闵万里新基建大潮下,每一条鱼都得靠数据捞
文
特约观察员闵万里
编辑
文华、李文礼
·
核心提示：
1.正因为有普惠和普及的大前提，以及云计算这种透视数据背后真实规律的威力，我们才有可能把产业当中的真实的价值和智能释放出来。
2.产业智能化是激活行业里存量的数据资产，创造可持续的新价值，因智慧而产生价值。
3.不同的产业当中，看上去非常不同的场景，底层的逻辑其实是有高度的相似性，底层的逻辑相通的时候，技术也就自然相通了。
4.产业的进步从来不是靠独角戏、走高跷的方式完成的，我们需要的是无数的产业技术的支撑，才能提升生产力的水平。
5.有两种人是值得投资的：价值闭环的创造者和价值获得者，他们都有可能因为价值或者创造的价值而变得更有价值。
编者按：本文由36氪超级沙龙「新基建」系列第四期直播整理而来，有删减。完整直播可戳此回看。
在新基建的大潮下，传统产业有什么样的新机会？这个机会包括科技工作者、投资者，还包括传统产业里从事行业操作的工艺工程师等角色，在新时代新基建的大潮当中，有什么样的新机会？
新基建：投资当下，收获未来
说到新基建，我觉得最重要的一点是要看清楚它的目的是什么？它投资的是当下，但我们收获的是未来。这一个“新”代表着新技术并不一定等价于新行业，有可能是老行业需要新技术，有了新技术，老行业才有可能跳升到新的生产力的水平。在这个过程当中，历史上有一些可以参考的先例。
图一
美国经济学家、西北大学教授RobertGordon在《美国增长的兴衰》一书当中，提到年到年二战期间，美国的劳动生产率突然有了30%的提升。几乎所有的高科技都迅速产业化，从吉普车到雷达、喷气机等，新技术的扩散以前所未有的速度发生，带来了劳动生产力的跃升，支撑了美国经济的发展，战后一跃成为霸主。
美国劳工部也公布了一个长达多年的数据，从年到年，每10年一个档期的劳动生产率提速，能看到在年有个非常大的增长，4%左右。
图一告诉我们的是：二战时期，当先进的科技快速向产业扩展的时候，全社会的劳动生产率在迅速地跃进。
站在历史的关口，我们看当今最先进的科技，无论是量子计算、大数据、云计算、5G、物联网、AI、人工智能，还是AR、区块链、无人驾驶，如果我们把它们分为三大类的话，不外乎是计算驱动、场景驱动和数据驱动。这三大类的东西组合在一起，其实是帮我们把底层的先进技术通过计算力对外输出，到行业当中去产生智能应用。有可能是城市，有可能是工业制造，也有可能是农业生产，还有可能是消费流通领域、零售业、金融服务业等等。
那么今天的命题就来了，有没有可能像美国在年那样，把这些最先进的科技要素向产业加速扩散，从而推动劳动生产率的快速提升？这就是新基建要做的事情。在这个过程中，我们能看到有一个非常重要的历史背景：普及和普惠。普及的意思很简单，今天的数字化技术已经几乎在各行各业都展开了。我想在这次疫情期间，所有的人都在网上、APP上面，我们的行为都变得数字化了，服务提供商们也变得数字化了，教育工作者也变得数字化了。数字化已经不再是一个讨论的话题，而是一个事实。
图二
图二左边是数据产生的速度在前所未有地增加，右边是数据的计算和处理的成本越来越低。这代表计算力已经变成了普惠的生产力，不再是昂贵的，贵族才能玩得起的游戏。
有了这样一个背景，大家就有可能问，我们是不是有可能通过云计算的威力，在产业智能的时代寻找到新的价值？是的。年之后计算力突飞猛进，互联网公司像Google、Facebook和阿里巴巴等，能够在一夜之间支撑海量的计算需求，比如双11当天的并发量，这在以往是无法想象的。云计算的价值也从最早的IT的成本节约上升为用DT做价值的探索和创新。
它不再是一个防守型的价值，而是一个进取型的价值。当我们能够把数据背后所带来的规律正确地应用到产业场景当中时，它带来的价值是前所未有的，而且没有天花板。当数据作为新时代的石油，源源不断地产生，如果我们有了云计算，有了这样普惠的计算力的时候，我们有可能把这瞬时之间的价值抓住，释放出来，最后形成产业的智能。正因为有普惠和普及的大前提，以及云计算这种透视数据背后真实规律的威力，我们才有可能把产业当中的真实的价值和智能释放出来，创造出前所未有的生产力水平的提升。
潜创新：面向产业加注智能要素
图三
科技的发展是怎样驱动GDP增长的？年我们做过一次基建“铁公基”，短期之内拉动了GDP增长，但随后GDP的增速逐渐回调。我们今天的人均GDP产值已经超过了1万美元，进入到中等发达国家的水平，在这样的体量上，用科技创新去拉动经济的长期发展成为一个必然。这种情况下，新基建如何成为经济发展的新动力？要向产业加入智能要素。
什么产业是我们要加注智能要素的目标产业？智慧城市、医疗、健康、教育、能源、工业生产、农业生产、航空金融服务等各行各业，当任何一个行业都步入数字化时代，都具备了与智能元素、计算力水平相结合的化学反应的要素，就有可能催生出新的产业智能，带来新价值。我把它总结为，激活行业里存量的数据资产，创造可持续的新价值，因智慧而产生价值。
图四
智能要素究竟是怎么发生的？可能很多人都听过新旧动能转化，但是新旧动能的转化并不等于新旧产业的变换。这里面有两个概念，一个是“浅创新”，一个是“潜创新”。就像到青藏高原上开共享单车，与在上海骑共享单车相比，看上去西藏是一个崭新的高度，是一个崭新的场景，开辟了新战场，但是创造价值的方式是已经被证明过的方式，这是非常浅层次的创新，尽管它是新的，但它的内涵是旧的。
还有一种创新是“潜创新”。当你要放弃某个油田的时候，如果出现一种崭新的技术，让你能够发现在油田米下还有一个矿井，在别人已经觉着没有希望要放弃的时候，你用了新的技术，找到了新的潜能，这种就是另外一种意义上的新动能：在老场景下长出了新的动能、新的价值。这是我讲的潜力创新，这是一个更难的创新。
今天我们要解决的问题是在那些已经运转了很多年且一定会长期地成为经济发展核心支柱的产业，怎样把他们的智能水平带入到新时代，在别人认为已经无计可施的地方找到新的动力，把新的动能激发出来，潜创新。
图五
根据世界银行的权威数据，比较中美农业和制造业中非常基本的效率指标：在农业当中，每一公顷的小麦，我们的种植成本是美元，美国是美元；在制造业当中，我们人均制造业的增加值是美元，美国是美元；在制造业当中，我们消耗单位人员所创造的GDP是5美元，美国是10美元。这说明在这些非常成熟的行业当中，我们的效率比发达国家的先进水平还是落后的。在农业、制造业这么大体量的产业当中，试想我们有合适的技术、足够的资金投入、智力资源投入的时候，把它的效率提升到当前发达国家的水平，那所创造出来的价值增量是难以想象。所以，从高速发展往高质量发展的主战场一定是在第一产业和第二产业，而发展的动力源泉来自第三产业——互联网场景下催生的以海量计算能力为核心的新技术。
在互联网中诞生的技术，往农业、制造业当中去转移，是否可行？答案是可以的。电商APP和交通场景，两个行业的场景完全不一样，除了很显然的图像识别技术可复用外，两者还有其他内核上的相似性，使得在电商当中诞生出来的某些技术，可以用来改造交通、管理交通，让每一个道路、每一个红绿灯变得更聪明。
图六
图六为大家说明。左侧电商中有三个角色，买家、卖家、商品，所有人在购物APP上的行为都可以用图上的动态三角形表达出来，日积月累你会发现这是一个巨大的网络。再看右边这张图，我们把交通抽象为一个网络，ABCD每一个点都是一个路口，城市的交通也是在这样一个网络上不断地有点和点之间的流量。
所以在流量的内涵下，电商行为和交通行为惊人地相似。在技术维度，这两个场景最终会形成两张图，在这张图上用动态观测的数据去推演点和点之间的因果关系和定量关系。有了这些之后，你就知道在电商中该怎么去推荐、管控和分流，找到关键性节点和意见领袖，基于他的行为去寻找未来的爆款。对照交通网络，则是找到点和点之间的关联性，关联的时长，基于关键性的节点去发现正在集聚当中的交通拥堵现象。
这个例子说明在第三产业和第一、二产业当中，看上去非常不同的场景，底层的逻辑其实是有高度的相似性，尤其是在数学的框架里，有可能抽象出一个统一的逻辑架构，底层的逻辑相通的时候，技术也就自然相通了。
图七
图七是一个打渔的案例，渔船去到远洋，到南太平洋去打金枪鱼。从海洋卫星上，我们可以实时看到整个海水的温度梯度、海水叶绿素的浓度、海洋的温度场的变化、洋流的温度场的变化，再结合以往老船长们捕捞的记录，建立起一套预测模型，基于此时此刻的海洋卫星的数据，算出来此时此刻整个海域当中，每一个格点里的金枪鱼浓度。船长一看就知道应该去颜色最深，数值最大，金枪鱼浓度最大的地方。这张表究竟有没有用？捕捞船去了3和4之后，平均每次下网捕捞量是2和左右，远远高于另外两个渔区1和2，这证明预测的排序是对的。
当我们去看农业生产、渔业生产这种传统的延续了千年的场景时，今天可以不再只依靠夜观天象，或者看海洋流向这种传统方式，我们还可以用实时的海洋卫星数据，即时算出这样一个指标。所以在某种程度上可以说，今天的每一条鱼都是靠数据捕捞上来的。传统的渔业生产经过了智能升级之后，变得与众不同了。
图八
图八中，这是一个非常传统的炼钢行业，当钢铁到达上千度时开始冷轧，慢慢降温，提取排除钢中的杂质，加入一些特种钢。特种钢该在什么时候加？火候怎么掌握？加多久？冷轧的过程怎么控制一些参数？这些以前是靠老工人、老师傅的经验来操作，很多经验没办法标准化传承下来，所以当徒弟开始上手操作时会导致无谓的试错成本。
怎样把老师傅的经验无损地传承下来？我们可以真实地记录老师傅的每一次操作，用了哪些参数，当时的温度是多少，加了多少量进去，把冷轧热轧过程的参数全部记录下来，让产线的智能系统学会老师傅的技艺，那么这个老师傅可以把这些经验窍门传承下去，固化产线。以后不管是新徒弟来，还是老徒弟来，他都可以在这样一个经验的基础上，再次发扬。这是个真实的案例，攀枝花钢铁每年节约了上千万的成本。
图八中右图的案例是在养猪过程当中，靠行为体征的分析和监控，去了解母猪的发情期，做精准科学配种，使得每一头母猪每年生产数量提升。在四川的特驱集团，每头母猪年产从原来的23左右升到了28。我国每年猪的消费是7亿头左右，如果每头母猪都增加了5头产崽量，那么中国的生猪供给量将有一个巨大地增加，供给侧的供给能力将得到显著提升。
产业工人：发挥主场优势
新技术进入传统行业，带来了新价值。新基建的过程中，这些行业会发生产业的重构和重组，会涌现出新龙头，这个“新龙头”可能是现在的龙头进化而来，也有可能是第二、三梯队企业脱颖而出成为新龙头。谁能够在行业当中率先拥抱这些新技术要素，新智能要素、新DT要素，谁就有可能创造新价值的标杆，从而成为行业的新龙头。掌握了先进生产力的龙头企业，一定会成为产业重整的旗帜，从而成为重整之后的新龙头。
在工业当中，有新技术进去了，是不是机器会让人没工作？其实不尽然，相反的这些工人们的智慧得到传承，成为新时代的产业智能工人。
任何一种新技术进入到产业当中去的时候，都不是无师自通的。行业的痛点、行业的窍门、管理流程、生产流程、机理模型，恰恰需要这些产业工人的多年经验，给这些新智能要素一个冷启动的敲门砖，在这个过程当中，产业工人们具有非常强的先发优势和产业主场优势。主场优势带来的行业认知深度，可以让产业工人成为新时代的训练师、培训师、智能操控师。
在工业制造业场景及农业场景下，新技术让行业从业者所积累起来的智商无损地传承下去，并且得到无限放大，随着每一代人的创新和技术进步叠加，不会流失。
科技工作者：技术的延伸OR技术的延展
我们再来看作为科技工作者的机会和挑战。当我们过度地沉浸在自己的单个技术的优美当中的时候，我们可能很容易忽视产业的严酷。科技工作者最大的风险就是选错了目标行业。如果你今天把一个人脸识别图像技术，轻松地换到做猪脸识别或者牛脸识别的时候，当我们有这种技术上浅层次的应用型平移，我们进入到的是一个代码的copypaste，我们忘记了底层的逻辑，甚至忘记了这个产业中的相似性和相通性。
科技工作者需要选择什么样的行业？我们需要选择那种产业空间特别大的行业——在人类历史的各个周期长期存在和被需要，在每一次的技术迭代、社会发展的过程当中不断壮大的行业。按照这个标准看就很容易理解，制造业、农业等这些行业，怎么让田地的亩产变得更高，怎么让产线变得更高效，让废品减少，让能耗降低，让排污、排气变少，让生产劳动效率提升等等，这些都是产业空间巨大的场景。对科技工作者来说，入对行比什么都重要。
图九
还有一点可能更难，千万不要被自己最擅长的技术蒙住眼睛。用这样一个场景（图十）给大家看一看：在一个十字路口，地面的左转车道旁的柱子上写了禁止左转，远方的信号灯是绿色的。请问如果你是一个无人驾驶程序，有世界上最好的视频识别传感器，你如何决策？该不该左转？最锐利的眼睛在这个时候也会变得迟钝，最好的传感器也会变得六神无主。因为你看到的是明显相互矛盾的两个指示。所以这个场景给了我们一个启示：无人驾驶也好，或者其他行业应用场景也好，不只是靠单点的技术，
转载请注明：http://www.abuoumao.com/hyfz/2018.html
