如何利用数据来判断AI的未来

有人认为AI距离我们太过遥远，现在谈论为时尚早;有人认为AI时代已经到来，我们应该抓住时代的红利。那么，AI到底在春天还是寒冬?

我们先来看几个AI应用场景的案例。

便利店的运营效率非常高。一家小小的便利店，它每一天的运营、维护都是复杂的过程，在过去20年里，这个产业的效率不断提高，现在看来，可以说已经做到了极致。

但是，在前两年，有不少人开始用AI技术，也就是视觉识别去做便利店，最后的效果不太好，为什么呢?因为替代成本非常高，一个视觉结账系统替代一个收银员，这个系统需要更昂贵的IT工程师定期维护，一旦系统出错，造成的损失也会更大。一句话说，在原有便利店的基础上，使用AI技术并没有提高产业效率。

第二个例子是大家在银行见到的轮式机器人，它会主动问好，并且能够与你进行一些简单的对话。但是现在来看，这样的机器人没有什么作用，因为它无法替代银行的工作人员。银行员工接受过良好的训练，在与客户沟通、处理矛盾、求助方面具有很大的柔性空间，这些都是机器人做不到的。开玩笑地说，下雪的时候客户经理还能出门扫雪，如果有人抢银行，工作人员还能起到一些安保作用，这些都是轮式机器人做不到的。这样的产品只有一个智能化的噱头，很快就不会有人使用。为什么会这样?还是那句话，这种AI技术的应用，没有提高银行业的产业效率。

第三个例子是大型仓储物流中的机器人应用场景。几千台轮值机器人快速移动对货物进行分拣，大大提高了物流的效率。正是这类技术的应用，才保证了我们对物流的高要求。AI技术在这里的应用是成功的，也是行业所追求的。

总结起来，我们可以说：AI是春天还是冬天，取决于其提高产业效率的能力。

产业效率的提高和人类的幸福息息相关

什么叫效率?从系统的角度看，效率就是输入一个系统的功，最后转化成了多少的功，这个输出功和输入功的比值，可以理解成效率。

在产业上，也存在产业效率。这里的输入是雇佣员工的费用、土地租金、原材料成本等等，如果相同的输入，我们获得更高的输出，我们就拥有了更高的产业效率。

在古代的皇室，皇帝所拥有的御膳房的效率和今天的外卖平台的效率相比如何呢?在那个时候，御膳房就是要不惜一切代价把饭做好，而且要时刻准备着。菜不管吃不吃都要备好，锅里永远在炖着东西，只要皇帝有需求，从做饭的到传菜的整个环节都会调动起来，只为皇帝一个人服务，成本非常地高。

而现在的外卖平台，其所包含的菜品种类远比御膳房的成百上千种菜还要多得多，由于产业效率的提升，今天的每个人都能享受到这种高效率下的便利。给我们送菜的不是太监，而是骑士，他们通过抢单、拼单把配送成本降低到几块钱，但是一样实现了为一个尊贵的客户，提供专门的服务，这都是产业效率的提升带来的。

效率提升=性价比提升=需求量几何级提升

为什么效率提高如何重要?因为它的改善能够带来产品性价比的提升，从而引发需求的几何级增长。福特的T型车就是一个经典的案例。

在20世纪20年代，汽车作为一个只有富豪才消费得起的奢侈品，正在逐渐地走向平民化。福特通过流水线生产，把T型车的价格从4000美元降低到800美元，进而进一步降低到了200-300美元。这意味着对于普通的美国民众而言，一年的工资也可以买一辆车，即使在1929年大萧条的时候，汽车总销量依然是攀升的。

同样的例子也发生在酒店行业身上，它们遵循同样的逻辑。今天，五星级酒店对于一般的中产阶级而言，不再是可望不可即，越来越多的人可以享受到这样的服务，这是如何做到的?酒店管理公司对酒店运营进行了标准化，以前可能需要3个管家服务一个房间，现在通过分工与标准化，可以让一个保洁人员清理20个房间，另一个采购人员负责给100个房间采购水果。

我们通过工序的专业化大大降低了成本，从而提高了效率。在一个连锁网络系统中，让最优的实践能够固化成标准，然后向次优的酒店推广，这是酒店管理公司、或者说任何一种管理类公司业态存在的价值，因为它提高了行业的平均效率。

从另一个角度来看，在酒店行业，酒店管理公司往往不拥有酒店，它只是帮助酒店拥有者运营酒店而已。那为什么这些拥有者愿意让他们来管理，还同意同分走一部分利润呢?因为这些管理公司虽然拿走了钱，但是把酒店的效率提高到了原先无论如何也达不到的水平。

提高产业效率有哪些手段？

虽然都说大道至简，但是简单到极致就是自然主义。去郊外捡一个苹果，然后卖掉，很简单，效率也很高，但如果是100万个苹果呢?

效率来源于复杂性，复杂系统才能获得超额的“节约”。

案例1：扩大规模，摊薄成本

最典型的例子就是连锁酒店，通过把单体的酒店连接起来，降低成本，从而实现产业效率的提升。

案例2：流水线分工，提高专业效率

福特的T型车就是通过这种方式，通过流水线作业，提高了工人的劳动生产率，进而降低生产成本，提高产业效率。

案例3：通过更复杂的工艺提高转化效率

比如原来做衣服用的原材料都是棉花、羊毛，现在可以用一些不是自然的材料来做衣服，比如特殊的纤维。造纸行业也是一样，以前只能用高质量的树皮才能造纸，现在用的材料是很丰富的。

案例4：集合渠道，提高分发效率

以沃尔玛为代表的大型超市就是这样的业态。把客户邀请来了，就要卖给你更多的东西。为什么沃尔玛可以打败美国那么多的乡村小店?正是因为沃尔玛能够一站式购齐，其他小店做不到。

案例5：长期转化，提高留存效率

这是互联网时代最常听到的效率提高方式：送给你一个苹果，但是未来你所有的豆腐都是从我们这里买的。

案例6：复杂营销，提高撮合效率

通过不一样的定价策略、定向地精准营销，更快速的撮合交易。

案例7：资产复用，提高成本效率

铁路的出现有深远的意义，但是在最初，美国很难修建跨州的铁路，因为成本太高，高到没有公司愿意买单。后来有人发明的单线铁路，在此之前铁路都是双线，要修两个轨道，采用单线之后，成本可以降低30%。单线的铁路不能对开，因此要修建多条单线，如何能保证效率呢?这时候就要依靠调度了。

AI产业如何落地？

在讨论AI产业如何落地之前，要先看看AI时代带来了什么?

从技术涌现的规律来看，对单点技术判断的对错不是最重要的，更重要的是判断对它的整体趋势，你一样能在这个技术应用中获得很好的收益。

1. AI不是无所不能的

首先，AI无法直接进行“高级思考”，无法解决通用问题，因此开放性的任务不适合AI。再者，AI无法给出100%可靠的判断。既然如此，用AI技术在原有的产业效率模型内打补丁，往往不是最好的选择。因为原有的体系是面向高可靠性、自动化、高精准的。最后，在AI替代人的方面，我们认为，AI缺乏柔性，替代人的成本会非常高。拿话务员来说，他们受过专业的训练，有很强的柔性能力，即便无法解决客户的问题，也可以通过沟通技巧解决争议，但是如果用AI代替他们，往往效果不好而且成本很高。

2. 要发挥AI真正的优势

AI时代的核心首先是智能决策的时代，AI的真正优势是决策能力。比如苹果种植，可以根据苹果在生长周期内的日照情况、降水情况、颜色变化、气体释放等数据，分析出来一个模型，判断苹果成熟的概率。这一点是人类和自动化所无法做到的。这样的能力可能不太准确，但是随着时间的推移，它具有很大的商业价值。

3. AI时代是智能人机混合系统的时代

既然AI是一个决策系统，那么这个决策系统具有何种架构呢?千万不要认为AI就是一个狭义的算法，AI的数据计算本身是一个中间环节。以呼叫中心为例，AI可以通过历史数据的分析，对每个来电的需求非常了解，这种了解远超一般的话务员，但话务员有价值吗?当然。他能够听懂很多口语化的表达，擅长情感上的沟通。如果把AI和话务员结合起来，这就是以机器决策为主的人机混合。

AI产业落地的五个步骤

第一步，找到绝对的痛点。

用AI对给今天的行业模型打补丁，做别人也能做到的事，这不叫绝对的痛点。那什么叫绝对的痛点呢?这需要大家结合自己的行业经验去找，但我可以告诉你什么不是。各种商业要素有强大约束的不是，这个时候，即使你的效率很高，也无法打败效率低的人，因为重置成本过高。酒店管理公司做得好，酒店都愿意加盟，因为酒店的物业本身不稀缺。如果你把加油站的效率优化的很多，是不是很多加油站会来加盟你呢?可能不会，因为要素的流转不充分。

2019年，中国的油气勘探领域对民营资本放开，我们可以利用AI技术，去分析哪里可能有更好的油田。但是如果在2019年之前，这个领域还没有开放的时候，即便你解决了这个问题，也无法撬动市场格局。

第二步，判断人工智能的潜力

找到绝对的痛点之后，我们要判断智能的潜力，因为不是所有的问题都适合AI(人工智能)去解决，比如设计一个太空飞船这样一个开放性、创造性的问题。再就是有其他替代手段的关键性问题，这些问题对可靠性的要求往往非常高，也不太适合AI去解决。比如肿瘤的早期诊断，如果今天的所有的医生都做不到，AI哪怕能起到一点作用也是一种能力补偿，但是如何有其他的替代手段，AI的不准确性就会被成倍的放大。

第三步，设计完整的系统

如果找到的痛点足够痛，AI也可以解，我们也无法期待简单的应用AI技术就能解决这个问题。因此，面对这样的情况，我们要敢于把系统做“重”，就是复杂一些。第一是敢于碰硬件，硬件虽然带来了复杂性和更高的成本，但它能够带来信息采集的效能，并且形成决策实施的闭环。第二是敢于碰运营，不光是基于人-机的运营，还要敢于去做运营商。第三是不依赖已有的数据，而是逆向思考：为了解决这个痛点，我们需要把什么数据引入进来?

第四步，寻找切入的路径

百度风投作为一家早期风险投资企业，我们和被投的每一个项目都会讨论，未来的终局是什么?未来五年、十年到底能不能做出一些颠覆性、产业革命的事。即便创业者谈清楚了，绕回到实施，很有可能也要从一件改良产品的小事做起。

比如农业的种植，一上来就想开发一种新的种植方法，那么整个项目的验证周期会非常的长。能不能利用现有的数据在原有的方法上提高一些效率，降低一些成本?这虽然不是终局，但是一个非常重要的切入途径。

第五步，寻求模式变革

一旦切入进去，我们就要寻求模式的变革。但是要记住一点，项目落地之后的红利期往往是有限的，如何在有限的时间之内找到模式变革的方法，寻求升维，这是一个很重要的命题。拿三文鱼的养殖来说，三文鱼只能生活在特定的水域内，这样天然的水域不需要做很多人为的补偿。而随着AI技术的发展，有一些不适合养殖三文鱼的地方，也变得合适了。比如有一片水域，三文鱼可以生长的很好，但是突然来了一股寒流，鱼都冻死了，对于这样的环境变化，利用一套智能系统恰恰可以进行预测和补偿。

如果这样的技术系统证明可行，我们就能够在合适的时间，去圈占三文鱼养殖的上游要素，把这个项目做大。最终通过模式的变化，把产业效率做上来。如果这件事别人也能做，而我们效率做的更高，这是一种溢价能力;如果我们把它升维到一件别人做不了的事，又是一个溢价能力