暗知识：机器认知如何颠覆商业和社会

大公司既有技术又有数据，那新创公司怎么活？简单来讲，新创的AI公司要进入大公司不占有数据优势的那些垂直的行业。这样的行业又可以分为两类：一类是新兴领域，以前完全没有人做，一切从头开始；另一类是原有行业，例如金融、保险、能源等。新创公司进入第一类行业最容易，因为大公司通常不会进入一个全新的、市场还未知的领域，自动驾驶和人脸识别都是这样的新兴领域。目前在美国和中国做自动驾驶的新创公司有上百家，在中国做人脸识别的公司也有数百家。与任何新兴领域一样，这些新创公司的大部分将被淘汰或并购，尤其是自动驾驶，其属于未来汽车厂商之间竞争的核心技术，又牵涉到安全。大车厂不可能把这样的技术交给一家创业公司（二流以下车厂有可能，所以还是有市场的）。它们要么自己建研发队伍，要么收购最好的自动驾驶软件公司，目前几乎所有的一线国际大车厂都已经这么做了。自动驾驶软件公司遇到的第二个问题是它们的软件通常要通过一级供应商（Tier1）的集成后进入车厂。但一流的一级供应商也认为自动驾驶是它们未来的核心竞争力，也是要么自建研发，要么收购，也不会把人命关天的事交给一家新创公司。所以那些没能被收购的自动驾驶软件公司最后要么去攻比较简单的、限定的场景，例如校园、景区、小区等，要么去攻垂直市场，例如卡车、港口、仓库等。而人脸识别由于应用场景不同，客户要求不同（例如发现犯罪分子和刷脸支付要求完全不同），所以可以容纳更多的厂家存活。

现在难以看清楚的是那些既有钱又有数据的传统行业，例如金融、能源、医疗等。在这些领域有三类竞争者：第一类是本行业内部的团队，例如许多证券公司已经开始大规模自建AI交易和理财团队。第二类是各大互联网公司企图挟巨大技术优势进入或者颠覆传统行业，例如谷歌和腾讯都企图进入医疗领域。第三类是企图进入垂直行业的新创AI公司。两个有意思的行业是证券交易和医疗图像。前者几乎都在建立自己的团队和能力，而后者则基本都和外面合作。对于证券公司来讲，AI算法是未来交易的核心技术，证券公司必须掌握。交易算法必须由技术团队和交易团队紧密配合快速迭代，算法和数据必须严格保密，所以很难外包。而医疗成像识别目前主要是提高X光读片效率，不是生死攸关的技术，X光读片对于一家医院来说只是很小的一部分业务。美国的大连锁医疗集团例如凯撒（Kaiser Permanente）等还有一些内部的技术资源，大部分美国和中国的医院基本没有这样的技术能力。医疗图片即使泄露到同行手里，对医院本身也不会造成致命伤害。所以它们愿意承包给外面做。新创AI企业是否能顺利进入传统行业，要看AI技术在这个行业中的作用和对数据的敏感程度。预计银行和保险行业将和证券业类似，不会愿意分享数据外包AI，大银行和保险公司都将以自己为主。所以AI公司只能去攻那些中小规模的企业，它们自己没有技术能力，又面临被淘汰的危险。还有一种做法就是与新业态合作，例如新兴互联网银行、互联网保险。这些公司有互联网和大数据基因，属于行业新进入者，做法激进，天然拥抱AI技术。但对这类公司来说，AI将是核心技术，它们最终还是要自己做，也许会收购外包团队。

总体来讲，今天AI创业公司进入传统行业的商业模式还都不清晰，如果有选择，那么在为传统行业增加效率和从外部颠覆传统行业两者之间，前者更容易，但后者利益更大。

许多人今天对AI新创公司的一个担忧就是用户数据都在互联网巨头手里。这是一种静态的看法，今天互联网公司的数据主要是人们使用电脑和手机产生的浏览数据，它们并不掌握下列几大类对人类有用的，AI也需要用的数据。

（1）人类本身的数据，例如身体数据和心理数据。

（2）环境数据，其中包括自然环境、社会环境。

（3）各种人类劳动过程数据，例如农业、工业、服务业的过程数据。

人类劳动过程中的数据是未来最重要的数据，劳动过程无非是对一个给定的环境施加一组行为，让这个给定的环境变得对人类更有利（例如给一块地播种、灌水、施肥，使之长出庄稼，冶炼铁矿石变成钢，给患者打针吃药治愈疾病）。只要这个环境能够被测量（庄稼亩产、矿石和钢铁质量、人体健康程度），这组行为能够被控制（浇水施肥量、高炉温度、药的种类剂量），机器学习就可以被用来优化这个过程。所以一切能够被测量的环境和过程都将产生机器学习需要的数据。几十年以后回头再看，人类上网和玩手机产生的那点数据根本就不叫数据。如果把数据比作金矿，那么互联网巨头今天拥有的无非是地表面沙土里一层浅浅的金沙，真正的金疙瘩都还埋在迄今没发现的地方。这些地方有些是我们前面提到的现有行业，有些是我们今天还没看到的环境和过程。

随着各类传感器成本的降低，越来越多的环境被更细密地感知。随着物联网的普及，这些无所不在的传感器将搜集到比今天互联网大许多数量级的数据。

新创公司和大公司竞争的最大的优势还是人才和激励机制。创业者通常都是最优秀、最有激情、敢于冒险的一批人。新创公司在一个全新领域可以随时掉头，快速迭代，迅速摸清市场需求，它们所有的脑筋都会放在如何满足用户需求上。而在大公司很少有人愿意冒风险尝试新东西，有些项目会牵涉许多部门利益，想做一件事要花大量时间去协调，有时还会打得不可开交。凡是在大公司待过的人对此都深有体会。以半自动驾驶功能为例，特斯拉率先推出自动线道保持功能，使驾驶员开车时可以不扶方向盘。这个线道识别技术最初是以色列公司Mobileye提供的，其他使用Mobileye方案的汽车厂家按理说都可以推出这个功能但却没有，因为这个功能风险很大。传统车厂的中高层经理打死都不会签字发布这个功能，后来也确实出现了交通事故的例子。特斯拉发布这样的功能极可能就是老板自己拍的板，因为除了利益之外，创始人天天泡在产品上，对细节非常了解，拍板时心里多少有数。一个新功能谁都无法打包票，不冒这样的风险就无法在自动驾驶技术上领先，无法领先新创公司就存活不下去。而传统大公司的CEO都是职业经理人，对某个具体功能不可能了解得那么细，要依赖一层一层的建议，如果下面没人愿意担这个风险，CEO就不敢随便签字。传统大公司的第二个问题是激励机制无法和新创公司比。大公司那点奖金和期权没法与创业公司的期权比（如果成功），大公司内部的人事斗争和协调成本都会把那些智商高的技术天才吓跑，即使招来也会气走。传统车厂有资金、渠道，甚至也掌握了相应的技术，由于上述种种原因也只能眼睁睁地看着特斯拉这样的公司冒出头来把它们甩得越来越远。