內(nèi)容來源：2017年12月2日，頂尖商界學(xué)者、企業(yè)家齊聚北京清華經(jīng)管創(chuàng)業(yè)者加速器“X-Model商業(yè)模式與企業(yè)成長年度論壇”，楊歌主講《企業(yè)升級(jí)與模式創(chuàng)新》。筆記俠作為獨(dú)家課程筆記合作方，經(jīng)主辦方和講者審閱授權(quán)發(fā)布。
本文為下篇。
今日筆記俠客&責(zé)編| 清野
第1897篇深度好文：4800字 | 6分鐘閱讀
全網(wǎng)首發(fā)·完整筆記·人工智能
本文新鮮度：★★★★ 口感：黑森林蛋糕
筆記君邀您，先思考：
BAT現(xiàn)在這么強(qiáng)大，會(huì)不會(huì)對人工智能產(chǎn)生一攬子格局？
很多行業(yè)沒有辦法進(jìn)行互聯(lián)網(wǎng)轉(zhuǎn)型升級(jí)，機(jī)會(huì)在哪里？
為什么私人飛機(jī)和家庭影院屬于偽課題，不是真正的創(chuàng)新？
一、智能應(yīng)用三段論
我們認(rèn)為人工智能一定會(huì)成為下一個(gè)浪潮的推手。人工智能可以分成三個(gè)階段，互聯(lián)網(wǎng)基礎(chǔ)、大數(shù)據(jù)積累和算法的應(yīng)用。前兩點(diǎn)已經(jīng)基本成熟了，大數(shù)據(jù)半成熟的原因是因?yàn)楹芏鄶?shù)據(jù)都是非結(jié)構(gòu)化的，這兩年的企業(yè)正在做很多的結(jié)構(gòu)化處理。
算法及應(yīng)用：
很多算法是成熟的，但是它在商業(yè)使用里并不成熟，這對于企業(yè)家的挑戰(zhàn)是非常大的。所以很多企業(yè)進(jìn)行轉(zhuǎn)型的時(shí)候，需要使用更多的商業(yè)工具，算法模型就是其中的一種。
現(xiàn)在這幾個(gè)過程都已經(jīng)完成了，最難的是對公司的商業(yè)模型做模型化處理過程，這需要企業(yè)家對于算法和數(shù)據(jù)有深刻的認(rèn)識(shí)。當(dāng)你有了認(rèn)識(shí)之后，你才可能用算法對你的公司進(jìn)行迭代，就像剛才講的互聯(lián)網(wǎng)公司一樣，算法實(shí)際上是用更難的工具來推進(jìn)公司的發(fā)展。
1.大數(shù)據(jù)是進(jìn)入人工智能的門票
我把大數(shù)據(jù)分成了這樣的拓?fù)浣Y(jié)構(gòu)。
三個(gè)階段，大數(shù)據(jù)不斷的收集整理，抽象自己的商業(yè)模型，把數(shù)據(jù)填充進(jìn)來，把自己的商業(yè)模型抽象成模型，這是大數(shù)據(jù)的基礎(chǔ)。
任何公司都需要有數(shù)據(jù)的入口，需要通過平臺(tái)、手環(huán)等智能設(shè)備來把數(shù)據(jù)收集進(jìn)去。然后要有出口端，算完了模型之后要變成商業(yè)策略實(shí)施有效執(zhí)行，這就形成執(zhí)行的過程。
舉個(gè)最簡單的例子，《大數(shù)據(jù)時(shí)代》里面講到一個(gè)故事，美國一個(gè)開7-11便利店的老板，通過長時(shí)間研究自己的財(cái)務(wù)狀況發(fā)現(xiàn)，雨傘和蛋撻搭配在一起賣得非常好。
他發(fā)現(xiàn)了兩者具有相關(guān)性，然后把這兩個(gè)貨架放在一起，每次下雨的時(shí)候雨傘和蛋撻都賣得非常好，這就是通過分析大數(shù)據(jù)改變商業(yè)策略的非常典型的案例。
2.大數(shù)據(jù)的發(fā)展進(jìn)程
有四個(gè)階段：
①數(shù)據(jù)開采與收集，不斷從市場里去挖掘數(shù)據(jù)，我們把整個(gè)市場所有的數(shù)據(jù)叫做數(shù)據(jù)礦山。
②數(shù)據(jù)清洗與標(biāo)簽化，從2011年開始，全球的研究院所和大型企業(yè)的工程師，開始花費(fèi)大量的時(shí)間去做很低級(jí)繁瑣的工作，這就是數(shù)據(jù)標(biāo)簽化過程。
③非同源數(shù)據(jù)的交匯耦合，現(xiàn)在大數(shù)據(jù)體量非常之多，但是數(shù)據(jù)分屬于不同的公司，比如滴滴擁有出行的數(shù)據(jù)、攜程有旅行的數(shù)據(jù)、美團(tuán)有餐飲的數(shù)據(jù)，所有的數(shù)據(jù)積累起來，這些數(shù)據(jù)非常的密集，而其它大部分外界的數(shù)據(jù)是非常稀疏的。
出現(xiàn)這種情況的原因是有效數(shù)據(jù)不夠，需要企業(yè)把不同的數(shù)據(jù)交匯在一起進(jìn)行綜合化分析。
這項(xiàng)工作亞馬遜已經(jīng)開始做了，中國也有很多金融公司去購買很多其它的平臺(tái)數(shù)據(jù)，像諾亞和點(diǎn)融網(wǎng)就做得非常好，通過多元數(shù)據(jù)的耦合之后，綜合分析每個(gè)人的用戶畫像，分析出結(jié)果后反過來給企業(yè)推送商業(yè)策略，這是典型的產(chǎn)生過程。
最終就形成了一個(gè)④結(jié)構(gòu)化的精練數(shù)據(jù)集。這是大數(shù)據(jù)的發(fā)展歷程。
二、人工智能的模型化過程
有了數(shù)據(jù)結(jié)構(gòu)之后，我們衍生出了模型化過程，這也是企業(yè)發(fā)展更重要的一點(diǎn)。
把智能分成三個(gè)部分，第一叫賦予智能、第二叫學(xué)習(xí)智能、第三個(gè)叫殘差信息。
賦予智能叫做弱智能，能進(jìn)行學(xué)習(xí)的智能叫強(qiáng)智能。
計(jì)算機(jī)出現(xiàn)的前70年里面，我們認(rèn)為大部分的智能都是人類賦予的智能，都是人類知道標(biāo)準(zhǔn)的商業(yè)模式是什么樣的，然后把自己的經(jīng)驗(yàn)寫成代碼，無論是一百和一千行代碼都是將人類此前的經(jīng)驗(yàn)輸入計(jì)算機(jī)，很少有計(jì)算機(jī)自己進(jìn)行學(xué)習(xí)的。
這兩年人工智能大爆發(fā)的原因，主要是因?yàn)?strong>學(xué)習(xí)智能的能力開始迅速的上升，這是各大公司通過訓(xùn)練大量的數(shù)據(jù)提升的。學(xué)習(xí)智能和賦予智能的典型區(qū)別是：
人并不知道明確的物體意義，明確的商業(yè)意義，難以進(jìn)行表達(dá)，計(jì)算機(jī)的邏輯關(guān)系自己沒有完全理解，但是通過大量的數(shù)據(jù)和已知的分析結(jié)果進(jìn)行訓(xùn)練，然后讓計(jì)算機(jī)分析產(chǎn)出商業(yè)的結(jié)果。
我今年聽說過一個(gè)很有意思的事，在紐約有兩家公司商業(yè)談判是這樣的：
A公司和B公司分別把自己的所有要素全部結(jié)構(gòu)化寫到系統(tǒng)里，讓計(jì)算機(jī)分析兩家公司后直接進(jìn)行對弈，評判分析他們兩家商業(yè)結(jié)構(gòu)的強(qiáng)弱。聽起來雖然離我們很遙遠(yuǎn)，但是美國已經(jīng)有公司在做了，說明數(shù)據(jù)的結(jié)構(gòu)化非常的前沿。
這個(gè)過程是什么？我們很難分析和表達(dá)分析的數(shù)據(jù)交給計(jì)算機(jī)去完成，這是學(xué)習(xí)的智能。
這兩年的大爆發(fā)一個(gè)主要的原因是神經(jīng)網(wǎng)絡(luò)，帶領(lǐng)整個(gè)人工智能爆發(fā)。而神經(jīng)網(wǎng)絡(luò)的一個(gè)特點(diǎn)，最要求大量、海量的數(shù)據(jù)，我們自己用了很多算法訓(xùn)練模型。
神經(jīng)網(wǎng)絡(luò)爆發(fā)最強(qiáng)的兩個(gè)方向是什么？是圖像識(shí)別和語義識(shí)別，原因就是有了海量的數(shù)據(jù)。有了數(shù)據(jù)之后，迅速地訓(xùn)練出結(jié)構(gòu)化規(guī)律，最后變成商業(yè)模式或者一種函數(shù)，這兩年是因?yàn)閿?shù)據(jù)爆發(fā)，導(dǎo)致了神經(jīng)網(wǎng)絡(luò)帶領(lǐng)整個(gè)人工智能往前推進(jìn)。
另外一個(gè)是殘差信息，也就是算不出來的一部分。
從數(shù)據(jù)角度來講，對于賦予部分是一階段簡單的特征，比如拿派特公式來做的話，第一階段是賦予的智能，是人直接分析出邏輯關(guān)系的過程。
這些東西是高階復(fù)雜的特征，本身沒有辦法通過人去解決，只能通過計(jì)算機(jī)解決。對于殘差信息就是忽略的商業(yè)模型和事件模型，這是這兩年模型化的過程。
關(guān)于人工智能，推薦一本書《終極算法》，這本書是比爾蓋茨2017年的特推書，書中很細(xì)致地講解了現(xiàn)在最流行的5種算法應(yīng)用模式，講得非常好。
三、人工智能應(yīng)用趨勢
所有的企業(yè)都在尋求轉(zhuǎn)型過程，我們把轉(zhuǎn)型過程分成三個(gè)類別：
①基礎(chǔ)層
基礎(chǔ)層是基礎(chǔ)的數(shù)學(xué)物理層，比如這兩年爆發(fā)的人工智能芯片，量子速度是提高新的效率和使用新的方法來做的?；A(chǔ)的數(shù)學(xué)物理層發(fā)展的越快，才能導(dǎo)致上層結(jié)構(gòu)變得更有效。
②技術(shù)層
這幾年在中國人工智能發(fā)展速度最快，表現(xiàn)最好，像科大訊飛、Face++等等都是屬于技術(shù)模塊層。包括圖像識(shí)別、聲紋識(shí)別、自然語義、運(yùn)動(dòng)學(xué)習(xí)等具體模塊。
機(jī)器人爆發(fā)模塊點(diǎn)是在什么地方？
一定是基礎(chǔ)模塊層成熟后才能爆發(fā)，現(xiàn)在很明顯能發(fā)現(xiàn)五年前看到的都是閉門造車，每個(gè)基礎(chǔ)模塊都是工程師自己寫的。今年我們再看機(jī)器人公司的時(shí)候，每一個(gè)模塊都是用其他的公司開源的模塊，比如用IBM和科大訊飛的模塊，使應(yīng)用層變成了產(chǎn)品化設(shè)計(jì)的過程。
我認(rèn)為技術(shù)模塊層的最后一扇門是自然語義識(shí)別。這一塊是相對比較復(fù)雜的，很難實(shí)現(xiàn)標(biāo)準(zhǔn)模塊化的過程，我認(rèn)為三到五年內(nèi)可以實(shí)現(xiàn)。這兩年通過科大訊飛可以看到，這部分的模塊變得越來越標(biāo)準(zhǔn)了。
③應(yīng)用層
市場有一個(gè)誤解，認(rèn)為應(yīng)用層已經(jīng)來了，大家都在做機(jī)器人和人工智能的布局，但是這些結(jié)構(gòu)還不是最標(biāo)準(zhǔn)的。
相反比較適合去發(fā)展和做投資的，但是沒有那么直觀的行業(yè)，比如量化物流倉儲(chǔ)和企業(yè)資源的優(yōu)化，都是這兩年非常關(guān)注的行業(yè)，而且對于大型企業(yè)都有非常多的結(jié)構(gòu)化數(shù)據(jù)，非常適合用人工智能的辦法進(jìn)行優(yōu)化。
智能駕駛的需求并不是很旺盛，其實(shí)人工智能應(yīng)該真正應(yīng)用在什么方向上比較適合？我認(rèn)為應(yīng)用在量化金融等方面，是更適合人工智能去做的。
四、對未來的理解？
最后還有一個(gè)觀點(diǎn)給大家分享一下，我們接觸過非常非常多的創(chuàng)業(yè)公司、包括大型公司轉(zhuǎn)型，無論是創(chuàng)業(yè)公司還是企業(yè)轉(zhuǎn)型都存在一些問題，大家對于未來的理解都是非常線性的，特別是大型公司會(huì)有這樣的理解偏差。
大型公司存在一個(gè)典型的問題，因?yàn)檎麄€(gè)公司的模塊已經(jīng)非常標(biāo)準(zhǔn)化了，想要迅速轉(zhuǎn)型但是最后船大難掉頭，只能依靠于自己所擁有的資源來嘗試。
我跟一個(gè)在硅谷工作的朋友經(jīng)常探討未來發(fā)展，他今年60歲了，他的初中同學(xué)和高中同學(xué)，有一部分當(dāng)時(shí)家庭條件最好、學(xué)習(xí)最好的同學(xué)都去做飛行和汽車相關(guān)的行業(yè)了。
原因是因?yàn)樵谀莻€(gè)時(shí)代，大家都認(rèn)為研究飛機(jī)和汽車是今后科技度最高的行業(yè)，所以大家都去做這些行業(yè)。
但是，40年之后他們發(fā)現(xiàn)這個(gè)行業(yè)并沒有像想象中一樣發(fā)展，而是手機(jī)、電腦、互聯(lián)網(wǎng)在迅速發(fā)展，所以大家對未來的理解都是這樣的，只能依靠自己所擁有的知識(shí)判斷未來的發(fā)展形勢。
我覺得大企業(yè)的轉(zhuǎn)型也存在這類問題，大多數(shù)企業(yè)家和個(gè)人在想象未來、制定商業(yè)戰(zhàn)略的時(shí)候，都是依靠于當(dāng)前自己所擁有的知識(shí)、資源來積累線性的發(fā)展，很難做到一個(gè)指數(shù)發(fā)展。
經(jīng)常有人問我，BAT現(xiàn)在這么強(qiáng)大，會(huì)不會(huì)對人工智能產(chǎn)生一攬子格局？肯定不會(huì)，人工智能肯定是由一個(gè)個(gè)新型技術(shù)公司研發(fā)、成長，BAT可能會(huì)投資，但一定會(huì)出現(xiàn)新型的科技公司在這一領(lǐng)域成長起來?？萍嫉陌l(fā)展是指數(shù)化成長的過程，不是某一個(gè)大公司不斷的調(diào)整戰(zhàn)略方向就能做到的。
任何公司在推動(dòng)發(fā)展的時(shí)候都有這樣的過程，從最開始從技術(shù)衍變成產(chǎn)品。
比如2005年到2010年階段，最重要的是互聯(lián)網(wǎng)上升紅利期，美團(tuán)、點(diǎn)評都是從那時(shí)候成長起來的。
2010年到2015年是產(chǎn)業(yè)升級(jí)期，這個(gè)時(shí)候大家都去做產(chǎn)業(yè)升級(jí)，2015年之后進(jìn)入到了互聯(lián)網(wǎng)的泡沫期，出現(xiàn)了各種不顧一切去做互聯(lián)網(wǎng)化的公司，最后都失敗了。
再往下是工具公司。微觀經(jīng)濟(jì)學(xué)里邊有一個(gè)定律，產(chǎn)出是勞動(dòng)力和資本的函數(shù)，但并不是技術(shù)的函數(shù)。因?yàn)榧夹g(shù)對于行業(yè)推動(dòng)的過程是有一個(gè)周期的，當(dāng)推動(dòng)完成之后，這項(xiàng)技術(shù)就沒有增值的價(jià)值了，它會(huì)變成一種基礎(chǔ)，所以這也是很重要的一點(diǎn)。
我們經(jīng)歷的是一個(gè)個(gè)時(shí)代的行業(yè)通過迭代的這么一個(gè)過程，從最開始的電腦和手機(jī)的普及，這是90年代末21世紀(jì)初就完成的過程，然后到互聯(lián)網(wǎng)到新的一代AI和生物技術(shù)等等。
這里面有一個(gè)很重要的原理是什么？左半邊是新生的技術(shù)和產(chǎn)品，右半邊是成熟的技術(shù)和產(chǎn)品。
很多創(chuàng)業(yè)者問我應(yīng)該做什么，我就這么回答：如果你擁有非常多的資源，有很強(qiáng)的壟斷能力，你就做上一個(gè)時(shí)代的產(chǎn)業(yè)。如果你手上沒有資源或者是比較少的資源，但有技術(shù)，你就做下一代新生的產(chǎn)品。
整個(gè)左半邊拼的是設(shè)計(jì)、產(chǎn)品、商業(yè)化。右半邊拼的是資本能力、政策能力，這是一個(gè)很大的區(qū)別。
在今天如果你通過做互聯(lián)網(wǎng)社交平臺(tái)為主的企業(yè)是很難成功的，因?yàn)橐呀?jīng)過時(shí)了。經(jīng)常有人會(huì)問傳統(tǒng)互聯(lián)網(wǎng)還有沒有機(jī)會(huì)？有，你可以綁住騰訊做游戲，那機(jī)會(huì)應(yīng)該會(huì)非常大，這是互聯(lián)網(wǎng)典型的特點(diǎn)。
整個(gè)市場發(fā)展是一個(gè)浪潮推著一個(gè)浪潮再往前推進(jìn)的過程，每一個(gè)浪潮的特點(diǎn)不一樣。
我認(rèn)為我們現(xiàn)在正在處于一個(gè)硅機(jī)電的過程中，但是這里面有一個(gè)重要的事情，就像剛才說的飛行汽車的行業(yè)。這兩年大家都覺得AR、VR，家庭的完全電子化和智能化的過程是一個(gè)非常明朗的未來發(fā)展方向。
比如，我們家中每個(gè)鏡面物體，敲擊后就有數(shù)字顯現(xiàn)，這很現(xiàn)代化，大家認(rèn)為這是未來，其實(shí)這個(gè)理解我認(rèn)為是有偏差的，我認(rèn)為這是沿著線性發(fā)展往下走的過程。
為什么講這個(gè)？很多大公司都在做布局，無論是像小米、聯(lián)想還是海爾，我們很熟悉的這些大公司，大家都認(rèn)為家庭科技化是今后的發(fā)展方向，到今天有沒有真正實(shí)現(xiàn)？
比如一個(gè)投資人家里有很多集中數(shù)據(jù)可供科技化使用，但是完成這么一個(gè)布局要多少錢？至少要上千萬，我把這些東西叫做科學(xué)奢侈品。很多的企業(yè)、個(gè)人在想象未來的時(shí)候，想象的都不是新科技，而是想象科學(xué)奢侈品，這是個(gè)很典型的問題。
剛才我所說的飛行汽車到底是什么？它類似于私人飛機(jī)，它不是能為大眾所使用的科學(xué)成果，而是用上一個(gè)時(shí)代的科技經(jīng)過復(fù)雜的組合后成為很昂貴的科學(xué)奢侈品。
我說的是什么意思？是通過AR、VR、私人飛機(jī)等來總結(jié)的，很多的企業(yè)、個(gè)人在思考問題的時(shí)候都是線性的，都是自己想象綜合化的成果，實(shí)際上使用的是傳統(tǒng)的當(dāng)前已擁有的科技，這些就是科技的奢侈品。
任何的新科技像蘋果，上一代的蘋果，這一代的機(jī)器人和人工智能，下一代的生物技術(shù)一定是降低成本的過程，不是提升成本的過程，一定要降低成本，降低能耗。
而私人飛機(jī)和家庭影院這些東西都是屬于提升能耗，提升成本的新科技，至少在現(xiàn)階段屬于偽課題，不是真正的創(chuàng)新。對于選擇企業(yè)布局方向，我認(rèn)為是這樣的。
今天分享到這里，謝謝大家！
聯(lián)系客服
