当说到科技时,我们在谈论什么?

0 评论 4672 浏览 1 收藏 22 分钟

编辑导读:整个商业世界可以用一辆四驱车来比喻,前轮是科技,是开荒,是在一片全新领域中找到新的商业模式,是从0到1;后轮是运营,是精耕是在一片成熟领域中从石头里捏出油来,是从1到多。那么,当我们在谈论科技时,我们在谈论什么?

“越是复杂的时刻,越要跟简单的东西在一起。”

——一个不成熟的人生小建议。

01

2019年时我还在机构媒体工作,在一篇稿件中曾经以“一辆四驱车”,来形容整个商业世界。

四驱,但前后轮交替发力。

前轮是科技,是开荒,是在一片全新领域中找到新的商业模式,是从0到1;

后轮是运营,是精耕,是在一片成熟领域中从石头里捏出油来,是从1到多。

两年前的那时,前轮的红利吃到了尾声,后轮也已经开始发红发烫了。

两年后的今天,为了整辆车的安全,后轮不得不停下来开始擦洗调整。

但令人感到欣慰的是,前轮也已经从沉寂再次转向了轰鸣,时隔二十余年,终于要重新开始开辟增量疆土。

眼下,人们的视线太多停留在对后轮的擦洗工作上了。

但对于更大的未来,却在一次又一次的“期待、失望”的循环中,感到疲惫麻木了。

02

本文会谈到大量的科技名词,但一开始,我们先从各位最熟悉的概念入手。

5G、人工智能(AI)。

这两个,是最底层,也是在未来的商业图景中最具有普遍适用性的概念。

5G是神经网络,AI是大脑。

往上浮半层,在5G和AI的支持下,我们将发展出物联网。

该技术即为躯体,对应着极为庞大的增量场景。

现在,我们来举个例子:自动驾驶。

根据概念,我们可以这样说:自动驾驶是物联网的一种特殊表现形式。

借由该案例,我们将重点阐述5G和物联网的关系。

“网速快”,这是大众对5G的第一印象。国际电信联盟将这一特性定义为eMBB,术语叫增强移动宽带。

有了这个,我们就可以看更清晰的视频,玩更精美的游戏。

比方说云游戏这个概念,就是建立在eMBB的重要基础之上。

以前玩3A需要烧显卡,但现在你把运算压力全放到云端,咱就用超高网速传图形处理结果过来就OK了。

但对物联网来说,5G另外两个特性才更显得重要。

第一个就是mMTC,海量机器类通信。

想让汽车自己跑起来,我们必须时刻知道路面的干湿情况,车前面有没有障碍物或断崖,旁边有没有人想超车,此刻的天气状况,汽车本身的硬件是否完好等大量的信息。

激光测距,红外线,雷达,摄像机……技术路径各有千秋,但底层支援,都得依靠5G的通讯加持。

第二个则是uRLLC,超可靠低时延。

在自动驾驶场景中,mMTC主要是说“司机”捕捉信息的广度,uRLLC则更多侧重于“司机”的反应速度。

在高速行驶中,前方有个悬崖,摄像头捕捉到了这一画面,告诉了中端控制器,如果说这时候“卡了”,那肯定就会出事故。

4G的延时是0.045秒,5G的延时是0.001秒,比人脑反应要快得多。

因此在技术理论上,5G是自动驾驶技术上路的重要前提之一。

再扩大一下场景,工厂里,海量的机器能不能互相配合,自动干活?——工业物联网。

北京的专家医生,能不能通过传感器给贵州的农民做手术?——远程医疗,医疗物联网。

远程教育,远程会议——低延时让彼此的交流更丝滑。

智能家庭,每一个微小的家具中都装有一个芯片,可以支持数据记录,语音遥控,自主服务等。

在这些场景中,均是5G提供核心技术的增量突破变革,然后借由物联网来具体落地。

03

那么,人工智能又是怎样的一个角色呢?

还是上述案例,在远程教育,远程会议,医疗物联网等更侧重于“链接效率”、“联通质量”的场景中,我们不难发现,AI的意义并不大。

但在自动驾驶,智能家庭,工业物联网等场景中,我们很显然可以感知到,这些场景是需要一个大脑的,即AI、5G、物联网三者,将在这些场景中通力配合。

物联网负责抓取信息数据,5G负责又准又快地将信息传递出去,AI则像人脑一样,自主作出精确的判断决策。

总结来看,5G的价值主要是在让信息的联通“更准确,更快捷”。

AI则可以让机器更“聪明”。

随堂提问:在我们目前探讨的这三个技术名词中,哪个离我们现在的生活最近?

没错,答案是AI。

都刷过抖音吧?或快手。

没有的话,有听过2017年的网易云吗?

私人FM和个性化的每日推荐的大火,让某些乐迷在当年发出了“打开网易云就像是在逛窑子”的惊人之语。

再往前,今日头条?这个就很早了,信息流,个性化推荐,直接托起一代巨头,挖了百度的根。

还不熟?那淘宝,美团,京东商城,最不济B站,B站也算。

首页推荐,猜你喜欢,千人千面。

这就是人工智能:了解你的喜好。

准确的说,这是人工智能在内容推荐领域的垂直应用。

其背后所需要用到的支撑是:算法,深度学习,大数据。

还是用比喻的方式来理解。

大数据是食材,算法是菜谱,深度学习是脑子。

第一个原则:什么食材做什么饭。

一个厨子,你只给他面粉,他永远做不出肉菜。

就算我拿到了你在浏览抖音时的所有“点赞”、“收藏”、“停留时间”、“反复播放次数”等数据,我也没办法将其应用于指导车辆的前进和刹车。

但一个厨子,你给他面粉,他既可以做馒头,也可以做面包。

以应用成熟的内容推荐领域来说,相关数据具有极强的共通互用性。

当我知道了你喜欢看什么类型的抖音之后,某种意义上我就有办法在今日头条上给你推荐相关类型的文字内容。

更进一步,当我知道你的碎片化内容偏好后,在一定程度上,我也可以推理出你更倾向于购买怎样类型风格的商品。

当然了,这种跨界采样的方式还是不太高效的。

精小麦做馒头,棒子面做窝窝,全麦做黑面包,直接在相关场景中收集数据然后采纳整合,才是最合适的。

此外,越是底层的信息来源,其数据价值就越大。

事实上,绝大多数有着内容推荐的主流App,都在监控用户的输入法,监听麦克风,乃至偷偷打开摄像头进行数据收集。

这些收集上去的庞大数据是不太可能有“人类”去看的,而所有收集的目的都是为了更好的服务用户。

最终造成的诡异现象是,你跟朋友在微信里聊了某歌手,短视频、内容社区就开始给你推相关内容。

你跟同事聊了某个品牌的衣服,下午打开电商平台这个品牌就出现在了你的首页上。

第二个原则:没有食材就不要吃饭。

理解这一点,我们重点要明白AI的“思考”过程。

以Siri或微软小冰这种,最强“拟人感”的场景来举例。

北京胡同里,一个大爷跟另一个大爷说:

“嘿二哥!今儿这天儿也太热了!”

另一个大爷,根据自身性格和双方关系会分别回答“可不是”、“活不了了”、“全球变暖的影响非常严重”以及“有事儿说事,少在那放闲屁”。

人类的回答,重点在自我思考,整合,表达。

但Siri的回答过程其实没有一点感情。

他就是去遍历数据库中的所有“以天儿太热了”为结尾的对话句子,然后找寻作为回答出现频次最高的词条组,再根据工程师或用户之前给他设定的性格标签找到对应的感情标签,选中。最后用语音合成技术念出:“是的,像火炉一样。”

遍历数据库,找寻成功率最高的答案,确认其匹配性,丢出答案。

这就是我们常听人说的“深度学习”。

机器和人脑相比有两个极强和N个极弱。

在记忆力(储存)和反应速度(查询,调取)上,机器是人脑的几亿倍,随着云计算、量子计算、边缘计算等科技的不断发展,这一优势还在疯狂扩大中。

但在情感,感性认知,合理联想,文化洞察方面,机器的能力几乎为0。

如今我们所说的人工智能,其实就是将其记忆力和反应速度的优势推到最大,然后模拟出“有文化、有情感”的状态。

在各种场景下,看似“拥有灵魂,非常智能”的表现背后,运作机理和人类大脑有着截然不同的底层区别。

回头再说,如果说AI的优势全部建立在“超大存储”和“超快遍历查询”这两点上,那么数据就是这一切的前提。

没有数据,你存储谁?遍历谁?反馈谁?

数据从哪里来?

从人类的一切活动中来。

现在还只是你喜欢看什么?停留几秒?什么时候点赞?什么时候购买?

未来则是你每天几点起床?你夜里睡的好不好?翻不翻身?翻几次身?你的体温起伏变化是怎样的?有轻音乐和香薰相伴会不会提升你的睡眠质量?冰箱多久空一次?摄入的营养成分是否可以进一步优化?家里的灰尘分布?扫地机器人出动频次?

学生做题时的专注时长?什么情况最容易导致学生走神?什么状况下学生的投入度达到峰值?

城市的车流量状况?每辆车的智能路线选择?红绿灯的智能调节?长期无人地区路灯的智能关闭?货车出入频次异常预警与危化品缉拿?城市资源的调度?经济形势预测?紧急时刻如防汛防涝全景图?

一切物品都将长出一双眼睛,所有人都是数据的生产者,AI以此为食。

​04

至此,我们重点介绍了5G、AI、物联网的关系。

其目的,是以三者为抓手,建立起一个基本框架,在这一基础上,我们将画出一个有机的网状结构。

大数据是什么?

是AI的基本前提,原材料。

物联网场景将产生出大量的增量大数据。

5G是大数据得以抓取,应用的科技前提。

云计算是什么?

与上述概念相比,这属于传统门类了。

粗暴理解,它就是储存器和算力的租赁服务。

企业不要搞机房了,直接租大厂的,云端的。

从上个世纪九十年代业内就在探讨客户端跟服务器的关系,再往后大家讲基于互联网web界面的服务,一直到云计算,它其实是一脉相承的。

因此从模式创新的角度来说,这确实是李彦宏多年前所说的“新瓶装旧酒”。

但当时马云的反驳是:“我最怕新瓶装旧酒的东西,你看不清他在玩什么,突然爆发出来最可怕。”

十多年过去了,这酒装着装着确实在效率和算力两个层面上都有了不断的突破提升。

因此在科技图景上,云计算对应着两个内容:

第一,所有的传统企业,尤其是中小型企业他们互联网化,进而带动整个社会数字化的过程成本和门槛被降下来了。基础建设这条路,被云计算打通了。

第二,随着储存能力,计算能力等算力的不断突破,云计算为AI的大放异彩也铺平了道路。

量子计算:更快的云计算,这里的“快”可以从量变到质变,与AI的加速落地联结紧密;

边缘计算:把一部分计算能力前置到终端,更高效的云计算,与物联网结合更紧密。

继续延伸。

3D打印:更偏重于硬件科技,但大数据的发展与5G将极大促进这一赛道的成熟。

这种柔性生产很有可能对工业,尤其是小商品轻工业产生巨大的冲击。

再发挥一点想象力,甚至有可能直接重构电商,尤其是物流的生态,比如当场下单,当场3D打印取货。

数据湖:大数据的优化模式。

数据与食材的不同之处就在于,面粉吃了就没了,但数据可以一用再用。

数据湖可以理解为公共火种源,同时根据类别分类,便于各大厂商的调用。

区块链:大数据的另一种优化模式。

数据湖的问题在于信息安全问题无法规避。

但区块链的分布式储存方式解决了这一痛点,一处账本丢了还有其他账本可以交叉印证。

在发展趋势上,以区块链的模式建立数据湖是一种很有可能的解决方案。

但目前,大数据的主要产出地还是在智能手机终端上。

其中所产出的大数据,依然被相关垂类中的互联网巨头分别掌控着。

元宇宙:现实生活与虚拟世界的界限模糊化。

这一概念更多是文化上的。其概念有八大特征,但我认为说得太多反而模糊了这一概念的重点。

事实上,沉浸感是唯一门槛。

目前来看,VR技术,脑机接口,生物识别主导的多屏世界,这三大新型人机交互方式,将很有可能成为元宇宙的真正起点。

05

理清概念之后,我们可以在资本市场上进一步对应。

比如芯片概念。

眼下芯片还更多只应用于手机,电脑,汽车,智能手表等极少物品上。

如果我们认为物联网和边缘计算将迎来极大爆发,那么杯子,剃须刀,床,马桶,冰箱等一切常见品都将内置芯片,那么这个市场空间无疑是海量的。

相关企业:华为,中芯国际,歌尔股份,寒武纪等。

眼下,自动驾驶是大热门,但跟新能源技术的发展紧密混在了一起。

从人工智能赛道来看,长尾场景是钳制该赛道能否腾飞的根本问题。

为什么有段子称AI是“人工智障”?

因为即便AI的决策正确率在95%,但5%的错误也一定会给人留下深刻的印象。那么5%带来的危害可承受性,就是AI能否商业化的关键因素。

个性化内容推荐为什么发展的好?

因为即便推荐错了,也不会有太差的体验。

智能导航相对弱一点,导航错了,骂两句,但为了那95%的正确率,还是可以忍下来。

但自动驾驶却0.001%的错误率都忍不了,稍有失误,就是人命关天。

因此在相关投资过程中,一定要注意区分AI和新能源这两个概念,在落地时间的预期上,这二者一定是截然不同的。

相关企业:百度、蔚来、理想、小鹏、华为、特斯拉、小米。

多屏时代。

如果我们认为随着物联网的演进,桌子,墙体,冰箱,厕所,厨房,街头,车内,地铁中等各个场景将出现大面积的智能触摸屏可以进行交互,那么显示屏的企业将迎来恐怖的爆发。

相关企业:三星,京东方A,TCL。

传统互联网概念股。

在本文视角下,场景是他们的护城河,相关场景中所产生的数据将成为他们的最大壁垒。

但随着相关政策如隐私保护、企业间数据合理共享、数据采集付费等措施的推进,其护城河也将被逐渐消弭。

在我个人看来,按商业化程度从近到远,值得关注的领域包括:

新能源、云计算、芯片、供应链智能优化、云游戏、边缘计算、智慧家庭、无人工厂、虚拟现实、3D打印、车路协同、自动驾驶、多屏时代、脑机接口、元宇宙……

其中,越靠后,技术难点以及伦理困境、社会本身的承受力等问题就越难以突破。

以上,乐观者可以看到投资机会,理性者则可以判断落地的可能性和距离遥远程度。

知名作家吴晓波曾多次引用里克尔的诗,来形容自己面对新科技的心情。

“我看见风暴,激动如大海。”

但我认为,如果一定要用自然界来类比,科技的发展更像是温度,而不是风暴。

今天似乎和昨天一样,这个月似乎和上个月一样,但时间累加之后,其中的巨大差异每个人都能感知得到。

数年来,每一位从业者亦步亦趋,整个科技和商业的进程也在亦步亦趋。

改变是一点点发生的。

有时很慢,有时会停滞,有时甚至会倒春寒。

但时间维度拉长,科技的福祉终将播撒到每个公民的生活里。

“科技的发展,是一场不可逆的全球变暖。”

这就是本文的最后一个比喻。

 

本文由 @财经琦观 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!