--------點選螢幕右側或者螢幕底部“+訂閱”，關注我，随時分享機器智能最新行業動态及技術幹貨----------
一 從曆史和社會的角度看技術的發展
想要理清技術發展脈絡，就需要回顧人類曆史，因為人類曆史本身就是技術的發展史。馬克思對于人的定義中有一項是：勞動使人變得和動物不一樣。而具體是什麼不一樣呢？我認為是技術賦予了人類獨有的特性。
農業革命之前，人類大多是以社群的形式生活。當時，人類擷取食物的主要手段是狩獵和采集，是以效率非常低。大概在八千到一萬年以前，人類曆史上發生了農業革命，出現了種植以及畜牧。在此之後，人類在機關面積土地上擷取食物的效率就大大提升了。因為不需要所有人都去從事農業生産，是以多出的勞動力形成了最早的社會分工，比如有的人開始進入手工業制造工具，進一步形成了人群的聚集和交換，由此出現了最早的城邦，也就是說世界上第一個城市的誕生是由農業革命所産生的技術驅動的。這之後人類曆史發展得非常平緩，農業社會經曆了漫長的幾千年的時間。一直到了近代，大概兩百多年前，在英國首先誕生了工業革命。自此之後，人類社會的經濟開始呈現指數級增長。
我們這一代出生在二戰之後的人特别幸運，因為沒有經曆過大規模戰争，并且享受着中國高速發展帶來的紅利。建國伊始，中國一窮二白，就直接開始工業化建設，并完成了國家和社會工業化建設。到 70 後、80 後、90 後出生的時候，中國已經進入了消費型社會，并經曆着不斷的變革，出現了計算機、網際網路。如今，我們即将進入下一個時代，姑且把它定義為智能時代。
定義一個時代并不簡單，當一項新技術出現，能夠對經濟産生巨大影響，并拉動整個社會的全面改造時，才能稱之為一個時代。從兩百多年前的工業革命開始到現在為止，是一次巨大的社會變革，而這次社會變革對人類思想的改變也是非常巨大的。可以設想，三四百年前生活在明朝的人，可能一生的生活、工作都不會變化，所從事的工作可能和一千多年前的漢唐時期沒有太大改變。而我們這一代人卻不同，我們直接從工業社會進入到了消費社會，再到現在的網際網路時代。是以，即便是幼年的光景現在看來也非常遙遠。如果在今天想要預測幾十年後會發生什麼也非常困難，這就是技術對社會帶來的巨大改變。
從工業革命開始的兩百多年裡，人類科技不斷爆發。回到工業革命的本質，其實資本的本質實際就是技術，是技術創造了新的财富。回顧兩百多年來發生的所有技術變革，從蒸汽機、鐵路、火車，到蒸汽輪船、電報、電話、電器照明以及汽車、石油、飛機，然後再到計算機、網際網路、人工智能，這些變化互相影響，互相刺激，承前啟後，共同改造了這個多元化的社會，也促成了現代城市的誕生。相比于古代城市，現代城市已經發生了根本性的變化，而這些變化正是由工業革命帶來的。
工業革命的另一項資源——煤炭，在中國古代很早就有了，但中國古代的富人隻是拿煤炭來取暖，并沒有把煤炭作為重要的生産資源來使用。正是因為這些客觀因素導緻工業革命首先發生在英國。工業革命的最直接原因是消費需求的刺激，當時的英國消費者對從印度進口的色彩鮮豔、價格便宜的印花棉布産生了非常高的興趣，是以，英國會花大量金錢去買印度進口的棉布品。當時英國最早采用的是貿易保護措施，就像現在産業對新技術的遏制一樣。但即便英國制定了法律來禁止印花棉布的進口，也遏制不住人民的旺盛需求，這就使得英國生産者不斷思考如何實作技術創新。之是以選擇技術創新，是因為英國的人力成本非常高，導緻紡織業資本需要尋求技術的幫助來拉動産業更新，用機器取代人力可能是當時英國的唯一出路。是以，棉紡織工業出現了大量的技術進步，比如 1733 年，約翰凱伊發明了“飛梭”，提高了織布速度；1779 年，克朗普羅頓發明了“羅機”，後來為了适應蒸汽機變成了一個普遍的紡紗機器，使得産能巨幅提升；後來還有一個傳教士發明了水利制機，開創了機械織布的新時代。到了 19 世紀 20 年代，一個初級學徒通過操作機器織的布要比熟練的手織工多 15 倍。
站在今天看工業革命，可以明顯地感受到需求對技術誕生的刺激作用。瓦特改良蒸汽機是一項非常重要的工作，而棉紡織業對新技術的需求才是關鍵所在。之是以工業技術革命發生在英國，是因為想要通過技術創新降低人力成本，這也是創新的重要特點。
回到當下，在看待人工智能時，比如在一個倉儲中的細分場景中，想要通過倉儲物流機器人實作自動分揀和配送，而倉儲管理者往往覺得隻需要雇幾個人力成本非常低的員工即可，從當下的投入産出比來看，不值得去建構人工智能系統。是以，在新技術誕生的初期，最需要找到合适的産業，才能更好地孵化創新。
總體來看，技術實際上就是生産力。在工業革命時代，通過蒸汽機、紡紗機，釋放大量的人力成本，提高了産能。可以說，需求刺激了新技術的誕生，而新技術要解決的第一件事情就是提高産能。
二 新技術的成熟要經曆通用化、成本、安全的考驗
當談到計算機時，要先談計算，它也是對産能的巨大提升。即便是人工智能也依然是計算機的發展，無論是計算還是人工智能都沒有脫離誕生于 1946 年的馮諾依曼架構。
在計算機的發展曆史中，圖靈提出了圖靈機，而馮諾依曼架構是對圖靈機的一次典型實作，後續計算産業所有發展都是在馮諾依曼架構下實作的。而馮諾依曼架構依然是在實作 200 多年前萊布尼茨對于通過符号邏輯模拟世界萬物的願景。正如萊布尼茨的願景一樣，計算之是以重要，是因為它可以模拟、運算我們能觀察到的萬事萬物。計算不僅僅是加減乘除這些基本運算，人類對世界的所有觀察都可以符号化。是以，今天所有能夠符号化的資訊，都可以通過符号進行實作，這也正是當年布爾所做出的重大貢獻。
今天，計算機是各個産業中重要的生産力。計算機解決的是計算的産能問題，也就是生産效率問題。而計算之是以如此重要，是因為其能夠模拟萬事萬物。是以，今天的很多産業都離不開計算，比如設計橋梁需要非常精密的計算，也因為計算使得現代橋梁設計的效率比古代高出了千萬倍，這些改變都是由計算機帶來的，是以說計算創造了一個新的世界。
技術是有完整生命周期的。正如工業革命時期，棉紡織業對于蒸汽機技術的拉動一樣，任何技術的發展，在一開始都要找到對應的需求市場。先找到對應需求，再考慮新技術到底解決什麼問題。我認為新技術的根本是要去提升領域内的生産效率，解決産能問題。解決了根本問題之後，接下來要解決通用化問題。就像蒸汽機發明時用的是直線傳動，最早用于在水井裡抽水的，而瓦特對蒸汽機的重要改良就是使用曲柄傳動，進而将其适用到各個行業，成為了通用的蒸汽機。瓦特對蒸汽機作出的兩項重要改變，分别是通用化和降低成本。
首先，技術的通用化非常重要，馮諾依曼最大的貢獻是通過改造計算機的架構實作了通用化，後來又根據這一架構，造出了真正好用的計算機。通過産業的需求孵化新的技術，再通過技術的通用化，去服務于各行各業。
其次，技術成本的降低也非常重要。蒸汽機改良之前的能耗集中在散熱上，瓦特在對蒸汽機進行改良時，設計了冷凝器和氣缸分離的架構，基本上解決了一半的能耗問題，大大降低了成本。回顧技術的曆史，成本也是創新的根本動力，它決定了技術能否走向市場，完成規模化。
在計算機的發展曆史中，馮諾依曼提出了兩項技術的關鍵性改進，第一，由二進制代替了十進制；第二，将程式和資料放到了存儲器。當時世界上第一台計算機是由電子管制成的，需要通過大量的外部電路進行控制。馮諾依曼是第一個提出電路設計和邏輯設計是應該分離的，這是思想上的巨大進步。
回顧技術的發展曆史，能夠發現一項技術的背後可能有很多人共同做出了貢獻，但瓦特、愛迪生、馮諾依曼等這些做出關鍵性改變的人被稱為技術革命的英雄。他們之是以能夠做出改變，其實是因為解放了思想，使得他們能夠換一種角度去思考。馮諾依曼原本是數學家，并不懂計算機。但當他接觸計算機之後認為應該把邏輯設計和電路設計分開，于是提出了馮諾依曼架構。他還提出直接把資料和程式放入存儲器，大大降低了計算機的成本并且提高了效率。同樣的，從半導體走向內建電路，也是工程上重要的改進，也大大降低了成本。
在計算機的發展史上有幾次關鍵性改良，第一次是馮諾依曼架構的提出；第二次是從電子管到半導體；第三次是從半導體到內建電路，然後才有了今天的半導體産業。可以明顯地看到，在幾次技術疊代的過程中，推動技術改良的最主要原因是對成本降低的思考，這也是典型的從工程角度出發的架構改良思路。
回到網際網路、AI 時代，能夠發現有幾個關鍵結論。如果想要改良技術成本，原材料的成本就變得非常關鍵。對于計算機而言，有兩個關鍵成本，即算力成本和資料成本。如果将智能技術看成計算機技術的一種，那麼所需要解決的依舊是幾個典型問題。第一，通用化問題，如何實作智能技術的通用化；第二，成本問題，包括算力和資料的成本問題，這也嚴重制約着新技術的發展。
計算機實作了計算效率的巨大提升，而軟體就是幫助計算機提升效率最直接的工具。軟體所消耗的生産資料就是算力和資料。算力本質上就是半導體，還會涉及存儲、網絡等。內建電路實作了半導體在産能和成本上的優化，而雲計算實作了算力的規模化。雲計算依然沒有脫離馮諾依曼對計算機的定義，實際上就是解決了算力的規模化問題，這樣才會顯現出經濟的規模效應。邊際成本遞減也是雲計算商業模式成立的最重要原因，使得算力成本得到了降低。除了計算之外，資料的成本也需要優化，如何有效降低資料成本是 AI 時代需要考慮的關鍵問題。
回顧技術發展的曆程，首先是需求的産生，進而有效刺激了新技術的誕生，然後技術開始通用化，并且有效地降低成本。但是到此為止，技術依然沒有走完它的生命周期，還需要解決技術本身的安全問題和生産穩定問題。在技術的發展史上，早期的許多工程師需要冒着巨大的風險對技術進行改進，而如今我們隻需要寫寫軟體。總之，技術的安全問題也是需要解決的。當技術的通用化問題、成本問題、安全問題全部解決之後，才能真正地說這個技術成熟了。與此同時，新技術出現之後，也會不斷疊代，進而催生新的需求，比如在工業革命中，蒸汽機隻是一個标志，由蒸汽機拉動了鐵路的需求，然後出現了火車、輪船，形成了鐵路網和船運網，進而帶動了時代的變化。在那個時期還出現了電報，這樣就形成了運輸物質的鐵路網、輪船網和運輸資訊的通信網。而如今的電話、網際網路也是通信網。這兩張網使得全球經濟得到了巨大的推動，也使得全球的聯系也變得更加緊密。
在 1850 年到 1910 年之間，全球貿易量增長了 10 倍，這能夠展現出工業革命對世界貿易的推動作用。網絡的重要性在于一次建設，重複使用，而且網中的結點越多，結點間的互動性越高，成本就越低，而帶來的經濟效應就越大。此外，一張網絡将所有可以觸達的客戶拉入了統一的市場中，進而有效地擴大了産業規模。網際網路相對于鐵路網而言，沒有本質上的變化，隻有規模上的變化。但也可以說量變引起質變，網際網路打破了實體空間的限制，使得今天在網際網路上觸達客戶的效率非常高。是以，在看技術之間的關系時，鐵路網和蒸汽機的關系，就非常像網際網路和計算機之間的關系。網際網路的出現對于經濟起到了非常大的放大作用，其主要具備四個經濟效應，即規模經濟效應、協同經濟效應、雙邊市場效應和梅特卡夫效應。正是因為同時具備這四個效應，使得網際網路成為了一個超級強大的經濟放大器。
##三 算力和資料如何實作規模化突破
回到今天看網際網路、計算機與智能技術的發展，我認為第一個真正被驗證過的就是搜尋，網際網路的發展拉動了搜尋技術的發展。搜尋是第一個實作算力、資料規模化的軟體，它依然滿足馮諾依曼架構的設想。其實，搜尋最開始被提出來的時候就是為了解決海量資料的計算效率問題，最早由雅虎發明，後來 Google 通過 PageRank 算法做了改良，以更好的體驗創造了巨大的市場。正是因為在網際網路廣告領域發現了巨大的市場需求，才使得源源不斷技術投入到搜尋領域。正是因為對于搜尋技術的沉澱，使得算力和資料的規模化問題得以更好地解決，也就形成了雲計算和大資料。
傳統思路無法思考新技術的估值問題，對于創新的技術，很難對它形成正确的估值，因為技術疊代速度非常快。比如當蒸汽機出現之後，很快又出現了鐵路、輪船，是以對蒸汽機進行估值時，很難想象後面會出現多大的市場，對世界和社會形成多大的改變，這就是創新的力量。是以說隻有技術創新才是在創造新的财富，因為它增加了産能，再通過資本的投入不斷擴大規模。是以，在研究技術的變化、疊代時，很難想象一個新技術出來之後會創造怎樣的新需求，是以難以通過一套成熟的方法評估一項新技術未來的潛力空間。
今天，如果想要在企業的競争中具有更好的競争力，需要從資源角度去思考對每項新技術的看法。比如在工業時代，其實出現了一次自然資源的大發現，英國最早使用木材作為生産生活的主要燃料，後來因為木材減少才開始使用煤炭，但直到蒸汽機發明之後，煤炭才被大量開采出來。工業革命誕生在英國還有一個很重要的原因是英國的煤炭比較多并且友善開采，離海岸線近，比較容易運輸。在古代中國，煤礦主要在内陸，而經濟最發達的地方在長三角，在沒有鐵路、輪船的情況下，将煤炭運輸到沿海地區的成本很高，是以煤炭沒有成為古代中國經濟發展的重要材料。當蒸汽機出現之後，煤炭成為了重要的戰略資源。同樣的事情也發生在石油出現之後，美國克利夫蘭因為附近的油田從小城鎮發展成為一個工業化城市，也正是在這裡洛克菲勒拿到了第一桶金。電力發展上也一樣，1886 年，美國決定在尼亞加拉瀑布上建設一個水電站，輸送十萬馬力的電能到距離 26 英裡外的布法羅市。瀑布在電力發明之前，隻能被當做壯觀的自然景觀，而當電力系統發明之後，就會發現瀑布的水落差是非常重要的自然資源，而誰占有了這樣的資源，誰就擁有了巨大的财富。對于自然資源的壟斷或攫取，能夠讓企業或者國家在競争上處于優勢位置，是以有必要從自然資源的角度重新看待新技術的發展。當一項新技術出現之後，創新實際上是需要講究市場規模的。而對于時代的改變來說，創新的規模才是最關鍵、最本質的事情。
回到計算機的發展，最開始的電子管還會發光發熱，存在巨大的能耗問題。後來發明了半導體，矽就成為了一種新的自然資源，而這種材料在地球上到處都是，使得新造半導體比維修電子管更加便宜，這就導緻了商業模式的重構。由此可見，自然資源會決定很多事情。
對于計算機、AI 的發展而言，算力和資料都是重要的生産資料。算力涉及到半導體、存儲網絡等，而資料則需要當做一個新的自然資源重新思考。在資訊時代，計算機的發展就是出現了各種各樣的資料庫，通過計算機取代了許多需要人工的填表工作。而在智能時代，一些低門檻、低複雜度的事情都可以被計算機自動完成。回過頭來看，計算機在資訊時代對算力和資料利用的規模都比較小，PC 時代所使用的算力和資料可能僅僅來源于自身，但在智能時代的軟體操作，利用的可能是雲計算海量的資料和算力。是以，今天新的軟體才能解決不一樣的問題，它對效率的提升會是資訊時代的無數倍。雲計算有效地完成了算力的規模化，資料的規模化曾經期望通過大資料來完成，但目前大資料并沒有得到充分應用，各行各業依然在處理小資料。今天我們談論機器智能到底應該設計成什麼樣的軟體，其實應該看這個智能軟體到底消耗多少算力和資料，從規模上來判斷。如果一個智能軟體沒有消耗非常多的算力與資料，很難想象它能夠提升非常高的産能。
要實作資料的規模化，其實最重要的就是 IoT。今天，通過大量的 IoT 裝置，會源源不斷地采集海量的資料，資料規模遠遠大于人工填表時代所産生的資料規模。人工填表采集的資料依然認為是資訊時代采集的資料，而 IoT 裝置采集的資料則是滿足智能時代所需資料規模的基礎。資料要想成為自然資源，規模很重要。
對于資料的成本而言，AI 的成本高是因為資料成本非常高。算力成本通過半導體、內建電路、雲計算已經有效地實作了規模經濟，可以在實作路徑中逐漸收斂，并且符合摩爾定律。而資料成本依舊非常高，這主要有幾點原因：第一，對很多 AI 算法而言，資料打标的成本非常高，往往需要人工參與，是以整個學界和産業界都在思考如何讓機器自動打标簽，進而有效降低資料成本。第二，IoT 裝置以及全鍊路資料采集的成本過高。IoT 裝置不生産資料，而是采集資料，通過 3G/4G/5G 的發展降低了裝置資料采集鍊路的成本。資料采集之後，還需要考慮如何存儲和加工，需要綜合考量成本，也需要和上層的應用軟體形成互動，是以人工資料治理也浪費了大量時間。隻要需要人工參與，效率一定不高，成本也會上升。是以，學術界和産業界也在思考如何讓機器自動進行資料治理，解決資料的品質問題。當這些全部完成之後，才能讓資料成為在智能時代能夠被有效使用的自然資源。
四 資料的智能化
當有了大規模的算力和資料，如何提高各個産業的生産力呢？機器智能技術其實有點像工業革命出現的蒸汽機，各個産業的應用就類似于英國棉紡織業的紡織機。是以，沒有辦法簡單地說智能技術如何去改變世界，而是要通過制造各行各業的“紡織機”，提升産能，降低成本，進而拉動産業的進步，服務整個社會。是以，需要觀察到底哪個産業能拉動自己技術的發展，實作數字化和智能化。
資料的智能化就是通過精細化的管理或者治理來解決資源的合理配置設定，這是計算能夠為各行各業作出的最通用的貢獻。當這個問題解決之後，各個行業的産能會巨幅提升，成本也會巨幅下降。
再回到經濟和社會層面上，蒸汽機、鐵路、輪船出現之後，又發生了農業機械化革命，大量的農民開始失業，大量人口湧向城市，出現了勞工階級。又因為工廠投資大規模的機器裝置，是以需要大量勞工聚集進行勞動，是以出現了産業分工，進一步形成了工業化城市。是以最早的工業化城市是英國的曼徹斯特，當時有 50 萬勞工用機器從事棉紡織業的制造。随着電力、石油革命的發展，在 20 世紀早期的二、三十年間，人口過百萬的城市從六個上升到了二、三十個，這就是工業革命所帶來的城市人口的大規模聚集。
進入消費時代，産業聚集進一步發生，導緻最早開始産業分工的一批企業積累了大量财富，于是開始出現階級分化，出現了勞工、白領以及中産階級。因為很多重要的生産活動不是在一線完成的，而是在辦公室裡完成的，而中産階級的知識與經驗的沉澱變得非常的重要，這批人變得非常富有，也是以拉動了社會的需求，特别是第三産業的需求。在 1990 年前後，社會的産業結構發生了巨大的變化，大量人口從工業轉移到了服務業，城市結構也從工業型轉向消費型。
今天，網際網路企業是以技術驅動的，很多企業不會嚴格地執行打卡，是因為我們又讓人重新回歸到了人，而不是機器，這其實也是人工智能要解決的問題。因為讓人聚集打卡上班的制度是工業革命之後，在工廠裡基于流水線發明的一套管理制度。而在今天，如果說技術就是資本本身，技術創造新财富，創新是驅動财富發展的最重要的動力，那麼就應該為技術創新提供一個更加寬松的環境。
随着機器智能的進步，社會分工會進一步細化，城市會聚集更多的人口。預計到 2050 年，全球 70% 的人口會生活在城市。而城市的發展需要解決住房、就業、環境、衛生等問題，是以當智能技術出現之後，我們希望可以重新思考和解決工業革命帶來的弊病，讓整個社會和人類實作可持續發展。
無論是算力還是資料，通過精細化計算，都可以有效地降低損耗，實作對資源的合理配置設定與利用。機器智能會對未來的經濟和社會産生巨大影響，讓更多人回歸到更具有創造力的工作上，讓人更像人，讓工作更加開放和自由，進而改變生活的面貌。而技術的發展依然符合前面提到的規律，需要強烈的需求刺激新技術的誕生，需要解決技術的通用性、成本和安全問題，最後技術再創造新的需求，建立技術與需求之間的正回報，進而形成新的社會分工，以此來改變社會、城市與生活的面貌，催生新的文化與價值觀。
如今，無論是 AI、IoT 還是 5G 技術，依然應從需求、成本和經濟影響的角度來思考，并作出有效的戰略決策，也應從自然資源的角度去思考，為企業找到新的競争優勢。
原文連結：
https://mp.weixin.qq.com/s/UegfMKs9UY1cytait2nwcw