当说到科技时，我们在谈论什么？

新闻

作者：人人都是产品经理

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