創新，不僅是突圍

摘要

今天講商業模式創新，什麼樣的商業模式才算是一個好的商業模式，一個真正好的創新商業模式首先是考慮能不能推動社會進步，一個本質上不能推動社會進步的模式，肯定持續時間不長。什麼東西在推動社會進步，其實是兩股力量，一個是科學，一個是藝術。

科學技術可以讓我們效率提高，藝術化內容可以讓我們信息優化，本質上是優化成本，某種程度上來說回顧人類歷史上所有的商業變遷，其實有一條是大的定律，就是成本越來越低，如果你所做的事情可以讓整個社會的成本越來越低，這事基本靠譜。

我們現在最大的問題，從技術上面來講，我們的技術平台遷移太快，舉個很簡單的例子，我們最早一個家庭裡面，計算能力最強的最早是收音機，然後是電影、電視機，然後是電腦，態勢電腦，後來是筆記本電腦，後來是手機，然後是IPAD，然後是各種各樣的可穿戴設備，現在是智能家居，從電視到電腦花了多長時間，從台式變成筆記本花了多長時間，有一個很大的問題，其實每一個計算平台遷移的通道裡面會有大量的公司死掉，會有大量的公司崛起，現在技術平台遷移速度加快，之前一個技術可以用N年，現在一個技術用不到兩年，不靠譜了，就會有一個新的東西出來替代，假如我們五年有一次新技術革命，一百也就是要經歷過20次新技術革命，所以我不太相信以後還會有百年企業。

第二隨著計算平台的遷移，內容形式的遷移也非常的快。總體來說有兩種創新，一種叫技術創新，從技術這個層面，一種是從內容層面做模式創新，兩個都缺一不可，所以，馬斯特有一句話很有意思，當所有人都熱衷於模式創新的時候，你就應該關注技術創新的東西，當所有人都關注技術創新的時候，你就應該關注模式創新，這兩個東西必須相輔相成。

有三個東西在商業模式中非常重要：內容、場景、技術，內容廣義上我認為包括文字、圖片、語音、視頻、直播等所有的東西，在我的定義裡面內容是能夠佔住用戶的東西，你是做視頻的，你的競爭對手有可能是電商，因為在有限的時間裡只有優先搶佔到時間的才有可能勝出。

第二個是場景，現在場景創新的事太難了，真正能讓我們掙錢的場景其實被創新出來的不多，我們有新的技術，賦予了新內容，還是在原有的商業場景裡面賺錢。比如說廣告，最早是賣面，在門口定木板，木板上面寫這碗面多少錢，有了紙張你可以畫圖畫可以做彩頁，後來又了廣播，你技術好了廣播的場景就變了，有了電視廣告的場景就變了，有不同的技術原來的場景就變成各種的方式，但是這個場景商業的本質沒有變。

第三個就是技術，技術的發展對推動社會進步的貢獻不言而喻，下面詳細說人工智慧這個技術的內容。

人工智慧

我們現在人工智慧主要的發展層次就是能聽會算、能聽會說、能看會認，可能在某一些領域需要能理解會思考，比如說下圍棋。

人工智慧總體來說經歷了兩次高峰兩次低谷，最早的時候提出圖靈測試，就是一個機器一個人放在小黑屋裡，你這邊問問題，那邊會回答，回答的東西你分不出來是人還是機器，就算機器通過圖靈測試了，我們現在其實越來越多領域裡面的應用在通過圖靈測試，比如說聽力、視覺，很難看得出來這是機器看的還是人看的，所以越來越多的人工智慧會出來，越來越多的應用在通過圖靈測試，比如說阿爾法狗肯定是通過圖靈測試的。

數據方面，現在我們一年所得到的數據都比以前所有年份的數據都要多，這個過程給人工智慧的學習帶來了很好的學習資料。

看一下人工智慧裡面主要是哪些技術，其實我們主要有四大類技術，先看一下，如果把整個人工智慧做一個產業鏈的話，有三個部分，一個是基礎層，一個是技術層，一個是應用層，技術層來說，主要包括有數據、計算資源以及運算平台，在基礎層這裡，我們有數據有演算法，有算力，但是演算法是通用演算法，不是專用的演算法。到技術層這裡做具體的專用演算法，比如他可能是專門做圖象識別的，專門做語意理解的運算規劃。應用層利用這些技術，根據行業的要求來做相應的安排，這個整個人工智慧產業鏈基本上就是這樣。技術層正在快速的發展，因為數字越來越多，算力越來越強，通用性演算法的理論正在快速迭代。

當然光有技術還不行，還要想好怎麼商業化去變現，現在最大的問題，對於幾乎所有人工智慧的公司或者人工智慧很強的公司來說行業落地太難，也就是商業化變現能力弱。

如果進入到人工智慧領域的話，主要看公司有什麼樣的資源，有三種切入方式。比如說谷歌、百度這個級別的公司，那可以做基礎層上的事情，由下往上，先做基礎層再技術層，然後做應用層。或者可以從中間開始，先做技術層，比如科大訊飛，語音識別，本身這個東西商業價值是不高的，必須是要跟相應的產業結合，它的價值才會出來。還有另外一種，沒有特別牛的技術，但是有應用場景，通過這個應用場景+智能硬體設備+虛擬服務虛擬場景的東西，來往技術這邊去切。

人工智慧不同的發展階段，現在處於一個弱人工智慧的發展階段，未來可能會進入強人工智慧和超級人工智慧。

人工智慧現在最重要的商業場景是有哪些？這是我們現在經常說的，人工智慧+產業，或者是人工智慧落地的方式，包括汽車、醫療、家居、教育、無人機、機器人、金融、泛娛樂，每一個領域都可能有非常重要的發展，比較重要的就是這三個，智能家居，智能汽車，智能醫療。

IBM的Watson

講進IBM的Watson， Watson的認知計算有三個功能：第一是交流能力，能夠感知並且互動的方式快速理解結構和非結構化數據，能夠依據文本資料和感知，與用戶進行交互，並且理解回答用戶的問題，這叫交流。第二是學習，可以從文檔裡面快速的提取關鍵信息，向人類那樣持續學習，這是深度學習模型所必須要達到的。第三就是推理，Watson必須要有一種通過假設能夠推理並且揭示洞察發現模式和各種各樣的關係。三個能力表現出來就是能夠交流能夠學習，然後進行推理，什麼叫推理，推理就是根據我現有所有的知識去判斷未來會發生什麼事情，所以感知過去和預測未來，這就是IBM的整套邏輯。

Watson從2006年開始研發，但是在此之前包括深藍、深藍二代都有大量的積累。到了2011年12月，人機大戰贏了，同年八月就開始應用，第一個應用的領域就是醫療，通過最強大腦把世界上所有的文章，包括紙質文章和圖片全部讀完，後面形成一個巨大的知識圖，用戶有個什麼病，Watson就在知識圖庫裡面檢索，反饋給用戶過去這個病在什麼地方發生過，用了什麼葯，給出推薦治療方案。到了2012年以後開始在金融領域發力了，我剛才說的包括高盛包括摩根大通這些公司，其實它的後面的整套交易系統就是IBM做的，就是IBM Watson輸出的一個能力。

專門看一下Watson的醫療，最早是2011年美國的安德森癌症中心和Watson簽一個協議，幫助他複雜病例的護士完成工作。安德森癌症中心和IBM合作一個叫登月計劃，就是由主流專家顧問和Watson一起來學習腫瘤方面的知識，拿到全美國過去50多年所有的腫瘤的病例，通過學習可以幫助臨床醫生治病觀察和調整癌症的治療方案。

2014年的時還跟基因工作者合作，做癌症基因樣本的篩查。2015年的時候提供Watson的一個論文，可以直接的從醫療的文獻裡面快速的綜合有用信息來進行治療方案的建議，原來它只能夠根據已有的診斷方法來做建議，以後是可以根據醫學論文，因為醫學論文都是最新的研究成果，他可以通過最新的研究成果來給醫生來提供建議。跟全美國14家腫瘤醫院合作，可以通過Watson的計算機系統，一個專家通常需要幾個小時用來處理的數據，他幾分鐘就幹完了，很好的降低人力成本。

Watson的整個醫學診斷過程其實很簡單，分為三個部分：第一，我能理解；第二，我能推理；第三，我能學習。跟一般的人工智慧分析過程是一樣的，通過結合內部的病例數據和外部的研究數據幫助AI做相應的治療方案的推斷，並對不同的治療方案來打分，打分完了以後就進行排序，排序完了以後就形成一個終端的信息指數，根據信息指數的評估，給出一個相應的治療方案的列表，給到醫生，可能有兩三個方案供醫生挑選，然後相應的評分，最後的決定是醫生做的，但前面大量的工作，通過人工智慧的幫助誤漏診的概率是大幅度降低的。

Watson現在要解決的主要是三個問題，我覺得不僅僅是Watson的問題，而是所有的人工智慧必須要解決的問題。第一，我們要從監督學習轉為無監督學習，就是讓它自己學，沒有老師。第二從文本理解轉成多介質數據理解，不能只理解文本信息，還能理解圖片，還能理解聲音。第三就是挖掘有效信息，因為醫療這個事是強監管領域，如何在強監管領域裡面挖掘到更多的有效信息，會變得非常的重要。