当前位置:首页 > 智能硬件 > 人工智能AI
[导读]   在智能商业时代来临前夜,企业所面临的是一个分水岭:虽然表面上看起来风平浪静、波澜不惊,但是企业的根基所在正在悄然变化,这意味着企业可能有机会上升到新的高度,也可能标示着没落的开始。

  在智能商业时代来临前夜,企业所面临的是一个分水岭:虽然表面上看起来风平浪静、波澜不惊,但是企业的根基所在正在悄然变化,这意味着企业可能有机会上升到新的高度,也可能标示着没落的开始。

  企业命运的十字路口被称为“战略转折点”。在战略转折点上,决定企业未来命运的往往不是成本、价格和管理等竞争要素,而是技术、用户习惯等外部因素共同决定的大势。

  图1:战略转折点

  

  互联网带来的结果是,价值在不同行业间被重新分配。大约在20年前,通用电气、壳牌、可口可乐等工业企业还牢牢占据着最高市值的榜单。但是,今天市值榜单的前几名几乎全部是苹果、谷歌、Facebook、亚马逊这样的IT和DT公司。这就是战略转折点,残酷但又令人兴奋。

  在互联网带来的大规模冲击还未进入尾声之时,我们又将迎来新一轮浪潮:人工智能推动的新战略转折点。与互联网一样,AI技术将彻底改变企业价值创造和获取的逻辑,它的影响深远、范围广泛,从而开启智能商业新时代。

  站在智能商业的战略转折点上,企业在今天的选择关乎未来相当长时间的命运。是拥抱变化、积极蜕变,还是否认变化、墨守成规?是主动了解尝试新的商业范式还是畏手畏脚、不愿打破已有的行事风格?是延续企业向上的增长曲线还是从此走入下行拐点,在遗憾和叹息中退出?虽然这些问题的答案看起来再明显不过,但在执行起来,却困难重重。

  智能商业新生态

  今天形形色色的智能产品和应用正在连接一切,跨越了行业的边界。因此,当我们讨论智能商业带来的影响时,“行业”就不再是一个有效的思考单位。

  在以人工智能为核心的新商业生态中,“端”“网”“云”跨越了行业,是智能生态中主要的结构层次。它们分别发挥着不同功能,并且相互连接、相互依托,共同构成了智能商业时代的价值基石。

  

  端

  “端”指的是能够与商业场景发生交互的触点和支点。这里的交互有两层含义:第一是接触,也就是源源不断搜集商业场景中产生的数据;第二是反馈,能够传递不断更新的信息、执行不断优化的命令。触点和支点一起,就形成了互动的循环。

  互联网出现后,虚拟空间的网站平台、软件客户端和App等也能够承担信息搜集角色:用户每一次点击、打开以及在各个页面上的停留时间都被记录下来,成为珍贵的数据资源。最近几年,物联网的萌芽和普及进一步扩大了“端”的范围:不仅是虚拟世界的交互界面,看得见、摸得着的物理产品在嵌入数字模块后也能够感知外部环境,成为信息的新入口。例如,运动鞋可以追踪跑者的运动记录,从而帮助跑者优化锻炼计划;工业制造系统添加数字模块后,不仅可以监测设备的运行状态、及时进行维修更新,还可以记录积累生产数据,为优化生产系统提供有价值的数据。

  除了感知和数据搜集以外,“端”的第二个重要功能是:成为整个智能生态系统优化的承载点。这意味着智能算法对系统的优化——无论是提升效率还是优化体验——最终是体现在“端”上的。比如,随着数据积累和算法迭代,跑者的锻炼计划越来越符合本人个性化需求,这体现在App终端的锻炼建议上。当制造设备采集到越来越多的生产数据,并在算法层面形成提高生产效率、降低能耗的实时建议后,会在设备端自动执行。这样,就在“端”的层面构成了一个自我更新的动态系统。

  网

  “网”指的是借助技术模块连为一体的包括产品、用户和企业在内的商业网络。从字面上看,“网”很容易让人联想到布满线路的通信网络系统,但是智能商业系统里的“网”不仅体现在技术层面上,它的本质是商业生态——在不同商业要素之间建立共生、互生和再生的关系,实现网络价值。毕竟,离散的“端”如果不进行有效连接、彼此互不相干,很难产生太大的价值。只有将不同的“端”联系在一起,形成一个相互分享与沟通的体系,才能实现智能商业的协同价值。

  网络价值首先体现在数据的叠加和共享上。与资金、原材料和设备不同,数据并不是消耗性资源,因此数据的叠加和共享往往能够带来“1+1》2”的协同效应。

  数据叠加指的是对同类或跨界的数据进行合并,从而刻画出更高层次的数据形态。例如,一个司机的行车路线与速度的价值是有限的,但当成千上万的司机实时分享自己的位置和路线,就能够叠加成为车流路况的“活地图”,给更多出行者提供有益的参考。数据共享则是将某一个“端”采集的数据在其他相关“端”进行实时分享。信息透明度提高了,人们就可以进行更优决策。

  除了数据的叠加与共享,网络价值还体现在各个“端”之间的衔接互动上。由于智能设备具有相互“对话”的能力,一个“端”的动作会触发其他各个“端”的一系列响应,形成整体的联动。企业可以借此创造一体化的体验,例如智能家居领域就向人们描绘了这样一幅图景:当用户打开智能门锁进入室内后,音响就会播放轻快优雅的旋律,灯光转至冷色或暖色,空调、窗帘也会同步调整。整个过程一气呵成,极致的体验正是得益于“端”之间相互对话、触发彼此行动的能力。

  在生产供应领域,工业4.0概念下的柔性制造系统是用计算机系统进行联系,实现从订货、设计、加工到装配、检验、发货等一系列环节的自动衔接与调整。由于各个生产环节的启动与调整是自动触发的,就能够提升柔性制造系统的生产效率。

  因此,“网”的本质是通过连接人、产品(物)和企业,实现数据的协同。

  云

  “云”是服务于“端”和“网”的进行存储、运算和优化的虚拟解决方案。“网”虽然可以进行数据的叠加、共享和协调,提高网络价值,但是这些活动仍然停留在“数据拿来就用”的层次。换言之,“网”的本质是将碎片化的数据聚合、梳理,但还没有产生“化学反应”。要挖掘数据的深层次价值,就一定要通过“云”——这一智能商业最核心的组成部分——来实现。

  如果我们把“端”比作智能商业的运动神经系统(感知外部环境、进行反馈调节)、把“网”比作循环系统(给身体的各个部分传递氧气和营养),那么“云”就是一个不断思考和发出指令的大脑。它是整个智能商业体系中的灵魂。

  “云”有两个功能:其一是基础服务,包括数据的存储和计算;其二是核心服务,即数据智能和算法优化。其中,后者决定了一个商业系统的智能化程度。许多商业系统从表面上看差别并不大,比如它们都掌握了丰富的入口(端)、都致力于信息的分享与数据的协同(网),但是在如何深挖数据价值方面却有着天壤之别。这也直接决定了对不同智能商业体的价值评估。

  著名的流媒体网站Netflix就通过在“云”端算法的投入,挖掘出数据的巨大价值。从事在线视频网站业务的Netflix是一个天然的“端”:用户在网站上的行为轨迹,包括会选择哪些影片、跳过哪些片段、停留在哪些片段甚至反复观看等,都可以被一一记录和存储起来。通过对这些用户群体数据的进一步叠加(“网”),可以分析出最受观众欢迎的电视剧要素,如题材、导演和主演等。2013年,Netflix出品了广受好评的剧集《纸牌屋》,该剧之所以大获成功,与其背后的大数据沉淀与喜好预测算法(“云”)密不可分。目前Netflix的市值已经突破3000亿元人民币。相比之下,其他一些视频网站虽然在流量上可以与之比肩,但由于“云”端智能化的缺失,在估值上只能望尘莫及。

  这个例子说明,“云”是区别真正的智能商业与伪智能商业的重要评判标准。今天市场上的智能产品无论是种类还是数量都在快速爆发中,但是如果用“端-网-云”的层次结构来看,大多数智能产品还仅仅停留在“端”的层面——只是预装了交互模块,能够实现基本的互动功能。很少有产品能够走到“网”的结构层面,进行数据的叠加、共享和协调。而有能力在“云”中进行算法迭代和系统优化的,就更是凤毛麟角了。但是要知道,“云”端的能力恰恰是智能商业的核心。

  智能商业的“端”、“网”、“云”互为依托,构成一个整体,刻画了整个智能生态价值构造的大图景。

  战略启示录

  在讨论企业新优势来源的问题之前,有必要先认清“端-网-云”的价值闭环逻辑。

  “端-网-云”的价值闭环逻辑指的是:在智能商业的系统中,“端”“网”“云”相互依托,缺一不可,共同构成了价值循环的闭环。

  

  “端”搜集数据,为整个系统提供“燃料”;“网”协同数据,通过叠加、分享和衔接将数据的价值放大;“云”存储和分析数据,不断地优化算法,最后再通过“网”返回到“端”,使商业场景中的交互更符合用户的需要,或者使整个系统的效率提高。从“端”到“网”到“云”,再返回到“网”和“端”,这样形成了一个价值不断增溢的良性循环。

  “端”“网”“云”缺一不可,这意味着:企业在三者中任何一个环节上的优势,都可以转化为在智能商业生态中的新优势。

  首先,传统行业在“端”上的竞争优势,有助于企业占据商业场景的“入口”。无论是制造业争夺的产品销量,还是零售业争夺的顾客流量、店面数量等,都可以通过数字化的手段转化为具有数据交互功能的“端”。如果产品本身受欢迎,或者商店的客流量高,就能够接触到更多的用户、获得更有价值的数据。而这正是在智能商业时代立足的基础。

  其次,高科技和互联网行业在“云”上的竞争优势,有助于企业把握住智能化的“高地”。这些企业通常在云计算和智能技术领域有所布局,而多年深耕于互联网行业又帮助它们积累了规模庞大的数据。技术和数据的双重优势,将助力这些企业开发和迭代先进的算法,在图像识别、语音识别和CRM等领域建立难以撼动的优势。

  此外,企业在“网”中通过跨界、合作形成的生态优势,也有助于它们在智能商业时代进一步发挥网络协同的优势。这些企业善于连接和撬动外部资源,通过在不同的网络节点间建立联系来创造价值。这在智能商业时代同样重要。

  

  可见,无论企业处于什么行业、具有竞争优势(独占内部资源)或生态优势(撬动外部资源),都可以在新智能商业时代找到自己的立足点。并且,这些不同维度的新优势还会彼此融合、放大。

  巩固优势“四部曲”

  “端-网-云”不仅缺一不可,还是环环相扣、相互联通的——抢占了端,就能够形成有价值的网;丰富了网,就能够迭代出先进的算法,形成智能的云;更新了算法,就能够提高端的效率和体验。

  这意味着在智能商业时代,企业优势是有流动性的:它可以从一个环节传递到另一个环节,通过不断传递,形成巩固和扩大优势的良性循环。

  这个过程中涉及四个具体的步骤——场景数据化、数据网络化、网络智能化和智能平台化。这四个步骤没有固定的始点,因为循环可以开始于任何一个(企业具备优势的)环节。当然,它也没有终点,因为优势巩固是一个持续的过程。

  

  场景数据化

  “场景数据化”,是企业要善于在不同的商业场景中获取和沉淀数据。

  “场景数据化”首先要求企业定义和创造场景。在用户端,今天很多企业都非常重视“抢占入口”,通过高质量的交互产品占据流量,接触到更多的用户。也有很多企业通过建立和培养社群、完善线上线下渠道和用户体验全周期管理等方式来增加与用户产生交互的“触点”。这些活动都是在定义全新的商业场景。在供应端,对供应链各个节点的数据(如库存数量和位置等)、生产设备各个零件的状态等实时记录和更新,相当于创造了一个新的信息空间,也是在定义新场景。在组织端,有企业系统地对员工的行为、关系和绩效等进行数据化,用于即时预测其离职倾向、晋升前景等表现,这又是在定义一个人才与组织交互的新场景。

  无论是在哪一端,系统地搜集和沉淀数据,是将“触点”价值发挥出来的第一步。

  数据网络化

  “数据网络化”,是企业要善于利用商业生态圈的资源,进行数据的协同。

  数据协同之所以重要,是因为单一的“端”产生的数据价值是极其有限的。对于大多数企业而言,受制于用户数量、业务数据类型等方面的限制,沉淀下来的数据往往是碎片化的——既不能全面地刻画用户画像,又无法叠加出有代表性的群体特征。因此,很难被直接应用于智能算法的迭代。

  而异质性数据组合带来的协同价值是巨大的。试想:单独的儿童教育数据可能没有什么太大的价值,但是如果与儿童的DNA、家庭背景和同龄孩子的其他教育数据结合起来,就会产生许多洞察和商业价值。

  通过在用户群、企业群与产品群之间建立信息叠加、分享和衔接的机制,可以达到“1+1》2”的协同作用。这要求企业不仅要做有价值的产品(从而产生有价值的数据),还要与利益相关者建立可持续的互惠共存、彼此承诺的关系。这考验的是企业撬动外部资源的生态构建能力。

  网络智能化

  “网络智能化”是通过技术和算法推动整个系统高效运转。

  “网络智能化”实质上是通过对数据的分析形成系统优化的方案,再反过来干预系统的行为。优化的方案可以是针对用户体验的——提供更符合用户需求的定制化产品;可以是针对供给效率的——优化库存分布,降低仓储成本;也可以是针对组织管理的——预测离职员工,提前进行防范。

  “网络智能化”是一个动态的过程。在过去,关于如何提升用户体验和系统效率的洞见往往存在于团队的内在知识体系中,洞见的形成和习得依赖经验和悟性,大多是静态且碎片化的。“网络智能化”则是将洞见迁移到云端,通过吸纳、融合不同团体的数据,算法有了不断自我更新的基础。这要求企业不断地对算法进行验证和迭代,从而构筑竞争优势的高墙。

  智能平台化

  “智能平台化”是将云端的能力(包括数据、计算、算法等)开放给第三方。

  一方面,将剩余的云端能力与外部分享,能够增加企业的变现能力。所积累的资金可以投资于新的业务和能力,巩固企业的优势。

  另一方面,通过开放云端的能力,企业也可以将自己的触角伸向更广泛的商业场景中,从而扩大了“端”的范围。例如,菜鸟物流向第三方物流公司开放“物流云”服务,由此可以获得更多企业的物流数据,而这是其原有业务中无法获得的宝贵资源。

  “智能平台化”完成了从“云”到“端”的价值再传递。这样,就形成了从“场景数据化”“数据网络化”“网络智能化”到“智能平台化”的完整闭环。

  智能商业时代的序幕正在徐徐开启。对于企业而言,不仅要把握住时间窗口、选择适当的发展方向,还要积极调整、适应新的商业范式,并在此过程中探索出建立和巩固企业新优势的机制。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

随着人工智能和信息技术的飞速发展,语音识别技术已经从实验室走向了现实生活中的各个角落,成为人机交互领域的重要组成部分。语音识别产品不仅丰富了我们的日常生活,也正在深刻地改变着众多行业的工作模式和服务形态。

关键字: 语音识别 人工智能

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能

机器学习作为人工智能领域的核心技术,其应用日益广泛,从搜索引擎优化到医疗诊断,从金融风控到自动驾驶等众多领域均发挥着重要作用。深入理解并掌握机器学习的关键步骤是成功构建高效模型和解决方案的基础。本文将详细阐述机器学习的主...

关键字: 机器学习 人工智能

是德科技(Keysight Technologies, Inc.)现已开启与全新 NVIDIA 6G 研究云平台的合作。该平台包括 NVIDIA Aerial Omniverse 数字孪生,这是一个开放、灵活的网络仿真资...

关键字: 6G 人工智能 RAN

纵观人类近现代史,每一次工业革命都是将战略性科技转化为生产力,从而创造巨大的新增财富和全面提升国家竞争力的过程;而且一个国家在工业革命面前的“沉与浮”,则取决于一个国家对这些战略性科技和产业化能力的把控。从被称为蒸汽机时...

关键字: 人工智能 算力 大模型

Arm Neoverse 旨在为从云到边缘的全场景基础设施用例提供高性能和出色能效。针对需要更高性能的工作负载和用例,Arm 推出了 Neoverse V 系列。其中,Neoverse V2 核心已被行业先行者广泛部署于...

关键字: 云计算 人工智能 CPU

本文中,小编将对人工智能AI予以介绍,如果你想对它的详细情况有所认识,或者想要增进对它的了解程度,不妨请看以下内容哦。

关键字: 人工智能 AI

在这篇文章中,小编将为大家带来人工智能AI的相关报道。如果你对本文即将要讲解的内容存在一定兴趣,不妨继续往下阅读哦。

关键字: 人工智能 AI

“人工智能+”时代将至 超过90%的受访企业将招聘人工智能人才列为首要任务,但62%的受访企业在招聘所需人才时面临困难

关键字: 人工智能 生成式AI 机器学习
关闭
关闭