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：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。
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——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，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，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。
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~
