老榕树社区

标题: 智能商业时代揭幕，一切都是新机会 [打印本页]

作者: cye玫瑰 时间: 2017-3-25 00:03
标题: 智能商业时代揭幕，一切都是新机会
面对商业时代的更迭，旧时代的代表性企业即使没有被替代，也会逐渐边缘化，这是传统企业在工业革命和信息革命中不可挣脱的宿命。但在智能商业时代，新兴行业与传统行业是相互融合的关系，传统行业不会轻易被颠覆，而是在与新技术碰撞后，重塑自身、放大价值。

人工智能正在成为新的投资热点。据据美国第一大商业银行美国银行(Bank ofAmerica)预测，到2020年，人工智能可能形成700亿美元规模的市场。公众已经意识到，就像PC、手机和互联网一样，人工智能会成为下一个大事件。人工智能产生的影响并不限于局部，而是会深刻地影响和改变几乎所有产业，带领我们走进一个“智能商业”的新时代，带来商业范式的变革。
商业范式指的是企业所共同接受的商业假设、理念、价值逻辑和实践模式的总和。它与商业模式不同，后者更强调单个企业的业务模式。在智能商业的时代，企业所选择商业模式虽然可以大相径庭，但是它们遵守的是同一套、不同于过去的价值逻辑体系。
时代正在发生改变。要搭上智能商业的“顺风车”，光知道“车要来了”是远远不够的，还必须掌握车辆到达的时间、地点，并且要用正确的方式买对车票上车。
在这篇文章中，我们将探讨智能商业的一系列问题：智能商业时代会在什么时候到来(天时)?哪些行业会从中受益(地利)?企业又应该如何调整商业模式去适应和拥抱新的机会(人和)?
天时：智能商业时代何时开启?
什么是智能商业时代的开启?其实今天从智能手机、智能家电到智能电动汽车，我们的身边充斥了大大小小、五花八门的智能产品。但是智能产品出现本身并不代表着我们的商业范式发生了变化。企业仍然按照以往的逻辑进行产品的研发、生产与销售，只是产品目录中多了一些具有智能交互功能的“智能产品”罢了。
智能商业时代的业务范式是完全不同于今日的：届时智能终端所产生的数据会被广泛地应用于算法的迭代优化、并反过来指导和改变企业的各项业务活动。如果说今天的商业活动是由资本驱动的，那么智能商业的一个重要标志是：数据将会替代资本，成为整个商业系统运行的根本驱动力。因此这样看来，今天智能终端的出现只是一个“序章”，距离智能商业时代的真正开启尚有时日。
所以时代交替会在什么时候发生呢?答案是：或许并不会有明确的分界。在《只有偏执狂才能生存》一书中，作者格鲁夫用“变脸”来比喻战略转折点的来临：不知不觉中一张脸消失了，与此同时，一副新面也显现了，你无法准确地说第一张脸消逝、第二张脸新生的那转瞬一刻。你所知道的只是在那过程的开始你见到的是一副模样，而到结束时又是另一副模样。
可以肯定的是：智能商业时代的开启不会是“忽如一夜春风来，千树万树梨花开”的骤变，而是悄然、渐次地改变各个产业的游戏规则。有一些行业转变得早一些，另一些则转变得晚一些。而如果深入到某个行业，我们也很难判断是哪一天、哪一刻，它正式进入了智能商业时代。
因此，预测智能商业的起始时间不仅不具有可行性，意义也不大。重要的是：通过一些趋势指征，我们可以判断出：智能商业时代正在加速临近。而这就足以让我们在今天就提高警觉，做好迎接的准备了。
这些趋势指征主要体现在三个方面：算法、计算能力和数据。
算法
智能算法一直在不断更新，在最近几年取得了突破性的发展。
人工智能学科早在1956年就正式设立，但是发展并不顺利。早期的研究方向注重逻辑推理、自动证明和向计算机发出指令、使计算机执行命令。但是真实世界是多样、不确定的，人类对其的感知也很难用因果、指令来模拟，因此基于逻辑的人工智能范式很快就遇到了瓶颈。之后人工智能领域发展出了“机器学习”这一分支。它不依赖于事先定义好的程序和规则，而是从现实的经验和例子中进行学习。虽然这种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进展。
2006年深度学习算法被首次提出，将人工智能算法的发展推上了快车道。深度学习算法使得机器能够通过学习后自主提取特征，克服了之前难以进行机器训练的瓶颈。2012年左右，深度学习算法在图像识别、视频分类、语言翻译等各个领域的应用开始显现出威力。2013年随着谷歌、百度等企业设立人工智能/深度学习研究机构，深度学习算法在不同商业场景的应用研究可谓全面开花。我们由此进入了算法研究不断突破的高峰。直到2016年，AlphaGo的表现引起了人们的普遍关注，成为人工智能的重要里程碑。但围棋游戏只是众多深度学习算法应用中很小的一部分。它在其他领域的应用还会有更大的想象空间。
智能商业时代的临近，不仅仅是因为算法的突破。算法其实一直都在突破：AlphaGo固然是一个重要的里程碑，但是这样的里程碑AlphaGo并不是第一个，也绝不会是最后一个。比算法更重要的是：智能商业的基础设施正在趋于成熟。
基础设施是推动技术商业化的重要条件。例如：汽车普及除了需要具备造车技术外，还必须有配套的公路和加油站系统，而后者才是阻碍汽车普及的瓶颈因素。同样，智能手机也不是在触屏技术一成熟就迅速成为主流的。一直等到3G通信网络全面覆盖、上网价格逐步降低(也就是网络基础设施成熟)后，才有了全民手机的智能化。
智能算法的发展还远远不够，只有基础设施的建设也跟上来，才能将智能商业带入高速轨道。而智能商业的基础设施主要包括两个方面：数据和计算能力。
数据
数据是智能商业非常重要的“燃料”，我们知道AlphaGo的围棋能力是建立在百万级别棋局的学习基础上形成的。没有百万个高手对弈的棋局数据，算法无法迭代，就不可能成就AlphaGo的能力。此外，算法的应用也需要数据输入，例如：智能汽车、智能工厂、智能医疗的发展需要海量的路况交通、制造生产和医疗病史的数据。
近年来大数据积累的指数级增长为智能商业爆发奠定了良好的基础。数据资源的丰富化得益于计算领域的多场技术革命。从大型主机、小型计算机、微型计算机到智能手机、平板电脑、智能汽车，再到未来由智能设备连接而成的物联网，设备呈现出小型化、多样化、增量化的特征(图1)。根据IBM的预测，2020年互相连接的设备将达到300亿。这些智能设备不仅能捕捉社交和交易数据，还可以植入工业和交通设备中、走进消费者的冰箱、门锁、服装里，像触角一样渗透到商业场景的方方面面。

资料来源：IBM “设备民主，拯救物联网的未来”
互联网设备数量激增的结果是：我们的数据会变得更加3D，即更直接(Direct)、更多元(Diverse)、更民主(Democratic)。海量的设备能够极大地丰富数据的来源，直接、全方位地搜集商业场景中的信息。它们也能够扩展可搜集数据的类型，从文字、视频、到位置、温度等，多维度地刻画场景。最后，数据的分布不再是中心化的，而是能够涵盖几乎所有的人和物。
数据的积累在近两年来指数级增长，为智能商业的开启打下了坚实的基础。实际上，我们所说的大数据，90%的数据是在近两年才生成的。这也是为什么智能商业不能在更早的时候到来的一个重要原因。而未来随着数据的近一步积累，必然会助推智能商业时代的开启。
计算能力
计算能力是智能商业的另一项重要基础设施。
从计算能力上看，智能商业对于计算能力提出了很高的要求。一方面，随着算法的进步，尤其是在模拟大脑神经网络的复杂情境下，模型所使用的参数数量难以计数;另一方面，随着数据的积累，算法所使用的数据规模也会呈指数级增长。这两个因素加起来，必定需要消耗大量的计算资源。如果硬件的计算能力没有等数量级的增长，算法的训练时间会大大延长、迭代速度难以突破，会成为智能商业发展的瓶颈。
事实上，有限的计算能力一直是人工智能领域挥之不去的阴影。数年前，先进的系统设计只能在理论上成立而无法实现，就是因为所需要的计算资源过于昂贵或超出了计算机的胜任范畴。
但是今天，计算机的运算能力在不断提升。在摩尔定律的作用下，同样体积、价格的计算机运算能力已经大幅提升。现在，虽然摩尔定律已经接近“终点”——让晶体管更小无法保证成本更低或速度更快——但是计算能力的发展仍然会以不同的逻辑延续下去。近年来，在计算架构领域有了新的突破，以并行计算见长的GPU性能快速提升。其他专注于深度学习加速的芯片也纷纷涌现，高性能计算领域内的“量子计算”概念被提出并投入研究。这些方向上的突破将保证计算能力的提升跟上人工智能发展的步伐。
另外，计算成本也在不断下降。有研究表明，三项核心数字技术的能力——计算能力、数据存储和带宽——的成本都在加速下降，并且下降的速度比之前技术基础设施(电力、电话)的速度更快。其中，每百万个晶体管的成本从1992年的222美元降低为2012年的0.06美元。在短短的20年间降低了3700倍之多。未来，随着云主机、云计算技术的成熟，企业可以按需租用计算能力，可以进一步精减计算能力的投资成本，降低了实现智能商业的资金门槛。
算法、数据和计算能力是促成智能商业发展的三大不可或缺的要素。近年来在这三个领域的突破性进展叠加在一起，将产生奇妙的化学反应，引爆智能商业的新浪潮(图2)。

地利：重回原子时代
如果我们回顾商业活动的历史，可以发现：每一次商业范式的重大变迁都会带来产业格局的重塑，使商业价值在不同产业内重新分配。
例如：从农业时代到工业时代，在人类经济生产方式被深刻改变的同时，一系列围绕工业化的新兴产业(如电力、运输)开始出现，以农耕、手工业为中心的旧产业则逐渐被改造和替代。
从工业时代到信息时代，又诞生了一大批互联网企业，价值从传统的工业制造业转移到互联网行业。在互联网领域，诞生了越来越多像谷歌、Facebook、阿里巴巴这样的明星企业，光环盖过了能源、金融、医药等领域的传统巨头。
面对商业时代的更迭，代表旧经济体势力的企业如果没有被替代的话，也会逐渐边缘化。这是前两次工业革命和信息革命中，传统企业不可挣脱的宿命。
智能革命是否会带来同样的影响?如何选择符合技术趋势的产业?这是在智能商业时代我们要考虑的“地利”问题。
好消息是：无论企业处于什么行业——实体产业或是虚拟经济——都能够在智能商业的生态中找到自己最合适的位置。这是因为智能商业将虚拟世界与真实的商业场景融合在了一起。
对于高科技和互联网公司(例如：Google、Facebook等)而言，它们独特的先天优势能够助力它们成为人工智能的基础服务提供商。一方面，这些企业在云计算和智能技术领域的布局领先;另一方面，多年深耕于互联网行业又帮助它们积累了规模庞大的数据。同时具备技术与数据的优势，有助于这些企业开发和迭代先进的算法，成为提供包括图像识别、语音识别、客户关系管理等一系列人工智能基础服务的服务商。
对于传统的各行各业而言，它们并不会轻易被新技术冲击颠覆，而是可以与人工智能技术碰撞后，重塑自身、放大价值。例如：医疗行业与图像识别技术的碰撞会提升医学影像的诊断效率。交通运输行业与预测技术的结合有助于预判拥堵情况和进行最优路线推荐，提高交通系统的效率。零售行业与客户关系管理服务融合后，能够进行更全面的用户画像，进行产品与客户的个性化匹配，提高促销的转化率。
与以往“新兴行业代替传统行业”不同，智能商业时代，新兴行业与传统行业是相互融合的关系。传统行业以具体的商业场景为切入点，提供更加优质的产品与服务。技术服务商则以云端的能力为立足点，通过提供数据和算法服务创造价值。两者相互交错，形成了一张数据聚集和协同的动态的网络矩阵。
当然，这样的“角色分工”并非绝对：传统企业也可以自己积累数据，在算法的更新迭代领域进行投入;技术型企业也可以渗透到行业端的商业场景中，完成智能商业的闭环。但是这只是一种选择，而非必须。重要的是：无论身处哪个行业，企业都可以找到在智能商业新生态中的位置，在此基础上进行商业价值的提升。
在这其中，有两个趋势特别值得一提。
第一个趋势是：智能商业是对接和重新塑造实体产业的。从1980年代个人电脑问世到2015年左右，我们见证了商业价值的重心逐渐从物理世界转向虚拟空间。有人说：我们从原子时代走向了比特时代。但是智能商业又会将我们拉回原子时代。因为智能算法一定是服务于实实在在的商业活动的。人工智能与实体的制造、零售、医疗、金融等结合起来，才能够创造价值。智能商业必定是对接产业、并重新塑造产业的。我们即将重回原子时代，这些传统产业将焕发新的生命力。
第二个趋势是：智能商业将会深入到产业链的前端，实现全价值链的智能化。在过去，计算机和互联网产业的发展初步构建了信息时代的基础设施，但是其影响范围有限，主要作用于消费互联网——改变的是产业链后端的营销、零售服务环节。而智能商业主要影响的会是产业互联网——改变的是产业链前端的研发设计、制造、仓储物流等环节。这样，就实现了对全价值链的改造和赋能。
所以说，把握智能商业的“地利”，需要我们重新审视和释放实体产业的价值。其中，价值链前端的产业互联网又是特别值得开垦的处女地。
人和：商业范式的革命
在智能商业时代的转折点上，不仅仅要求我们把握住时间窗口(天时)、布局合适的生态位置(地利)，还必须要采用正确的姿势进行智能范式的转型(人和)。而这一点往往很容易被忽略。
很多人认为：智能化无非就是产品与服务的智能化——添加一些智能模块、采购一些云端的智能服务，其实不然。由于产品形态和服务逻辑发生了变化，相应的商业范式也需要作出调整。只有在商业范式上彻底转型，才能将智能商业的价值发挥到最大。
产品：从交易价值到使用价值
大多数传统的产品和服务追求的是“交易价值”的最大化。也就是说：企业最重要的任务是把产品卖出去，之后的维护修理都被视为不得不履行的义务。因此，一个企业的售后服务中心通常被视为“成本中心”也就不难理解了。
但是智能产品改变了这一状况，它可以将产品转变为服务。不同于传统的物理产品，智能产品的使用恰恰是价值创造和获取的开始：客户的持续使用意味着其数据的持续输出——客户的使用习惯轨迹反映了其个性化的偏好，因此可以针对每个客户的独特需求进行算法的迭代。这样的参与使得价值创造转变为企业与客户共同创造的过程。
充分关注产品的“使用价值”，而非死守“交易价值”不放，企业可以创造新的商业模式。例如：GE(通用电气)是传统的工业巨头，业务领域广泛。它制造涡轮机、飞机引擘、火车头、以及医疗影像设备等产品的技术在业内领先。但是现在它已经转型成为一个智能服务的平台。GE的CEO Jeff Immelt曾经这样说过：“一辆火车头就是一个奔跑的数据中心，飞机引擎是飞行的数据中心，它们每天产生巨量的数据，这些数据可以反馈给客户，用于提升燃油效率，改善它们的环保表现。”
GE借助其在工业领域的产品影响力，正在将其转化为数据和算法的影响力。以飞机发动机为例：发动机上的各种传感器会收集其在空中飞行时的各种数据。这些数据传输到地面后，经过智能软件系统的分析，可以精确地检测发动机运行状况、预测故障，提示进行预先维修等，以提升飞行安全性以及发动机的使用寿命。而GE就成为了在这背后提供智能分析与服务的平台。它不仅仅卖设备，还在设备的使用过程中创造价值，将一次性的交易价值转变为持续性的使用价值。在这个逻辑下，实际上是每个航空服务公司和GE一起实现飞机发动机价值的最大化。
市场：从大众市场到人人市场
传统制造企业的市场逻辑一般是：通过市场的细分和选择进行定位，再针对所定位人群的同质化需求，提供标准化的产品和服务。由于企业大规模生产和效率的要求，最终所满足的需求往往是“千人一面”的。
而今天智能商业将能够改变这样的逻辑。这是因为首先，通过智能化的数据搜集，可以捕捉到每个用户的个性化偏好，发现“千人千面”的需求;其次，智能化的算法也能够有效地实现产品标准化和体验个性化的组合，从而实现“千人千面”的需求。由此，原来的大众市场(Mass Market)得以优化成为人人市场(Market of One)。
在内容平台领域的“今日头条”就是利用智能算法在这方面进行了尝试。“今日头条”于2012年3月创立，在短短的几年里迅速超过很多互联网门户的影响力，其中重要原因是其智能引擎下的个性化推送，形成一个“最懂你的信息分发内容平台”。它根据用户的特征、内容浏览轨迹和环境特征匹配用户最可能感兴趣的内容特征。也就是说：打开“今日头条”APP后，每个用户看到的信息都是根据各自不同的偏好集成的。这背后依靠的是大数据和智能化的推荐引擘，实现了“千人千面”的效果。当然，“今日头条”的推送精准度还有待提高，离“最懂你”尚有距离。
数据：从个体价值到群体价值
通过叠加客户数据，可以在云技术里实现基于数据集合的新价值创造。虽然市场从“千人一面”走向“千人千面”，但是这并不意味着客户的价值是离散的、各自为阵的。恰恰相反，智能商业提供了很多将客户的个体价值转变为群体价值的可能性。
例如：2014年被Google以32亿美元收购的Nest是一个智能恒温器的品牌。Nest恒温器通过记录用户的室内温度数据，同时连接家庭的空调、洗衣机、冰箱等家用电器，在充分了解用户使用习惯后，通过智能算法为每个家庭创建一个定制化、自动调整的能源管理方案。由于Nest同时连接着电价动态变化的数据，能够保证整个能源管理方案的节能先进性和低成本效率。这是针对个体家庭层面的价值。
除此之外，Nest数据的群体价值却有更大的想象空间。如果在同一区域内有上百万家庭都使用Nest，Nest在云端就能够动态地了解整个区域家庭能源使用的数据，从而和供电企业一起更加高效地实现对区域能源的合同管理。这就是将个体价值转变为了群体价值。
智能商业提供了大量类似的将个体价值聚合后成为群体价值的机会。而这在传统的商业范式中是很达成的。当然，在许多情况下，单凭一家企业很难积累和叠加足够的数据，因此就需要在不同的企业间建立合作的网络，进行数据的分享和价值的再创造。
行业：从边界约束到连接跨界
今天行业同质化竞争现象的一个很重要的原因是：企业对行业边界的理解是固化的。它们关注相同的竞争要素，最终走向了竞争的趋同。而智能商业打开了一个真正“以用户为中心”的模式。通过对用户动态数据的积累和计算，企业能够了解用户全方位的偏好和需求，因此整合其他相关产品与服务就变得相当自然了。当企业致力于更加精准地满足每一个客户对多样化、便利性、及时性需求的追求时，行业的游戏规则就被完全改变了。
以智能冰箱为例：过去作为白色家电的冰箱主要是在价格、性能以及售后服务等方面进行竞争。未来，智能冰箱将能够自动调整冰箱模式，让用户随时了解存储食物的保质保鲜状态和使用数量，始终让食物保持最佳状态。不仅如此，通过聚合这些数据以及用户的健康状况数据，智能冰箱还可以有效地连接超市、药店、营养师等外部服务，为用户提供精准高效的健康生活建议和服务，其价值也远远超出了制冷保鲜的边界。
由此可见，在智能商业时代，企业越来越不像是固守在某一行业中、偏安一隅的玩家，而更像是一个连接器——连接许多不同行业的资源与数据。这种连接不仅仅是简单的流量转换，而是基于数据智能基础上的产品与服务的组合，其最终的价值在于更加精准地满足用户的需求。
无论是产品层面的“从交易价值到使用价值”、市场层面的“从大众市场到人人市场”、数据层面的“从个体价值到群体价值”还是行业层面的“从边界约束到连接跨界”，都要求企业走出已有的商业范式，重新思考自己在新生态系统中的定位，并做出改变。
古语云：天时不如地利、地利不如人和。其实，最重要的是企业积极地拥抱新的商业范式，在主动学习试错的过程中探索出一条智能商业时代的转型之道。
结语
智能商业时代的序幕正在徐徐开启。对于企业而言，不仅仅要把握住时间窗口、选择适当的发展方向，还要积极调整、适应新的商业范式，并在此过程中探索出建立和巩固企业新优势的机制。
未来已来，智能商业时代将带来新的机会与挑战。而唯有作好准备的企业才能脱颖而出，引领时代。
来源：财经杂志

欢迎光临老榕树社区 (http://club.lrswl.com/)