“ABC”新篇

?李昊原

如何在ABC時代生存發展，是每個TMT企業都要考慮的問題。

如果將從1998年到2018年定義為中國互聯網時代的上半場，2008年會是上半場的又一分界線，蘋果智能手機iPhone 3G帶來的不僅僅是消費者生活方式的改變，還有更多的可能性。

大數據公司TalkingData創始人兼CEO崔曉波曾多次表達一個觀點，過去十年大數據領域的發展，其實就是由智能手機所帶來的，這是人類歷史上第一次出現能夠忠實的記錄線下所有的足跡和線上所有的行為，并可以完美地將線上和線下的數據連通和打穿的設備。

從時間軸上來看，快速發展的絕不只是大數據，還有人工智能與云計算技術，這些技術與理念并非源于十年前，人工智能甚至已經滿60歲了，但其快速發展與應用落地，卻的確多集中在過去十年。一個可能原因，是商業模式和硬件水平的進步，讓這些以往用不到的“屠龍之術”有了應用的需求和條件，但反過來，技術卻又成為了商業活動的催化劑，推動效率的進一步提升。

人們形象地將過去的十年稱之為ABC時代的到來（ABC，AI+BigData+Cloud），這三條技術路線并非孤立的發展 ，而是在不斷融合，并成為了TMT企業新的底層技術，在ABC時代，企業不僅僅需要提升技術水平，還需要改進企業的組織架構和文化以適應變化。不久前，騰訊前任CTO張志東談到，在ABC時代，騰訊的組織變革滯后了，與之同時發生的就是騰訊第三次組織架構的調整。如果連誕生于1998年的互聯網原生巨頭騰訊都在變化中感到不適應，那其他的企業又該如何自處呢？

AI已來

人工智能的起源，公認是1956年的達特茅斯會議，許多先進的理念與算法也都早早提出，但其應用卻遲遲難以落地。如果說有的話，1997年IBM研制的“深藍”擊敗了國際象棋大師卡斯帕羅夫可算一例，不過也止步于此。

而下一次類似的事件，已經是谷歌人工智能AlphaGo以4：1戰勝韓國棋手李世石，和在2017年擊敗柯潔，但在此之前，其應用早已影響世界。2012年美國大選中，奧巴馬擊敗羅姆尼，迎來新的4年任期，競選團隊的首席科學家Rayid Ghani居功甚偉。Rayid Ghani曾向Tom M. Mitchell學機器學習，后者被稱作“機器學習之父”，撰寫過《機器學習》。

在競選之前，Rayid Ghani帶領團隊用一年半的時間，將收集到的數據構建成大型數據庫，并做出了不同類型選民的精細模型，針對各族群選民的投票趨勢實時分析，給出不同的宣傳策略。例如他們發現，第一夫人的拉票郵件在春天最受歡迎，并建議奧巴馬去Reddit去跟網民互動，還通過模型推演決定購買冷門節目的廣告時段來定位精準選民。而Rayid Ghani和他的團隊通過建立模型來預測誰會在線捐款，再將結果應用到郵件營銷上等，幫助奧巴馬籌集了破紀錄的10億美元。至于花錢上——據稱他們每晚都用模型進行6.6萬次模擬選舉，推算奧巴馬在搖擺州的勝率來分配資源。

計算力的提升、數據的爆炸式增長和算法的演進，是AI落地的三個必要條件。不難發現，AI在總統大選中所做的事情，同樣可以用到為企業增加收入和降低成本，而AI的直接應用，就在于輔助決策。

打開淘寶天貓，發現APP比你自己還懂你，推薦的都是你喜歡的東西；打開今日頭條，推送的都是你關注的新聞，就連抖音都知道你愛看小姐姐跳舞，什么都不打開，蹦出來的廣告看著都很順眼。手機屏幕的后面，不止有電路板和用戶界面設計，還有AI的推送算法在起作用。最聰明的天才們都在研究如何獲取點擊和賣廣告，是互聯網時代的笑話，但賣得好，就是互聯網經濟的真諦。

滴滴打車的自動派單和路徑規劃、能自我調節交通的城市大腦、工廠中的智能設備，還有逐漸落地的無人駕駛，AI是軟件，但卻可以賦能實體，無論是實體經濟還是虛擬經濟，都可以從AI獲益。MIT人工智能實驗室主任Daniela Rus曾歸納過人工智能在美國最新的應用，包括在醫療領域應用于淋巴結的識別，通過人機配合將失誤率由7.5%降低到1%以下，MIT和麻省醫院合作的項目，可以達到97%～99%的乳腺癌篩查準確率；在金融領域，聊天機器人和機器助手為投資者提供了決策輔助；在零售業，通過分析購買數據，AI可以向購物者推薦更平衡的購物選擇；在法律領域，通過自然語言處理技術的應用，協助律師查閱資料；在能源領域，谷歌的新系統，可以降低數據中心40%的能源消耗。

在中國，2017年繼發布出臺《新一代人工智能發展規劃》后，科技部也宣布依托BAT和科大訊飛建設自動駕駛等四大國家人工智能開放創新平臺，據今年7月由清華大學中國科技政策研究中心等聯合發布的《中國人工智能發展報告2018》顯示，中國在人工智能領域論文的全球占比從1997年的4.26%增長至2017年的27.68%，人工智能領域的投融資占到了全球的60%。

對企業來說，AI正從突破性技術走向標配。IDC預測，到2020年，全球范圍內商業分析軟件的試產規模將達到60億美元，其中一半會引入人工智能技術。國際人工智能協會（AAAI）院士、港科大教授楊強，也是知名AI初創企業第四范式的首席科學家，談到企業落地，要回歸到機器學習的本質：“今天的AI是大數據驅動的，而大數據驅動的重要理念是機器學習?！痹诼涞刂幸龅健岸?、頻、快”：第一，從數據到模型再回到數據的環路要短，不要有過多人為的決策和參與；第二，數據的到來和反饋的獲得要頻繁；第三，模型的更新要快?！?h3>數據大爆炸

大數據的熱潮還在AI熱潮之前，也是AI到來的前提之一。早在40年前，諾貝爾經濟學獎獲得者赫伯特·西蒙教授就曾經預言：“在后工業時代，也就是信息時代，人類社會的中心問題將從如何提高生產率轉變為如何更好地利用信息來輔助決策?！彼岢龅摹靶畔⑤o助決策”的觀點曾被認為是“商務智能（BI）”的理論雛形。

在信息化和數字化的浪潮中，企業面臨的是規模更大、種類更多、變化速度更快的數據，最近十年移動互聯網的發展，讓大量的生物特征數據、人臉、DNA以及與人體相關的數據，傳感器的數據和機器產生的數據也隨之產生。

大數據的發展并不會停滯，而是會繼續呈指數級增長，并相比過去幾年結構化數據占比較多的情況，未來將有更多維度和類型的數據出現，如何管理非結構化數據并與結構化混在一起用，以及新的場景還原和場景預測的需求，都會是企業面臨的新挑戰。

對企業來說，早如福特，在上世紀90年代，就在努力打破企業各部門間的數據孤島，并卓有成效。以往企業多用數據倉庫對數據進行結構化處理和分析，在整個過程中，原始數據基本上需要全部被打亂——這被稱之為提取、轉換和加載（ETL）。但是在今天互聯網連接的世界里，數據來源眾多讓這種方法變得不太實用。

Hadoop最初用來索引Nutch搜索引擎，但現在幾乎所有的行業都使用Hadoop來進行多種大數據工作。2003年，谷歌的研究人員開發了MapReduce，企業可以通過使用Hadoop分布式文件系統（HDFS）存儲數據，再由MapReduce的技術進行高性能并行數據處理。2009年，加州大學伯克利分校的研究人員開發了Apache Spark來替代MapReduce。Spark使用內存存儲進行并行計算，比MapReduce快100倍。而基于Hadoop的開源架構，同樣有商用軟件公司出現，包括Cloudera和Hortonworks，不久前這兩家公司進行了合并。

據工信部發布的《大數據產業發展規劃（2016-2020年）》，到2020年我國大數據相關產品和服務業務收入突破1萬億元，年均復合增長率保持30%左右。而隨著存儲和計算的的問題被云計算技術解決，大數據得以更關注數據本身。近兩年，數據中臺逐漸成為企業熱衷建設的項目，包括阿里巴巴的數據中臺等，也都是企業競相模仿的目標。TalkingData的CEO崔曉波認為，過去幾年頭部企業實際已經在大數據中獲益，以數據中臺的形式，將頭部企業探索出來的能力和方法，更好地去賦能整個產業鏈里的中小企業，是未來大數據公司要重點解決的問題。另一方面，中小企業往往缺少數據來源， 如何實現數據共享，也是行業要解決的問題。

萬物云化

電商是否格外有做云計算的基因？這不得而知，但世界第一的云計算公司亞馬遜和中國第一的阿里云，都是做電商出身的。在一眾TMT企業中，電商大概是最早感受大數據壓力的行業，因此也會在IT建設上花最多的錢。不過，電商的基礎設施一定是按照峰值來建設的，在多數時間，計算等資源就被閑置了?？紤]到這些資源可以作為商品賣給其他，亞馬遜在2006年3月推出了彈性計算云（Elastic Compute Cloud）服務。雖然其他企業如微軟、谷歌等也先后推出了云計算服務，但投入度上遠不如亞馬遜。

而阿里云的萌生，和王堅脫不開關系。2008年9月，王堅加入阿里巴巴時，由于數據量暴漲，服務器的能力接近見底。當時阿里巴巴如國內許多大企業一樣，標配“IOE”，I是指IBM的服務器，O是指Oracle的數據庫軟件，E是指EMC的存儲。當時的情況是，業務停下來肯定不行，但以這樣的速度繼續增長，就算不斷的買下去早晚也可能會撐不住——這一點后來被證明是對的，2013年的雙11活動，淘寶天貓的支付達到了3.75萬筆每秒，阿里云專有云總經理馬勁當時在IBM工作，他為工商銀行做交易項目，能做到的峰值還不到1萬筆每秒。

云計算在2009年之前還屬于不太被看好的項目，而中國在這一點上比國外還要慢一拍。2009年開始，國外的傳統IT廠商，如IBM、VMWare、微軟和AT&T;等，開始轉型云計算，日后成為了云計算的第二梯隊；而在國內，除了阿里巴巴最終在馬云拍板支持下投入到云計算中，其他有能力的企業還處于觀望的狀態。一步慢，步步慢，云計算的IaaS原本就是規模經濟，規模大的廠商有更多的牌可以打，先發者除了在技術上有優勢和經驗外，還可以打價格戰。在過去十年，亞馬遜AWS降價超過50次，最終坐穩了全球老大的地位，占據了近半的全球市場。而國內的阿里云緊趕直追，并多少得益于政策上的優勢，打了個時間差，也發展成全球第三，占據中國近半市場的云計算巨頭。

云計算對企業的意義毋庸置疑，底層的IaaS取代了相當一部分的IT建設成本，而企業服務SaaS則提供了極大的便利。但就像我們在文章之初所說的，技術并非一直單線發展，而是在不斷的融合。

數字化的企業，需要靠大數據技術來解決數據暴漲下的運營問題，大數據又為AI技術的落地提供了條件，云計算可以以更低的成本、更靈活的方式為人工智能提供強大的數據處理能力，同時企業還可以獲取所需的SaaS服務。就像TMT已經難以被拆開，而是作為一個獨立的概念，隨著AI、大數據和云計算技術的不斷交融，“ABC”也正逐漸成為一個特定的概念，而在ABC時代，企業所要補的課，絕不止是單一的能力或僅僅IT部門，而是從經營理念的到組織框架的全面變革。

鏈接

《大數據價值49式》2014年04月05日

《工業4.0：正在發生的未來》 2015年05月05日

《歡迎進入物聯世界》2015年11月05日

《數據魔法師》2016年03月20日

《當我們談論人工智能時，我們在談些什么》 2016年06月05/20日

《大數據離我們有多遠》2016年08月20日