當說到科技時,我們在談論什么?
編輯導讀:整個商業世界可以用一輛四驅車來比喻,前輪是科技,是開荒,是在一片全新領域中找到新的商業模式,是從0到1;后輪是運營,是精耕是在一片成熟領域中從石頭里捏出油來,是從1到多。那么,當我們在談論科技時,我們在談論什么?
“越是復雜的時刻,越要跟簡單的東西在一起。”
——一個不成熟的人生小建議。
01
2019年時我還在機構媒體工作,在一篇稿件中曾經以“一輛四驅車”,來形容整個商業世界。
四驅,但前后輪交替發力。
前輪是科技,是開荒,是在一片全新領域中找到新的商業模式,是從0到1;
后輪是運營,是精耕,是在一片成熟領域中從石頭里捏出油來,是從1到多。
兩年前的那時,前輪的紅利吃到了尾聲,后輪也已經開始發紅發燙了。
兩年后的今天,為了整輛車的安全,后輪不得不停下來開始擦洗調整。
但令人感到欣慰的是,前輪也已經從沉寂再次轉向了轟鳴,時隔二十余年,終于要重新開始開辟增量疆土。
眼下,人們的視線太多停留在對后輪的擦洗工作上了。
但對于更大的未來,卻在一次又一次的“期待、失望”的循環中,感到疲憊麻木了。
02
本文會談到大量的科技名詞,但一開始,我們先從各位最熟悉的概念入手。
5G、人工智能(AI)。
這兩個,是最底層,也是在未來的商業圖景中最具有普遍適用性的概念。
5G是神經網絡,AI是大腦。
往上浮半層,在5G和AI的支持下,我們將發展出物聯網。
該技術即為軀體,對應著極為龐大的增量場景。
現在,我們來舉個例子:自動駕駛。
根據概念,我們可以這樣說:自動駕駛是物聯網的一種特殊表現形式。
借由該案例,我們將重點闡述5G和物聯網的關系。
“網速快”,這是大眾對5G的第一印象。國際電信聯盟將這一特性定義為eMBB,術語叫增強移動寬帶。
有了這個,我們就可以看更清晰的視頻,玩更精美的游戲。
比方說云游戲這個概念,就是建立在eMBB的重要基礎之上。
以前玩3A需要燒顯卡,但現在你把運算壓力全放到云端,咱就用超高網速傳圖形處理結果過來就OK了。
但對物聯網來說,5G另外兩個特性才更顯得重要。
第一個就是mMTC,海量機器類通信。
想讓汽車自己跑起來,我們必須時刻知道路面的干濕情況,車前面有沒有障礙物或斷崖,旁邊有沒有人想超車,此刻的天氣狀況,汽車本身的硬件是否完好等大量的信息。
激光測距,紅外線,雷達,攝像機……技術路徑各有千秋,但底層支援,都得依靠5G的通訊加持。
第二個則是uRLLC,超可靠低時延。
在自動駕駛場景中,mMTC主要是說“司機”捕捉信息的廣度,uRLLC則更多側重于“司機”的反應速度。
在高速行駛中,前方有個懸崖,攝像頭捕捉到了這一畫面,告訴了中端控制器,如果說這時候“卡了”,那肯定就會出事故。
4G的延時是0.045秒,5G的延時是0.001秒,比人腦反應要快得多。
因此在技術理論上,5G是自動駕駛技術上路的重要前提之一。
再擴大一下場景,工廠里,海量的機器能不能互相配合,自動干活?——工業物聯網。
北京的專家醫生,能不能通過傳感器給貴州的農民做手術?——遠程醫療,醫療物聯網。
遠程教育,遠程會議——低延時讓彼此的交流更絲滑。
智能家庭,每一個微小的家具中都裝有一個芯片,可以支持數據記錄,語音遙控,自主服務等。
在這些場景中,均是5G提供核心技術的增量突破變革,然后借由物聯網來具體落地。
03
那么,人工智能又是怎樣的一個角色呢?
還是上述案例,在遠程教育,遠程會議,醫療物聯網等更側重于“鏈接效率”、“聯通質量”的場景中,我們不難發現,AI的意義并不大。
但在自動駕駛,智能家庭,工業物聯網等場景中,我們很顯然可以感知到,這些場景是需要一個大腦的,即AI、5G、物聯網三者,將在這些場景中通力配合。
物聯網負責抓取信息數據,5G負責又準又快地將信息傳遞出去,AI則像人腦一樣,自主作出精確的判斷決策。
總結來看,5G的價值主要是在讓信息的聯通“更準確,更快捷”。
AI則可以讓機器更“聰明”。
隨堂提問:在我們目前探討的這三個技術名詞中,哪個離我們現在的生活最近?
沒錯,答案是AI。
都刷過抖音吧?或快手。
沒有的話,有聽過2017年的網易云嗎?
私人FM和個性化的每日推薦的大火,讓某些樂迷在當年發出了“打開網易云就像是在逛巷子”的驚人之語。
再往前,今日頭條?這個就很早了,信息流,個性化推薦,直接托起一代巨頭,挖了百度的根。
還不熟?那淘寶,美團,京東商城,最不濟B站,B站也算。
首頁推薦,猜你喜歡,千人千面。
這就是人工智能:了解你的喜好。
準確的說,這是人工智能在內容推薦領域的垂直應用。
其背后所需要用到的支撐是:算法,深度學習,大數據。
還是用比喻的方式來理解。
大數據是食材,算法是菜譜,深度學習是腦子。
第一個原則:什么食材做什么飯。
一個廚子,你只給他面粉,他永遠做不出肉菜。
就算我拿到了你在瀏覽抖音時的所有“點贊”、“收藏”、“停留時間”、“反復播放次數”等數據,我也沒辦法將其應用于指導車輛的前進和剎車。
但一個廚子,你給他面粉,他既可以做饅頭,也可以做面包。
以應用成熟的內容推薦領域來說,相關數據具有極強的共通互用性。
當我知道了你喜歡看什么類型的抖音之后,某種意義上我就有辦法在今日頭條上給你推薦相關類型的文字內容。
更進一步,當我知道你的碎片化內容偏好后,在一定程度上,我也可以推理出你更傾向于購買怎樣類型風格的商品。
當然了,這種跨界采樣的方式還是不太高效的。
精小麥做饅頭,棒子面做窩窩,全麥做黑面包,直接在相關場景中收集數據然后采納整合,才是最合適的。
此外,越是底層的信息來源,其數據價值就越大。
事實上,絕大多數有著內容推薦的主流App,都在監控用戶的輸入法,監聽麥克風,乃至偷偷打開攝像頭進行數據收集。
這些收集上去的龐大數據是不太可能有“人類”去看的,而所有收集的目的都是為了更好的服務用戶。
最終造成的詭異現象是,你跟朋友在微信里聊了某歌手,短視頻、內容社區就開始給你推相關內容。
你跟同事聊了某個品牌的衣服,下午打開電商平臺這個品牌就出現在了你的首頁上。
第二個原則:沒有食材就不要吃飯。
理解這一點,我們重點要明白AI的“思考”過程。
以Siri或微軟小冰這種,最強“擬人感”的場景來舉例。
北京胡同里,一個大爺跟另一個大爺說:
“嘿二哥!今兒這天兒也太熱了!”
另一個大爺,根據自身性格和雙方關系會分別回答“可不是”、“活不了了”、“全球變暖的影響非常嚴重”以及“有事兒說事,少在那放閑屁”。
人類的回答,重點在自我思考,整合,表達。
但Siri的回答過程其實沒有一點感情。
他就是去遍歷數據庫中的所有“以天兒太熱了”為結尾的對話句子,然后找尋作為回答出現頻次最高的詞條組,再根據工程師或用戶之前給他設定的性格標簽找到對應的感情標簽,選中。最后用語音合成技術念出:“是的,像火爐一樣?!?/p>
遍歷數據庫,找尋成功率最高的答案,確認其匹配性,丟出答案。
這就是我們常聽人說的“深度學習”。
機器和人腦相比有兩個極強和N個極弱。
在記憶力(儲存)和反應速度(查詢,調?。┥?,機器是人腦的幾億倍,隨著云計算、量子計算、邊緣計算等科技的不斷發展,這一優勢還在瘋狂擴大中。
但在情感,感性認知,合理聯想,文化洞察方面,機器的能力幾乎為0。
如今我們所說的人工智能,其實就是將其記憶力和反應速度的優勢推到最大,然后模擬出“有文化、有情感”的狀態。
在各種場景下,看似“擁有靈魂,非常智能”的表現背后,運作機理和人類大腦有著截然不同的底層區別。
回頭再說,如果說AI的優勢全部建立在“超大存儲”和“超快遍歷查詢”這兩點上,那么數據就是這一切的前提。
沒有數據,你存儲誰?遍歷誰?反饋誰?
數據從哪里來?
從人類的一切活動中來。
現在還只是你喜歡看什么?停留幾秒?什么時候點贊?什么時候購買?
未來則是你每天幾點起床?你夜里睡的好不好?翻不翻身?翻幾次身?你的體溫起伏變化是怎樣的?有輕音樂和香薰相伴會不會提升你的睡眠質量?冰箱多久空一次?攝入的營養成分是否可以進一步優化?家里的灰塵分布?掃地機器人出動頻次?
學生做題時的專注時長?什么情況最容易導致學生走神?什么狀況下學生的投入度達到峰值?
城市的車流量狀況?每輛車的智能路線選擇?紅綠燈的智能調節?長期無人地區路燈的智能關閉?貨車出入頻次異常預警與?;肪兡茫砍鞘匈Y源的調度?經濟形勢預測?緊急時刻如防汛防澇全景圖?
一切物品都將長出一雙眼睛,所有人都是數據的生產者,AI以此為食。
?04
至此,我們重點介紹了5G、AI、物聯網的關系。
其目的,是以三者為抓手,建立起一個基本框架,在這一基礎上,我們將畫出一個有機的網狀結構。
大數據是什么?
是AI的基本前提,原材料。
物聯網場景將產生出大量的增量大數據。
5G是大數據得以抓取,應用的科技前提。
云計算是什么?
與上述概念相比,這屬于傳統門類了。
粗暴理解,它就是儲存器和算力的租賃服務。
企業不要搞機房了,直接租大廠的,云端的。
從上個世紀九十年代業內就在探討客戶端跟服務器的關系,再往后大家講基于互聯網web界面的服務,一直到云計算,它其實是一脈相承的。
因此從模式創新的角度來說,這確實是李彥宏多年前所說的“新瓶裝舊酒”。
但當時馬云的反駁是:“我最怕新瓶裝舊酒的東西,你看不清他在玩什么,突然爆發出來最可怕?!?/p>
十多年過去了,這酒裝著裝著確實在效率和算力兩個層面上都有了不斷的突破提升。
因此在科技圖景上,云計算對應著兩個內容:
第一,所有的傳統企業,尤其是中小型企業他們互聯網化,進而帶動整個社會數字化的過程成本和門檻被降下來了?;A建設這條路,被云計算打通了。
第二,隨著儲存能力,計算能力等算力的不斷突破,云計算為AI的大放異彩也鋪平了道路。
量子計算:更快的云計算,這里的“快”可以從量變到質變,與AI的加速落地聯結緊密;
邊緣計算:把一部分計算能力前置到終端,更高效的云計算,與物聯網結合更緊密。
繼續延伸。
3D打?。焊赜谟布萍?,但大數據的發展與5G將極大促進這一賽道的成熟。
這種柔性生產很有可能對工業,尤其是小商品輕工業產生巨大的沖擊。
再發揮一點想象力,甚至有可能直接重構電商,尤其是物流的生態,比如當場下單,當場3D打印取貨。
數據湖:大數據的優化模式。
數據與食材的不同之處就在于,面粉吃了就沒了,但數據可以一用再用。
數據湖可以理解為公共火種源,同時根據類別分類,便于各大廠商的調用。
區塊鏈:大數據的另一種優化模式。
數據湖的問題在于信息安全問題無法規避。
但區塊鏈的分布式儲存方式解決了這一痛點,一處賬本丟了還有其他賬本可以交叉印證。
在發展趨勢上,以區塊鏈的模式建立數據湖是一種很有可能的解決方案。
但目前,大數據的主要產出地還是在智能手機終端上。
其中所產出的大數據,依然被相關垂類中的互聯網巨頭分別掌控著。
元宇宙:現實生活與虛擬世界的界限模糊化。
這一概念更多是文化上的。其概念有八大特征,但我認為說得太多反而模糊了這一概念的重點。
事實上,沉浸感是唯一門檻。
目前來看,VR技術,腦機接口,生物識別主導的多屏世界,這三大新型人機交互方式,將很有可能成為元宇宙的真正起點。
05
理清概念之后,我們可以在資本市場上進一步對應。
比如芯片概念。
眼下芯片還更多只應用于手機,電腦,汽車,智能手表等極少物品上。
如果我們認為物聯網和邊緣計算將迎來極大爆發,那么杯子,剃須刀,床,馬桶,冰箱等一切常見品都將內置芯片,那么這個市場空間無疑是海量的。
相關企業:華為,中芯國際,歌爾股份,寒武紀等。
眼下,自動駕駛是大熱門,但跟新能源技術的發展緊密混在了一起。
從人工智能賽道來看,長尾場景是鉗制該賽道能否騰飛的根本問題。
為什么有段子稱AI是“人工智障”?
因為即便AI的決策正確率在95%,但5%的錯誤也一定會給人留下深刻的印象。那么5%帶來的危害可承受性,就是AI能否商業化的關鍵因素。
個性化內容推薦為什么發展的好?
因為即便推薦錯了,也不會有太差的體驗。
智能導航相對弱一點,導航錯了,罵兩句,但為了那95%的正確率,還是可以忍下來。
但自動駕駛卻0.001%的錯誤率都忍不了,稍有失誤,就是人命關天。
因此在相關投資過程中,一定要注意區分AI和新能源這兩個概念,在落地時間的預期上,這二者一定是截然不同的。
相關企業:百度、蔚來、理想、小鵬、華為、特斯拉、小米。
多屏時代。
如果我們認為隨著物聯網的演進,桌子,墻體,冰箱,廁所,廚房,街頭,車內,地鐵中等各個場景將出現大面積的智能觸摸屏可以進行交互,那么顯示屏的企業將迎來恐怖的爆發。
相關企業:三星,京東方A,TCL。
傳統互聯網概念股。
在本文視角下,場景是他們的護城河,相關場景中所產生的數據將成為他們的最大壁壘。
但隨著相關政策如隱私保護、企業間數據合理共享、數據采集付費等措施的推進,其護城河也將被逐漸消弭。
在我個人看來,按商業化程度從近到遠,值得關注的領域包括:
新能源、云計算、芯片、供應鏈智能優化、云游戲、邊緣計算、智慧家庭、無人工廠、虛擬現實、3D打印、車路協同、自動駕駛、多屏時代、腦機接口、元宇宙……
其中,越靠后,技術難點以及倫理困境、社會本身的承受力等問題就越難以突破。
以上,樂觀者可以看到投資機會,理性者則可以判斷落地的可能性和距離遙遠程度。
知名作家吳曉波曾多次引用里克爾的詩,來形容自己面對新科技的心情。
“我看見風暴,激動如大海?!?/p>
但我認為,如果一定要用自然界來類比,科技的發展更像是溫度,而不是風暴。
今天似乎和昨天一樣,這個月似乎和上個月一樣,但時間累加之后,其中的巨大差異每個人都能感知得到。
數年來,每一位從業者亦步亦趨,整個科技和商業的進程也在亦步亦趨。
改變是一點點發生的。
有時很慢,有時會停滯,有時甚至會倒春寒。
但時間維度拉長,科技的福祉終將播撒到每個公民的生活里。
“科技的發展,是一場不可逆的全球變暖?!?/p>
這就是本文的最后一個比喻。
本文由 @財經琦觀 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協議
來源公眾號:財經琦觀(ID:cjqiguan),有溫度的商業觀察。
本文由人人都是產品經理合作媒體 @財經琦觀 授權發布,未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!