有规模的双边网络协同效应，所以机器人的服务场景还要进一步拓展。

（4）演化V4.0：双边网络效应的诞生

如果我们让机器人自己给很多展览馆、博物馆等等这类场所发份机器人的简历，让机器人去应聘解说员。有的人力资源经理一看简历上写的是机器人，心想这不是神经病嘛。但是也有一些人力资源经理，会愿意让机器人去试一试。可不要小看这个小趋势。机器人真的和人一样上岗工作，那一天很可能到来得比我们想象中的还要更早。

一旦这个缺口打开，就像洪水决堤一样，除了酒店、展览馆，还有更多的场景可以拓展。除了中颗粒度和长时间、标准化的场景，还有大颗粒度、细颗粒度下短时间场景等等。

数据的积累自不用说，形成多边网络效应也指日可待。如果场景足够丰富，为机器人开发应用的、为机器人开发算法的、为机器人提供维修服务的等等各种各样的角色，都可以通过企业对开发者平台（类似Apple的App Store一样）入驻进来，迅速丰富整个生态。

如果稍微现象一下，很可能这个场景缺口，已经扩大到全人类的生计问题，还有我们文明未来的形态了。所以，一个会给自己创造场景的企业，从来都不会愁自己的场景太小。

现实生活中有没有这样的企业呢？这家做机器人公司叫云迹。

另外一个就是，云迹如果要改造酒店场景，必须有酒店愿意配合，从酒店的角度来讲，及早进入比等着颠覆要好，因此阿里在2018年11月份开了一家叫“菲住布渴”的未来酒店。

图：阿里“菲住布渴”的未来酒店

阿里“菲住布渴”的未来酒店，可以说是阿里布局IoT关键环节：通过酒店训练机器人，通过机器人改造未来酒店。再联想到马云8亿投资的Pepper机器人、参投以色列安全技术初创企业Nexar等等，是不能让你联想到更多呢？

我们把脑洞再开大一点，从家里的各种IoT设备，到去飞机场路上的IoT屏幕、飞机上的IoT屏幕、酒店的机器人...所有的IoT设备连起来，就会形成非常大的闭环服务，从而进一步放大生态的效用。

全文完，希望对你有所启发~