先理解智能時代，再談創業機會

距離超級智能時代到來，還有13年。這是一個7萬億元的市場，要抓住機會，首先要理解這個智能時代。

本文約3700字 建議閱讀10分鐘

文吳軍，豐元資本創始合伙人

編輯 梁爽

去年，AlphaGo下棋贏了人類棋手，這是一件很了不起的事情。於是，很多人認為AlphaGo具有了超級智能。但是，超級智能比AlphaGo的概念要更為廣泛。

超級智能有兩個核心：機器智能和IoT（物聯網）。機器智能相當於人類的大腦，IoT相當於人類的手、眼等感官。人只有五官，而超級智能有不計其數的感官遍布整個城市，甚至每一個人的基因都可以連到網路中。當IoT觸及到城市的每個角落，機器智能達到足夠高的水平時，就形成了超級智能，

智能的不同路徑

我們常常犯一個錯誤，就是用人的思維方式去推導機器智能。事實上，機器智能的獲得和我們並不相同。

人類是怎麼獲得智能的呢？是通過進化獲得的。

在人類進化的過程中，我們的基因出了很多次錯。對錯誤的容忍是人類獲得智能的一個主要原因。

十年前，牛津大學有一批科學家，他們非常幸運地找到了一個家族，大概有30多個人，其中正好一半有語言障礙，另一半沒有。

也就是說，人類其實有語言障礙的基因。只是這個基因在某個階段進化了，一類人變得能說話，溝通能力特彆強。過去，和我們的祖先智人競爭的尼安特人雖然強壯，但是語言能力很差，最後被智人消滅了。

這是個很有意思的過程，我們人類的智能是這樣產生的。

但機器的智能不是這樣產生的。

計算機產生智能最大的兩個貢獻者分別是馮·諾依曼和阿蘭·圖靈。圖靈把世界上的問題分為兩類，一類是可計算的問題，另一類是不可計算的問題。

他設計的圖靈機，只解決可計算的問題。不過，這個可計算的範圍，要比圖靈最早想像的大得多。

另一類不可計算的問題，再給計算機100億年的時間，計算機的能力再強大也解決不了。這一類問題從計算機出現的時候，就被定義為不可解決的問題。

什麼是不可計算的問題？男生女生的情感問題。這個男生特別壞，但是女生還是特別喜歡他，這就是不可計算的問題。

最後，圖靈給出了一個判斷機器是否具有智能的標準，就是我們所熟知的「圖靈測試」。

我們讓計算機和人都回答同一個問題，看誰回答得好，也許計算機比人給出的答案還要好，這時候我們認為計算機和人具有同等智能，甚至是超過人類智能的。

AlphaGo下棋贏了人類就是這樣意義上的機器智能，它並不知道自己在下棋，它以為自己在做數學題，最後的結果是它贏了我們人類。

這就是機器智能和人類智能的差別。

AlphaGo下棋贏了人類其實就是智能的不同路徑。

鳥飛派 VS 空氣動力學派

機器智能和人類智能獲取方式的差異，就像飛機和飛鳥的區別。

1956年達特茅斯會議是人工智慧的緣起，但在接下來的20年里，人類走的都是一條錯誤的彎路。

最初在造飛機的時候，人們試圖用扇動翅膀的方法模擬鳥飛行的原理，結果都以失敗告終。這類科學家叫做鳥飛派。後來，萊特兄弟研製出飛機，其實利用的是空氣動力學原理。

直到今天，很多人對人工智慧的理解還是屬於鳥飛派，認為機器人也要兩隻眼睛、兩條腿。但事實上，如果把無人車看做是一個機器人，它身上有十幾個雷達的眼睛，它看到的世界和我們看到的世界完全不一樣，在某些地方甚至遠遠超過了我們。

所以當我們設計人工智慧時，不需要把人類的邏輯思維搞清楚，因為計算機根本不需要走這條路，它有捷徑，可以走得比我們更快。

無論你的公司是要做IoT（物聯網）還是超級智能，都要忘掉人類智能是怎麼產生的。

機器智能的產生有三個基礎：摩爾定律、數據、數學模型。

前兩個許多人都已經很清楚。第三個，數據模型的實現，我們叫做深度學習。有了這三樣，計算機就相當於掌握了空氣動力學的飛機，可以飛得比鳥還要快。

所以，機器智能其實是沿著數據和深度學習的路徑發展，而不是模擬腦細胞的電流怎麼產生。

如果有企業要在這個領域創業，想要像谷歌一樣去研究深度學習，機會很小。但是企業進入到一個行業，如果把一個行業真正地研究清楚，掌握這個行業的數據和數學模型，未來仍有不錯的機會。

機器智能其實是沿著數據和深度學習的路徑發展，而不是模擬腦細胞的電流怎麼產生。這一點，谷歌是很好的範本。

7萬億元的市場

人工智慧能夠創造出7萬億元的市場，幾乎相當於20個互聯網的市場規模。

我們知道計算機能力的發展始終依循摩爾定律，每18個月翻一番。但是再往後，摩爾定律的速度會放緩，可能變成24個月翻一番，甚至有人預測，將來是48個月翻一番。

儘管如此，計算機能力還是在進步，等到2030年時，機器智能的水平可能會達到黑猩猩的水平。

黑猩猩的智能是什麼水平？從生物學上來看，黑猩猩屬於人科，而不是猩猩科。

也就是說機器到2030年，距離現在還剩13年的時間，就能夠達到人類的智能水平。到那時，很難找到我們人類能夠完成而機器完成不了的工作了。

到2030年，人工智慧時代會真正的來臨，機會很大，市場體量很大。隨之而來的問題是基礎架構的改變，主要包括兩個方面：感測器和聯網。

正如上面所說，機器獲得智能的方式與人類不同，它通過各種各樣的IoT設備來感知世界。

狗是如何判斷上午和下午的？通過嗅覺，用鼻子聞出來的。它能夠聞到十公里以外的風暴，那一點點氣壓的變化。狗的眼睛很弱，但是鼻子很強，上面有很多感知細胞。

機器也是如此，它通過感測器來感知世界。感測器就是人工智慧的五官。測壓力和測溫度的感測器、攝像頭、手機的屏幕（記錄錄音和文字）和陀螺儀（記錄運動狀態），都是感測器。現在的感測器並沒有將人包括進去，但當萬物互聯，人也是其中的一部分。

除了感測器，現在的聯網方式也不符合未來。今天我們大部分人通過手機聯網。第一代互聯網是PC互聯網，第二代是移動互聯網，第三代就是IoT。如果現在手機需要通過PC聯網，就是一件奇怪的事情。同樣的，到了IoT時代，感測器也不會再通過手機聯網。

今天，我們想知道前面那輛車要去哪裡，需要把兩輛車的信息都通過4G上傳到雲端，再下載下來。需要這麼費勁嗎？車和車為什麼不可以直接對話？

一般藍牙的覆蓋範圍是3~5米，如果有一種藍牙可以覆蓋300米的範圍，那麼車和車之間就可以溝通信息，而不需要通過移動互聯網上傳到雲端。

通過這種方式溝通就可以解決堵車的問題。堵車一個很重要的原因在於，司機不知道其他司機的意圖是什麼。司機都在做隨機的布朗運動，為了不和別人撞到，只能不停地啟動、剎車、啟動、剎車，過程中浪費了大量的能源。

如果可以通過藍牙技術把三公里內所有汽車的信息收集起來，所有人就都不需要靠眼觀來判斷對方的意圖，我知道他會怎麼開，對方也知道我會怎麼開，交通擁堵問題基本上可以得到解決。

除了不方便，現在的基礎架構還有很多問題，比如安全性，但是有問題就有機會。

汽車承載了很多智能化的想像力。

未來經濟的四個特點

對於創業者來說，基礎架構拼不過BAT和科大訊飛等企業，但是創業者可以去深入每個行業。簡單來說，就是去做臟活、累活，了解每一個行業的重點和痛點。

創業者的機會在哪裡呢？超級智能背景下的新經濟有四個特點：

第一，共享經濟。這是個老題目，但仍然值得我們關注。共享經濟的本質是什麼？節省資源嗎？不是，是讓用戶更多地利用資源。從這點也能看出來，商業的本質不是為用戶省錢，而是讓用戶多花錢。

滴滴讓用戶省錢了嗎？不是，讓他們多花錢。滴滴為什麼成功？今天路上跑的類計程車有800萬輛，其中有600多萬輛都是網約車調動的，因為滴滴調動了更多的資源。

所以共享經濟的特徵是要多利用資源，不是少用資源。一個成功的共享經濟背後，是把盤子做大，讓很多人加入進來。

Airbnb也是同樣的道理。有人調查說，沒有Airbnb的時候，遊客在美國國內平均玩兩三天，因為住旅館貴，有了Airbnb之後，玩五天。

共享經濟並沒有給用戶省錢，而是提供方便，讓用戶更多地花錢。

網約醫生也可以應用共享經濟模式嗎？不行。中國看病難的問題在於好的醫療資源本身是短缺，是瓶頸。所以，無論怎麼做，規模上不來。

創業分「神似」和「形似」，網約醫生與網約車，就是形似而神不似。

第二，跟蹤經濟。跟蹤經濟能帶來什麼好處？我們可以把很多的製造業變成服務業。原來生意是一鎚子買賣，現在賣完產品之後賣服務。比如金風科技是一家風力發電站，以前它並不知道把風車賣給了誰，風車的損耗、是否需要更新風葉，它都不知道。

後來金風科技在風葉上加上了感測器，收集每天的數據。現在全世界的風力發電機分布在哪裡，這些風力發電機什麼時候該維護，哪裡損耗比較大，是否需要更新，它全都知道了。

去年，金風科技就不做生產了。因為中國產能過剩，金風科技外包給別人生產，自己只做服務，盈利特別好。

第三，眾籌經濟。我們對眾籌有一個錯誤的理解，就是在東西生產出來以前，對顧客進行預售，獲得資金。其實更加正確的理解應該是，讓各方充分參與整個生產銷售鏈條，用新的基礎架構，讓生產更有效。比如特斯拉，它一開始向顧客收集1000~5000美元預付款，用戶參與設計，機器人製造，沒有代理商的銷售，最後拿到貨款，還貸。這其實是提高了每個環節的效率，減少了成本，並不是簡單的提前獲取資金的過程。

第四，合作經濟。將來的經濟模式，會有一些大公司是核心的技術提供者，比如谷歌，但是他們同樣需要各行各業中的資源來補給結合。谷歌和蘋果開發汽車，最後是由福特來生產，顛覆是異數，合作是常態。

不要老想著新技術怎麼用，永遠都是現有產業+新技術，而不是新技術+產業，就好像「互聯網+」給我們帶來的教訓一樣。超過一萬家獲得融資，只有三家上市，正確的概念應該是「+互聯網」。

未來也是如此，原有產業+IoT＝新產業，永遠都是原有產業為重，新技術疊加其上，這是創業者必須牢記的。V

加入評論悅讀會，一起聊聊商業模式創新。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！