为何马化腾特别在意“场景”建设?

小刀马

在 2017 年的数博会上,马化腾表示,李彦宏 谈的更多是 0 到 1,需要有一个创新技术驱动 ;马 云讲的是 1 到 N,1 到 100、到 100 万,这个过程 需要持续不断的数据驱动。而他认为,更重要要素 是“场景”或者我们称之为“战场”或“市场”,有 了市场、有了场景,数据自然会产生,也会驱动技 术再发展,人才也会跟着来。计算能力、大数据, 都是可以复制的,但是市场和人才是不可复制的。

不过,我们看到,其实无论是技术还是数据, 包括场景,相互之间的促进和协同发展才是关键, 单一的存在都难以真正承载大数据发展的基石。大 数据应用不仅仅是国家倡导的发展思路和方向,更 主要的是,云计算发展和大数据应用的场景越来越 多,这恰恰也是马化腾更倡导的场景需求演变,而 马云和李彦宏对于技术的不同理解,其实也是另一 种“场景”的需求。技术、数据和场景,对于数据 的应都是必不可少的。

三巨头阐述的各种不同的应用场景和需求,完 全符合目前 BAT 的战略布局模式,甚至和自身的 定位以及发展谋划都是基本一致的。马化腾表示, 数字经济发展有三个关键字 :实、新、通。“实”, 意味着实体经济正在展开全面的数字化转型,不限 于某个产业和领域,数字经济会渗透到实体经济每 一个角落。“新”,意味着数字经济不是传统行业与 互联网基础设施的简单相加,它蕴含大量的创新, 包括一大批跨界地带的新兴企业,提供垂直细分领 域的数字化解决方案。“通”,意味着数字经济为中 国企业“走出去”增添了“数字丝绸之路”这样一 条通路。

实、新无疑也是数字化转型的关键。在云计算 和大数据应用中,BAT 其实都在走出去。马化腾认为,一个行业的云化程度,是该行业数字经济发展 程度的重要指标。工业革命之后,电力为经济及社 会带来深刻改变,人们通常把用电量作为衡量经济 好坏的重要指标。数字经济时代,“用云量”将会 成为一个重要的经济指标。很显然小马哥简单地把 云计算和大数据应用和工业时代的发展叠加在一 起,但是信息化革命和工业革命时代还是有很大的 不同,单纯地使用率是其一,但不是唯一。

市场是不是真的是先有驱动还是先有技术,也 是各有各的看法,谁的驱动才是唯一的诉求?是靠 驱动带来应用变迁还是市场决定驱动的演变,这都 是仁者见仁智者见智的事情。在更大程度上,或许 是相互促进,相互迭代,相互之间都在咬合,无法 真正衡量究竟是谁带动了谁,或者是因为谁的存在 才变得如此重要,仅仅是场景,如果没有技术和数 据的驱动,空有场景也带不来真正的变迁。其实我 们注意到,很多应用场景需求一直是存在着,但是 实现的代价太大,或者根本就没有相应的技术驱动 实现,自然也无法堆积起相应的数据流,这时候的 场景又有什么价值可言?如今 BAT 占据着不同的 “时间”节点,无论是数字化应用还是大数据、云计 算,都需要不同的应用“场景”来承载,而BAT就 是占据着不同的角色分配。相互促进,相互发展。

在本届数博会上,马云认为“数据是最重要的 基础资源”,而李彦宏认为“数据不重要,技术创新 才是最重要的,比如蒸汽机就比煤重要”,马化腾认 为,这二者都不重要,重要的是应用场景。相对而 言阿里和腾讯对场景的抢滩布局更在意一些,而百 度更寻求技术的突围以及对 AI 的布局优势。人人都 觉得应用场景的变迁已经没有多少机会了,但是共 享单车的出现却打破这种场景稀缺的状况,这也说明应用场景的稀缺或许并不是最重要的,因为谁也 无法预测新的应用场景会在什么时候出现。马化腾 说,在人工智能时代,抓住“场景”,才是抓住了 未来。其实我们看到,科技史上的人工智能黄金时 代正在到来。这一天的到来就意味着电脑,也就人 工智能要超过人脑。今后 30 年里,这就会成为现 实。就比如,AlphaGo 的出现,一个汲取技术、摒 弃情感元素的智能机器人,甫一出现,便颠覆了人 类既往的全部智慧、经验与认知。

同时,我们也关注到,在医疗、教育、购物 等日常生活的方面,人工智能技术所塑造的绝对理 性机器人正在加速渗透。在此过程中,不乏科技巨 头争霸,亦不乏新兴创业者的身影。无论是巨头还 是创业者,都争先恐后地生怕错漏了手中这一捧潮 水。“我们处在人工智能的时代,我们相信这能打 造更好的生活。我们所面临的各个领域都有很多未 解之谜,科学家通过人工智能,可以做到更多的事 情 。” A l p h a b e t 执 行 董 事 长 施 密 特 如 是 说 。

利用人工智能大脑,百度、谷歌、苹果等公司 已经开始测试无人驾驶汽车,苹果公司近日已完成 三部雷克萨斯 RX450h SUV 上有关自动驾驶软件 的测试,百度更是宣称在 2020 年前将逐步开放高 速公路和普通城市道路上的全自动驾驶。在更多领 域,技能性人工智能也在发挥不同的作用。无论是 微软的 Cortana(小娜)、苹果的 Siri 还是亚马逊的 Alexa,或是 IBM 的 Watson,都能够在一段时间内 帮助人类完成任务,体现出功能性价值。近期热门 的各类智能音箱,其中便搭载了人工智能语音机器 人,用户可以向智能音箱就天气、交通、美食等方 面提问,音箱内的人工智能机器人当即能够作答。

人工智能的计算能力已经被证明了,未来最重 要的是脑神经科学。随着第三次人工智能浪潮的兴 起,得益于深度学习技术的突破。该技术是一种需 要训练大型神经网络的“深层”结构,且每层可以 解决不同方面的机器学习。其特点是,无需再依赖 于硬件代码和事先定义的规则,而是依靠模拟人类 大脑的神经网络系统,从案例和经验中习得算法。 这或许才是比较“可怕”的地方。

根据 IDC 数字领域报告显示,至 2020 年,每 年数据量将达到 44ZB(1ZB 合 1 万亿 G),5 年内 年复合增长率将达到 141%。随着数据量的增长, 神经网络便会更有效率,机器语言可解决的问题数 量也在增加。微软在试图将人工智能大众化。据 悉,微软公司的人工智能研究团队人数超过 5000 人,关注于改变人类与机器互动的体验。同时,微 软正在积极将融合人工智能的功能嵌入公司核心 服务中,并在对话计算、自然语言处理等方面取得 进展。通过进一步打造基于 GPU 和 FPGA 的微软 智能云 Azure,为机器学习提供动力和速度。未来 的市场无论是技术、数据还是场景,发展的重心和 重点是引导市场需求,并通过市场需求来反哺技术 的延展,这是互相咬合的,也是谁也替代不了谁的 一个过程。