http://mp.weixin.qq.com/s/xhrlRrKMjrjp-YAEscgidw 

 

2017年7月中国发布《新一代人工智能发展规划》，制定了十多年的人工智能战略部署。中国应该如何使用人工智能引擎变成全球引领者？AI如何为企业创造价值？传统企业如何转型？《人工智能的未来之路》就以上问题展开思考。

 

（本文不是《人工智能的未来之路》，是我的转述）

 

其实我认为本文更应该叫做传统企业的数字化变革摘录，没有明确说人工智能在其中担任的角色。

 

人工智能从20世纪50年代诞生，到近年来依托大数据和依托强大计算力的深度学习算法走过了六十年。有人说此次的人工智能兴起和其他新技术的吹捧不一样——人工智能的兴起是人工智能技术结合各行各业并促进各行各业生产力的联合崛起——像是一个催化剂。但是到现在为止，所谓的各行各业主要是指电信、金融、消费、互联网等领域。

 

人工智能：数字化的下一个前沿？

使用人工智能的企业不多，大规模使用或者部署了核心业务的大约只有20%，商业部署的应用案例为12%，企业的投资主要在于研发。领域内的投资意愿很强烈，领域内的企业也因为人工智能的部署取得了实际效益获得了突破性的发展机会更高的利润率且有望继续拉开和其他企业的差距。

这样看，人工智能像是一种催化剂，使用人工智能可以加速前进——互联网企业，而没有使用人工智能的人却不知道自己已经落后多少了。还有一种企业是想使用但不知道怎么与自身相结合——这是传统企业的转型进步问题——传统行业与人工智能相结合确实是一件令人头疼的事情。让我们在已有的案例中寻找一些规律——哪些行业与人工智能结合起来比较容易？——答案是零售、电力、制造业、医疗保健、教育。

重点谈一下传统企业转型的问题。其需要的基础条件：1 企业数字化的基础。2 寻找其业务中人工智能的商用意义。3 构建数据生态、开发或购买人工智能工具、调整工作流程。4 确保无缝数据访问能力。5 需要高管的支持与良好的管理。传统企业转型中需要注意的风险与挑战：1 劳动者的技能培训——如何使用人工智能、如何与人工智能配合。2 人才投入、资金投入成本是否可接受。3 完善监管、伦理、法律等问题如何解决。

 

人工智能对中国意味着什么？

中国的优势在于数据量广且大，应用行业广泛。劣势在于创业公司、研究机构、相关大学的数量不及美国。在数据、算法、计算能力三个关键因素中还有诸多局限：

数据的局限在于中国的数据大都在互联网巨头掌握，缺乏统一的分享的生态环境。

算法方面的局限在于从业人员少，从业人员工作经验不足。研究人员数量也少且领域窄，主要在视觉和语音领域。建议中国提高大学对学生的数学和统计学的要求。

计算能力的局限是因为中国的处理器芯片严重依赖进口，高端半导体几乎完全依赖进口。国家已经采取行动《国家集成电路产业发展推进纲要》和中国制造2025，还成立了国家集成电路产业投资基金。这些措施初见成效。

随着老龄化的加速，提升生产力的需求愈发迫切，人工智能对中国未来经济发展至关重要。老龄化日益严重导致年轻人的负担越来越重，而人工智能可以提升生产力，分担年轻人的负担。人工智能将年轻人从大量重复的、机械的、可自动化的工作内容中解放出来。除了分担负担，人工智能技术的发展也将创造新的产品和服务、提供新的岗位和业务——正如同互联网作为一种新技术能为人们提供新岗位一样。

要担心的是人工智能时代贫富差距进一步拉大，对少知识和低技能的人的需求将会降低，对有数字技能的人的需求将会增加。研究预测，中国有3.9亿人工时将被人工智能自动化技术冲击。其中女性较为严重，因为其计算机技术和知识比较弱，且从事可自动化、重复性职业的女性较多，在科技和管理岗位中女性较少。同样的，人工智能将加大国家或地区间差距。

对社会的影响，首先是人的数据隐私问题。个人隐私数据属于谁，如何共享，如何使用。其次是人工智能的歧视问题。人工智能的伦理和法律问题。谁将会为人工智能的违法行为负责？如何对人工智能的能力进行监管？人工智能的研发人员对其的义务与权利。

政治的影响，人工智能将拉开国家之间的差距，超人类人工智能的伦理安全问题及其监管的工作需要国际协作。人工智能武器化也应该像核武器一样进行强有力的国际公约来保证其和平的使用。（中国的发展必然伴随着生产力的拔高，需要更多的支撑技术和支撑的人，人工智能可以毫无“怨言”的从事一些低技术的活动，从而增加整个生产力金字塔的高度。让整个社会的人的生活质量一起提高。）

 

中国人工智能的未来之路

尽快完善产业政策，因为人工智能的发展可能是非线性的。

建立完善的数据生态系统。建立统一的数据规范（例如美国针对上市公司财报做出的XBRL“可扩展商业报告语言”来保证机器可读性），向公共领域开放一些行业数据，允许跨国数据交流。

促进人工智能在传统行业的应用。当人工智能技术不仅仅与互联网企业和高科技企业结合，更与传统企业结合并成功运用在传统企业中时，其经济潜力才会充分彰显。但是人工智能与传统产业结合还有一些障碍：领导层的意识淡薄、现有业务运作方式需要改变、专业技术知识人员的匮乏、人工智能项目实施落地成本较高。希望政府能够帮助传统企业克服这些困难，通过减税和补助、率先示范人工智能系统、助力服务提供商的发展、积累技术人才，最终降低应用成本。此外还应同时鼓励发展物联网行业。

在教育上，政府需要培育尖端的研究人员和普通的开发人员以及大量具备人工智能共事能力的劳动力。例如资助顶尖大学的人工智能实验室，由政府出资设立相关项目推进校企结合，在大学引入其他学科和人工智能相结合的专业。考虑到公共福利和社会稳定，应该尽早准备劳动力再培训。

政府对由人工智能引起的不平等问题应尽早考虑应对。在伦理和法律问题上应该先行，与国际合作一起指定相关法律框架，明确相关责任。确定相关的监管和进行标准制定。也应该牵头组织国际组织，进行全球监管和指定伦理准则。

人工智能战略：CEO应回答的九个问题

大多数公司都认为人工智能会成为其所在行业颠覆性的力量，但是在传统行业中多数企业并没有开始关注或者发展人工智能，部份开始人工智能研究的公司也是进展缓慢。总的来说有三种态度：观望、自研、合作。

CEO需要考虑的问题：

本行业的人工智能应用水平如何？

谁是领导者？

我们自己的组织架构和办事流程是不是可以兼容人工智能？

本行业有哪些潜在的人工智能应用？

人工智能在短期和长期会带来什么成效？

人工智能能否带领我们进入一个新行业？

使用哪些人工智能技术？

如何获得这些技术？

如何保持持续的活力？

 

 

探索数字货运匹配平台新模式CONNECT

有一些公司解决货运市场找货难、找车难的痛点，但是缺乏基础货源，有些公司像是物流企业，也存在着高峰期运力不足和低谷期运力闲置的问题。数字化货运解决方案可以结合自身优势整合社会运力，对于非整车市场解决方案提供拼车优化提升车辆装载率。使得车源货源在自有资源和社会资源之间高效分配，提升效率降低成本。

另外，在需求端会出现货主找车难，中介费，为非整车货物支付整车费用，缺乏对货物的追踪，缺乏对司机的信用查询（是不是也缺乏对车辆的状态追踪）。

在供给端，司机找货难，个体司机货源渠道有限，空载率高达40%，有效行驶里程仅有300公里，货主与司机缺乏信用绑定，司机会遇到被放空或者拖欠运费的情况。

值得注意的是在客运市场，滴滴和Uber都非常成功。相比于客运市场，货运的非标准化程度更高，但是其商业模式和技术是成功的，货运市场的数字化变革有很大机遇。中国的货运平台有200多家，竞争也十分激烈了。

货运数字化平台必须依靠足够的货主和车主，也要解决非标准化的货运要求，同时对支付、收发货、拼货等问题提出解决方案才行。

跨境物流新模式：一单到底

跨境电商市场增长迅猛，未来将趋于理性。当前的跨境电商零售物流存在着时效、服务、价格等问题，原因是跨境物流环节多、参与企业多、信息传递不透明、各环节衔接难度大复杂。有能力的物流企业应该与其价值链上的其他企业展开深度合作，打造“一单到底”标准化的海外专线产品。

要素：首先主动寻找合作伙伴。广泛邀请或引荐各个环节的参与者进行洽谈。从业务能力和合作意愿充分考量目标企业。考虑合作策略，能否达到唯一合作伙伴。各方均可接受的结算方式利益共享。其次共同开发专线产品。其核心是各方面都参与到产品标准和流程的制定中来，既发挥各自优势将市场和客户的要求体现在产品的标准中来又要搭配整个线路系统整体优化。之后口碑企业负责销售。然后联合团队运营、监督。最后进行利益共享结算。

供应链金融：物流企业的下一个风口

推荐物流企业开展供应链金融业务。中小企业的融资需求特点是额度小、频率高、使用急，所以面向中小企业的金融产品应该具备低利率、额度精准、资金周转迅速、审批灵活。利用供应链沉淀的信息为风控核心，以真实贸易为基础，利用交易自偿性构建资金流闭环（不懂这是什么名词），最终可以针对供应链上的单笔融资需求提**准资金支持。物流企业不仅拥有大量的交易和物流信息还掌握着实际物流，能实现良好的风险管理，同时也在一定程度上掌握着货物权。

需要注意的是，销售、产品、风控、资金。销售从自己的优质物流客户出发，将其转化为金融客户。产品方面，应收账款类、存货融资类、未来货权类都有成熟的产品可以借鉴，结合自身进行细化开发即可，还要结合客户需求开发定制化的产品。风控方面关键在于数据、模型和操作流程。物流企业的资金实力无法与金融市场上的对手相比，所以应该实行少资金快速周转。可以使用金融手段——信贷资产证券化——利用应收账款支付应付账款，实现资金闭环。切实减少金融业务的实际资金占有量，并且成本低操作灵活。

 

 

重新定义新零售时代的客户体验

消费者期望的线上线下融合全渠道随时随地随性的购物体验还有相当的潜力。还有一些需求：个性化定制和短期租赁再购买，少有满足。

中国电商市场趋于饱和，各大电商平台都使用优化分析方法提高对消费者的了解度、广告投放的精准度、社交媒体的互动程度。然而种种试水尚未形成制胜法宝。数字消费者的演变趋势：线上线下融合的全渠道购物，场景触发式购物，社交媒体的消费互动，超常规服务需求增加，数据驱动的深度个性化。

举例，在消费电子产品类，消费者大多在线上研究、线下体验、线上购买。消费者对全渠道服务需求普遍，例如线上购买线下提货，线上查询线下存货，在线下单门店提货，在门店查看线上商品，有58%的消费者希望门店提供虚拟现实体验（2016年这个数字是7%），超过49%的用户希望提供在线定制产品的服务。

场景触发式消费，比如看到电视节目时候嘉宾穿的衣服，就想买同款的，在和好友聊天时候得知新的美容产品就想试试此类购买需求。场景购物的一个关键是及时，传统电商“次日达”可是外卖已经可以30分钟送到了，加快商品配送可以提升冲动消费的转化率。

社交电商具备天然的易于分享的特点，但是其电商的基本能力——产品组合、物流、服务——比较弱。一旦改善相关功能，社交电商有望成为新增长点。

超常规需求——将生活需求翻译成品类、产品、型号、配置、性能并进行购买。对于传统商品来讲这个过程有消费者自己转化还好，对于新型产品和换代频繁的产品来说，这就难了。

个性化需求——消费者购物除了满足自己的行为模式和个人需求也要彰显品位和个性。不能定制的产品显然不能满足这类需求。这在服装上线显得尤为明显。耐克有NIKEiD专属定制服务，安踏也有类似服务，中国的服装公司红领也有定制服装服务。现实中的一些电商的个性化广告大多是垃圾信息轰炸，调查显示18%的人认为收到的推荐是投其所好的，10%的消费者认为店铺提供的服务是个性化的服务或者建议。

很少有公司可以允许客户进行短期试用后再决定购买。

可以做的改进：在渠道方面——整合线上线下产品信息和价格，让消费者方便的查询实体店的库存，可以实现在线下单到店提货。合理收集消费者信息，针对性的推广。向实体店提供消费者的信息，让实体店可以展示消费者感兴趣的商品，让店员可以提供个性化的服务建议。在生活方式上——企业应该制定激励消费者使用产品的计划。事实证明，使用产品会带来正面反馈，消费者从产品中获得越多就会越忠诚，举例粉丝社区，粉丝活动，免费的使用指导帮助用户充分使用产品。在新产品和新服务上——定制化的产品生产，让消费者参与到产品的设计中。按需供应，产品即服务，按次付费。

弄潮新消费：与新一代中国汽车买家面对面

在中国SUV汽车受人欢迎，入门级SUV增长迅猛，中高端SUV也不错。销量增长最快的是25万以上的车型。入门级的SUV因为缺少外资品牌的竞争，国有品牌几乎完胜。但是入门级SUV的公司应该注意升级换代，中高端SUV逐步会和国际品牌进行竞争，胜负未分。中国品牌可能会在电动汽车市场实现规模增长。消费者对汽车品牌的忠诚度很低，对于汽车的连接性需求很强。这为汽车制造商扩大自己的消费者群体提供了一定基础。下一代汽车买家的特点：汽车不再是必须品，智能互联需求高，偏好共享出行，偏好电子商务，对传统广告信任度降低。

其中消费者对智能互联的需求很强烈，有79%的消费者一定要求产品具有智能互联功能，64%的消费者不惜更换品牌来满足这一需求（美国只有37%）。

62%的车主愿意订阅付费内容，这比美国29%要高很多，出乎意料。

消费者在购车前大多会去4S店体验，但是效果并不好：信息透明度低（功能、价格）、购车手续繁杂、4S店路途远、技术含量低、服务过时。消费者在线选车的比例从2014年的1%到2016年的5%。18-24岁车主更偏爱在线选车。已经有网站进行了在线虚拟车展。

汽车金融初显，有约30%的汽车买家在购车时进行了融资，一二线居民尤高，线上融资比例为3%，剩余97%的贷款车主时“传统”渠道。需要注意的是，网购车的增长可能会打破这一比例。

二手车的优势在于成本低，相同预算可以买到更好的车型和品牌，劣势在于汽车状况不明，安全隐患。有一些新入局者试图解决这一问题，人人车和优信二手车，似乎颇见成效，但是年轻买家不感兴趣。二手车市场完全可以由品牌商来做新旧置换等业务。

在限行严重地区，人们对电动车需求集中。若不是因为限行买家兴趣不会从20%提高到60%。这之中有一半买家偏好纯电动或插电混合动力汽车。富裕人群——月收入两万五以上——购买新能源汽车意愿更强。其理由在于不限行，车牌无限制，节约燃油成本，免费提供的充电服务，但是同时对充电桩不足，定价高，电动车质量，安全性，充电时间长等有忧虑。多半用户愿意移动支付，按次付费充电。

关于无人驾驶，中国消费者深信不疑的有60%，比美国43%高出不少，但是只有12%认为百度等国内企业会成为领头羊。

 

中国数字经济如何引领全球新趋势

这部分感觉有点水了。

全球数据流动的主要参与国，全球数字化投资大国，跨境并购大国，中国企业向海外拓展商业模式，数字化企业为全球的合作伙伴提供技术。

其中提到的公司名：腾讯、阿里巴巴、华为、ofo、Musical.ly,美图秀秀，今日头条，蚂蚁金服、百度、现代汽车。

 

 

 

总结：虽然数字化变革在全球各个角落各行各业都在进行，但是由于中国传统行业效率低下，这一变革在中国将变得尤为强烈和激烈。