午夜免费电影-中文字幕丰满乱孑伦无码专区-久久久久久亚洲精品无码-国产精品天天狠天天看

人工智能正在成為新的投資熱點。據美國第一大商業銀行美國銀行（Bank of America）預測，到2020年，人工智能可能形成700億美元規模的市場。公眾已經意識到，就像PC、手機和互聯網一樣，人工智能會成為下一個大事件。人工智能產生的影響并不限于局部，而是會深刻地影響和改變幾乎所有產業，帶領我們走進一個“智能商業”的新時代，帶來商業范式的變革。

商業范式指的是企業所共同接受的商業假設、理念、價值邏輯和實踐模式的總和。它與商業模式不同，后者更強調單個企業的業務模式。在智能商業的時代，企業所選擇商業模式雖然可以大相徑庭，但是它們遵守的是同一套、不同于過去的價值邏輯體系。

時代正在發生改變。要搭上智能商業的“順風車”，光知道“車要來了”是遠遠不夠的，還必須掌握車輛到達的時間、地點，并且要用正確的方式買對車票上車。

在這篇文章中，我們將探討智能商業的一系列問題：智能商業時代會在什么時候到來（天時）？哪些行業會從中受益（地利）？企業又應該如何調整商業模式去適應和擁抱新的機會（人和）？

一、天時：智能商業時代何時開啟？

什么是智能商業時代的開啟？其實今天從智能手機、智能家電到智能電動汽車，我們的身邊充斥了大大小小、五花八門的智能產品。但是智能產品出現本身并不代表著我們的商業范式發生了變化。企業仍然按照以往的邏輯進行產品的研發、生產與銷售，只是產品目錄中多了一些具有智能交互功能的“智能產品”罷了。

智能商業時代的業務范式是完全不同于今日的：屆時智能終端所產生的數據會被廣泛地應用于算法的迭代優化、并反過來指導和改變企業的各項業務活動。如果說今天的商業活動是由資本驅動的，那么智能商業的一個重要標志是：數據將會替代資本，成為整個商業系統運行的根本驅動力。因此這樣看來，今天智能終端的出現只是一個“序章”，距離智能商業時代的真正開啟尚有時日。

所以時代交替會在什么時候發生呢？答案是：或許并不會有明確的分界。在《只有偏執狂才能生存》一書中，作者安迪·格魯夫（Andrew S. Grove）用“變臉”來比喻戰略轉折點的來臨：不知不覺中一張臉消失了，與此同時，一副新面也顯現了，你無法準確地說第一張臉消逝、第二張臉新生的那轉瞬一刻。你所知道的只是在那過程的開始你見到的是一副模樣，而到結束時又是另一副模樣。

可以肯定的是：智能商業時代的開啟不會是“忽如一夜春風來，千樹萬樹梨花開”的驟變，而是悄然、漸次地改變各個產業的游戲規則。有一些行業轉變得早一些，另一些則轉變得晚一些。而如果深入到某個行業，我們也很難判斷是哪一天、哪一刻，它正式進入了智能商業時代。

因此，預測智能商業時代的起始時間不僅不具有可行性，意義也不大。重要的是：通過一些趨勢指征，我們可以判斷出：智能商業時代正在加速臨近。而這就足以讓我們在今天就提高警覺，做好迎接的準備了。

這些趨勢指征主要體現在三個方面：算法、數據和計算能力。

算法

智能算法一直在不斷更新，在最近幾年取得了突破性的發展。

人工智能學科早在1956年就正式設立，但是發展并不順利。早期的研究方向注重邏輯推理、自動證明和向計算機發出指令、使計算機執行命令。但是真實世界是多樣、不確定的，人類對其的感知也很難用因果、指令來模擬，因此基于邏輯的人工智能范式很快就遇到了瓶頸。之后人工智能領域發展出了“機器學習”這一分支。它不依賴于事先定義好的程序和規則，而是從現實的經驗和例子中進行學習。雖然這種智能范式更接近于人的思考方式，但是早期的算法一直未能取得突破性進展。

2006年深度學習算法被首次提出，將人工智能算法的發展推上了快車道。深度學習算法使得機器能夠通過學習后自主提取特征，克服了之前難以進行機器訓練的瓶頸。2012年左右，深度學習算法在圖像識別、視頻分類、語言翻譯等各個領域的應用開始顯現出威力。2013年隨著谷歌、百度等企業設立人工智能／深度學習研究機構，深度學習算法在不同商業場景的應用研究可謂全面開花。我們由此進入了算法研究不斷突破的高峰。直到2016年，AlphaGo的表現引起了人們的普遍關注，成為人工智能的重要里程碑。但圍棋游戲只是眾多深度學習算法應用中很小的一部分。它在其他領域的應用還會有更大的想象空間。

智能商業時代的臨近，不僅僅是因為算法的突破。算法其實一直都在突破：AlphaGo固然是一個重要的里程碑，但是這樣的里程碑AlphaGo并不是第一個，也絕不會是最后一個。比算法更重要的是：智能商業的基礎設施正在趨于成熟。

基礎設施是推動技術商業化的重要條件。例如：汽車普及除了需要具備造車技術外，還必須有配套的公路和加油站系統，而后者才是阻礙汽車普及的瓶頸因素。同樣，智能手機也不是在觸屏技術一成熟就迅速成為主流的。一直等到3G通信網絡全面覆蓋、上網價格逐步降低（也就是網絡基礎設施成熟）后，才有了全民手機的智能化。

智能算法的發展還遠遠不夠，只有基礎設施的建設也跟上來，才能將智能商業帶入高速軌道。而智能商業的基礎設施主要包括兩個方面：數據和計算能力。

數據

數據是智能商業非常重要的“燃料”，我們知道AlphaGo的圍棋能力是建立在百萬級別棋局的學習基礎上形成的。沒有百萬個高手對弈的棋局數據，算法無法迭代，就不可能成就AlphaGo的能力。此外，算法的應用也需要數據輸入，例如：智能汽車、智能工廠、智能醫療的發展需要海量的路況交通、制造生產和醫療病史的數據。

近年來大數據積累的指數級增長為智能商業爆發奠定了良好的基礎。數據資源的豐富化得益于計算領域的多場技術革命。從大型主機、小型計算機、微型計算機到智能手機、平板電腦、智能汽車，再到未來由智能設備連接而成的物聯網，設備呈現出小型化、多樣化、增量化的特征（圖1）。根據IBM的預測，2020年互相連接的設備將達到300億。這些智能設備不僅能捕捉社交和交易數據，還可以植入工業和交通設備中、走進消費者的冰箱、門鎖、服裝里，像觸角一樣滲透到商業場景的方方面面。

互聯網設備數量激增的結果是：我們的數據會變得更加"3D"，即更直接（Direct）、更多元（Diverse）、更民主（Democratic）。海量的設備能夠極大地豐富數據的來源，直接、全方位地搜集商業場景中的信息。它們也能夠擴展可搜集數據的類型，從文字、視頻、到位置、溫度等，多維度地刻畫場景。最后，數據的分布不再是中心化的，而是能夠涵蓋幾乎所有的人和物。

數據的積累在近兩年來指數級增長，為智能商業的開啟打下了堅實的基礎。實際上，我們所說的大數據，90％的數據是在近兩年才生成的。這也是為什么智能商業不能在更早的時候到來的一個重要原因。而未來隨著數據的近一步積累，必然會助推智能商業時代的開啟。

計算能力

計算能力是智能商業的另一項重要基礎設施。

從計算能力上看，智能商業對于計算能力提出了很高的要求。一方面，隨著算法的進步，尤其是在模擬大腦神經網絡的復雜情境下，模型所使用的參數數量難以計數；另一方面，隨著數據的積累，算法所使用的數據規模也會呈指數級增長。這兩個因素加起來，必定需要消耗大量的計算資源。如果硬件的計算能力沒有等數量級的增長，算法的訓練時間會大大延長、迭代速度難以突破，會成為智能商業發展的瓶頸。

事實上，有限的計算能力一直是人工智能領域揮之不去的陰影。數年前，先進的系統設計只能在理論上成立而無法實現，就是因為所需要的計算資源過于昂貴或超出了計算機的勝任范疇。

但是今天，計算機的運算能力在不斷提升。在摩爾定律的作用下，同樣體積、價格的計算機運算能力已經大幅提升。現在，雖然摩爾定律已經接近“終點”——讓晶體管更小無法保證成本更低或速度更快——但是計算能力的發展仍然會以不同的邏輯延續下去。近年來，在計算架構領域有了新的突破，以并行計算見長的GPU性能快速提升。其他專注于深度學習加速的芯片也紛紛涌現，高性能計算領域內的“量子計算”概念被提出并投入研究。這些方向上的突破將保證計算能力的提升跟上人工智能發展的步伐。

另外，計算成本也在不斷下降。有研究表明，三項核心數字技術的能力——計算能力、數據存儲和帶寬——的成本都在加速下降，并且下降的速度比之前技術基礎設施（電力、電話）的速度更快。其中，每百萬個晶體管的成本從1992年的222美元降低為2012年的0.06美元，在短短的20年間降低了3700倍之多。未來，隨著云主機、云計算技術的成熟，企業可以按需租用計算能力，可以進一步精減計算能力的投資成本，降低了實現智能商業的資金門檻。

算法、數據和計算能力是促成智能商業發展的三大不可或缺的要素。近年來在這三個領域的突破性進展疊加在一起，將產生奇妙的化學反應，引爆智能商業的新浪潮（圖2）。

二、地利：重回原子時代

如果我們回顧商業活動的歷史，可以發現：每一次商業范式的重大變遷都會帶來產業格局的重塑，使商業價值在不同產業內重新分配。

例如：從農業時代到工業時代，在人類經濟生產方式被深刻改變的同時，一系列圍繞工業化的新興產業（如電力、運輸）開始出現，以農耕、手工業為中心的舊產業則逐漸被改造和替代。

從工業時代到信息時代，又誕生了一大批互聯網企業，價值從傳統的工業制造業轉移到互聯網行業。在互聯網領域，誕生了越來越多像谷歌、Facebook、阿里巴巴這樣的明星企業，光環蓋過了能源、金融、醫藥等領域的傳統巨頭。

面對商業時代的更迭，代表舊經濟體勢力的企業如果沒有被替代的話，也會逐漸邊緣化。這是前兩次工業革命和信息革命中，傳統企業不可掙脫的宿命。

智能革命是否會帶來同樣的影響？如何選擇符合技術趨勢的產業？這是在智能商業時代我們要考慮的“地利”問題。

好消息是：無論企業處于什么行業——實體產業或是虛擬經濟——都能夠在智能商業的生態中找到自己最合適的位置。這是因為智能商業將虛擬世界與真實的商業場景融合在了一起。

對于高科技和互聯網公司（例如Google、Facebook等）而言，它們獨特的先天優勢能夠助力它們成為人工智能的基礎服務提供商。一方面，這些企業在云計算和智能技術領域的布局領先；另一方面，多年深耕于互聯網行業又幫助它們積累了規模龐大的數據。同時具備技術與數據的優勢，有助于這些企業開發和迭代先進的算法，成為提供包括圖像識別、語音識別、客戶關系管理等一系列人工智能基礎服務的服務商。

對于傳統的各行各業而言，它們并不會輕易被新技術沖擊顛覆，而是可以與人工智能技術碰撞后，重塑自身、放大價值。例如：醫療行業與圖像識別技術的碰撞會提升醫學影像的診斷效率。交通運輸行業與預測技術的結合有助于預判擁堵情況和進行最優路線推薦，提高交通系統的效率。零售行業與客戶關系管理服務融合后，能夠進行更全面的用戶畫像，進行產品與客戶的個性化匹配，提高促銷的轉化率。

與以往“新興行業代替傳統行業”不同，智能商業時代，新興行業與傳統行業是相互融合的關系。傳統行業以具體的商業場景為切入點，提供更加優質的產品與服務。技術服務商則以云端的能力為立足點，通過提供數據和算法服務創造價值。兩者相互交錯，形成了一張數據聚集和協同的動態的網絡矩陣。

當然，這樣的“角色分工”并非絕對：傳統企業也可以自己積累數據，在算法的更新迭代領域進行投入；技術型企業也可以滲透到行業端的商業場景中，完成智能商業的閉環。但是這只是一種選擇，而非必須。重要的是：無論身處哪個行業，企業都可以找到在智能商業新生態中的位置，在此基礎上進行商業價值的提升。

在這其中，有兩個趨勢特別值得一提。

第一個趨勢是：智能商業是對接和重新塑造實體產業的。從1980年代個人電腦問世到2015年左右，我們見證了商業價值的重心逐漸從物理世界轉向虛擬空間。有人說：我們從原子時代走向了比特時代。但是智能商業又會將我們拉回原子時代。因為智能算法一定是服務于實實在在的商業活動的。人工智能與實體的制造、零售、醫療、金融等結合起來，才能夠創造價值。智能商業必定是對接產業、并重新塑造產業的。我們即將重回原子時代，這些傳統產業將煥發新的生命力。

第二個趨勢是：智能商業將會深入到產業鏈的前端，實現全價值鏈的智能化。在過去，計算機和互聯網產業的發展初步構建了信息時代的基礎設施，但是其影響范圍有限，主要作用于消費互聯網——改變的是產業鏈后端的營銷、零售服務環節。而智能商業主要影響的會是產業互聯網——改變的是產業鏈前端的研發設計、制造、倉儲物流等環節。這樣，就實現了對全價值鏈的改造和賦能。

所以說，把握智能商業的“地利”，需要我們重新審視和釋放實體產業的價值。其中，價值鏈前端的產業互聯網又是特別值得開墾的處女地。

三、人和：商業范式的革命

在智能商業時代的轉折點上，不僅僅要求我們把握住時間窗口（天時）、布局合適的生態位置（地利），還必須要采用正確的姿勢進行智能范式的轉型（人和）。而這一點往往很容易被忽略。

很多人認為：智能化無非就是產品與服務的智能化——添加一些智能模塊、采購一些云端的智能服務，其實不然。由于產品形態和服務邏輯發生了變化，相應的商業范式也需要作出調整。只有在商業范式上徹底轉型，才能將智能商業的價值發揮到最大。

產品：從交易價值到使用價值

大多數傳統的產品和服務追求的是“交易價值”的最大化。也就是說：企業最重要的任務是把產品賣出去，之后的維護修理都被視為不得不履行的義務。因此，一個企業的售后服務中心通常被視為“成本中心”也就不難理解了。

但是智能產品改變了這一狀況，它可以將產品轉變為服務。不同于傳統的物理產品，智能產品的使用恰恰是價值創造和獲取的開始：客戶的持續使用意味著其數據的持續輸出——客戶的使用習慣軌跡反映了其個性化的偏好，因此可以針對每個客戶的獨特需求進行算法的迭代。這樣的參與使得價值創造轉變為企業與客戶共同創造的過程。

充分關注產品的“使用價值”，而非死守“交易價值”不放，企業可以創造新的商業模式。例如：GE（通用電氣）是傳統的工業巨頭，業務領域廣泛。它制造渦輪機、飛機引擘、火車頭、以及醫療影像設備等產品的技術在業內領先。但是現在它已經轉型成為一個智能服務的平臺。GE的CEO Jeff Immelt曾經這樣說過：“一輛火車頭就是一個奔跑的數據中心，飛機引擎是飛行的數據中心，它們每天產生巨量的數據，這些數據可以反饋給客戶，用于提升燃油效率，改善它們的環保表現。”

GE借助其在工業領域的產品影響力，正在將其轉化為數據和算法的影響力。以飛機發動機為例：發動機上的各種傳感器會收集其在空中飛行時的各種數據。這些數據傳輸到地面后，經過智能軟件系統的分析，可以精確地檢測發動機運行狀況、預測故障，提示進行預先維修等，以提升飛行安全性以及發動機的使用壽命。而GE就成為了在這背后提供智能分析與服務的平臺。它不僅僅賣設備，還在設備的使用過程中創造價值，將一次性的交易價值轉變為持續性的使用價值。在這個邏輯下，實際上是每個航空服務公司和GE一起實現飛機發動機價值的最大化。

市場：從大眾市場到人人市場

傳統制造企業的市場邏輯一般是：通過市場的細分和選擇進行定位，再針對所定位人群的同質化需求，提供標準化的產品和服務。由于企業大規模生產和效率的要求，最終所滿足的需求往往是“千人一面”的。

而今天智能商業將能夠改變這樣的邏輯。這是因為首先，通過智能化的數據搜集，可以捕捉到每個用戶的個性化偏好，發現“千人千面”的需求；其次，智能化的算法也能夠有效地實現產品標準化和體驗個性化的組合，從而實現“千人千面”的需求。由此，原來的大眾市場（Mass Market）得以優化成為人人市場（Market of One）。

在內容平臺領域的“今日頭條”就是利用智能算法在這方面進行了嘗試。“今日頭條”于2012年3月創立，在短短的幾年里迅速超過很多互聯網門戶的影響力，其中重要原因是其智能引擎下的個性化推送，形成一個“最懂你的信息分發內容平臺”。它根據用戶的特征、內容瀏覽軌跡和環境特征匹配用戶最可能感興趣的內容特征。也就是說：打開“今日頭條”APP后，每個用戶看到的信息都是根據各自不同的偏好集成的。這背后依靠的是大數據和智能化的推薦引擘，實現了“千人千面”的效果。當然，“今日頭條”的推送精準度還有待提高,離“最懂你”尚有距離。

數據：從個體價值到群體價值

通過疊加客戶數據，可以在云技術里實現基于數據集合的新價值創造。雖然市場從“千人一面”走向“千人千面”，但是這并不意味著客戶的價值是離散的、各自為陣的。恰恰相反，智能商業提供了很多將客戶的個體價值轉變為群體價值的可能性。

例如：2014年被Google以32億美元收購的Nest是一個智能恒溫器的品牌。Nest恒溫器通過記錄用戶的室內溫度數據，同時連接家庭的空調、洗衣機、冰箱等家用電器，在充分了解用戶使用習慣后，通過智能算法為每個家庭創建一個定制化、自動調整的能源管理方案。由于Nest同時連接著電價動態變化的數據，能夠保證整個能源管理方案的節能先進性和低成本效率。這是針對個體家庭層面的價值。

除此之外，Nest數據的群體價值卻有更大的想象空間。如果在同一區域內有上百萬家庭都使用Nest，Nest在云端就能夠動態地了解整個區域家庭能源使用的數據，從而和供電企業一起更加高效地實現對區域能源的合同管理。這就是將個體價值轉變為了群體價值。

智能商業提供了大量類似的將個體價值聚合后成為群體價值的機會。而這在傳統的商業范式中是很難達成的。當然，在許多情況下，單憑一家企業很難積累和疊加足夠的數據，因此就需要在不同的企業間建立合作的網絡，進行數據的分享和價值的再創造。

行業：從邊界約束到連接跨界

今天行業同質化競爭現象的一個很重要的原因是：企業對行業邊界的理解是固化的。它們關注相同的競爭要素，最終走向了競爭的趨同。而智能商業打開了一個真正“以用戶為中心”的模式。

通過對用戶動態數據的積累和計算，企業能夠了解用戶全方位的偏好和需求，因此整合其他相關產品與服務就變得相當自然了。當企業致力于更加精準地滿足每一個客戶對多樣化、便利性、及時性需求的追求時，行業的游戲規則就被完全改變了。

以智能冰箱為例：過去作為白色家電的冰箱主要是在價格、性能以及售后服務等方面進行競爭。未來，智能冰箱將能夠自動調整冰箱模式，讓用戶隨時了解存儲食物的保質保鮮狀態和使用數量，始終讓食物保持最佳狀態。不僅如此，通過聚合這些數據以及用戶的健康狀況數據，智能冰箱還可以有效地連接超市、藥店、營養師等外部服務，為用戶提供精準高效的健康生活建議和服務，其價值也遠遠超出了制冷保鮮的邊界。

由此可見，在智能商業時代，企業越來越不像是固守在某一行業中、偏安一隅的玩家，而更像是一個連接器——連接許多不同行業的資源與數據。這種連接不僅僅是簡單的流量轉換，而是基于數據智能基礎上的產品與服務的組合，其最終的價值在于更加精準地滿足用戶的需求。

無論是產品層面的“從交易價值到使用價值”、市場層面的“從大眾市場到人人市場”、數據層面的“從個體價值到群體價值”還是行業層面的“從邊界約束到連接跨界”，都要求企業走出已有的商業范式，重新思考自己在新生態系統中的定位，并做出改變。

古語云：天時不如地利、地利不如人和。其實，最重要的是企業積極地擁抱新的商業范式，在主動學習試錯的過程中探索出一條智能商業時代的轉型之道。

結語

智能商業時代的序幕正在徐徐開啟。對于企業而言，不僅僅要把握住時間窗口、選擇適當的發展方向，還要積極調整、適應新的商業范式，并在此過程中探索出建立和鞏固企業新優勢的機制。

未來已來，智能商業時代將帶來新的機會與挑戰。唯有做好準備的企業才能脫穎而出，引領時代。

*來源財經雜志，作者廖建文、崔之瑜，原標題《智能商業時代揭幕，新老行業機會均等》。