【導讀】物聯(lián)網(wǎng)還有哪些創(chuàng)業(yè)機會,又將催生哪些商業(yè)模式?聽聽以下四位大咖怎么看。
物聯(lián)網(wǎng)將催生哪些商業(yè)模式?
如果每個網(wǎng)絡信號都有實體的話,我們眼前的世界一定會越來越擁擠。
二十年前,互聯(lián)網(wǎng)改變了我們獲取信息和相互交流的方式?,F(xiàn)在,這一運動正在以相同的方式改變我們與周遭物理世界的聯(lián)系。據(jù)市場研究機構(gòu) IDC 預測,到 2020 年時,物聯(lián)網(wǎng)設備安裝量將達到 281 億臺。
「物體」不再了無生氣,而是與我們的生活交互關(guān)聯(lián)。
陳孝良
聲智科技 CEO,中科院聲學研究所副研究員。聲智科技從事語音交互芯片、模組和設備研發(fā)、設計、制造,并提供整體聲學技術(shù)和語音識別解決方案。
1.聲、光、電融合傳感將會創(chuàng)造出更多新數(shù)據(jù),進而推動商業(yè)模式創(chuàng)新。
2.讓機器適應人類,是人工智能得以實現(xiàn)的核心要素。
聲、光、電、熱、力、磁,這幾種傳感是人類獲取信息的重要手段,也是數(shù)字世界感知物理世界的主要途徑。其中,聲學(麥克風)、光學(攝像頭、激光雷達)和電學(GPS、電子雷達)更是核心要素。
從投資角度看,當前著名的人工智能企業(yè)基本可以按這三個傳感方式來劃分。
這里有個問題值得琢磨:聲、光、電傳感技術(shù)早于計算機而出現(xiàn),比如留聲機、照相機和雷達。為什么直到現(xiàn)在,它們才開始引起產(chǎn)業(yè)界的重視?
縱觀技術(shù)歷史,總是聲學先行,光學和電學次之。所以,我們不妨以聲學領域的麥克風技術(shù)為例展開探討。
計算機和手機很早就配置了麥克風,但直到 Amazon 推出一款麥克風陣列的 Echo,產(chǎn)業(yè)界對這類產(chǎn)品忽然變得極度關(guān)注并爭相模仿。究其原因,除了這款產(chǎn)品在計算和通信方面的能力有所提高,更主要的原因是場景發(fā)生了變化。
在 Echo 出現(xiàn)之前,麥克風解決的一直都是近場問題。近場語音交互要求人類適應機器,一定程度上掩蓋了技術(shù)的不足,是典型的由于技術(shù)限制而刻意回避場景的案例。但實際上,人類之間的語音交互都會拉開一定距離。所以,現(xiàn)在我們開始需要機器適應人類的遠場語音交互。
機器適應人類,這可以說是計算機技術(shù)的一個巨大進步,也是人工智能得以實現(xiàn)的核心要素之一。
這并非聲學領域特有的問題,當汽車安裝攝像頭和雷達,以及自行車安裝 GPS 時,場景變化帶來的技術(shù)挑戰(zhàn)才會凸顯出來,因為真實場景所需要的技術(shù)并非是簡單升級而是顛覆性創(chuàng)新。這也是當前技術(shù)型創(chuàng)業(yè)公司被青睞的主要原因。
▲ 人工智能必須融合多種傳感方式
然而,單一傳感方式所帶來的影響總是有限,不足以推動整個技術(shù)和社會的變革。例如,麥克風陣列可以采集人類自然對話的語音信息,從而逐漸演化、理解人類語言。這意味著將來機器可以讀懂我們的思想,十分可怕。但這種理解其實還比較片面,缺乏圖像、位置等其他傳感信息的支持。
從這個層面來說,人工智能必須融合多種傳感方式,而非局限于聲、光、電、熱、力、磁,再加上強大的計算和存儲能力,才能在某些領域超越人類,從而看懂世界,推動更多新商業(yè)模式的誕生。
當機器獲取的融合數(shù)據(jù)足以覆蓋人類產(chǎn)生的數(shù)據(jù)的十分之一時,大多時候,人類只需要說一說、看一看或者想一想,機器就能捕捉到背后的思想。
未來到底會產(chǎn)生哪些新的商業(yè)模式,我們尚不可知。但有一點可以肯定,廣告模式肯定不是人工智能時代的最佳商業(yè)模式。
趙曉光
天風證券研究所所長。2010-2016 年連續(xù) 7 年獲得《新財富》電子行業(yè)分析師第一名。
1.新的數(shù)據(jù)流必須依靠硬件創(chuàng)新來產(chǎn)生。
2.機會存在于制造業(yè),如材料、設備、芯片、汽車、軍民融合領域等。
目前,全球科技行業(yè)都面臨著困局。如果把企業(yè)發(fā)展分為生產(chǎn)力創(chuàng)新和生產(chǎn)關(guān)系創(chuàng)新 2 個環(huán)節(jié),那么很多企業(yè)都被關(guān)系創(chuàng)新沖昏了頭腦,認為加一點互聯(lián)網(wǎng)模式、加一點生態(tài)概念就是萬能的,反而在生產(chǎn)力創(chuàng)新上比較乏力。
分析生產(chǎn)力創(chuàng)新瓶頸的核心方法是看數(shù)據(jù)流。搞清楚數(shù)據(jù)從哪里來,如何處理,到哪里去。大多數(shù)企業(yè)只要解決其中一個環(huán)節(jié)就可以成功,三個環(huán)節(jié)都解決了就有機會成為巨頭。
新的數(shù)據(jù)流必須依靠硬件創(chuàng)新來產(chǎn)生。所以,我認為科技行業(yè)的下一個突破點在硬件創(chuàng)新上。
過去的產(chǎn)業(yè)發(fā)展是軟、硬件創(chuàng)新交替帶動的。2010 年到 2013 年智能手機迅速發(fā)展,2013 年 5 月開始,社交、游戲軟件火爆起來,直到 2015 年開始全面下跌。按照規(guī)律,硬件也會進入一輪集中發(fā)展周期?,F(xiàn)在互聯(lián)網(wǎng)巨頭也紛紛在布局,包括VR、智能汽車、可穿戴設備等等,這些其實都不僅僅是產(chǎn)品,更是獲取數(shù)據(jù)的硬件。
以智能手機為例,它產(chǎn)生的數(shù)據(jù)基于 3 個方面:使用人數(shù),從 10% 發(fā)展到 80%;使用時長,從每天 2 小時發(fā)展到超過 10 小時;智能手機本身可以產(chǎn)生的數(shù)據(jù)。
前兩點的紅利已經(jīng)快被消耗完了。但第三點,比如攝像頭拍照、錄視頻的數(shù)據(jù),此前由于無法結(jié)構(gòu)化,而沒有被商業(yè)化。但人工智能可以實現(xiàn)這一點。從 iOS 8 開始,手機可以自動識別圖片并進行歸類。這只是第一步。接下來的視頻數(shù)據(jù)分析,會產(chǎn)生巨大的商業(yè)機會,甚至改變傳媒行業(yè)、廣告行業(yè)。
另一個角度看,科技巨頭在做哪件事情,基本上這件事情就越有未來。現(xiàn)在巨頭都在做人工智能,它的核心是機器學習,而機器學習的難點在于數(shù)據(jù)。技術(shù)本身是可以通過學習而進步的,但是數(shù)據(jù)具有稀缺性,不是誰都可以拿到。所以,數(shù)據(jù)是解答一切問題的密碼。
人工智能這個行業(yè),最后很可能是贏家通吃的。幾家科技巨頭分割不同市場。蘋果有消費端數(shù)據(jù),亞馬遜有商店數(shù)據(jù),F(xiàn)acebook 有社交數(shù)據(jù),谷歌有搜索數(shù)據(jù),微軟有辦公數(shù)據(jù),他們是行業(yè)龍頭,其他人看起來很難進場。
你可能會問那么這個行業(yè)還有機會嗎?我的答案是有。機會存在于廣闊的傳統(tǒng)行業(yè)里。
▲ 制造業(yè)如何結(jié)合大數(shù)據(jù)成為新一輪競爭點
以制造業(yè)為例,誰能提高產(chǎn)品良率,誰就是贏家。以前這個過程是靠工程師不斷調(diào)試,現(xiàn)在機器有自我學習能力了,就可以自己在試錯中不斷走出最優(yōu)路徑。一個制造企業(yè),如果和谷歌、英偉達這樣的公司合作,一定會有未來。人工智能在這里是一個工具性產(chǎn)品。
觀察過去 5-10 年,可以看到蘋果在中國培養(yǎng)了一批市值在 300-500 億的優(yōu)秀的模組企業(yè)。產(chǎn)業(yè)是有遞推效應的,這一批企業(yè)誕生后,在制造業(yè)里會催生 3 個新的投資方向:
第一,上游的材料、設備、芯片。材料和設備正好符合「中國智造」,而半導體企業(yè)的地位也在發(fā)生變化,在過去分工專業(yè)化的基礎上,變成了一個能夠提供全新解決方案的公司。
第二,往汽車產(chǎn)業(yè)發(fā)展?,F(xiàn)在汽車產(chǎn)業(yè)的采購格局和十年前的手機行業(yè)一樣。但現(xiàn)在手機行業(yè)把采購權(quán)釋法昂出來給到上游企業(yè),代工廠的利潤率下降,產(chǎn)業(yè)利潤會從中游轉(zhuǎn)移到上游,汽車也會經(jīng)歷同樣的過程。下一步在汽車產(chǎn)業(yè)鏈的材料、設備、芯片行業(yè)會出一批市值 500 億以上的巨頭。
第三,往軍民融合方向發(fā)展。民營企業(yè)更多地參與到軍品研制競爭里來,民參軍企業(yè)有望從低附加值芯片、分立器件等向系統(tǒng)級的產(chǎn)品和技術(shù)國度。市場化運營的軍品產(chǎn)業(yè)鏈對接平臺也會開始應用。
此外,我還比較看好聲學、投影技術(shù)方面的機會。這 2 個領域都存在生產(chǎn)力和生產(chǎn)關(guān)系越來越不匹配的問題,谷歌、亞馬遜也都在進場。
2023-03-09 08:45
2023-03-08 09:33
2023-03-08 09:15
2023-03-07 09:09
2023-03-06 08:29
2023-03-02 08:35
2023-02-28 16:45
2023-02-27 11:33
2023-02-27 10:03
2023-02-27 08:51